淺談Hbase多版本存儲

我們知道hbase是一個多版本的管理系統(tǒng)，在0.96的版本之前默認每個列是3個version，在hbase 0.96之后每個列是1個version，所謂的version其實就是同一條數(shù)據(jù)插入不同的時間戳來實現(xiàn)的，在hbase底層的存儲是基于時間戳排序的，所以每次我們查到的數(shù)據(jù)都是最新的版本，除非我們指定了要讀取特定的時間范圍的數(shù)據(jù)。

先看下Hbase里面Put和Delete命令的api：

Put：

Delete：

如上，常用的pu和delete方法基本都是第一個，默認我們使用Put命令插入一條數(shù)據(jù)后，它的時間戳取的是當(dāng)前時間戳，當(dāng)然我們也可以自己設(shè)置時間戳，但是我建議不要隨便設(shè)置這個時間戳，設(shè)置的不對有可能引起一些莫名奇妙的問題，剛才說過hbase在讀取的時候是按時間降序排序的，每次讀取到的都是最新的，那么假如在put的時候設(shè)置這個時間戳為Long.MAXVALUE，那么后面你在插入，刪除或者更新的時候沒有傳入時間戳，那么你就會驚奇的發(fā)現(xiàn)插入，刪除，更新全部失效，為什么？

因為你該次操作的時間戳小于Long.MAXVALUE，而且你的version只有一個，所以hbase認為一個舊的版本是不能覆蓋新的版本的，同樣刪除也是，你會發(fā)現(xiàn)無論你執(zhí)行多少次刪除命令，該條數(shù)據(jù)就是不能夠被刪除掉。

注意，在上面的api中Put和Delete的第二個方法都是帶時間戳的，大家不要誤解，這個時間戳不是rowkey的，它這個時間戳是給下面的column用的，也就是說如果插入一行數(shù)據(jù)，這行數(shù)據(jù)中有多個列簇，每個列簇下面都有多個列的話，而且他們的時間戳都一樣，那么我就可以直接在put的第二個參數(shù)指定，而不需要在每個column上指定，當(dāng)然如果我們在column上也指定了時間戳，那么默認優(yōu)先使用column上的時間戳。

總結(jié)：

hbase的多版本存儲特性是一個強大的功能，在使用的時候應(yīng)該注意盡量不要修改默認取當(dāng)前時間戳的邏輯，如果修改了那么在其他添加，刪除，更新的時候都應(yīng)該考慮當(dāng)前的時間戳是否大于第一次插入時的時間戳，如果不是，那么本次修改就不會生效，所以某一天當(dāng)你刪除一行hbase數(shù)據(jù)時，發(fā)現(xiàn)它并沒有被刪除掉，不要驚訝，在代碼沒有問題的情況下，最大的可能就是當(dāng)前時間戳小于庫里數(shù)據(jù)的時間戳，這一點需要特別注意，最后再重復(fù)一遍，盡量不要在向hbase插入數(shù)據(jù)的時候設(shè)置自定義的時間戳，除非業(yè)務(wù)場景需要。