HBase批量删除为“完全批量加载”

Question

我想删除HBase表中的3亿行。我可以使用HBase API并发送一批Delete对象。但是恐怕要花很多时间。

以前的代码就是这种情况，我想插入数百万行。我没有使用HBase API并发送大量的Puts，而是使用Map Reduce作业，该作业发出RowKey / Put作为值，并使用HFileOutputFormat2.configureIncrementalLoad(job, table, regionLocator)来设置我的Reducer，以便它直接写输出准备快速加载LoadIncrementalHFiles（完整批量加载） 。这要快得多（5分钟而不是3小时）。

因此，我想对批量删除执行相同的操作。

但是，似乎无法将这种技术与Delete结合使用，因为它HFileOutputFormat2试图为KeyValue或Put（PutSortReducer）配置Reducer，但是Delete不存在。

我的第一个问题是，为什么没有“ DeleteSortReducer”来启用完整的批量删除技术？只是缺少的东西，还没有做到吗？还是有更深层的理由证明这一点？

第二个问题是相关的：如果我复制/粘贴PutSortReducer的代码，将其修改为Delete并将其作为我的工作的Reducer传递，它将起作用吗？HBase完整的批量加载是否会产生充满墓碑的HFile？

范例：

public class DeleteSortReducer extends
        Reducer<ImmutableBytesWritable, Delete, ImmutableBytesWritable, KeyValue> {

    @Override
    protected void reduce(
            ImmutableBytesWritable row,
            java.lang.Iterable<Delete> deletes,
            Reducer<ImmutableBytesWritable, Delete,
                    ImmutableBytesWritable, KeyValue>.Context context)
            throws java.io.IOException, InterruptedException
    {
        // although reduce() is called per-row, handle pathological case
        long threshold = context.getConfiguration().getLong(
                "putsortreducer.row.threshold", 1L * (1<<30));
        Iterator<Delete> iter = deletes.iterator();
        while (iter.hasNext()) {
            TreeSet<KeyValue> map = new TreeSet<KeyValue>(KeyValue.COMPARATOR);
            long curSize = 0;
            // stop at the end or the RAM threshold
            while (iter.hasNext() && curSize < threshold) {
                Delete d = iter.next();
                for (List<Cell> cells: d.getFamilyCellMap().values()) {
                    for (Cell cell: cells) {
                        KeyValue kv = KeyValueUtil.ensureKeyValue(cell);
                        map.add(kv);
                        curSize += kv.heapSize();
                    }
                }
            }
            context.setStatus("Read " + map.size() + " entries of " + map.getClass()
                    + "(" + StringUtils.humanReadableInt(curSize) + ")");
            int index = 0;
            for (KeyValue kv : map) {
                context.write(row, kv);
                if (++index % 100 == 0)
                    context.setStatus("Wrote " + index);
            }

            // if we have more entries to process
            if (iter.hasNext()) {
                // force flush because we cannot guarantee intra-row sorted order
                context.write(null, null);
            }
        }
    }
}

Answer 1

首先，简单介绍一下HBase中删除操作的工作方式。使用delete命令时，HBase将数据标记为已删除，并将有关该数据的信息写入HFile。实际上，数据不会从光盘中删除，并且存储中存在两条记录：数据和删除标记。只有压缩后，数据才会从光盘存储中删除。

所有这些信息都表示为KeyValue。对于KeyValue，代表的数据KeyValue.Type等于Put。对于删除标记KeyValue.Type是下列值的集合中的一个Delete，DeleteColumn，DeleteFamily，DeleteFamilyVersion。

您可以通过创建具有特殊值的KeyValue来实现批量删除KeyValue.Type。例如，如果您只想删除一列，则应KeyValue使用构造函数创建一个

KeyValue(byte[] row, byte[] family, byte[] qualifier, long timestamp, KeyValue.Type type)

// example 

KeyValue kv = new KeyValue(row, family, qualifier, time, KeyValue.Type.DeleteColumn)

您不需要特殊答案的第一个问题的答案DeleteSortReducer，您应该为KeyValue。对于第二个问题，答案是否定的。