HBase大容量删除为“完整大容量加载”

Question

我想删除HBase表中的3亿行。我可以使用HBase API并发送批量删除对象。但恐怕要花很多时间。

以前的一段代码就是这种情况，我想要插入数百万行。我没有使用HBase API和发送批处理的Put，而是使用了一个映射减少作业，它将RowKey /Put作为值，并使用HFileOutputFormat2.configureIncrementalLoad(job, table, regionLocator)来设置Reducer，这样它就可以直接写入由LoadIncrementalHFiles (完全批量加载)快速加载的输出。这要快得多(5分钟而不是3小时)。

所以我也想做同样的大容量删除。

但是，当HFileOutputFormat2试图为KeyValue或Put (PutSortReducer)配置Reducer时，我似乎无法在Delete中使用此技术，但对于Delete则不存在。

我的第一个问题是，为什么没有一个"DeleteSortReducer“来为删除启用完整的大容量装载技术？只是缺少了什么，还没有做完吗？还是有更深层次的理由来证明这一点？

第二个相关的问题是:如果我复制/粘贴PutSortReducer的代码，将其修改为删除，并将其作为我工作的减速器传递，它会起作用吗？HBase完全批量装载将产生充满墓碑的HFiles吗？

例子：

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中删除操作是如何工作的。在delete命令中，HBase将数据标记为已删除，并将有关数据的信息写入HFile。实际上，数据没有从光盘中删除，存储中有两条记录:数据和删除标记。只有在压缩之后，数据才会从磁盘存储中删除。

所有这些信息都表示为KeyValue。对于KeyValue，表示数据的KeyValue.Type等于Put。对于删除标记KeyValue.Type，设置以下值之一Delete、DeleteColumn、DeleteFamily、DeleteFamilyVersion。

在这种情况下，可以通过为KeyValue创建具有特殊值的KeyValue.Type来实现大容量删除。例如，如果要删除唯一的一列，则应使用构造函数创建KeyValue。

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

// example 

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

对于第一个问题，您不需要一个特殊的DeleteSortReducer，您应该为KeyValue配置一个减速器。对于第二个问题，答案是否定的。