【HBase从入门到精通系列】误删数据如何抢救？

摘要：前言有时候我们操作数据库的时候不小心误删数据，这时候如何找回？mysql里有binlog可以帮助我们恢复数据，但是没有开binlog也没有备份就尴尬了。如果是HBase，你没有做备份误删了又如何恢复呢？数据保护当误删数据发生时候，不管三七二十一，第一要务是进入hbase shell，执行如下.

前言

有时候我们操作数据库的时候不小心误删数据，这时候如何找回？mysql里有binlog可以帮助我们恢复数据，但是没有开binlog也没有备份就尴尬了。如果是HBase，你没有做备份误删了又如何恢复呢？

数据保护

当误删数据发生时候，不管三七二十一，第一要务是进入hbase shell，执行如下命令：

alter 't', { NAME => 'f', KEEP_DELETED_CELLS => TRUE }

如果误删一张表的有多个family里的数据，需要都执行一下：

alter 'tt', { NAME => 'f1', KEEP_DELETED_CELLS => TRUE }, { NAME => 'f2', KEEP_DELETED_CELLS => TRUE }

设置 KEEP_DELETED_CELLS 为 True 的目的在于防止数据被物理删除。这里有必要解释一下HBase清理数据的原理：

首先HBase是一个LSM架构，不断发生着数据文件的写入和合并
当删除操作发生时，不会去清理数据文件中的数据，而是写入一个删除标记到新文件中。
当某一刻major compaction发生时，在合并文件的同时会根据删除标记清理数据，新合并出来的数据文件不会再有旧数据。

KEEP_DELETED_CELLS 的作用就是在major compaction发生的时候，决定要不要清理旧数据。这里需要注意一点，即便 KEEP_DELETED_CELLS 设置为True，数据仍然会因为过期而被清理（HBsae表中的TTL属性）。这个设定无可厚非，既然过期了，误删不误删也无所谓了。

数据恢复

数据恢复的前提数据没有被物理删除，也就是上文提及的。你只需要在查询（Scan）的时候，指定raw模式来搜索数据，就能看到被删除的数据，之后你要做就是把数据再写入一次。我们来看一个简单的例子，还是以hbase shell为例子：

1.首先我们准备几行数据

hbase(main):020:0> scan 't'
ROW                                COLUMN+CELLx.row1                            column=f:c1, timestamp=1528449361490, value=value1x.row2                            column=f:c2, timestamp=1528449372090, value=value2x.row3                            column=f:c3, timestamp=1528449378971, value=value3y.row1                            column=f:c1, timestamp=1528449387923, value=value1y.row2                            column=f:c2, timestamp=1528449394742, value=value2
5 row(s)
Took 0.0304 seconds

2.然后我们删掉y开头掉数据

hbase(main):024:0> delete 't', 'y.row1', 'f:c1'
Took 0.0212 seconds
hbase(main):025:0> delete 't', 'y.row2', 'f:c2'
Took 0.0043 seconds

3.查一下，现在只有3行了

hbase(main):026:0> scan 't'
ROW                                COLUMN+CELLx.row1                            column=f:c1, timestamp=1528449361490, value=value1x.row2                            column=f:c2, timestamp=1528449372090, value=value2x.row3                            column=f:c3, timestamp=1528449378971, value=value3
3 row(s)
Took 0.0079 seconds

4.现在我们带上raw再次查找数据，不仅能看到被删除数据，还能看到删除标记。

hbase(main):047:0> scan 't', { TIMERANGE => [0, 1528450107075], RAW => true}
ROW                                COLUMN+CELLx.row1                            column=f:c1, timestamp=1528449361490, value=value1x.row2                            column=f:c2, timestamp=1528449372090, value=value2x.row3                            column=f:c3, timestamp=1528449378971, value=value3y.row1                            column=f:c1, timestamp=1528449387923, type=Deletey.row1                            column=f:c1, timestamp=1528449387923, value=value1y.row2                            column=f:c2, timestamp=1528449394742, type=Deletey.row2                            column=f:c2, timestamp=1528449394742, value=value2
5 row(s)
Took 0.0091 seconds

这里我设置了TIMERANGE，指定的是数据写入的时间。对于我这个case其实并没有什么用，我只是想说明几点：

即便不设置RAW，也可以通过时间搜索到被删数据。比如数据写入时间是T，delete时间是T+2，那么查找[0, T+1]的话就能看见数据。前提是设置了 KEEP_DELETED_CELLS=TRUE
如果你后续写入重复的Key，那你必须指定好TIMERANGE，不然你可能看到的不是原先删除的keyVlaue。
delete操作默认的时间不是当前server的时间，也不是构造Delete对象的时间，而是被删除的这个keyValue的写入时间。当然这个得看版本，测试时候发现1.x和2.x还是不一样的，有点坑，还以为高版本不能仅通过TIMERAGE搜素被删数据了。
如果你的Delete mark的时间和数据的时间一样，那只能通过RAW看到。

数据恢复完，建议关闭KEEP_DELETED_CELLS，节省空间，提高查询效率。