1. 前言

笔者刚从大数据跳槽到了数据挖掘，有很多过去操作大数据的经验还是想记录下来吧。其中印象比较深刻的还是Hbase的磁盘一直满，然后清理用的TTL设置，需求就是需要自动删除n天前的hbase数据，比起写代码定时删除来说还是用自带的TTL（Time To Live）比较方便一些，为此也是做了很多实验以及发现了MinVersion这个机制。

2.TTL设置

首先熟悉hbase的人都知道hbase的每个字段的值都会有一个时间戳代表这个字段的最后更新时间，而TTL就是根据这个时间戳进行定期删除的。

TTL的设置非常简单，是针对XX表的XX列簇设置的，具体命令为：

disable '表名' （操作前一定要先disable）

alter '表名' , {NAME=>'cf',TTL=>'600000'} （时间单位是秒，n天就是n*24*60*60）

enable '表名' （呜呜，可能会需要特别长的时间，千万别强行关掉，手贱ctrl+c过，然后就没法enable了，原因是zk以为你enable了但是实际上还没有，然后就会有冲突。还是别手贱了，真的这么操作了自己百度看看怎么删掉zk里的记录）

3.MinVersion的影响

是不是以为这样的完了，测试后发现xx时间前的数据真的查不到了？然后又发现磁盘空间并没有释放，这就是问题所在了，如果你再把TTL改的很长很长，就会发现之前以为删掉的数据又可以查到了，说明hbas还保留着这条数据，这就是MinVersion的影响了。

MinVersion：如果当前存储的所有时间版本都早于TTL，至少MIN_VERSION个最新版本会保留下来。这样确保在你的查询以及数据早于TTL时有结果返回。

所以要起到完全删除数据的作用的还需要设置MIN_VERSION为0，命令如下，这样就不会保留任何版本了。

alter '表名', {NAME => 'cf', MIN_VERSIONS => '0'}

4.真·磁盘清理

好了，该设置的都设置完了发现磁盘空间还是没有释放（WTF），再次查询资料发现因为删除之后的碎文件还没有合并，这时候要用到的机制是major_compact 俗称大合并，hbase默认配置是24小时执行一次这个，手动执行的话可以major_compact '表名'，然后就会发现磁盘空间在陆陆续续释放出来了（数据量很大的话可能没那么快清理完）