各位老师，单位现在要引入hbase数据库作为数据存储，并将数据通过接口方式返回给查询方。目前的场景是这样的，数据每日全量加载，以每日最新的数据为有效数据，数据量在500万左右。
前期做了一定尝试和探索，做出了以下调整：
- rowkey是用户id，查询方通过用户id直接查询。由于一开始没有加入分区，发现频繁写入数据后，hbase的数据会出现短暂的不可读，报region is not online的错误。从网上查询后，说是hbase数据量到一定程度，会自动分裂，针对此问题，我们强制在建表时设定了 no split 策略，并按照首位 进行 {10，20，30，。。。}的预分区。
- 数据是每日全量加载，通过定时任务将所有数据put到hbase。但是每日的数据和历史的数据rowkey不完全一致，比如新增用户或者失效用户。新增用户其实问题不大，直接put到库里就可以。但是失效用户其实应该是被删除的。考虑到尽量保证数据24h小时可用，目前的想法是根据时间戳和加载时间做一下判断，单独启一个删除的定时任务，在每日加载做完后，执行这个删除任务，将过期数据删除掉。
针对上述场景，目前我们遇到了一下问题：
分裂策略方面，no split策略目前在查询层面表现还是比较稳定的，不会出现region is not online的问题，但是这种方法可持续强吗？有更好的方法吗？
删除方面，我们在测试的时候试过频繁写入并按照时间戳标签删除，这期间出现过一段短时间的数据不可读，一直报节点不可用，大概过了5分钟恢复了一部分数据的可读性，又过了几分钟大部分数据可读了。网上搜了下，多是说这期间hbase在做compact操作，导致数据的短时间不可用。这个compact策略我们怎么才能很好的避免其对数据可读性的影响？
另外就是删除操作的具体实现，我们目前每次做删除操作时，会全表scan所有数据找到rowkey，再根据rowkey和时间戳去表中删除，这种思路感觉有些绕路，每次scan的速度也不是很快。应对这种删除场景各位老师有什么好的实现思路吗？
新人第一次提问，不周之处还望多多包涵，在此先谢过大家了。
