HBase Shell命令全攻略：从建表、数据读写到运维实战

做HBase开发或者运维的人，应该都有过这种经历：查资料看官方文档，满屏的英文命令看得头晕；要么就是上网搜教程，结果搜出来的文章要么太浅，只贴个命令不给解释，要么太散，东一块西一块根本串不起来。HBase的Shell命令看着简单，真正用起来却有不少讲究，比如为什么删表之前要先disable，为什么get和scan都能查数据却有这么大差别，这些细节不搞明白，写脚本或者排查问题的时候就会踩坑。

这篇博文我打算一次性把HBase Shell的常用命令讲透，从启动方式、表管理、数据读写，到运维辅助命令、实际操作演示、常见问题排查，全部串起来。同时我会把每个命令背后的设计逻辑讲清楚，比如HBase为什么需要保留多个版本的数据、filter过滤器能玩出什么花样、预分区为什么能救线上性能。不管你是刚入门HBase的开发者，还是要做日常运维的工程师，或者正在准备面试想系统梳理一遍，这篇内容都能直接拿来用。

1. HBase Shell整体思路与使用准备

1.1 Shell在HBase生态里的定位

很多人刚开始接触HBase的时候，第一反应是上手Java API，毕竟写代码才是正经开发。但实际工作中你会发现，Shell命令的使用频率一点都不比Java API低。建表、加列族、看region分布、临时查一条数据、清理垃圾数据、做快照备份，这些操作如果都要写一段Java代码去执行，效率实在太低了。

HBase Shell本质上是一个基于JRuby封装的交互式命令行工具，它把HBase的Java API包装成了一个个可以直接敲的命令。你在Shell里执行的每一条命令，底层都会转换成对应的客户端调用去访问HBase集群。所以Shell命令和Java API在功能上是对等的，区别只是使用场景不同。日常开发调试、运维管理用Shell，正式业务逻辑写入用Java API或者其他客户端，两者配合起来才是完整的HBase使用姿势。

1.2 启动Shell前的环境准备

要进入Shell，前提是HBase集群已经正常启动。这里有个容易忽略的点：HBase Shell本身不需要额外安装什么客户端，只要在一台能访问到HBase集群的机器上，把HBase的bin目录加进PATH，或者在HBase安装目录下直接执行命令就行。

# 进入HBase安装目录 cd /opt/hbase/bin # 启动Shell ./hbase shell

启动之后如果能看到类似下面的输出，说明已经成功连上了集群：

HBase Shell Use "help" to get list of supported commands. Use "exit" to quit this interactive shell. For Reference, please visit: http://hbase.apache.org/2.0/book.html#shell Version 2.4.17, r2381a66c1d55b2f0e0d0c5e1b2a7e7a3f3f1d0e5, Tue Aug 9 18:41:12 PDT 2022 Took 0.0017 seconds

如果你执行./hbase shell之后卡住了，或者报Can't connect to ZooKeeper之类的错误，先别急着怀疑集群挂了。多数情况下是三种原因：一是ZooKeeper的地址配置不对，检查hbase-site.xml里的hbase.zookeeper.quorum；二是本机hostname解析问题，HBase对hostname非常敏感，机器上的/etc/hosts没有配好会出现各种奇怪的连接问题；三是集群安全认证没通过，如果是开启了Kerberos的环境，需要先kinit拿到票据才能操作。

在Shell里输入status命令，能看到集群当前的运行概况，比如RegionServer有几台、每个RegionServer负载如何。集群有问题，先从这里看起。

hbase:001:0> status 1 active master, 0 backup masters, 3 servers, 0 dead, 6.0000 average load Took 0.4192 seconds

看到3 servers和0 dead，说明三台RegionServer都活着，没有节点挂掉，这是最理想的状态。

2. 表管理命令：建表、查看、修改与删除的完整攻略

2.1 创建表与预分区设置

HBase建表命令是create，语法非常灵活，但也正因为灵活，新手经常会被括号里的各种花括号弄晕。我来拆开讲一下。

最简单的建表，只指定表名和一个列族：

hbase:001:0> create 'user_info', 'base'

这条命令创建了一张名为user_info的表，只有一个列族base。注意，HBase建表的时候，至少要有1个列族，最多官方不建议超过5个，列族太多会严重影响性能，因为每个列族对应一个独立的存储文件（HFile），列族太多会导致写入放大的问题。

稍微复杂一点的建表，是指定列族属性：

hbase:002:0> create 'user_info', {NAME => 'base', VERSIONS => 3, TTL => 86400}

这条命令里的VERSIONS => 3表示这个列族最多保留3个版本的数据，TTL => 86400表示数据存活时间是一天，过期数据会被自动清理。生产环境建表的时候，这两个参数几乎必设，不设的话默认VERSIONS是1，TTL是永久保留。VERSIONS设成1你会发现查不到历史版本，TTL不设的话数据永远不会过期，存储压力会越来越大。

再来看预分区，这个是真的能救性能的功能。HBase一张表默认只有一个region，所有写入都打到这个region上，数据量大了之后region会自动分裂，但自动分裂会有性能抖动。比较稳妥的做法是建表时直接预分区。

hbase:003:0> create 'user_log', {NAME => 'info', VERSIONS => 1}, SPLITS => ['100', '200', '300', '400']

这条命令把user_log表在创建时就分成了5个region，分别对应rowkey范围：[-∞, 100)、[100, 200)、[200, 300)、[300, 400)、[400, +∞)。写入数据的时候，根据rowkey的哈希值落到不同region，就避免了单region热点问题。生产上我会用这种方式，前提是rowkey设计有规律，比如用用户ID前缀分桶。

SPLITS_FILE也是常用参数，适合region数量多、分界点多的场景：

hbase:004:0> create 'big_table', 'cf1', SPLITS_FILE => '/data/splits.txt'

文件里每行一个分界点，HBase会按照文件内容自动切分region。我自己写脚本生成预分区文件时，通常是按照数字前缀或者字符串前缀均匀分布去算的，效果比手写靠谱。

2.2 查看表结构：list、describe与exists

表建完之后，怎么确认建对了？用list命令查看当前namespace下有哪些表：

hbase:005:0> list TABLE big_table user_info user_log 3 row(s)

如果namespace比较多，可以指定查看某个namespace下的表：

hbase:006:0> list_namespace_tables 'default'

查看表详细结构用describe，这是排查问题最常用的命令：

hbase:007:0> describe 'user_info' Table user_info is ENABLED user_info COLUMN FAMILIES DESCRIPTION {NAME => 'base', BLOOMFILTER => 'ROW', VERSIONS => '3', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING => 'NONE', TTL => '86400 SECONDS (1 DAY)', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'} 1 row(s)

describe输出里的ENABLED状态很重要。HBase表有两个状态：ENABLED和DISABLED。ENABLED状态下才能读写数据，DISABLED状态下不能读写。很多管理操作要求在DISABLED状态下才能执行，后面讲删表的时候细说。

还有一个命令是exists，用来判断某张表是否存在。我在写自动化脚本的时候经常用它做前置判断，避免重复建表报错。

hbase:008:0> exists 'user_info' Table user_info does exist Took 0.0138 seconds

2.3 修改表结构：alter的进阶玩法

alter命令用来修改表结构，比如增加列族、删除列族、修改属性。最常见的需求是给表加列族：

hbase:009:0> alter 'user_info', NAME => 'address'

这条命令给user_info表增加了一个名为address的列族。和关系型数据库的ALTER TABLE不同，HBase的alter操作不需要锁表，可以在线执行，所以生产环境加列族是很轻松的事情，不用停机。

修改列族属性也是一样的语法：

hbase:010:0> alter 'user_info', NAME => 'base', VERSIONS => 5

把base列族的版本数从3改成5。注意，这里的修改只影响之后写入的数据，历史数据的版本还是按之前的配置保留。如果想把TTL改短，比如原来一天改成10小时：

hbase:011:0> alter 'user_info', NAME => 'base', TTL => 36000

TTL的单位是秒，36000秒就是10小时。从实践角度看，线上调整TTL是解决数据膨胀最快的手段，比删数据跑Major Compaction要温和得多。

删除列族同样用alter：

hbase:012:0> alter 'user_info', 'delete' => 'address'

执行这条命令要慎重，列族删了之后里面的数据全部不可恢复，而且这个操作在线上执行完之后，表的存储文件会有一个大的变动，如果表数据量很大，可能会触发比较频繁的flush和compaction。

2.4 禁用表、启用表与删除表

删表绝对是新手重灾区。很多人上手就执行：

hbase:013:0> drop 'user_info'

结果报错：

ERROR: Table user_info is enabled, so cannot be dropped. Disable it first.

HBase的删表流程是强制两步走：先disable再drop。原因是HBase表在ENABLED状态下，可能有客户端正在写入或读取，直接删掉会出大问题。先把表禁用，阻断所有读写请求，再执行删除，才能保证数据安全和操作一致。

hbase:014:0> disable 'user_info' hbase:015:0> drop 'user_info'

disable命令执行之后，表的每个region都会经历下线流程，依次关闭，这个过程如果region数量多或者负载高，会持续几秒甚至更久。可以通过is_disabled命令确认状态：

hbase:016:0> is_disabled 'user_info' true

看到true说明表已经禁用成功，可以放心drop。

需要恢复一张被禁用的表，用enable命令：

hbase:017:0> enable 'user_info'

执行enable之后，表的region会重新分配上线。如果region数量特别多，enable操作也会比较慢，这是正常现象，不要中途再执行其他alter操作去抢锁。

3. 数据读写命令：put、get、scan、delete的细节与技巧

3.1 写入数据：put命令的参数拆解

HBase写数据用put，一条put命令可以写入一个单元格的数据：

hbase:018:0> put 'user_info', 'rowkey_001', 'base:name', '张三'

这条命令的含义是：向user_info表写入一行，rowkey是rowkey_001，列族base下的列name的值为张三。注意列名的写法是列族:列名，冒号是必须的，没有冒号就就不是一个合法的列。

put命令还支持一次写多列：

hbase:019:0> put 'user_info', 'rowkey_001', 'base:age', '28' hbase:020:0> put 'user_info', 'rowkey_001', 'base:phone', '13800138000'

执行完这三条，rowkey_001这一行就有了三个单元格。注意同一个rowkey的三次put，实际上是三次独立的写入操作，每次都会产生一个新的数据版本。

如果你希望一次put操作写入多个列，可以用Map方式：

hbase:021:0> put 'user_info', 'rowkey_002', { 'base:name' => '李四', 'base:age' => '32' }

put命令还可以指定时间戳：

hbase:022:0> put 'user_info', 'rowkey_001', 'base:age', '29', 1700000000000

最后一个参数是时间戳，单位是毫秒。生产环境我几乎不会手动指定时间戳，因为HBase默认会用客户端机器当前时间作为版本号，手动指定容易搞乱数据版本，只有做数据修复的时候才会用到。

3.2 查询单行：get命令的完整参数

查询单行数据用get。最简单的获取整行：

hbase:023:0> get 'user_info', 'rowkey_001' COLUMN CELL base:age timestamp=2023-11-20T10:30:00.123, value=28 base:name timestamp=2023-11-20T10:29:59.456, value=张三 base:phone timestamp=2023-11-20T10:30:00.789, value=13800138000 3 row(s)

只查某一列：

hbase:024:0> get 'user_info', 'rowkey_001', {COLUMN => 'base:name'}

查多个列：

hbase:025:0> get 'user_info', 'rowkey_001', {COLUMN => ['base:name', 'base:age']}

查指定版本数，也就是把历史版本拉出来：

hbase:026:0> get 'user_info', 'rowkey_001', {COLUMN => 'base:age', VERSIONS => 5}

这里能看到HBase的多版本特性。前提是建表时VERSIONS设置大于1，如果建表时VERSIONS是1，那这里就算指定VERSIONS => 5也查不到多个版本，因为写入时旧版本已经被覆盖了。

还可以指定时间范围查询：

hbase:027:0> get 'user_info', 'rowkey_001', {TIMERANGE => [1690000000000, 1700000000000]}

TIMERANGE是一个左闭右开的区间，即[start, stop)，查询这个时间范围内的版本数据。

3.3 批量扫描：scan命令与过滤器

scan是HBase最强大的查询命令。它是全表扫描，所以性能上要小心使用，生产环境没有加过滤条件的全表scan很容易把RegionServer拖垮。

最简单的scan是扫全表：

hbase:028:0> scan 'user_info'

数据量小的时候没问题，数据量大就要加限制了。先用LIMIT限制返回条数：

hbase:029:0> scan 'user_info', {LIMIT => 10}

指定列族扫描：

hbase:030:0> scan 'user_info', {COLUMN => 'base'}

指定rowkey范围扫描。这个是最常用的操作，因为HBase的rowkey是有序存储的，范围扫描效率很高：

hbase:031:0> scan 'user_info', {STARTROW => 'rowkey_001', ENDROW => 'rowkey_010'}

注意STARTROW是包含的，ENDROW是不包含的。也就是结果包含rowkey_001，但不包含rowkey_010。如果想包含rowkey_010，可以写成：

hbase:032:0> scan 'user_info', {STARTROW => 'rowkey_001', ENDROW => 'rowkey_010\x00'}

这里的\x00是一个比任何字符都小的终止符，算是HBase Shell里的一个小技巧。

scan配合过滤器才是完全体。HBase Shell里最常用的是ValueFilter和RowFilter。比如过滤出name等于"张三"的行：

hbase:033:0> scan 'user_info', {FILTER => "ValueFilter(=, 'binary:张三')"}

过滤出age大于30的行：

hbase:034:0> scan 'user_info', {FILTER => "ValueFilter(>=, 'binary:30')"}

RowFilter配合正则表达式使用，比如查询rowkey前缀为user_的行：

hbase:035:0> scan 'user_info', {FILTER => "RowFilter(=, 'substring:user_')"}

substring:是HBase过滤器内置的比较器，专门用来做包含匹配。还有PrefixFilter，也可以实现前缀过滤：

hbase:036:0> scan 'user_info', {FILTER => "PrefixFilter('user_')"}

从性能角度看，PrefixFilter底层会利用rowkey有序性跳过不匹配的region，比ValueFilter效率高很多，能用PrefixFilter就用PrefixFilter。

3.4 删除数据：delete、deleteall与清空表

删除数据有delete和deleteall两个命令。delete删除一个单元格的指定版本：

hbase:037:0> delete 'user_info', 'rowkey_001', 'base:age'

这条命令删除rowkey_001这一行的base:age列。默认删除最新版本，如果指定了时间戳，就删除那个时间戳对应的版本：

hbase:038:0> delete 'user_info', 'rowkey_001', 'base:age', 1700000000000

deleteall删除整行：

hbase:039:0> deleteall 'user_info', 'rowkey_001'

执行删除之后，数据并不会立刻从磁盘上消失，而是打上删除标记（Tombstone），后续Major Compaction的时候才会真正物理删除。这个特性解释了为什么HBase的删除操作很快，但磁盘空间没有立刻返还。

要清空表，最稳妥的方式是先disable，再drop，再create：

hbase:040:0> disable 'user_info' hbase:041:0> drop 'user_info' hbase:042:0> create 'user_info', 'base'

还有一个truncate命令：

hbase:043:0> truncate 'user_info'

truncate的内部实现其实就是：disable → drop → create。执行之后表结构还在，但数据全没了。在Shell里执行truncate会提示你确认，非常贴心。

4. 运维辅助命令：状态查看、快照备份与Region管理

4.1 集群状态与表状态监控

日常运维里最先用的命令就是status。它能展示集群的整体健康度：

hbase:044:0> status 'detailed'

加上detailed参数，能看到每个RegionServer上分配了哪些region，每台机器的负载情况，甚至能精确到region的状态是OPEN还是CLOSING。

查看namespace列表和表列表：

hbase:045:0> list_namespace NAMESPACE default hbase 2 row(s)

查看某张表被分配在哪些RegionServer上：

hbase:046:0> locate_region 'user_info', 'rowkey_001'

这个命令会告诉你rowkey_001这个rowkey落在哪个region，以及这个region在哪个RegionServer上。排查数据热点、确认请求分发情况的时候非常有用。

4.2 快照备份与恢复

HBase快照是线上备份的利器。它的原理是记录表的元数据信息和HFile的文件引用信息，创建快照本身几乎不复制数据，所以非常快，对线上影响极小。

创建快照：

hbase:047:0> snapshot 'user_info', 'snap_user_info_20231120'

查看快照列表：

hbase:048:0> list_snapshots SNAPSHOT TABLE + CREATION TIME snap_user_info_20231120 user_info (2023-11-20 10:00:00) 1 row(s)

从快照恢复新表：

hbase:049:0> clone_snapshot 'snap_user_info_20231120', 'user_info_restore'

clone_snapshot会基于快照数据创建一张新表。恢复完成后，这张表和快照时点的数据完全一致。生产环境做数据误删恢复、把线上表克隆到测试环境，用的都是这套方案。

删除不再需要的快照：

hbase:050:0> delete_snapshot 'snap_user_info_20231120'

还有一个restore_snapshot命令，可以把表恢复成快照时的状态。先禁用表再restore：

hbase:051:0> disable 'user_info' hbase:052:0> restore_snapshot 'snap_user_info_20231120' hbase:053:0> enable 'user_info'

restore_snapshot会覆盖当前表的数据，危险程度极高，操作前一定三思，建议在生产环境外先做演练。

4.3 Region管理与手动拆分合并

HBase的region管理一般交给系统自动完成，但某些场景需要人工介入。比如发现某个region数据量特别大，成为热点，可以手动拆分：

hbase:054:0> split 'user_info', 'rowkey_100'

这里rowkey_100是拆分点，这条命令把包含rowkey_100的region从rowkey_100处一分为二。

手动合并region更谨慎，因为合并操作影响面大：

hbase:055:0> merge_region 'c9b9d1a2b4d6c7e8a0f9d8e7c6b5a4f3', 'c9b9d1a2b4d6c7e8a0f9d8e7c6b5a4f4'

merge_region需要传入两个region的编码ID，可以从status 'detailed'里查到对应的region名称。没有十足把握，不建议在生产环境手动合并。

4.4 其他高频辅助命令

查看当前Shell用户是谁：

hbase:056:0> whoami

查看表是否启用、是否可写：

hbase:057:0> is_enabled 'user_info'

查看HBase版本信息：

hbase:058:0> version

统计表行数（生产环境慎用，会触发全表扫描）：

hbase:059:0> count 'user_info'

count命令可以加INTERVAL参数，设置每扫描多少行打印一次进度，还可以加CACHE参数控制每次扫描缓存的行数：

hbase:060:0> count 'user_info', INTERVAL => 1000, CACHE => 1000

5. 实操演练：从建表到过滤查询的完整案例

5.1 场景定义与建表设计

下面用一个实际场景把前面讲的命令串起来。假设我们需要一张用户行为日志表，记录用户对推荐内容的点击行为，需要支持按用户维度的查询。

表名reco_click_log，rowkey设计为用户ID_时间戳反转。时间戳反转的意思是将Long.MaxValue减去当前时间戳，这样同一用户的最新数据会排在前面，适合"查最近点击记录"这类场景。列族设计为click，列包括item_id（内容ID）、scene（推荐场景）、cost（点击花费）。

hbase:061:0> create 'reco_click_log', {NAME => 'click', VERSIONS => 1, BLOCKCACHE => true}, SPLITS => ['100', '200', '300']

这里设置了VERSIONS为1，因为点击行为的历史版本没有意义，保留最新一条就行。SPLITS设置4个分区，分别存储不同用户ID前缀的数据。

5.2 写入数据与验证

模拟写入几条数据：

hbase:062:0> put 'reco_click_log', '10001_9223372036854770000', 'click:item_id', 'A001' hbase:063:0> put 'reco_click_log', '10001_9223372036854770000', 'click:scene', 'homepage' hbase:064:0> put 'reco_click_log', '10001_9223372036854770000', 'click:cost', '10' hbase:065:0> put 'reco_click_log', '20001_9223372036854770000', 'click:item_id', 'B002' hbase:066:0> put 'reco_click_log', '20001_9223372036854770000', 'click:scene', 'detail' hbase:067:0> put 'reco_click_log', '20001_9223372036854770000', 'click:cost', '20'

验证写入：

hbase:068:0> get 'reco_click_log', '10001_9223372036854770000' COLUMN CELL click:cost timestamp=2023-11-20T11:00:00.123, value=10 click:item_id timestamp=2023-11-20T11:00:00.000, value=A001 click:scene timestamp=2023-11-20T11:00:00.045, value=homepage 3 row(s)

5.3 组合过滤查询演示

查用户ID前缀为10001的最近点击记录：

hbase:069:0> scan 'reco_click_log', {FILTER => "PrefixFilter('10001_')"}

结果：

ROW COLUMN+CELL 10001_9223372036854770000 column=click:cost, timestamp=..., value=10 10001_9223372036854770000 column=click:item_id, timestamp=..., value=A001 10001_9223372036854770000 column=click:scene, timestamp=..., value=homepage 1 row(s)

查点击花费大于等于15的记录：

hbase:070:0> scan 'reco_click_log', {FILTER => "ValueFilter(>=, 'binary:15')"}

执行结果会返回20001_9223372036854770000这行的数据。注意这个过滤是在服务端做的，但binary:15是字符串比较，如果需要数值比较，需要根据实际存储的数据格式去处理，这是HBase过滤器比较隐晦的点。

如果需要多个条件组合过滤，用AND连接：

hbase:071:0> scan 'reco_click_log', {FILTER => "PrefixFilter('20001_') AND ValueFilter(>=, 'binary:15')"}

这条命令先按rowkey前缀过滤，再按value过滤，两个条件同时满足才会返回结果。

5.4 快照备份的完整操作

模拟线上备份流程。先创建快照：

hbase:072:0> snapshot 'reco_click_log', 'snap_reco_click_log_0320'

从快照克隆一个测试表：

hbase:073:0> clone_snapshot 'snap_reco_click_log_0320', 'reco_click_log_test'

扫描测试表确认数据正常：

hbase:074:0> scan 'reco_click_log_test', {LIMIT => 5}

测试完成后，删除测试表：

hbase:075:0> disable 'reco_click_log_test' hbase:076:0> drop 'reco_click_log_test'

这套流程就是我平时做数据迁移、测试环境准备的标准动作。省去了用export/import导数据的时间，尤其适合大表场景。

6. 常见问题与排查技巧实录

6.1 Shell命令卡住或连接超时

典型的报错是：

ERROR: Can't get master address from ZooKeeper; znode data is null

排查思路是按顺序检查：ZooKeeper服务是否正常、HBase Master进程是否存活、hbase-site.xml里的hbase.zookeeper.quorum是否配置正确、机器之间网络是否通。我碰到过最坑的一次，是某台机器的时间不同步导致和集群的session频繁超时，同步时间之后立刻恢复。

6.2 删除表卡在DISABLED状态

有时候执行disable之后，表状态一直是DISABLING，迟迟变不成DISABLED。这种情况通常是某些region的关闭流程卡住了。用status 'detailed'定位卡住的region，看看它所在的RegionServer日志有没有异常。一个快速恢复的办法是重启对应的RegionServer，让region重新调度上线后再执行disable。

6.3 scan全表导致RegionServer负载飙升

这是最危险的误操作。线上生产表动辄几十GB甚至几TB，一条scan 'big_table'不带LIMIT，可能会把集群CPU和内存打满。解决办法是：第一，日常查询务必带STARTROW和ENDROW；第二，非要过滤就用PrefixFilter这种高效的过滤器；第三，如果只是看数据结构，用LIMIT => 1先探路。

6.4 获取的数据版本和预期不一致

get命令查出来的数据版本比预期少，先检查建表时VERSIONS的设置。如果建表时设了VERSIONS为1，那写入两次同名数据后，只能查到最新一条。如果需要保留历史版本，必须先alter修改VERSIONS，再执行put。这里有一个很容易踩的坑：对已有数据执行alter修改VERSIONS之后，已经被覆盖的旧版本数据并不会恢复，只影响后续新写入的数据。

6.5 常用命令速查表

我把自己日常用的最多的命令整理成了一个速查表，方便直接复制：

最后再分享一个我自己的使用习惯。不要只在出问题的时候才打开Shell，平时可以在Shell里写一些简单的脚本，比如把status和disk_space的执行结果定期打出来，作为日常巡检的一部分。HBase Shell是能直接执行脚本文件的，你写好的命令集合可以存成.hb后缀的文件，以后一行命令就能自动跑完一套巡检流程。HBase的Shell命令看似零散，但只要理解了表管理、数据读写、运维操作这条主线，再用快照和预分区这两个关键功能把实际场景串起来，用起来就会非常顺手。