HBase的读写流程和合并拆分机制
一、HBase读写流程
- 读流程
1）Client请求zk找到meta表的Region位置，meta中存储着用户表的Region信息；
2）根据命名空间，表名，rowkey等找到对应的Region信息；
3）根据Region信息请求对应的RegionServer，发送请求，查找对应的Region；
4）先从memStore读取数据，如果没有再从BlackCache中查找数据；Region具有两个内存：一个是memStore，用来写，一个是BC，用来读；
5）如果从BC中还没找到数据，再去读取StoreFile上读取；
6）从storeFile中读取数据不是直接返回给客户端，而是先写到BC，加快后续的查询，再返回给客户端；
- 写流程
1）Client通过zk找到hbase的元数据表，找出对应的HRegionServer（host：port），向HRegionServer发送写请求；
2）Client提交一个put请求到HRegionServer，数据首先会写入到WAL（预写日志，Write ahead Log，HLog）中，当数据写入到WAL(HLog)后，数据会被写到MemStore中，等待刷新到磁盘中；数据写入到MemStore完成后，HRegionServer会给Client发送确认信息；
3）数据被写入Region的MemStore，直到MemStore达到预设的阈值，MemStore中数据被Flush成StoreFile，随着StoreFile不断增多达到某个阈值是会触发Compact合并操作，将多个StoreFile文件合并成一个StoreFile，同时进行版本合并和数据删除；
4）单个StoreFile文件达到默认的大小（10G）会进行split，将当前的Region分裂成两个新的Region，父Region会被下线，新的两个Region会被HMaster分发到不同的RegionServer，使得原来的一个Region压力分流在两个Region上，用户的写操作之进入到内存中便返回，数据增加和删除都是在Compact历程中进行；
二、合并拆分机制
- Flush机制
# 当memStore达到设定的值，默认128M
hbase.hregion.memstore.flush.size = 134217728
# 当memStore中数据超过指定时间，默认是一小时
hbase.regionserver.optionalcacheflushinterval=360000
# Hregionserver的全局memStore大小，默认堆大小是40%
hbase.regionserver.global.memstroe.size=0.4 - 合并机制
1）在Store中，将多个storeFile文件进行合并；删除和更新操作发生再这一过程，仅仅只是做了标记，并不是物理移除，合并频繁；
2）大合并，将所有的storeFile合并为一个大的文件，带有删除标记的数据会被真正的删除，合并频率比较低；
- 拆分策略
# 建表时指定拆分策略
create 't_test', {METADATA => {'SPLIT_POLICY' => 'org.apache.hadoop.hbase.regionserver.IncreasingToUpperBoundRegionSplitPolicy'}, NAME => 'CF'}
1）ConstantSizeRegionSplitPolicy（0.94版本之前）：当Region大小大于某个阈值（默认是10G）就会触发切分，一个Region等分为2个Region；但这种策略对于大表和小表没有明显的区分，阈值设置较大对大表比较友好，但是小表就有可能不会触发分裂，极端情况下就一个，当设置较小时，大表会分裂为多个Region，对于集群的使用和管理并不好。
2）IncreasingToUpperBoundRegionSplitPolicy（0.94-2.0）：一个Region在达到某个阈值时就会触发切分，但是这个阈值是动态调整的，调整的规则和当前regionserver上的region个数有关系，具体的计算公式为：
RegionCount^3 * 128M * 2, 当region达到该size的时候进行split：
第一次： 1^3 * 256 = 256M
第二次： 2^3 * 256 = 2048M
第三次：3^3 * 256 = 6912M
第四次：4^3 * 256 = 16384 > 10G
后面每次split都是为10G
3）SteppingSplitPolicy（2.0版本默认的切分策略）：仍然和RegionCount有关，当region的个数为1时，切分的阈值为flush size * 2，否则为MaxRegionFileSize。
4）KeyPrefixRegionSplitPolicy：根据rowkey的前缀进行分组，相同前缀的rowkey在进行分组时会被分到相同的region中。
5）DelimittedKeyPrefixRegionSplitPolicy：保证相同前缀的数据在同一个Region中，例如rowkey格式为city_log_action，指定delimited为_时，city相同数据在同一个region
