HBase数据存储格式
好的数据结构。对于检索数据，插入数据的效率就会非常高。
常见的数据结构
B+树
根节点和枝节点非常easy，分别记录每一个叶子节点的最小值，并用一个指针指向叶子节点。
叶子节点里每一个键值都指向真正的数据块，每一个叶子节点都有前指针和后指针。这是为了做范围查询时，叶子节点间能够直接跳转，从而避免再去回溯至枝和根节点。
特点：
1、有n棵子树的结点中含有n个keyword。每一个keyword不保存数据，仅仅用来索引，全部数据都保存在叶子节点。
2、全部的叶子结点中包括了全部keyword的信息，及指向含这些keyword记录的指针，且叶子结点本身依keyword的大小自小而大顺序链接。
3、全部的非终端结点能够看成是索引部分。结点中仅含其子树（根结点）中的最大（或最小）keyword。
缺点：
通常数据量会非常大，磁盘中的数据採用这样的分页形式的话，就会比較多。非常有可能存储的数据在两个页表其中不连续，相隔非常远，这样的顺序查询的方式就会比較慢。
B+树最大的性能问题是会产生大量的随机IO。随着新数据的插入，叶子节点会慢慢分裂，逻辑上连续的叶子节点在物理上往往不连续，甚至分离的非常远，但做范围查询时。会产生大量读随机IO。
对于大量的随机写也一样，举一个插入key跨度非常大的样例。如7->1000->3->2000 … 新插入的数据存储在磁盘上相隔非常远，会产生大量的随机写IO。从上面能够看出，低下的磁盘寻道速度严重影响性能。
LSM树
为了更好的说明LSM树的原理。以下举个比較极端的样例：
如今如果有1000个节点的随机key。对于磁盘来说，肯定是把这1000个节点顺序写入磁盘最快。可是这样一来，读就悲剧了，由于key在磁盘中全然无序。每次读取都要全扫描。
那么。为了让读性能尽量高，数据在磁盘中必须得有序。这就是B+树的原理，可是写就悲剧了，由于会产生大量的随机IO，磁盘寻道速度跟不上。
LSM树本质上就是在读写之间取得平衡，和B+树相比，它牺牲了部分读性能。用来大幅提高写性能。
它的原理是把一颗大树拆分成N棵小树， 它首先写入到内存中（内存没有寻道速度的问题，随机写的性能得到大幅提升），在内存中构建一颗有序小树，随着小树越来越大，内存的小树会flush到磁盘上。当读时，由于不知道数据在哪棵小树上。因此必须遍历全部的小树，但在每颗小树内部数据是有序的。
HBase数据存储格式
HBase引入了LSM树的概念，即Log-Structured Merge-Trees。
HFile格式
HFile分为六个部分：
Data Block 段
—–保存表中的数据，这部分能够被压缩。每一个数据块由块头和一些KeyValue组成。key的值是严格依照顺序存储的。块大小默觉得64K（由建表时创建cf时指定或者HColumnDescriptor.setBlockSize(size)） 。这一部分能够压缩存储。
在查询数据时。是以数据块为单位从硬盘load到内存。查找数据时，是顺序的遍历该块中的keyValue对。
Meta Block 段 (可选的)
–—保存用户自己定义的key-value对。能够被压缩。
比方booleam filter就是存在元数据块中的，该块仅仅保留value值。key值保存在元数据索引块中。每一个元数据块由块头和value值组成。
能够高速推断key是否都在这个HFile中。
File Info 段
–—-HFile的元信息。不被压缩。用户也能够在这一部分加入自己的元信息。
Data Block Index 段
—-–Data Block的索引，每条索引的key是被索引的block的第一条记录的key（格式为：头信息，（数据块在文件里的偏移 + 数据块长 + 数据块的第一个key），（数据块在文件里的偏移 + 数据块长 + 数据块的第一个key）。……..）。
Meta Block Index段 (可选的)
–Meta Block的索引。 该块组成格式同数据块索引，仅仅是某部分的意义不一样。
Trailer
–—这一段是定长的。保存了每一段的偏移量。读取一个HFile时，会首先读取Trailer，Trailer**保存了每一个段的起始位置**(段的Magic Number用来做安全check)。然后，DataBlock Index会被读取到内存中，这样，当检索某个key时，不须要扫描整个HFile，而仅仅需从内存中找到key所在的block。通过一次磁盘io将整个 block读取到内存中，再找到须要的key。
DataBlock Index採用LRU机制淘汰。
说明例如以下：
1、 FileInfo Offset – FileInfo信息在HFile中的偏移。long(8字节)。
2、 DataIndex Offset – 数据块索引在HFile中的偏移。long(8字节)。
3、 DataIndex Count – 数据块索引的个数。int(4字节)。
4、 MetaIndex Offset – 元数据索引块在HFile中的偏移。long(8字节)。
5、 MetaIndex Count – 元数据索引块的个数。int(4字节)。
6、 TotalUncompressedBytes – 未压缩的数据块部分的总大小。long(8字节)。
7、 Entry Count – 数据块中全部cell（key-value）的个数。int(4字节)
8、 Compression Codec – 压缩算法为enum类型，该值表示压缩算法代码。（LZO-0，GZ-1，NONE-2）,int(4字节)
9、 Version – 版本号信息。当前该版本号值为1. int(4字节)。
HFile的Data Block，Meta Block通常採用压缩方式存储。压缩之后能够大大降低网络IO和磁盘IO，随之而来的开销当然是须要花费cpu进行压缩和解压缩。
目标Hfile的压缩支持两种方式：Gzip，Lzo。
StoreFile格式
每一个Strore又由一个memStore和0至多个StoreFile组成。
StoreFile以HFile格式保存在HDFS上。
KeyValue对象格式
The KeyValue格式:
Keylength
valuelength
key
value其中keylength和valuelength都是整型，表示长度。
而key和value都是byte数据，key是有固定的数据，而value是raw data。Key的格式例如以下。
The Key format:
rowlength
row (i.e., the rowkey)
columnfamilylength
columnfamily
columnqualifier
timestamp
keytypekeytype有四种类型，各自是Put、Delete、 DeleteColumn和DeleteFamily。
