hbase 之 读写原理 & 什么是LSM树？
一、认识B、B+树
B树： 叶节点不构成有序链表
树的高度很高时，磁盘访问的次数增加，访问磁盘的速度慢
B+树：
非叶结点仅具有索引作用，跟记录有关的信息均存放在叶结点中；
树的所有叶结点构成一个有序链表，可以按照关键码排序的次序遍历全部记录；
遍历整棵树可以一次性遍历所有叶子节点(B树只能进行中序遍历)！且数据顺序排列且相连，便于区间查找(数据库使用B+树的主要原因，B树不支持)和搜索。
二、
- LSM树插入记录时，先写日志，然后在内存中插入，内存中的树称为C0树。内存中的数据达到一定阈值，或经过一段时间间隔，C0树合并到磁盘C1中。C1中的数据可以进一步合并到C2中。
三、hbase的读写结合LSM树
（一）读流程
1. Client访问Zookeeper，查找-ROOT-表，获取.META.表信息。
2. 从.META.表查找，获取存放目标数据的Region信息，从而找到对应的RegionServer。
3. 通过RegionServer获取需要查找的数据。
4. Regionserver的内存分为MemStore和BlockCache两部分，MemStore主要用于写数据，BlockCache主要用于读数据。
读请求先到MemStore中查数据，查不到就到BlockCache中查，再查不到就会到StoreFile上读，并把读的结果放入BlockCache。
-
StoreFiles中的HFile：数据有序的排列在Hfile中，Hfile中是LSM树结构
-
【顺序读写性能高于随机读写】机械硬盘由于其物理结构的原因，顺序读写相邻的磁块比起随机读写可以有效减少磁头的移动次数，从而顺序读写的性能高于随机读写
-
LSM牺牲了部分读的性能 => 但是读取时，由于不知道数据在哪棵小树上，因此必须遍历所有小树，每棵小树内部数据是有序的。查询是先查内存中的部分，再去查磁盘上的部分。
读取过程：client–>Zookeeper–>-ROOT-表–>META表–>RegionServer–>Region–>client
（好处）
-
MemStore对于读性能也至关重要，
-
假如没有MemStore，读取刚写入的数据就需要从文件中通过IO查找，这种代价显然是昂贵的！
-
BlockCache称为读缓存，HBase会将一次文件查找的Block块缓存到Cache中，
-
以便后续同一请求或者邻近数据查找请求，可以直接从内存中获取，避免昂贵的IO操作。
（二）写流程
1.Client通过Zookeeper调度获取表的元数据信息；
2.Cilent通过rpc协议与RegionServer交互，通过-ROOT-表与.META.表找到对应的对应的Region；
3.将数据写入HLog日志中，如出现意外可以同通过HLog恢复信息；
4.将数据写入Region的MemStore中，当MemStore达到阈值开始溢写（到磁盘），异步将其中的数据顺序写入Flush成一个StoreFile；
-
LSM：一颗大树分成N个小树，存入内存，随着小树的增长，内存中的小数flush到磁盘，磁盘中的树定期merge成大树。（LSM树不像B+树一样是一棵完整的大树，一棵LSM树就是一个个B+树合起来的大有序B+树。）
5.MemStore不断生成新的StoreFile，当StoreFile的数量到达阈值后会出发Compact合并操作，将多个StoreFile合并成一个StoreFile；
6.StoreFile文件会不断增大，当达到阈值后会出发Split操作，把当前的Region且分为两个新的Region。父Region会下线，两个子Region会被HMaster分配到相应的RegionServer。
Cli -> zookeeper -> 通过-ROOT-表与.META.表 -> RegionServer -> Region
->写入HLog -> 写入Memstore -> SPILL到StoreFile -> COMPACT -> SPLIT成新Region
（三）删除功能
删除数据不是进行实质上的删除，也就是磁盘上仍然存在此条数据。只不过是对删除的数据打上了墓碑标记。利用墓碑标记，读数据会忽略此条数据。
当进行小文件合并时，才会进行实质上删除。
