（四）hbase读写过程

写入数据

写入数据的过程

1. 通过行键 ==》 哪个region ==》regionServer ==》region 
2. 通过列族 ==》 region中某个store
3. 先向hlog里插入操作记录 ==》 把数据直接放入 memStore ==》 返回写入成功
4. 后台去把memStore的数据Flush到StoreFile

写入数据的思想

• 为了提高写入速度，使用了基于内存的memStore。虽然hlog依旧是存储在hdfs上的，由于针对hlog的写入是连续性的（一般机械硬盘速度最高峰100m/S），速度依然很理想。实质上是把对storeFile的随机写入转为了针对hlog的连续写入，提高写入性能
• 基于内存的memStore断点数据丢失的解决方案：当某个server挂掉，另外一个server来接替时，会从zookeeper中获取最后一次写出数据的信息，然后从hlog恢复memStore中丢失的数据
• 一个regionServer使用一个hlog，而不是一个region一个hlog。
• 基于内存的memStore空间满了的解决方案：若memStore满了，则重新开一个新的memStore，同时开一个线程把满了的memStore的数据写入storeFile，然后清空旧的memStore，最后向zookeeper里记录最后写出数据时间的redo point信息
• 垃圾数据的产生：由于hdfs只能追加数据的特性，h 对数据的修改，其实是不停创建新的storefile的过程。这样多个storefile中可能存在对同一个数据的多个版本，其中旧的版本其实是垃圾数据。
• 垃圾数据的清理：当达到一定的阈值的时候 会自动合并storefile， 在合并的过程中将垃圾数据清理，而当合并出来的文件达到一定程度时，再重新进行切分防止文件过大。

读取数据

1. 找到具体的StoreFile（过程与写入数据一样）
2. 在索引块中查找，若没有找到，则说明整个StoreFile里没有对应数据
3. 若在多个StoreFile中都找到了对应数据的datablock，则直接把所有dataBlock返回给查询程序，由查询程序去组装这些数据后返回。

通过行健寻找Region

在h 中有一个h : 表，其中存放了表和region和regionSever之间的对应关系。这个表只有一个region， 这个region的位置信息被存放在了zookeeper的 -region-server节点下。

每次操作数据前，先去zookeeper的 -region-server节点下，找到 表的region对应regionServer的地址，然后通过 表得到自己需要操作的数据对应的region及regionServer。

写数据时Region分裂

刚开始数据少只有一个region，随着数据的增加，当达到某个阈值（可配置），则会分裂为多个region。数据越来越多，会继续分裂。

memStore缓存导致查询多余版本数据

定义表的时候，若定义version=3，则在hdfs上真正保存的也只有三个版本的信息。但是如果scan表的时候，指定version=5，最近五个版本的信息都会展示出来。是因为在内存里有缓存。

若是停止h 然后重启h ，再去scan，只会有三个版本的信息展示出来。因为内存会释放，数据真正的从hdfs上加载出来。