block locality

因为DataNode和RegionServer通常会部署在相同的机器上，所以会产生Locality这样的概念。

HBase的Locality是通过HDFS的Block复制实现的。在复制Block时，HBase是这样选择副本的位置的：

第一个副本写到本地节点上；
第二个副本写到另一个机架的随机节点上；
第三个副本写到相同机架的一个随机选择的其他节点上；
如果还有更多的副本，这些副本将会写到集群上的随机节点上。

就是这样，在flush或compact后，HBase的Region实现了Locality。

当一个RegionServer处在failover的情况下（rebalance或重启）时，可能会分配到一些没有本地StoreFiles的Region（因为此时没有可用的本地副本）。然而，有新数据再写入这些Region的时候，或者是对表进行compact的时候，StoreFiles将会被重写，这些Region也会再次变成RegionServer的“local”Region。

有一个相关的指标“data locality”，即Region保存在本地的StoreFile的百分比。

其实我的理解是：一个region是一张表，在某一台机器上的的一部分数据。但是这应该是一个逻辑上的概念，一个region会有多个HStore（列族），一个HStore下面会有多个hfile。这些hfile才是真的存储的文件，这些hfile都是在hdfs上以block存储的，这些block可能在不同的机器上，这就有了 本地化率这个概念。

datanode和 regionserver 一般都部署在同一台机器上，所以region server 管理的 region 会优先存储在本地，以节省网络开销。如果 block locality 较低有可能是刚做过 balance或刚重启，经过compact 后region 的数据都会写到当前机器的 datanode，block locality 也会慢慢达到接近 100。

也就是说本地化率低，可以通过compaction来提升本地化率。