Hbase的存储模型

LSM思想：

LSM的基本思想是将修改的数据保存在内存，达到一定数量后在将修改的数据批量写入磁盘，在写入的过程中与之前已经存在的数据做合并。同B树存储模型一样，LSM存储模型也支持增、删、读、改以及顺序扫描操作。LSM模型利用批量写入解决了随机写入的问题，虽然牺牲了部分读的性能，但是大大提高了写的性能.

因为小树先写到内存中，为了防止内存数据丢失，写内存的同时需要暂时持久化到磁盘，对应了HBase的MemStore和HLog

MemStore上的树达到一定大小之后，需要flush到HRegion磁盘中（一般是Hadoop DataNode），这样MemStore就变成了DataNode上的磁盘文件StoreFile，定期HRegionServer对DataNode的数据做merge操作，彻底删除无效空间，多棵小树在这个时机合并成大树，来增强读性能。

MemStore的Flush过程：

​ 在Hbase的写入过程中，首先追加到HLOG上，来保证数据的可靠性，随后append到MemStore上，当MemStore写满了之后会进行Flush过程，Flush过程中Hbase会开启一个新的MemStore接收新的写入，Flush会产生一个新的HFile到HDFS上，当Hfile数量和大小达到一定程度时，已经大大的影响到了查询性能，随后会进行Compact操作。

Compact过程：

随着MemStore的不断Flush，在HDFS上会形成越来越多的小文件，文件数量过多会大大的降低查询效率，Compact过程会尽可能的将它们合并成规模更少但是更大的文件
合并过程又分为minor compact和major的compact。
minor compact：主要是将小于一定阈值的文件合并成更大的文件。
major compact：主要是将所有的文件都合并成一个文件。
文件合并之后会大大的提高查询效率，但是由于合并过程中会读取全量的数据，这样会大量的占用磁盘的IO，导致查询效率大幅下降，甚至不可用。

Split过程：

​ 当一个Region的大小达到一定程度的时候，会进行Region的Split过程，Split过程中Region会进行下线操作，此时不响应任何请求，直到Split过程结束。多列族且数据不均匀的情况会导致，大列族触发了Split，尽管小列族的数据很小，但是依然会进行split导致数据不均，同时大列族的flush会带动小列族的flush，导致反复的IO，十分影响效率，久而久之会严重的影响Scan查询效率。

Hbase对查询的优化：

Server端缓存——BlockCache
一个Hbase的查询请求首先会先到Memstore中查数据，查不到就到BlockCache中查，再查不到就会到磁盘上读,BlockCache采用LRU机制，这样相当于对常用数据进行缓存，提高查询效率，但是在进行Scan的时候尽量避免使用cache，因为这样会大大的降低查询效率，例如MapReduce在做全表Scan的时候一定要关闭cache。
多File的选择——Bloom Filter
​ Hbase在HDFS上存储可能会有多个文件，在没有合并的情况下，各个File之间Rowkey索引可能互有交集，查询时最坏情况下要遍历全部文件，这样就大大的降低了查询效率，Hbase提供了Bloom Filter来实现快速的定位目标记录所在的文件。
​ Bloom Filter可以保守的确定一条数据在不在一个集合中，如果Bloom Filter认为一条数据在一个文件中，但事实上不一定在。但是Bloom Filter认为不在那么该数据一定不在。
​ Bloom Filter的原理使用一个十分大的二进制数组将File中的所有数据进行多种Hash算法hash到这个二进制数组上。当查询到来时，对查询进行同样的Hash处理，该结果在该File中,那么就判断该数据在这个集合中，但是由于Hash冲突的存在，这种判断的正确性不能100%保证，但是也能帮我们挡住大量的请求了。

链接：https://www.jianshu.com/p/bd3588898a3f