HBase（07）——HBase读写过程，
读请求过程
（1） client通过zookeeper以及root表和meta表找到目标数据所在的regionserver
（2）联系regionserver查询目标数据所在region
（3）regionserver定位到目标数据所在的region，发出查询请求
（4）region先在memstore中查找，查找到则返回结果
（5）如果在memstore中没有查询到，则在storefile中扫描。（可能会扫描到很多的storefile----bloomfilter布隆过滤器）
——布隆过滤器：可以跳过不包含指定rowkey的storefile，快速定位到包含rowkey的目标文件。
写请求过程
（1）client向region server发起写数据请求
（2）region server找到目标region
（3）region检查数据是否与schema一致
（4）如果client没有指定版本，则获取当前系统时间作为数据版本（时间戳）
（5）将更新写入WAL log
（6）将更新写入Memstore
（7）判断Memstore的是否需要flush为StoreFile文件，如果需要，则将Memstore写入到磁盘。
数据在更新时首先写入Log(WAL log)和内存(MemStore)中，MemStore中的数据是排序的，当MemStore累计到一定阈值时，就会创建一个新的MemStore，并且将老的MemStore添加到flush队列，由单独的线程flush到磁盘上，成为一个StoreFile。同时，系统会在zookeeper中记录一个redo point，表示这个时刻之前的变更已经持久化了。
当系统出现意外时，可能导致内存(MemStore)中的数据丢失，此时使用Log(WAL log)来恢复checkpoint之后的数据。
StoreFile是只读的，一旦创建后就不可以再修改。因此Hbase的更新其实是不断追加的操作。
当一个Store中的StoreFile达到一定的阈值后（默认参数hbase.hstore.blockingStoreFiles=10），就会进行一次合并(minor_compact, major_compact),将对同一个key的修改合并到一起，形成一个大的StoreFile，当StoreFile的大小达到一定阈值后（hbase.hregion.max.filesize=10G），又会对 StoreFile进行split，等分为两个StoreFile。
由于对表的更新是不断追加的，合并时，**需要访问Store中全部的 StoreFile和MemStore，将他们按row key进行合并，**由于StoreFile和MemStore都是经过排序的，并且StoreFile带有内存中索引，合并的过程还是比较快。