Hbase初探，
淘宝的搜索团队的HBase笔记，图文并茂；原来一淘的存储系统就是基于HBase的。
http://www.searchtb.com/2011/01/understanding-hbase.html
数据平台团队的HBase介绍，也很详细
http://www.tbdata.org/archives/1509
现在几乎大部分的互联网公司都在用hadoop系列啊，很值得研究
HBase是基于Bigtable论文的面向列的分布式存储系统，其存储设计是基于Memtable/SSTable的。整个存储分为两部分，一部分为内存中的MemStore(Memtable)，另外一部分为磁盘(这里是HDFS)上的HFile(SSTable)。
HFile是HBase实际的文件存储格式，它是基于的文件格式，替换了早期的MapFile，改进了性能。
然后HBase会进行控制，当MemStore写满了以后进行刷磁盘操作。
而HLog是HBase的日志格式实现，主要是在写入的时候进行write-ahead-log，主要为recovery而做。
http://forchenyun.iteye.com/blog/828549
http://hi.baidu.com/wewe_39/blog/item/64453f175f68044bf2de3269.html
很不错的hbase ppt，详细描述了hbase数据读写的核心过程
http://blog.bluedavy.com/?p=233
http://nlslzf.iteye.com/blog/799258
http://hbase.iteye.com/blog/1002252
以下就是hbase架构的核心，LSM数据结构
本质上，在MapReduce的工作方式中，数据流式地读出和写入硬盘，MapReduce是以硬盘的传输速率不断地对这些数据进行排序和合并。 与之相比，访问关系数据库中的数据，其速率则是硬盘的寻道速率（寻道指移动磁头到盘面上的指定位置读取或写入数据的过程）。为什么要强调这一点？请看看寻道时间和磁盘传输率的发展曲线。寻道时间每年大约提高5%，而数据传输率每年大约提高20%。寻道时间的进步比数据传输率慢——因此采用由数据传输率决定性能的模型是有利的。MapReduce正是如此。
源码学习，hbase使用了跳跃列表来存储keyvalue，org.apache.hadoop.hbase.regionserver.KeyValueSkipListSet底层使用了ConcurrentSkipListMap实现，是一个有序的列表（MemStore位于内存中，也就是LSM中对应的C0），并且有log(n)的操作效率。这里的跳跃列表就是LSM中的有序树。
在org.apache.hadoop.hbase.regionserver.Store.internalFlushCache(SortedSet<KeyValue>, long, TimeRangeTracker)中把内存中的有序集合迭代取出keyvalue刷到磁盘中（StoreFile位于磁盘中，对应LSM中的C1,C2,......Cn,都是有序集合），也就形成了HBase存储的行天然有序的特点。在org.apache.hadoop.hbase.regionserver.Store.compact(List<StoreFile>, boolean, long)进行Cn的合并，小文件合成大文件，提高读数据吞吐量。
参考LSM算法http://hi.baidu.com/hill007299/blog/item/d32a862bc3ac1e84033bf6a5.html