最近自己看了一些关于flush和compaction的博客，其中也有一些总结和感悟，于是想写下来，以供后续参考，如果有理解的不对的地方，我们可以一起讨论~
什么是Flush和Compaction？它们是在什么情况下进行的呢？他们的作用是什么？
Flush我理解的就是将memstore中缓存的写入数据溢写到hdfs上，之前看博客一直理解它是当memstore中的数据达到一定阈值的时候就触发flush，但是它并不是我想的这么简单(见文章后半部分)。Compaction我理解的就是合并hdfs上多个小的hfile，将其合并成一个大的hfile，减少获取数据时的读取消耗，毕竟文件那么多一个个去找应该是比找一个大的要费时间，而且我认为hdfs上存取多个小的hfile可能有小文件问题？
Compaction分minor Compaction和major Compation，小范围的HFile文件合并，是minor Compaction，一个列族中将所有的HFile文件合并，是major Compaction，并且major Compaction可以删除过期数据，被标记删除的数据，版本数溢出的数据。通俗的说一下，就是minor Compation只是对某一个Region下面的部分hfile进行合并，而major Compaction是对整个region下的hfile进行合并，并且还有清除数据的功能。
Memstore的数据结构
memstore中的数据结构是CellSet，而CellSet是由ConcurrentSkipListMap实现的(具体见这篇博文：博文)，然后更加细致的就是memstore将自己分为一个可写的Segment，以及一个或多个不可写的Segments构成(具体见这篇博文：博文)，来的数据先写在Active Segment，然后到达阈值时就flush成一个Immutable Segment，然后后来的数据再往Active Segment里面写，等到immutable Segment越来越多，就会触发Immutable Segment的compation，合并成一个大的immutable Segment，等它达到一定阈值的时候，就持久化成hfile到hdfs上面(这些是我看文章的理解和猜想)。为什么要这么做呢？文章里面解释的是："如果MemStore中的数据被直接Flush成HFile，而多个HFile又被Compaction合并成了一个大HFile，随着一次次Compaction发生以后，一条数据往往被重写了多次，这带来显著的IO放大问题，另外，频繁的Compaction对IO资源的抢占，其实也是导致HBase查询时延大毛刺的罪魁祸首之一"。
我当时想的是，反正也是在内存里面对immutable Segment要进行合并，持久化成hfile之后在hdfs上到达一定数量也得触发compaction，其实感觉发生compaction的次数应该是差不多的。后来想明白了，应该是在内存里面进行合并比在磁盘上进行合并消耗的资源和IO要少很多，并且速度也相对较快。并且此时的compaction的数据是在内存中，它不像hfile在hdfs上会有副本，这样的话，只需要对一份数据进行compaction就可以了，不需要对三份副本也进行同样的操作。
另外为什么不把memstore设置的大一些呢？也是有原因的，因为它的特定的数据结构决定了当它的容量达到一定大小的时候，memstore的写入性能会受到极大的影响。
到这里，我有一个问题，并且针对这个问题我有个猜想（具体怎么样需要在多看一些博客或者看源码解决）：我们知道hbase的数据是按照rowkey排序的，我们写数据的时候是随即写，并且写到的最终目的地是放到了hdfs上，而hdfs不允许修改数据，那么它是怎么有序的呢？我查了一些资料是说在memstore中进行了排序，然后flush到磁盘的时候，此时其中的hfile已经是有序的了，那么当我再对同一个rowkey，同一个列族，同一个列的值进行修改的时候，我肯定是重新先去找这个rowkey在哪个region里面，然后将这条新的记录写到对应region中，最后落地到hfile中，最后交到compaction去做数据合并，将老版本的数据去除，这样就达到了数据更新的目的。