现在学习hbase的存储原理不是目的，是为了理解生产中的一种需求：
当一个表很大的话会被拆分成多个region。
从上图中我们可以看出region在存储数据的时候是按照列族分开存储的。
所以如果我们要读取一行数据的时候，如果列族有很多就代表着我们需要读取的文件也很多。所以列族还是少一点好。除非我们真的有必要把他们分开。
但是按照列族分也有一个好处，因为有时候我们可能并不需要一整行的数据，我们可能只需要一个列族的数据，这个时候就方便了。
每一个region的一个列族存成的文件，格式不是普通的文本文件。而是HFile文件。Hfile文件是有特定格式的：
region server为了更好的服务客户会把需要的数据存到内存缓冲区，而且会把用户插入的数据也放入缓冲区，因为hdfs是不提供对文件的修改功能的。这个缓冲区就叫MEMSTORE。可是内存中容易丢失，于是便会有WALs预写日志，预写日志不是存在本地，而是存在hdfs中的。每台机器可能有很多的region，而WALs对于这台机器来说是共用的。一台region server管理一个WALs实例。
为了防止日志越来越大，所以region server会定期进行Merge。Merge分为两种，一种是Minor Merge,另一种是Major Merge。
Minor Merge做的不彻底，而Major Merge做的彻底，它会把所有的历史数据全部拿过来合并。把该删除的数据全部删掉，把改去掉的旧版本数据全部去掉。所以Minor Merge会比较频繁。
假如随着操作的增加，一个region可能会变的很大，这个时候，为了减轻负担，这个region可能会被拆成两半。可是假如不断的拆分，region越来越多，服务器也会受不了。这个时候怎么办呢？我们要知道，region server的负载是会被写到zookeeper上的。region server管理着几个region zookeeper都知道。而HMaster会经常看这个数据。如果发现负载过多则会重现挑选一台region server来接管其中的几个region。
于是就有这样的场景，我们有大量的数据需要去查询，可是使用hdfs 或者hive去查询的话都会很慢，于是我们便会将数据批量导入到hbase中去查询。所以利用上面的原理，我们最快的导入方式就是直接生成数据文件HFile.这样就可以避免一条一条插入数据所造成的region server的负载。我们只需要将文件通过hbase提供的API放入目录，然后告诉它一些源信息就好了。