带着问题来寻找答案：
1.HBASE的读写过程就是HBASE的寻址过程
2.如何快速的寻找到地址？
3.为什么hbase可以快速的查询 写入数据？
4.Hbase的数据模型：底层存储的数据到底是怎么样的过程 ？
5.Hbase的数据模型设计：数据文件最终存储在hdfs的结构是怎么样的？并不是key value
客户端发起写数据请求
构建Put对象：一个Put对象代表一行数据记录，可以添加多个列的数据。
如上例所示， RowKey为“012005000201” ，包含3个列：name,gender,address。
Put or PutList?
HBase提供了两个主要的写数据接口，一个可以写入单行数据，即Put接口，另一个可以批量写入多行数据，即PutList接口。事实上， Put仅是PutList的一种特殊情形。因此，后面的流程介绍仅仅涉及PutList。
找region：
如何快速的找到region？
答：找mata表中的metaregion
我们如何快速的找到我的表的元数据信息在meta表中哪个metaregion的位置？
答：zookeeper
Meta表的路由信息：这个表有哪些region 每一个region在哪些位置上
不论是读还是写，首先是找region
Metaregion
Userregion
数据
为什么写入数据需要找region而不是直接追加？
mysql:insert操作 新数据直接追加
mysl的寻址过程：一张表对应一个文件，找到表就是找到文件，新数据直接追加在末尾
Habse：
在一张表中，region管理一定范围内的数 rowkey按字典排序
第一个region的start key是空不是0
一张表的不同region可以放到不同的主机中去
Put：数据根据不同的rowkey，插入到不同的region中
当数据量很大时，hbase：meta表也会被拆分成多个 region，称之为metaregion，也可能会被放到不同的主机上，这些metaregion存储的就是某一些表的路由信息，也就是：userregion，region所属的regionserve信息
Regionserver内部按照什么来进行分配数据：rowkey字典排序
数据分组：
任务交给regionserver之后，regionser做什么？
数据进入的时候，并不是一条一条的进入的，有可能是很多条，比如list一次来10w条数据，
这么大的数据，拿到数据以后，有2种处理方式：
1.每一条数据都要建立一次连接，一条一条的写入数据
2.对数据进行分组，分2次
1分：按照region来分 根据rowkey， 数据分发到不同的region中
2分：存在可能多个region可能在一台主机regionserver的情况，这种情况就会把几个相同主机的region放在一起，方便批量处理 根据region分，分发到不同的regionserver中
打比方：图书馆采购书本
先按书的编号分类
再将已经分类的数据分到不同的楼层，同一楼层，批量处理
往RegionServer发送写数据请求：也就是说在regionser拿到数据前就进行了数据的分
1.利用HBase自身封装的RPC框架，来完成数据发送操作。往多个RegionServer发送请求是并行操作。
2.客户端发送完写数据请求后，会自动等待请求处理结果。
3.如果客户端没有捕获到任何的异常，则认为所有的数据都已经被写入成功。
4.如果全部写入失败，或者部分写入失败，客户端能够获知详细的失败Key值列表。从这里也可以看出， PutList操作是不保证原子性的。
比如：在mysql中，inseret多条数据，假如最后一条写入失败，所有的数据进行数据回滚，这就是原子性操作
Hbase的原子性：
只能够保证一行的原子性 ，不能保证putlist一次的所有数据原子性，为什么？
因为Habse对于整体数据没有原子性，hbase在put数据时，即使后面的数据put失败，其他的数据还是会正常put进入hdfs，即使再次put相同的数据，hbase数据put自动向下覆盖，即使多次put相同的数据也不影响 ，只有时间戳可能会不同
什么是一行数据的原子性？
假如一行数据中有多个字段，如果不能保证一行数据的原子性，可能会出现部分字段put进hdfs中，这样的情况，这条数据就会出问题，因此一行数据的原子性必须要有保证，put成功，一行数据全部成功，否则put失败
只要第一次的数据进入hdfs开始写入，后面的数据想写失败都很难，为什么？
因为：数据在写的时候，所有的数据，已经进入hbase，完成数据的划分，也就是数组划分，划分到不同的region，region划分到不同的regionserver
如何获取hbase写入hfs之后的回调函数的值？
在这个值，可以获取到哪些数据写入成功，哪些数据写入失败
有那种情况，put了多条数据，但是显示的数量少于put的数量？
字段名相同的时候，也就是同一个cell，时间戳的最大值会覆盖其他的值
Region写数据流程 ：
应用了zookeeper的分布式事务锁的方式：
1.获取region锁 有了这个锁的region，想要获取这个有锁的region的进程必须等待
2.依次获取各行的锁：拿到每一行的锁
3.先将拿到锁的一行数据，写入到memstore中，
4.释放写入完毕的这一行数据的行锁
5.写数据到wal中
6.Memstore和wal都写入以后，释放region锁
Hbase的不同版本，menstore和wal写入的顺序是有差异的
1.0以前的老版本：先写wal，写完了以后再写memstore
新版本：memstore和wal是并行同时写数据，但是由于memstore’是将数据写入内存中，而wal是将数据写入hdfs中，因此memstore写数据的速度要块，因此memstore先于wal结束，释放行锁
为什么数据通过wal已经写入到hdfs中了，还要通过memstore再将数据往 内存中写一次呢？
答：是为了数据的写入和读取的速度块
为什么会有回滚操作机制？
有可能写入到内存成功，但是没有成功的写入到hdfs中，比如hdfs的主机挂掉了，没有写入成功，就不能正常的释放锁，因此就会产生异常，然后启动回滚的操作，将内存的数据也删除
回滚就会可能出现脏读的情况：刷新的速度比释放锁的速度块 ，刷新了就把内存中的数据，立马写入到hdfs中 这个可能大概是千万毫秒分子1
先写memstore再写wal的优缺点？
优点：这条数据没有写入到hdfs中，用户就可以访问了====habse速度快的原因
缺点：脏读
HBase LSM Tree :
1.将Put/Delete的数据暂时保存在每个Region的内存中，即MemStore中。写内存，避免多Region情形下带来的过多的分散IO操作。
2.数据在写入到MemStore之后，也会顺序写入到HLog中，来保证数据的安全。
为什么delete的数据会保存到我们的memstore中？为什么不是找到数据后直接删掉？
操作Io是如何删除一条数据？
先创建一个新文件，然后将原文件一行一行的拷贝到新文件，当读取到要删除的一条数据时，跳过不读取，继续将剩下的读取到新文件，然后将原文件删除，将新文件的名字改成原文件的名字
逻辑删除：没有真正删除，而是将数据状态改为关闭
物理删除：delete从物理层面删除，删除数据就不存在了
如何选择物理删除？逻辑删除？对后面的业务有没有影响
因为：将delete的数据放在memstore，然后把每一个cell标记为删除，当我们查找数据时，先在memstore中查找，如果发现查找的数据，标记为删除，就不继续进行操作，直接返回给用户，数据不存在
存在如下3种场景，会触发一个Region的Flush操作：
1.该Region的MemStore的总大小，达到了预设的Flush Size阈值。这种场景下的Flush操作，当它把memstore中的数据写出到hdfs的hfile文件的时候，在这个时间内，是处于阻塞的状态，此时不允许写入数据到memstore。通常仅瞬间堵塞用户的读写操作。但如果超出预设Flush Size阈值过多的话，也可能会引起较长时间的堵塞。
2.RegionServer的总内存大小超出了预设的阈值大小。这种场景下，在总内存没有降低到预设的阈值以下之前，可能会较长时间堵塞。 比如：总内存可用大小50M，预设置flush值100M，因此50M的时候，就应该要执行flush操作。一般是百分子70，50M的可用空间大小，只有35M的时候，就可以执行flush操作了
3.手动刷新，立马写入hfile
=================因此hfile的大小，很有可能是不一样的
多HFile的影响 ：
X:产生hfile的数量
Y：所需时间
总结：
Compaction合并:
1.Compaction的主要目的，是为了减少同一个Region同一个ColumnFamily下面的小文件数目，从而提升读取的性能。
2. Compaction分为Minor、 Major两类：
3. Minor:小范围的Compaction。有最少和最大文件数目限制。通常会选择一些连续时间范围的小文件进行合并====小合并
4. Major:涉及该Region该ColumnFamily下面的所有的HFile文件。删除的数据。===大合并
5.Minor Compaction选取文件时，遵循一定的算法。
Memstore写出到hfile文件中，而hfile文件是在hdfs中，但是hdfs系统，不适合大量的小文件，而hbase的写入过程，会产生很多的小文件，比如手动flush和memstore的总内存大小比较小的时候，因此就会产生大量的小文件：hfile 因此。Hbase引入了合并机制，一是目的是为了节约存储空间，同时还有处理过期和被标记为删除的数据
需要删除的数据包含哪些数据？
1.ttl 带有有效期的数据，有效期过来之后，不能被访问，但是仍然存在
2.Put数据：时间戳版本数据数量大于vsrsion可存在的数量
3.需要删除的数据，将数据标记为删除
Major和minor合并的区别有哪些？
1.合并范围不同
小范围：在一定时间内，将多个小文件合并在一起，合并的是一部分发hfile
大范围：将所有的hfile合并
2.功能不同
小范围：只进行整理
大范围：删除只会在大合并的时候执行操作，
一般情况下，不会做大合并！
防止误区：开启大合并，整个hbase的所有的hfile要合并，但是并不是所有的hfile合并成一个hfile，而是一个列族当中的所有的hfile合并成一个hfile，所有的列族开始合并操作
很少做大合并，为什么？
工程量过大
如果一定要大合并呢？
对于某一张表的某些列族，手动执行大合并，不建议开启大合并！！！
为什么不建议开启大合并？
因为在执行大合并的时候，整个hbase的hfile都在参与合并，整个hbase会锁住，此时读数据和写数据都不行
为什么可以做到不执行大合并操作来达到增加空间呢？
因为hbase的底层是hdfs，如果空间不够，可以任意的增加硬盘，增加服务器
Split ：
1.当我们合并之后，region会变的很大，rowkey的范围变的很大，因此错split
2.在region分裂成两个region时，真正的数据没有移动，产生一个新的管理者的时间，比直接把需要移动的数据全部移动过去的时间会少很多，但是需要移动的数据，不可能永远在原region中，因为新region不可能永远的跨服务器去取数据，这样会严重影响我们的查询速度，
Master会做负载均衡操作，会将原region中需要移动的数据，移动到新的region中去，
切分时：A原来的数据，还是在A，只是为了B文件引用，B并没有拿到数据
什么时候给新region数据？
客户端所缓存的父Region的路由信息需要被更新之后，master做负载均衡：将原regionA中需要移动的数据，交给切后出的B 这里的数据是region数据，不是hdfs数据
数据本地化 减少网络连接，提高效率
原来的region，rowkey是空到空，切分了以后，A和B各自管理各自的数据，
新切出的B有数据， 当我们有多台主机的时候，hmaster将父regionA放到A主机中，将子regionB放到B主机中，有什么好处？
假如Aregion的数据存放在hdfs的A主机，在切分的时候，切成时hdfs的数据没有移动，也就是region信息由Bregion来管理，但是hdfs上的数据没有移动到B主机上去
其实，hbase的写分2个步骤：
寻regionserver的过程
Regionserver内部处理过程