LSM（Log-Structed Merge）树的原理
把一棵大树拆分成N棵小树，它首先写入内存中，随着小树越来越大，内存中的小树会flush到磁盘中，磁盘中的树定期可以做merge操作，合并成一棵大树，以优化读性能。
LSM树与B树相比，牺牲了部分的读性能，大幅提高写性能。
LSM树的存储引擎和B树存储引擎一样，同样支持增、删、读、改、顺序扫描操作。而且通过批量存储技术规避磁盘随机写入问题。
HBase中的LSM树
原理
数据会先写到内存中，为了防止内存数据丢失，写内存的同时需要持久化到磁盘，对应了HBase的MemStore和HLog；
MemStore中的数据达到一定的阈值之后，需要将数据刷写到磁盘，即生成HFile（也是一颗小的B+树）文件；
hbase中的minor（少量HFile小文件合并）major（一个region的所有HFile文件合并）执行compact操作，同时删除无效数据（过期及删除的数据），多棵小树在这个时机合并成大树，来增强读性能。
针对LSM树读性能hbase的优化：
Bloom-filter:就是个带随机概率的bitmap,可以快速的告诉你，某一个小的有序结构里有没有指定数据的。于是就可以不用二分查找，而只需简单的计算几次就能知道数据是否在某个小集合里啦。效率得到了提升，但付出的是空间代价。
compact:小树合并为大树:因为小树性能有问题，所以要有个进程不断地将小树合并到大树上，这样大部分的老数据查询也可以直接使用log2N的方式找到，不需要再进行(N/m)*log2n的查询了。
总结
其实，HBase中不仅用到了LSM树，同时也用到了B+树，但是用到的地方不同。
LSM树中的最小单元可以理解为HFile，当接收到操作HBase的命令时，先把它存到memStore（内存）中，达到一定阈值才会以HFile的形式flush到StoreFile中，当StoreFile数量过多的时候，对其进行合并（Merge），这是LSM树的主要思想。
而B+树，是在HFile的索引机制中使用到的，目的是为了加快在HFile中查询的速度。
HFile的索引结果会发在后续博客中。