目录
1. Compaction实现
Compaction核心功能是将小文件合并成大文件，提升读取效率。
1.1 Compaction基本工作原理
Compaction是从一个Region的一个Store中选择部分HFile文件进行合并。先从这些待合并的数据文件中依次读出KeyValue，再由小到大排序后写入一个新的文件。
Compaction分为 Major Compaction 和 Minor Compaction
- Minor Compaction 指选取部分小的、相邻的HFile，将它们合并成一个更大的HFile。
- Major Compaction 将一个Store中所有的HFile合并成一个HFile，这个过程还会完全清理三类无意义数据：被删除的数据、TTL过期数据、版本号超过设定版本号的数据。
Major Compaction持续时间长，占用资源大，对业务读取有影响，推荐关闭Major Compaction，改在业务低峰期中手动触发。
Compaction的核心功能：
- 合并小文件，减少文件数
- 提高数据本地化率
- 清理无效数据
Compaction操作重写文件会带来很大的带宽压力以及短时间IO压力。Compaction就是使用短时间的IO消耗以及带宽消耗换取后续查询的低延迟。
1.1.1Compaction触发条件
1. flush操作 2. 周期性Compaction 3. 手动触发（一般是Major Compaction）
Compaction操作的源头来自flush操作，Compaction都是以Store为单位进行的。
1.1.2待合并HFile集合选择策略
选择合适的文件进行合并是整个Compaction的核心，因为合并文件的大小及其当前承载的IO数直接决定了Compaction的效果以及对整个系统其他业务的影响程度。
将比要进行Compaction的文件新的文件和大文件排除掉，触发条件手动触发和长时间没有进行Major Compaction。
2. 负载均衡实现
负载均衡是分布式集群设计的一个重要功能，只有实现了负载均衡，集群的可扩展性才能得到有效保证。
Hbase表的分片就是Region，HBase中Region迁移是一个非常轻量级的操作。所谓轻量级，是因为HBase的数据实际存储在HDFS上，不需要独立进行管理，因而Region在迁移的过程中不需要迁移实际数据，只要将读写服务迁移即可。
Region迁移的难点？
（1） Region迁移过程涉及多种状态的改变；（Region的状态如下图）（2）迁移过程中涉及Master、ZooKeeper（ZK）以及RegionServer等多个组件的相互协调。
Region的unassign（下线）的流程 上线的流程基本一样
- master生成事件并更新zookeeper，同时修改本地内存中该Region的状态为准备关闭。
- master发送rpc请求到region所在的RegionServer上，令其关闭该region。
- RegionServer接收到请求后，向zookeeper更新状态。
- master监听到zookeeper节点变动后，更新本地内存中该region的状态为正在关闭。
- regionServer关闭该region后，向zookeeper更新状态。
- master监听到zookeeper节点变动后，更新本地内存中该region的状态为下线。
Region状态变化涉及到三个组件：Master Zookeeper RegionServer
- Master负责维护Region在整个操作过程中的状态变化，起到枢纽的作用。
- RegionServer负责接收Master的指令执行具体unassign/assign操作。
- Zookeeper 负责存储操作过程中的事件。ZooKeeper有一个路径为/hbase/region-in-transition的节点，Region如果进行了操作，会在这个节点生成一个子节点，并且Master会在这个节点监听，一旦发生任务事件，Master会监听并更新Region的状态。
Region In Transition
为什么要设置这些状态？
无论是unassign 还是 assign 都是由很多个子操作来完成的，涉及到多个组件之间协调完成，只有通过记录Region的状态，才能知道当前unassign 或者 assign 的进度。尤其是异常发生后，可以根据状态来进行恢复。
问：如何管理这些状态？
Region的这些状态会存在于一下三个区域: meta表，Master内存，zookeeper的region-in-transition 节点，并且作用不同。只有这三个状态保持一致，对应的Region才会正常工作，然后在很多异常情况下，Region在这三个状态不能保持一致，这就会出现Region-in-Transition（RIT）现象。
1. meta表只存储Region所在的RegionServer，并不存储中间状态，如果Region从RS1节点迁移到了RS2节点，那么meta表就只有Region于RS2节点的对应关系，如果中间发生异常，那么meta表就只有region与RS1的对应关系。
2. Master内存中存储整个集群所有的Region信息，这个可以看出这个Region当前以什么状态在那个RegionServer上，Master存储的状态都是RegionServer通过Zookeeper通知给Master的。所以Master上的状态时落后于Region真正的状态变化的。
注意，我们在HBase Master WebUI上看到的Region状态都来自于Master内存信息。
3. ZooKeeper中存储的是临时性的状态转移信息，作为Master和RegionServer之间反馈Region状态的通道。如果Master或者RegionServer发生异常，Zookeeper上存储的状态，会在新的Master启动后作为依据继续进行恢复服务。
在region迁移必然会发生短暂的RIT现象，但是这种场景并不需要人工干预。
3. Region合并
Region的合并主要流程：
- 客户端发送merge请求给Master。
- Master将待合并的Region都move到同一个RegionServer上。
- Master发送Merge请求到RegionServer。
- RegionServer启动一个本地事务执行merge操作。
- merge操作会将待合并的两个Region下线，下线的两个region文件将进行合并。
- 将这两个Region从hbase：meta中删除，并将新生成的Region添加到hbase:meta中。
- 将新region上线。
4. Region的分裂
Region分裂是HBase最核心的功能之一，是实现分布式可扩展性的基础。
4.1 Region分裂触发条件
- 0.94版本之前默认分裂策略。一个Region中最大Store的大小超过设置阈值之后会触发分裂。（优点：小表不会产生很多region 缺点：大表会产生大量的Region）
- 0.94版本～2.0版本默认分裂策略。一个Region中最大Store大小超过设置阈值就会触发分裂。这个阈值会不断调整，调整后的阈值大小和Region所属表在当前RegionServer上的Region个数有关系，这个阈值不会无限大，（优点：大表不会产生大量的Region，但是小表会产生很多region，并且分散在集群中）
- 2.0版本默认分裂策略。分裂阈值大小和待分裂Region所属表在当前RegionServer上的Region个数有关系，如果Region个数等于1，分裂阈值为f lush size * 2（更加友好）
4.2 Region分裂准备工作 ---- 寻找分裂点
HBase对于分裂点的定义为：整个Region中最大Store中的最大文件中最中心的一个Block的首个rowkey。另外，HBase还规定，如果定位到的rowkey是整个文件的首个rowkey或者最后一个rowkey，则认为没有分裂点。
Region分裂过程因为没有涉及数据的移动，所以分裂成本本身并不是很高，可以很快完成。分裂后子Region的文件实际没有任何用户数据，文件中存储的仅是一些元数据信息——分裂点rowkey等。
父Region的数据迁移到子Region目录的时间?
迁移发生在子Region执行Major Compaction时。根据Compaction原理，从一系列小文件中依次由小到大读出所有数据并写入一个大文件，完成之后再将所有小文件删掉，因此Compaction本身就是一次数据迁移。子Region执行Major Compaction后会将父目录中属于该子Region的所有数据读出来，并写入子Region目录数据文件中。
父Region被删除的时间?
Master会启动一个线程定期遍历检查所有处于splitting状态的父Region，确定父Region是否可以被清理,检测线程首先会在meta表中读出所有split列为true的Region，并加载出其分裂后生成的两个子Region（meta表中splitA列和splitB列）。检查两个子Region是否还存在引用文件，如果都不存在引用文件就可以认为该父Region对应的文件可以被删除。
5. 负载均衡
5.1 负载均衡策略
（1）SimpleLoadBalancer策略
这种策略能够保证每个RegionServer的Region个数基本相等，假设集群中一共有n个RegionServer，m个Region，那么集群的平均负载就是average=m/n。
（2）StochasticLoadBalancer策略
考虑到几个权值
- Region个数
- Region负载
- 读请求数
- 写请求数
- StoreFile大小
- 数据本地率
- 移动代价
系统使用这个代价值来评估当前Region分布是否均衡，越均衡代价值越低。HBase通过不断随机挑选迭代来找到一组Region迁移计划，使得代价值最小。