1、Hbase寫如過程圖（圖片來源於網路）
2、Hbase的結構 Master：HBase Master用於協調多個Region Server，偵測各個RegionServer之間的狀態，並平衡RegionServer之間的負載，並且分配Region給RegionServer。 Region Server：一個RegionServer包含了多個Region（10-1000），每個Region大小為256MB-20G（預設10G）。RegionServer管理Region，以及實現讀寫操作。Client直接連線RegionServer，並通訊獲取HBase中的資料或者進行寫入。（通過ZK連線，Master掛了都沒關係）可以看出，一個RegionServer（一個DataNode節點）最多可以管理最大20T的資料 Region：真實存放HBase資料的地方，也就說Region是HBase可用性和分散式的基本單位。預設一個表建立一個Region。Region是Hbase的最小邏輯單元。 Store：一個列族對應一個Store，也就是一個Region對應一個或多個Store，一個Store包含一個或多個StoreFile，StoreFile包含一個或多個Hfile，Hfile才是真實的儲存檔案，StoreFile只是Hfile上做了輕量的封裝。 3、LSM-tree和HLog提升寫入速度和確保資料的高可用 為了提升Hbase的寫入速度，Hbase採用了LSM-tree（Log-Structure Merge-Tree）快速地建立索引。B-tree是建立索引的通用技術，但是，在大併發插入資料的情況下，B-tree需要大量的磁碟隨機IO，很顯然，大量的磁碟隨機IO會嚴重影響索引建立的速度。 LSM-tree要思想是劃分不同等級的樹。以兩級樹為例，可以想象一份索引資料由兩棵樹組成，一棵樹存在於記憶體（實際上記憶體中有N棵樹），一棵樹存在於磁碟。Hbase寫入的過程其實就是寫入到記憶體中，在記憶體中建立N棵小樹。 小樹先寫到記憶體中，為了防止記憶體資料丟失，寫記憶體的同時需要暫時持久化到磁碟，對應了HBase的MemStore和HLog（Hlog的存在就是確保記憶體中的資料丟失）。 MemStore上的樹達到一定大小之後，需要flush到HRegion磁碟中（一般是Hadoop DataNode），這樣MemStore就變成了Store上的磁碟檔案StoreFile，定期HRegionServer對DataNode的資料做merge操作，徹底刪除無效空間，多棵小樹在這個時機合併成大樹，來增強讀效能。 為什麼LSM-tree的插入很快 1. 首先，插入操作首先會作用於記憶體，並且，記憶體中的樹不會很大，這會很快。 2. 合併操作會順序寫入一個或多個磁碟頁，這比隨機寫快得多。 4、LSM-tree是否影響讀取資料的速度 Hbase讀取資料的過程： 最先讀取記憶體中的小樹（N棵），如果記憶體中沒有找到，就會查詢磁碟（B+樹） 可以看出，答案是會影響的，增加了遍歷記憶體中N棵小樹的遍歷，當然，記憶體操作會很快。 5、LSM Tree優化方式： a、Bloom filter: 就是個帶隨即概率的bitmap,可以快速的告訴你，某一個小的有序結構裡有沒有指定的那個資料的。於是就可以不用二分查詢，而只需簡單的計算幾次就能知道資料是否在某個小集合裡啦。效率得到了提升，但付出的是空間代價。 b、compact:小樹合併為大樹:因為小樹他效能有問題，所以要有個程序不斷地將小樹合併到大樹上，這樣大部分的老資料查詢也可以直接使用log2N的方式找到.