4. HBase存储机制：Region的分裂与合并、HFile与MemStore的读写路径
好，咱们今天来聊聊HBase的存储机制。说实话，这部分内容是我当年刚接触HBase时觉得最绕的地方。Region怎么分裂？什么时候合并？数据到底是怎么从客户端写到磁盘上的？
别急，我一个一个给你拆开讲。搞懂了这些，你才算真正入了HBase的门。
4.1 Region的分裂与合并
Region是HBase负载均衡的基本单位。说白了，一张大表会被切成很多个小Region，分散在不同的RegionServer上。
4.1.1 Region分裂
Region为什么会分裂？很简单——太大了。
我个人的习惯是，当Region的大小超过某个阈值时，HBase会自动把它一分为二。这个阈值默认是10GB，但我在生产环境中通常会调小一些，比如5GB左右。为什么呢？因为分裂操作本身是有代价的。
分裂过程大致分三步：
- 决定分裂点：找到Region中中间的那个RowKey，作为分裂点。
- 创建子Region：在父Region的目录下，创建两个子Region的引用文件。
- 通知Master：告诉HMaster，这个Region已经分裂了，你重新分配一下负载。
嗯，这里要注意一点：分裂期间，父Region仍然可以提供服务。数据读写不会中断。这一点HBase设计得挺聪明的。
避坑指南：我曾经遇到过一个问题——频繁分裂导致集群性能抖动。后来发现是预分区没做好。如果你一开始就预估好数据分布，提前创建好足够多的Region，就能减少很多不必要的分裂。
4.1.2 Region合并
有分裂就有合并。Region合并是分裂的逆操作。
什么时候需要合并？你想想看，如果某个Region的数据被大量删除，或者数据量本身就很小，那它占着一个RegionServer的资源就不太划算。合并可以把相邻的小Region合并成一个大的。
合并有两种方式：
- 在线合并：通过HBase Shell或API手动触发。我建议在业务低峰期做。
- 自动合并：HBase 2.0之后引入了自动合并机制，但说实话，我一般关掉它。因为自动合并的触发条件比较难调，搞不好反而影响性能。
注意：合并操作会涉及数据的重新分布，期间会有短暂的IO压力。如果你在线上环境做合并，记得先评估一下集群的负载情况。
4.2 HFile与MemStore的读写路径
这部分是HBase存储的核心。我把它拆成写路径和读路径来讲。
4.2.1 写路径：从客户端到磁盘
数据写入HBase，大致要经过这么几个环节：
- 客户端写入WAL：Write-Ahead Log，预写日志。数据先写WAL，保证宕机不丢数据。
- 写入MemStore：内存中的写缓存。数据在这里暂存，达到阈值后刷写到磁盘。
- 刷写为HFile：MemStore满了（默认128MB），就会刷写成一个HFile文件。
- HFile合并：小HFile太多会影响读性能，后台会有合并线程把它们合并成大文件。
我举个例子你就明白了。假设你要往一张表里写100万条数据：
// 伪代码示意
Put put = new Put(Bytes.toBytes("row1"));
put.addColumn("cf".getBytes(), "name".getBytes(), "张三".getBytes());
table.put(put);这条数据会先写到WAL日志里，然后进入MemStore。当MemStore满了，或者达到刷写间隔（默认1小时），就会生成一个HFile文件。
关键点：HFile是不可变的。一旦生成，就不会再修改。后续的更新和删除，都是通过追加新数据来实现的。这就是为什么HBase需要定期做合并（Compaction）。
4.2.2 读路径：从磁盘到客户端
读路径比写路径复杂一些。为什么？因为数据可能分散在多个地方。
读数据时，HBase会依次检查：
- BlockCache：读缓存。如果数据在缓存里，直接返回，速度极快。
- MemStore：还没刷盘的数据，也在内存里。
- HFile：磁盘上的文件。需要扫描HFile的索引来定位数据。
我个人的经验是，读性能的瓶颈往往在HFile的扫描上。如果HFile太多，或者索引太大，读延迟就会飙升。
这里有个小技巧：
优化建议：合理设置BlockCache的大小。我一般给BlockCache分配堆内存的20%-30%。太小了命中率低，太大了又挤占MemStore的空间。这个平衡点需要根据你的读写比例来调。
4.3 总结一下
Region的分裂与合并，解决的是数据分布的问题。HFile和MemStore，解决的是数据读写效率的问题。
说白了，HBase的存储机制就是一套「先写内存、再刷磁盘、定期合并」的流程。你只要记住这个核心逻辑，后面再遇到什么性能问题，都能顺着这个思路去排查。
我记得有一次线上问题，就是MemStore刷写太频繁导致的。后来调大了MemStore的大小，问题就解决了。所以你看，理解底层机制，对排查问题真的很有帮助。
下一章，咱们聊聊HBase的Compaction机制。这个也是个大坑，提前给你打个预防针。