数据存储实体－区域
1：表按照“水平”的方式划分成一个或多个“区域”(region)
2：每个区域都包含一个随机id，区域内的行也是按行键有序的
3：最初每张表包含一个区域，当表增大超过阈值后，这个区域被自动分割成两个相同大小的区域
4：区域是Hbase中分布式存储和负责均衡的最小单元，以该最小单元的形式分布在集群内
区域的管理
区域服务器(Region Server)
1：为区域的访问提供服务，直接为用户提供服务
2：负责维护区域的合并与分割
3：负责数据存持久化
主服务器(Master Server)
1：管理区域服务器
2：指派区域服务器对特定区域服务
3：恢复失效的区域服务器
注释：
HRegion 是 Hbase 中分布式存储和负载均衡的最小单元。最小单元就表示不同的Hregion可以分布在不同的
HRegion server 上。但一个 Hregion 是不会拆分到多个server上的。
向表中写入数据的过程：
1：首先写入MemStore，同时写入HLog(日志是累加的，不断往结尾写，因为MemStore是基于内存的易于丢失，当
丢失时在HLog里面恢复)
2：MemStore到达一定大小的时候，MemStore会flush（flush时候单独起一个线程，不影响读）成一个
StoreFile（HFile文件）
3：StoreFile的数量达到一定阀值，会触发compact将多个StoreFile合并成1个StoreFile
4：当单个StoreFile达到一定大小的时候，会触发split，将当前的Region拆分成2个Region，并且分发到
不同的Region Server上
Hstore是怎样工作的
自我领会
Region在Region Server上面，一个HRegion（一个java对象）对应一个Region，一个Hregion对应一个
或多个HStore，一个HStore对应一个列族,一个HStore主要有两个对象，一个MemStore(基于对象)，一个
StoreFile（基于文件）
HLog
MemStore的同时，也会写一份数据到HLog文件中，HLog文件定期会滚动出新的，并删除旧的文件（已持久化
到StoreFile中的数据）。
2：Store在系统正常工作的前提下是没有问题的，但是在分布式系统环境中，无法避免系统出错或者宕机，因此
一旦RegionServer意外退出，MemStore中的内存数据将会丢失，于是引入了HLog。
3：当RegionServer意外终止后，Master会通过Zookeeper感知到，Master首先会处理遗留的 HLog文件，将其中
不同Region的Log数据进行拆分，分别放到相应region的目录下，然后再将失效的region重新分配，领取到这
些region的RegionServer在Load Region的过程中，会发现有历史HLog需要处理，因此会Replay HLog中的数
据到MemStore中，然后flush到StoreFiles，完成数据恢复。
RegionServer内部结构示意图
HBase写流程和写HLog的阶段点.
向HBase Put数据时通过HBaseClient-->连接ZooKeeper--->-ROOT--->.META.-->RegionServer-->Region:
Region写数据之前会先检查MemStore.
1. 如果此Region的MemStore已经有缓存已有写入的数据, 则直接返回;
2. 如果没有缓存, 写入HLog(WAL), 再写入MemStore.成功后再返回.
MemStore内存达到一定的值调用flush成为StoreFile,存到HDFS.
在对HBase插入数据时,插入到内存MemStore所以很快,对于安全性不高的应用可以关闭HLog,可以获得更高的写性能.
HLog的生命周期
这里就涉及到HLog的生命周期问题了.如果HLog的logSeqNum对应的HFile已经存储在HDFS了(主要是比较HLog的logSeqNum是否比与其对应的表的HDFS StoreFile的maxLongSeqNum小),那么HLog就没有存在的必要了.移动到.oldlogs目录,最后删除.
反过来如果此时系统down了,可以通过HLog把数据从HDFS中读取,把要原来Put的数据读取出来, 重新刷新到HBase.
比如现在该rs下有4个文件，储存的是4个region的信息：
file1： RegionA，4表示的是文件名是file1，其中存储了一个entry其regionname是reginA，其seqNum是4，seqnum是递增的且新建的文件的seq比原先的大
file1： RegionA，4 RegionB，5 RegionC，6 RegionD，7
file2： RegionA，8 RegionB，9 RegionC，10
file3： RegionA，11 RegionB，12 RegionD，13
file4： RegionB，14
如上面所示,假设上面4个文件都存在，且假设此时lastSeqWritten 中存储的是RegionB，14
因为lastSeqWritten储存的是最新加入的entries且并没有被flush，这说明Region A，C，D都已经flush结束的，而file1，2,3，由于其seqnum都小于14，认为这些file都已经flush成功了，可以移除了，因为A,C,D都已经flush成功，而如果1,2,3中的Region B未flush那么此时lastSeqWritten存储的肯定不是14了而是小于十四的未flush的seq
