讲讲 HBase 写入数据的完整流程

HBase 的数据写入流程是大数据面试中的高频考点，也是理解 HBase 基于 LSM树（Log-Structured Merge-Tree） 架构设计的核心。

HBase 的写入流程以“极速”著称，因为它将随机写转化为了顺序写日志 + 内存写。

我们可以将完整的写入流程分为三个大阶段：1. 客户端寻址路由 -> 2. RegionServer 核心写入 -> 3. 后台异步刷盘与合并。

第一阶段：客户端寻址路由 (Client Routing)

HBase 是一个分布式数据库，数据按照 RowKey 切分成多个 Region 分布在不同的 RegionServer 上。客户端在写入数据前，必须先找到这条数据应该写到哪台机器上。

连接 ZooKeeper：客户端首先访问 ZooKeeper，从 ZK 中获取 hbase:meta 表所在的 RegionServer 的地址。
(注：hbase:meta 是 HBase 的一张系统表，里面记录了所有用户表的 Region 位置信息)
查询 Meta 表：客户端连接托管 hbase:meta 表的 RegionServer，根据要写入的表名 (TableName) 和行键 (RowKey)，查询出该条数据对应的目标 Region 以及托管该 Region 的目标 RegionServer 地址。
缓存路由信息：客户端会将这个路由信息缓存在本地。下次写入或读取同区域的数据时，直接从本地缓存获取地址，不需要再走 ZK 和 Meta 表。如果后来 Region 发生了分裂或转移导致缓存失效，客户端会收到报错，然后重新执行 1、2 步更新缓存。

第二阶段：RegionServer 核心写入 (Core Write Process)

客户端找到目标 RegionServer 后，发送 Put 请求，数据到达具体的 RegionServer。

获取行锁 (Row Lock)：
HBase 保证行级别的原子性。在写入之前，RegionServer 会先获取对应 RowKey 的行锁，防止并发修改同一行数据导致不一致。
写预写日志 (WAL - Write-Ahead Log)：
- 作用：防止机器宕机导致内存中的数据丢失。
- 过程：数据首先会被顺序追加写入到 HDFS 上的 WAL 文件中。因为是顺序写，所以磁盘 I/O 极快。只有当数据成功写入 WAL，才算有了持久化保障。
写内存 (MemStore)：
- 数据写入 WAL 后，紧接着会被写入到该 Column Family（列族）对应的内存结构 MemStore 中。
- MemStore 内部采用跳表（SkipList）数据结构，数据在这里会根据 RowKey -> Column Family -> Column Qualifier -> Timestamp 进行字典序排序。
释放行锁并返回成功：
数据写入 MemStore 完毕后，释放行锁，并向客户端返回写入成功 (ACK) 的响应。
(注意：此时数据还在内存中，尚未真正落盘为 HFile，但因为有 WAL 的存在，数据已绝对安全。正因为实际写入的是内存，HBase 的写入延迟极低。)

第三阶段：后台异步刷盘与优化 (Flush & Compaction)

随着不断写入，MemStore 中的数据越来越多，HBase 会在后台触发一系列操作，将内存数据转化为 HDFS 上的实际文件，并进行优化。

1. 内存刷写 (MemStore Flush)

当满足以下条件之一时，MemStore 中的数据会被 Flush（刷写）到 HDFS 上，形成一个新的 HFile (StoreFile)：

Region 级别：某个 MemStore 的大小达到了设定的阈值（默认 128MB）。
RegionServer 级别：一台 RegionServer 上所有 MemStore 的总大小达到了安全水位阈值（会阻塞所有写入，直到 Flush 腾出空间）。
WAL 级别：WAL 日志文件数量过多，为了清理旧日志，会强制 Flush。
时间级别：到达了设定的定期 Flush 时间（默认 1 小时）。

Flush 结束后，这部分数据在 WAL 中的记录就可以被清理了。

2. 文件合并 (Compaction)

随着多次 Flush，HDFS 上会产生越来越多的小 HFile。为了提高查询效率（读数据时需要扫描 HFile），HBase 会在后台进行 Compaction（合并）。

Minor Compaction（小合并）：将几个较小的、相邻的 HFile 合并成一个较大的 HFile。不会清理被删除或过期的数据。
Major Compaction（大合并）：将一个 Store（列族）下的所有 HFile 合并成一个巨大的 HFile。会彻底清理掉那些带有删除标记（Tombstone）、TTL 过期、或超过最大版本数限制的数据。Major Compaction 会消耗大量磁盘和网络 I/O，通常安排在业务低峰期执行。

3. 分裂 (Region Split)

当某个 Region 的所有 HFile 总大小超过了设定的阈值（默认 10GB）时，HBase 会将这个 Region 一分为二（Split）。
新的两个子 Region 可能会被 HMaster 负载均衡分配到不同的 RegionServer 上，以保证集群请求的均匀分布。

总结与核心考点（面试必背）

你可以用下面这段话作为电梯演讲（简短总结）：

HBase 的写入流程首先是客户端寻址，通过 ZK 找到 Meta 表，再找到目标 RegionServer。数据到达 RegionServer 后，为了保证高性能和数据不丢失，HBase 采用了 LSM 树架构：首先顺序写 WAL 日志保证数据持久化，然后写入内存 MemStore 进行排序，随即向客户端返回成功。因此写入速度极快。当内存达到阈值时，会在后台异步 Flush 成 HFile 落盘到 HDFS。随着小文件增多，HBase 会通过 Compaction 合并文件并清理过期数据，最后在 Region 过大时进行 Split 分裂以保证负载均衡。

播面