先给结论吧：HBase利用compaction机制，通过大量的读延迟毛刺和一定的写阻塞，来换取整体上的读取延迟的平稳。
1.为什么要compaction
在上一篇 HBase读写 中我们提到了，HBase在读取过程中，会创建多个scanner去抓去数据。
其中，会创建多个storefilescanner去load HFile中的指定data block。所以，我们很容易就想到，如果说HFile太多的话，那么就会涉及到很多磁盘IO，这个就是常说的“读放大”现象。
因此，就有了今天的主题，HBase的核心特性——compaction。
通过执行compaction，可以使得HFile的数量基本稳定，使得IO seek次数稳定，然后每次的查询rt才能稳定在一定范围内。
2.compaction的分类
compaction分为两种，minor compaction和major compaction。
Minor compaction主要是将一些相邻的小文件合并为大文件，这个过程仅仅做文件的合并，并不会删除deleted type的数据和ttl过期的数据。
Major compaction是指将一个HStore下的所有文件合并为一个HFile，这个过程会消耗大量系统资源，一般线上会关闭自动定期major compaction的功能（将参数hbase.hregion.majorcompaction设为0即可关闭，但是flush的触发还是会进行），改为手动低峰执行。这个过程会删除三类数据：标记为删除的数据、TTL过期的数据、版本号不满足要求的数据。
具体什么时候触发哪种类型的compaction呢？
满足以下任意条件会触发major compaction，否则就是minor compaction：
- 用户强制执行major compaction
- 长时间没有compact，且候选文件小于阈值（hbase.hstore.compaction.max）
- Store中含有reference文件（split产生的临时文件），需要通过 major compact进行数据迁移，删除临时文件
3.compaction的触发时机
compaction的触发时机一共有三种：
1）MemStore flush:
这个在一开始就提到了，相信也很容易理解。因为每次MemStore flush会产生新的HFile文件，而文件数量超过限制，自然就触发了compaction。这里需要注意的是，我们在 深入HBase架构 一文中已经提到，memstore是以region为单位进行flush的，也就是说，一个region内的任意一个HStore下面的memstore满了，这个region下的所有HStore的memstore都会触发flush。然后每个HStore都有可能触发compaction。
2）后台线程周期性检查
HBase有一个后台线程CompactionChecker，会定期巡检触发检查，是否进行compaction。
这里和flush触发的compaction有所不同，这里先检查文件树是否大于阈值，大于就触发compaction。如果没有大于阈值，还会检查下HFile里面的最早更新时间，是否早于某个阈值（hbase.hregion.majorcompaction），如果早于，就触发major compaction来达到清理无用数据的目的。
3）手动触发：
由于我们担心major compaction会影响业务，因此会选择业务低峰期进行手动触发。
还有一部分原因，是用户执行ddl后，希望理解生效，也会执行手动触发major compaction。
最后，可能是因为磁盘容量不够了，需要major compaction来手动清理无效数据，合并文件。
4.HFile合并过程
1）读取待合并的HFile的key value，写入临时文件中
2）将临时文件移动到对应的region的数据目录
3） 将compaction的输入文件路径和输出文件路径写入WAL日志，然后强行执行sync
4）将对应region数据目录下的输入文件全部删除
5.compaction的副作用分析
当然，compaction本身也要涉及到大量文件的读写，在表现上就是会有一定的读延迟毛刺。因此，我们可以认为，compaction过程是使用短时间的大量IO消耗来换取后续查询的低延迟。
另一方面，假设处于长时间的高写入量，HFile的数量一直增长，compaction的速度赶不上HFile增长的速度，那么，HBase会暂时阻塞写请求。当每次memstore进行flush的时候，如果一个HStore中的HFile的数量超过了hbase.hstore.blockingStoreFIles（默认为7），那么就会暂时阻塞flush的动作，阻塞时间为abase.hstore.blockingWaitTime。当阻塞时间过去后，观察HFile的数量下降到上述值，那么就会继续flush的操作。这样，就保证了HFile数量的稳定，但是对写入会有一定的速度影响。
看到这里了，原创不易，点个关注、点个赞吧，你最好看了～
知识碎片重新梳理，构建Java知识图谱：https://github.com/saigu/JavaKnowledgeGraph（历史文章查阅非常方便）
扫码关注我的公众号“阿丸笔记”，第一时间获取最新更新。同时可以免费获取海量Java技术栈电子书、各个大厂面试题。
