如果你有一个列族，rowkey的所有列都在同一个HFile中？来自rowkey和同一列族的数据可以混合在不同的HFile中吗？这是因为我认为它们已经分类了，但我读了一本书：
单行列的单行数据不需要存储在同一个HFile中。这就是为什么行可能太宽而且不适合单个HFile？
唯一的要求是在HFile中，行列系列的数据存储在一起。这对我来说似乎有些矛盾。
注意： 我一直在读这个话题。 HBase使用LSM树。 我有一个rowkey和一个HFile中的所有数据。稍后，我可以添加一些新数据，它们将存储在内存中，当内存已满时，HBase会将这些数据存储在 new HFile中。所以，我可以在两个HFile中为一个rowkey设置限定符。如果我想对该rowkey进行获取或扫描操作，我将不得不寻找两个文件。 随着时间的推移，HBase将执行一个主要的压缩，它将创建一个唯一的HFile加入旧的两个HFile并在压缩后删除它们。所以，如果我想查找该rowkey，我只需要一次搜索。我对吗？？我不明白为什么会有轻微和重大的压缩，因为他们似乎也这样做。
答案 0 :(得分：10)
列族是HFiles的集合。如果查看表的目录结构，它看起来像这样：
这些HFile是不可变的，并且是有序的。在读取时，扫描器（读取数据）确保在读取行键和给定列族的数据时考虑所有HFile。
单行列的单行数据不需要存储在同一个HFile中。 所以，这是真的。
第二个粗体声明，它可以来自HFile中的数据被排序的事实，因此在给定的HFile中，与行键相关的数据被存储在一起。
答案 1 :(得分：1)
是的，这是对的。区别在于：
轻微压缩旨在最大程度地损害HBase性能， 所以涉及的HF数量有一个上限。这些相对轻量级并且更频繁地发生。 主要的压缩是HBase清除已删除记录的唯一机会。解决删除需要删除 已删除的记录和删除标记。两者都无法保证 记录和标记属于同一个HFile。
此外，每次刷新memstore时都会触发次要压缩，并且会合并一些存储文件。 然而，主要的压缩大约每24小时运行一次，并将所有商店文件合并为一个。 24小时随机调整幅度高达20％，以避免同时发生许多重大压缩。主要压缩也可以通过API或shell手动触发。
次要压缩和主要压缩之间存在另一个区别：主要压缩处理删除标记，最大版本等，而轻微压缩则不会。
答案 2 :(得分：0)
列族存储在单独的HFile中。 因此每个列族都有自己独立的HFile。 这也意味着行密钥将在那些不同的HFile中重复，因此正式建议保持尽可能少的cf（每桌<= 3）。