HBase的文件合并（minor/major compact）

Minor Compact
　　Minor Compact是指少量HFile文件按照Minor Compact规则进行合并；它的正常流程是这样的，探测到有新的文件刷进来（比如因为memstore的flush，当然可以直接写入HFile而跳过memstore，比如Bulk写入），此时Region Server只要发现同一个列簇有3个及以上的文件，将会扫描文件列表，然后将符合合并规则文件纳入到list中，并且list中文件数>1，则将会进行compact；其中规则如下：

1. 文件大小小于min.size的放入到list中；
2. 文件大小大于max.size的将一定不会放入到list中；
3. 如果文件大小排序，该文件大小小于后面10个文件总大小*1.2（说明文件不是足够），那么就放入到list中；这里10是由hbase.hstore.compaction.max决定，1.2是由hbase.hstore.compaction.ratio决定的。

所以看到minor的规则稍微有点复杂，原则是减少合并（文件合并要门当户对），避免形成大文件（达到一定程度之后就不在合并）。
　　另外minor compact在合并文件过程中，只是数据进行排序，但是并不会执行物理删除，比如墓碑文件标记的删除数据，TTL超期清理数据，以及超出多版本阈值的数据清理。这些工作什么时候去做呢？
Major Compact
　　数据清理的工作，都是在Major Compact里面去做，Major操作是无差别的将所有的同一个column family的所有文件进行合并；在合并的过程中将会对数据进行清理，那些需要删除掉的，过期的数据都会在Major Compact里面去做，当然也包括整合数据排序（HBase的数据排序是字段顺序）。所以Major Compact在数据层面做的事情还是挺多的，但是因为他产生的IO消耗同样非常巨大，所以一般都会禁用自动major compact，而是会手工进行数据合并。

参考：
https://blog.csdn.net/u014297175/article/details/50456147