先上一张图讲一下Compaction和Split的关系，这样会比较直观一些。
Compaction把多个MemStore flush出来的StoreFile合并成一个文件，而Split则是把过大的文件Split成两个。
之前在Delete的时候，我们知道它其实并没有真正删除数据的，那总不能一直不删吧，下面我们就介绍一下它删除数据的过程，它就是Compaction。
在讲源码之前，先说一下它的分类和作用。
Compaction主要起到如下几个作用：
1）合并文件
2）清除删除、过期、多余版本的数据
3）提高读写数据的效率
Minor & Major Compaction的区别：
1）Minor操作只用来做部分文件的合并操作以及包括minVersion=0并且设置ttl的过期版本清理，不做任何删除数据、多版本数据的清理工作。
2）Major操作是对Region下的HStore下的所有StoreFile执行合并操作，最终的结果是整理合并出一个文件。
先说一下怎么使用吧，下面分别是它们是shell命令，可以在hbase的shell里面执行。
//major compaction
major compact '表名或region名'
//minor compaction
compact '表名或region名'下面我们开始看入口吧，入口在HBaseAdmin，找到compact方法，都知道我们compact可以对表操作或者对region进行操作。
1、先把表或者region相关的region信息和server信息全部获取出来
2、循环遍历这些region信息，依次请求compact操作
AdminService.BlockingInterface admin = this.connection.getAdmin(sn);
CompactRegionRequest request = RequestConverter.buildCompactRegionRequest(hri.getRegionName(), major, family);
try {
admin.compactRegion(null, request);
} catch (ServiceException se) {
throw ProtobufUtil.getRemoteException(se);
}到这里，客户端的工作就结束了，我们直接到HRegionServer找compactRegion这个方法吧。
//major compaction多走这一步骤
if (major) {
if (family != null) {
store.triggerMajorCompaction();
} else {
region.triggerMajorCompaction();
}
}
//请求compaction走这里
if(family != null) {
compactSplitThread.requestCompaction(region, store, log, Store.PRIORITY_USER, null);
} else {
compactSplitThread.requestCompaction(region, log, Store.PRIORITY_USER, null);
}我们先看major compaction吧，直接去看triggerMajorCompaction和requestCompaction方法。
Compaction
进入方法里面就发现了它把forceMajor置为true就完了，看来这个参数是major和minor的开关，接着看requestCompaction。
CompactionContext compaction = null;
if (selectNow) {
compaction = selectCompaction(r, s, priority, request);
if (compaction == null) return null; // message logged inside
}
// 要根据文件的size来判断用给个大的线程池还是小的线程池
long size = selectNow ? compaction.getRequest().getSize() : 0;
ThreadPoolExecutor pool = (!selectNow && s.throttleCompaction(size)) ? largeCompactions : smallCompactions;
pool.execute(new CompactionRunner(s, r, compaction, pool));上面的步骤是执行selectCompaction创建一个CompactionContext，然后提交CompactionRunner。
我们接着看CompactionContext的创建过程吧，这里还需要分是用户创建的Compaction和系统创建的Compaction。
1、创建CompactionContext
2、判断是否是非高峰时间，下面是这两个参数的值
int startHour = conf.getInt("hbase.offpeak.start.hour", -1);
int endHour = conf.getInt("hbase.offpeak.end.hour", -1);3、选择需要进行compaction的文件，添加到CompactionRequest和filesCompacting列表当中
compaction.select(this.filesCompacting, isUserCompaction, mayUseOffPeak, forceMajor && filesCompacting.isEmpty());我们看看这个select的具体实现吧。
public boolean select(List<StoreFile> filesCompacting, boolean isUserCompaction,
boolean mayUseOffPeak, boolean forceMajor) throws IOException {
request = compactionPolicy.selectCompaction(storeFileManager.getStorefiles(),
filesCompacting, isUserCompaction, mayUseOffPeak, forceMajor);
return request != null;
}这里的select方法，从名字上看是压缩策略的意思，它是由这个参数控制的hbase.hstore.defaultengine.compactionpolicy.class，默认是ExploringCompactionPolicy这个类。
接着看ExploringCompactionPolicy的selectCompaction方法，发现这个方法是继承来的，找它的父类RatioBasedCompactionPolicy。
public CompactionRequest selectCompaction(Collection<StoreFile> candidateFiles,
final List<StoreFile> filesCompacting, final boolean isUserCompaction,
final boolean mayUseOffPeak, final boolean forceMajor) throws IOException {
ArrayList<StoreFile> candidateSelection = new ArrayList<StoreFile>(candidateFiles);
int futureFiles = filesCompacting.isEmpty() ? 0 : 1;
boolean mayBeStuck = (candidateFiles.size() - filesCompacting.size() + futureFiles)
>= storeConfigInfo.getBlockingFileCount();
//从candidateSelection排除掉filesCompacting中的文件
candidateSelection = getCurrentEligibleFiles(candidateSelection, filesCompacting);long cfTtl = this.storeConfigInfo.getStoreFileTtl();
if (!forceMajor) {
// 如果不是强制major的话，包含了过期的文件，先删除过期的文件
if (comConf.shouldDeleteExpired() && (cfTtl != Long.MAX_VALUE)) {
ArrayList<StoreFile> expiredSelection = selectExpiredStoreFiles(
candidateSelection, EnvironmentEdgeManager.currentTimeMillis() - cfTtl);
if (expiredSelection != null) {
return new CompactionRequest(expiredSelection);
}
}
//居然还要跳过大文件，看来不是major的还是不行的，净挑小的弄
candidateSelection = skipLargeFiles(candidateSelection);
}
// 是不是major的compaction还需要判断，做这个操作还是比较谨慎的
boolean majorCompaction = (
(forceMajor && isUserCompaction)
|| ((forceMajor || isMajorCompaction(candidateSelection))
&& (candidateSelection.size() < comConf.getMaxFilesToCompact()))
|| StoreUtils.hasReferences(candidateSelection)
);
if (!majorCompaction) {
//过滤掉bulk load进来的文件
candidateSelection = filterBulk(candidateSelection);
//过滤掉一些不满足大小的文件
candidateSelection = applyCompactionPolicy(candidateSelection, mayUseOffPeak, mayBeStuck);
//检查文件数是否满足最小的要求，文件不够，也不做compaction
candidateSelection = checkMinFilesCriteria(candidateSelection);
}
//非major的超过最大可以compact的文件数量也要剔除掉，major的只是警告一下
candidateSelection = removeExcessFiles(candidateSelection, isUserCompaction, majorCompaction);
CompactionRequest result = new CompactionRequest(candidateSelection);
result.setOffPeak(!candidateSelection.isEmpty() && !majorCompaction && mayUseOffPeak);
return result;
}从上面可以看出来，major compaction的选择文件几乎没什么限制，只要排除掉正在compacting的文件就行了，反而是minor compact有诸多的排除选项，因为默认的compaction是定时执行的，所以它这方面的考虑吧，排除太大的文件，选择那些过期的文件，排除掉bulkload的文件等等内容。
Minor Compaction的文件选择策略
我们再简单看看applyCompactionPolicy这个方法吧，它是minor的时候用的，它的过程就像下图一样。
这个是双层循环：
从0开始，循环N遍（N=文件数），就相当于窗口向右滑动，指针为start
----->从currentEnd=start + MinFiles（默认是3）-1，每次增加一个文件作为考虑，类似扩张的动作, 窗口扩大, 指针为
-------------->从candidateSelection文件里面取出(start, currentEnd + 1)开始
-------------->小于最小compact数量文件，默认是3，continue
-------------->大于最大compact数量文件，默认是10，continue
-------------->获取这部分文件的大小
-------------->如果这部分文件数量比上次选择方案的文件还小，替换为最小文件方案
-------------->大于MemStore flush的大小128M并且符合有一个文件不满这个公式（FileSize(i) <= ( 文件总大小- FileSize(i) ) * Ratio），continue
（注意上面的Ratio是干嘛的，这个和前面提到的非高峰时间的数值有关系，非高峰时段这个数值是5，高峰时间段这个值是1.2, 这说明高峰时段不允许compact过大的文件）
-------------->开始判断是不是最优的选择(下面讲的mayBeStuck是从selectCompaction传入的，可选择的文件超过7个的情况，上面黄色那部分代码）
1）如果mayBeStuck并且不是初次，如果 文件平均大小 > 上次选择的文件的平均大小*1.05, 替换上次的选择文件方案成为最优解；
2）初次或者不是mayBeStuck的情况，文件更多的或者文件相同、总文件大小更小的会成为最新的选择文件方案；
如果经过比较之后的最优文件选择方案不为空，就把它返回，否则就把最小文件方案返回。
下面是之前的Ratio的参数值，需要配合之前提到的参数配合使用的。
hbase.hstore.compaction.ratio 高峰时段，默认值是1.2
hbase.hstore.compaction.ratio.offpeak 非高峰时段，默认值是5到这里先来个小结吧，从上面可以看得出来，这个Minor Compaction的文件选择策略就是选小的来，选最多的小文件来合并。
选择文件结束，回到compact的主流程
4、把CompactionRequest放入CompactionRunner，走线程池提交
之前的代码我再贴一下，省得大家有点凌乱。
ThreadPoolExecutor pool = (!selectNow && s.throttleCompaction(size)) ? largeCompactions : smallCompactions;
pool.execute(new CompactionRunner(s, r, compaction, pool));我们去看CompactionRunner的run方法吧，它也在当前的类里面。
if (this.compaction == null) {this.compaction = selectCompaction(this.region, this.store, queuedPriority, null);
// 出口，实在选不出东西来了，它会走这里跑掉
if (this.compaction == null) return;
// ....还有别的限制，和父亲运行的线程池也要一致，尼玛，什么逻辑
}
boolean completed = region.compact(compaction, store);if (completed) {
// blocked的regions再来一次，这次又要一次compaction意欲何为啊
// 其实它的出口在上面的那段代码，它执行之后，没有这里这么恶心
if (store.getCompactPriority() <= 0) {
requestSystemCompaction(region, store, "Recursive enqueue");
} else {
// compaction之后的region可能很大，超过split的数量就要split了
requestSplit(region);
}先是对region进行compact，如果完成了，判断一下优先级，优先级小于等于0，请求系统级别的compaction，否则请求split。
我们还是先看HRegion的compact方法，compact开始前，它要先上读锁，不让读了，然后调用HStore中的compact方法。
// 执行compact，生成新文件
List<Path> newFiles = compaction.compact();
//把compact生成的文件移动到正确的位置
sfs = moveCompatedFilesIntoPlace(cr, newFiles);
//记录WALEdit日志
writeCompactionWalRecord(filesToCompact, sfs);
//更新HStore相关的数据结构
replaceStoreFiles(filesToCompact, sfs);/
/归档旧的文件，关闭reader，重新计算file的大小
completeCompaction(filesToCompact);comact生成新文件的方法很简单，给源文件创建一个StoreScanner，之前说过StoreScanner能从多个Scanner当中每次都取出最小的kv，然后用StoreFile.Append的方法不停地追加写入即可，这些过程在前面的章节都介绍过了，这里不再重复。
简单的说，就是把这些文件合并到一个文件去了，尼玛，怪不得io那么大。
剩下的就是清理工作了，这里面有意思的就是它会记录一笔日志到writeCompactionWalRecord当中，在之间日志恢复那一章的时候，贴出来的代码里面有，只是没有详细的讲。因为走到这里它已经完成了compaction的过程，只是没有把旧的文件移入归档文件当中，它挂掉重启的时候进行恢复干的事情，就是替换文件。
5、store.getCompactPriority() 下一步是天堂抑或是地狱？
compact完了，要判断一下这个，真是天才啊。
public int getStoreCompactionPriority() {
int blockingFileCount = conf.getInt(
HStore.BLOCKING_STOREFILES_KEY, HStore.DEFAULT_BLOCKING_STOREFILE_COUNT);
int priority = blockingFileCount - storefiles.size();
return (priority == HStore.PRIORITY_USER) ? priority + 1 : priority;
}比较方法是这个，blockingFileCount的默认值是7，如果compact之后storefiles的文件数量大于7的话，就很有可能再触发一下，那么major compaction触发的可能性低，minor触发的可能性非常大。
不过没关系，实在选不出文件来，它会退出的。咱们可以将它这个参数hbase.hstore.blockingStoreFiles设置得大一些，弄出来一个比较大的数字。
Split
好，我们接着看requestSplit。
if (shouldSplitRegion() && r.getCompactPriority() >= Store.PRIORITY_USER) {
byte[] midKey = r.checkSplit();
if (midKey != null) {
requestSplit(r, midKey);
return true;
}
}先检查一下是否可以进行split，如果可以，把中间的key返回来。
那条件是啥？在这里，if的条件是成立的，条件判断在IncreasingToUpperBoundRegionSplitPolicy的shouldSplit方法当中。
遍历region里面所有的store
1、Store当中不能有Reference文件。
2、store.size > Math.min(getDesiredMaxFileSize(), this.flushSize * (tableRegionsCount * (long)tableRegionsCount)) 就返回ture，可以split。
getDesiredMaxFileSize()默认是10G，由这个参数来确定hbase.hregion.max.filesize, 当没超过10G的时候它就会根据128MB * （该表在这个RS上的region数量）平方。
midKey怎么找呢？找出最大的HStore，然后通过它来找这个分裂点，最大的文件的中间点。
return StoreUtils.getLargestFile(this.storefiles).getFileSplitPoint(this.kvComparator);但是如果是另外一种情况，我们通过客户端来分裂Region，我们强制指定的分裂点，这种情况是按照我们设置的分裂点来进行分裂。
分裂点有了，我们接着看，我们发现它又提交了一个SplitRequest线程，看run方法。
1、先获得一个tableLock，给这个表上锁
2、执行SplitTransaction的prepare方法，然后execute
3、结束了释放tableLock
// 先做准备工作，然后再execute执行主流程，过程当中出错了，就rollback
if (!st.prepare()) return;
try {
st.execute(this.server, this.server);
} catch (Exception e) {
try {
if (st.rollback(this.server, this.server)) {
} catch (RuntimeException ee) {this.server.abort(msg);
}
return;
}prepare方法当中，主要做了这么件事，new了两个新的region出来：
this.hri_a = new HRegionInfo(hri.getTable(), startKey, this.splitrow, false, rid);
this.hri_b = new HRegionInfo(hri.getTable(), this.splitrow, endKey, false, rid);我们接着看execute方法，这个是重头戏。
PairOfSameType<HRegion> regions = createDaughters(server, services);
openDaughters(server, services, regions.getFirst(), regions.getSecond());
transitionZKNode(server, services, regions.getFirst(), regions.getSecond());总共分三步：
1、创建子region
2、上线子region
3、更改zk当中的状态
我们先看createDaughters
//在region-in-transition节点下给父region创建一个splitting的节点
createNodeSplitting(server.getZooKeeper(), parent.getRegionInfo(), server.getServerName(), hri_a, hri_b);
this.journal.add(JournalEntry.SET_SPLITTING_IN_ZK);//在parent的region目录下创建.splits目录
this.parent.getRegionFileSystem().createSplitsDir();
this.journal.add(JournalEntry.CREATE_SPLIT_DIR);
Map<byte[], List<StoreFile>> hstoreFilesToSplit = null;
//关闭parent，然后返回相应的列族和storefile的map
hstoreFilesToSplit = this.parent.close(false);
//从在线列表里下线parent
services.removeFromOnlineRegions(this.parent, null);
this.journal.add(JournalEntry.OFFLINED_PARENT);
// 把parent的storefile均分给两个daughter，所谓均分，只是创建引用文件而已
splitStoreFiles(hstoreFilesToSplit);
// 把临时的Region A目录重名为正式的region A 的目录
this.journal.add(JournalEntry.STARTED_REGION_A_CREATION);
HRegion a = this.parent.createDaughterRegionFromSplits(this.hri_a);
// 把临时的Region B目录重名为正式的region B的目录
this.journal.add(JournalEntry.STARTED_REGION_B_CREATION);
HRegion b = this.parent.createDaughterRegionFromSplits(this.hri_b);
this.journal.add(JournalEntry.PONR);
// 修改meta表中的信息，设置parent的状态为下线、并且split过，在增加两列左右孩子，左右孩子的信息也通过put插入到meta中
MetaEditor.splitRegion(server.getCatalogTracker(), parent.getRegionInfo(),
a.getRegionInfo(), b.getRegionInfo(), server.getServerName());
return new PairOfSameType<HRegion>(a, b);在splitStoreFiles这块的，它给每个文件都开一个线程去进行split。
fs.splitStoreFile(this.hri_a, familyName, sf, this.splitrow, false);
fs.splitStoreFile(this.hri_b, familyName, sf, this.splitrow, true);这里其实是给每个文件都创建了Reference文件，无论它的文件当中包不包括splitRow。
//parentRegion/.splits/region/familyName目录
Path splitDir = new Path(getSplitsDir(hri), familyName);
// 其实它并没有真正的split，而是通过创建Reference
Reference r = top ? Reference.createTopReference(splitRow): Reference.createBottomReference(splitRow);
String parentRegionName = regionInfo.getEncodedName();
// 原来通过这么关联啊，storefile名字 + 父parent的name
Path p = new Path(splitDir, f.getPath().getName() + "." + parentRegionName);
return r.write(fs, p);把引用文件生成在每个子region对应的目录，以便下一步直接重命令目录即可。
重命名目录之后，就是修改Meta表了，splitRegion的方法是通过Put来进行操作的，它修改parent的regioninfo这一列更新为最新的信息，另外又增加了splitA和splitB两列，hri_a和hri_b则通过另外两个Put插入到Meta表当中。
这个过程当中如果出现任何问题，就需要根据journal记录的过程信息进行回滚操作。
怎么open这两个子region就不讲了，之前讲《HMaster启动过程》的时候讲过了。
到这里split的过程就基本结束了，鉴于Compaction和Split的对io方面的巨大影响，所以在任何资料里面都是推荐屏蔽自动执行，写脚本在晚上自动进行这些操作。
