借鉴于leveldb、cassandra的compaction方法，https://issues.apache.org/jira/browse/hbase-7667 提出了stripe compaction的方法。 motivation： 1）过多region会增大rs维护的开销，降低rs的读写性能。随着数据量的增大，在一定程度上增加region个数，会提高

借鉴于leveldb、cassandra的compaction方法，https://issues.apache.org/jira/browse/hbase-7667 提出了stripe compaction的方法。

motivation：
1）过多region会增大rs维护的开销，降低rs的读写性能。随着数据量的增大，在一定程度上增加region个数，会提高系统的吞吐率。然而，rs上服务的region个数增多，增加了rs下内存维护的开销，尤其每个store下都配置有一个memstore，从而会造成频率更高的flush操作，影响系统的读写性能。因此，如果能够提出更轻量级的mini-region，不仅能够降低服务多个region的开销，而且能够提升读写数据的效率。

2) region compaction容易”放大”。例如，region区间为[1fff，2fff）,在该区间内仅有[1fff，21ff)区间有大量的写操作(put、delete)，但是,在触及majorcompaction条件时，却需要对所有的文件执行major compaction，从而引起大量的io。

3) region split操作代价较大。

需要了解之前hbase的compaction与flush过程，可以参考：hbasecompaction机制 以及 hbase flush对读写的影响

stripe-compaction设计的核心思想：
1）对于region下的rowkey区间进行二次切分，例如[1fff,2fff)，切分成[1fff,24ff),[24ff,2fff)两个区间，每个区间成为stripe。
2）region下的数据文件分为level-0和level-1两层。其中level-0主要用来存储临时的数据文件(例如使用bulkload或者执行mem flush操作之后的数据)， level-1层的数据是按照stripe的分区来区分。
3）支持两种方式的配置：mini-regions的个数设置、或者以size-based为大小触发因子的自动切分机制。
4）容错机制。如果在stripes之间存在空洞。那么可以根据在store当中的设置，将所有的处于level-1层的文件回归到level-0重新进行compaction。
5）get操作时，一个row所涉及到文件有：memstore、level-0下所有文件、以及level-1下对应stripe区下的文件。根据stack的意见，最终level-0下的文件只是一个暂时的状态，大部分文件都位于level-1 stripe下，因此，这样随机读时，需要涉及到的文件更聚集。
6）scan操作时，需要定位startrow即可。在扫描过程中，会按照stripe的row区间的排序，依次进行。
7）compaction，是level-0上升到level-1的过程，同时，在level-1层次的数据，也会进行相关的合并。
8）在split操作时，定位rowkey区间的中心点，可以根据stripe记录的位置，进一步查找，因此，使用预置的stripe会有利于split操作的进行，可以实现多数hfile文件直接拷贝到子region目录，从而加快了split操作的效率。

下面对于cassandra以及leveldb中使用的多层次compaction算法做一个介绍。

1)分层式压缩方式将数据分成条个层，最底层的叫l0，其上分别是l1，l2….，每一层的数据大小是其上的那一层数据最大大小的10倍，其中最底层l0的大小为5m (可以配置)
2) 当level层次大于0时，同一层的各个文件之间的rowkey区间不会重叠。所以在level n与level n+1的数据块进行合并时，可以明确的知道某个key值处在哪个数据块中，可以一个数据块一个数据块的合并，合并后生成新块就丢掉老块。不用一直到所有合并完成后才能删除老的块。
3）整体执行流程是从l0->l1->l2，依次合并的过程，如下图所示。

由上图，我们可以得知，越是level较低的块，它的数据就越新，在满足向下归约合并的过程中，就会按照文件的rowkey的区间，进行合并，去除多余的版本，或者执行相关删除操作。因此，在读请求最极端的情况下，从level0开始读数据，一直读到最下层level n。

这种compaction的优势在于：
1）大部分的读操作如果有lru特性，都会落入较低的level上。因此，数据越"热"，level就越低。从而有利于未来hfile多种存储介质的定位问题。
2）在合并的过程中，仅需在由上到下的部分文件参与，而不是要对所有文件执行compaction操作。这样会加快compaction执行的效率。

劣势在于，如果层次太多，在递归合并的过程中，容易造成某个区间的compaction风暴，影响该区间数据操作的吞吐。
因此，hbase-stripe compaction的方案中，只有两层，level 0和level1，这种方法在保留分层压缩的优势的同时，降低了总文件个数，有利于rs执行split、merge等操作。