LSM(Log Structured Merge Trees)，LSM-Tree应用于HBase、Druid等大数据组件中，它也是一种树形的数据结构，那它和之前所学的B+树、B树这些有什么区别呢(B树、B+树相关的可以看这篇B树、B+树、红黑树、AVL树)。
众所周知，无论是机械硬盘(HDD)，还是固态硬盘(SSD)，对数据的顺序读写都远高于随机读写(差距至少是三个数量级)，而在前面的博客中可以知道，数据库的索引一般是以B+树作为底层的数据结构的，对于数据的插入、删除等操作是会产生较多的随机磁盘读写，于是LSM-Tree应运而生。
LSM树的设计思想非常朴素：将对数据的修改增量保持在内存中，达到指定的大小限制后将这些修改操作批量写入磁盘，不过读取的时候稍微麻烦，需要合并磁盘中历史数据和内存中最近修改操作，所以写入性能大大提升，读取时可能需要先看是否命中内存，否则需要访问较多的磁盘文件。LSM树就是牺牲了部分读性能，提高了写性能。
LSM树原理把一棵大树拆分成N棵小树，它首先写入内存中，随着小树越来越大，内存中的小树会flush到磁盘中，磁盘中的树定期可以做merge操作，合并成一棵大树，以优化读性能。
HBase存储设计的主要思想就是用到了LSM-Tree
- 因为小树先写到内存中，为了防止内存数据丢失，写内存的同时需要暂时持久化到磁盘(WAL)，对应了HBase的MemStore和HLog
- MemStore上的树达到一定大小之后，需要flush到HRegion磁盘中（一般是Hadoop DataNode），这样MemStore就变成了DataNode上的磁盘文件StoreFile，定期HRegionServer对DataNode的数据做merge操作，彻底删除无效空间，多棵小树在这个时机合并成大树，来增强读性能。
