HBase检测宕机是通过Zookeeper实现的， 正常情况下RegionServer会周期性向Zookeeper发送心跳，一旦发生宕机，心跳就会停止，超过一定时间（SessionTimeout,我们集群配置的是30s）Zookeeper就会认为RegionServer宕机离线，并将该消息通知给Master。
Master检测到宕机之后会将宕机RegionServer上的所有Region重新分配到集群中其他正常RegionServer上去，再根据HLog进行丢失数据恢复，恢复完成之后就可以对外提供服务，整个过程都是自动完成的。
HBase切分HLog当前主要有两种模式Distributed Log Splitting和Distributed Log Replay。
由于我们的集群没有配置hbase.master.distributed.log.replay=true,所以这里主要研究Distributed Log Splitting流程。
Distributed Log Splitting
整体流程：
Master作为HLog切分任务的协调者，主要工作流程如下：
Master会将待切分日志路径发布到Zookeeper节点上（/hbase/splitWAL），每个日志作为一个任务，每个任务都会有对应状态，起始状态为TASK_UNASSIGNED
所有RegionServer启动之后都注册在这个节点上等待新任务，一旦Master发布任务之后，RegionServer就会抢占该任务
抢占任务实际上首先去查看任务状态，如果是TASK_UNASSIGNED状态，说明当前没有人占有，此时就去修改该节点状态为TASK_OWNED。如果修改失败，说明其他RegionServer也在抢占，修改成功表明任务抢占成功。
RegionServer抢占任务成功之后会分发给相应线程处理，如果处理成功，会将该任务对应zk节点状态修改为TASK_DONE，一旦失败会修改为TASK_ERR
Master会一直监听在该ZK节点上，一旦发生状态修改就会得到通知。任务状态变更为TASK_ERR的话，Master会重新发布该任务，而变更为TASK_DONE的话，Master会将对应的节点删除
Regionserver作为实际工作的执行者，抢占任务以及抢占任务之后的工作流程：
假设Master当前发布了3个任务，即当前需要回放3个日志文件，分别为hlog1、hlog2和hlog3
RegionServer1抢占到了hlog1和hlog2日志，RegionServer2抢占到了hlog3日志，
以RegionServer1为例，其抢占到hlog1和hlog2日志之后会分别分发给两个HLogSplitter线程进行处理，HLogSplitter负责对日志文件执行具体的切分，切分思路还是首先读出日志中每一个<HLogKey, WALEdit>数据对，根据HLogKey所属Region写入不同的Region Buffer，写入Region Buffer之前会对Entrys进行过滤，通过比较sequenceId，如果发现该Entry已经flush了，就跳过这个Entry。
每个Region Buffer都会有一个对应的写线程，将buffer中的日志数据写入hdfs中，写入路径为hdfs:/hbase/data/ns/table/region1/seqenceidN.temp，其中seqenceid是一个日志中某个region对应的最大sequenceid
针对某一region回放日志只需要将该region对应的所有文件按照sequenceid由小到大依次进行回放即可
源码：
-
检测宕机 发布任务：
-
RS抢占、处理任务
-
Region replay、上线
整个切分过程中可能出现的问题、解决方法：（持续更新）
1.RS节点假死后，DataNode进程处于存在但不可服务的状态，会导致hbase split wal超时到几乎无法进行，10分钟后DataNode彻底下线才能恢复性能
处理：联系SA关机、重启机器，可以加速集群恢复
- RS 切分任务失败时，Master会重新发布任务，如果某个切分任务卡死，无法顺利完成时，可以手动删除zookeeper上/hbase/splitWAL 下的任务节点，master会重新发布 （待验证）
参考：http://hbasefly.com/2016/10/29/hbase-regionserver-recovering/
