Hbase -- nosql

不当菜狗。微信找到我：Ltong-520_1314

Hbase的安装

上传解压HBase安装包

修改HBase配置文件 都先在node01上修改,后面会分发

在：/export/servers/hbase-2.1.0/conf 目录下

修改：hbase-env.sh

cd /export/servers/hbase-2.1.0/conf

vim hbase-env.sh

# 第28行

export JAVA_HOME=/export/servers/jdk1.8.0_131

export HBASE_MANAGES_ZK=false

（export HBASE_MANAGES_ZK=false这个表示的是不让Hbase去管理zookeaper。）  

修改：hbase-site.xml

这里<value>hdfs://node01:8020/hbase</value>的node01:8020这个是namenode的url必须和上面这个图的一样。后面/hbase是设置hbase之后的数据存在那个目录

在hadoop笔记中：

记住这个目录，因为Hbase配置需要用：

vim hbase-site.xml

——————————

<configuration>

        <!– HBase数据在HDFS中的存放的路径 –>

        <property>

            <name>hbase.rootdir</name>

            <value>hdfs://node01:8020/hbase</value>

        </property>

<!– Hbase的运行模式。false是单机模式，true是分布式模式。若为false,Hbase和Zookeeper会运行在同一个JVM里面 –>

        <property>

            <name>hbase.cluster.distributed</name>

            <value>true</value>

        </property>

        <!– ZooKeeper的地址端口号是2181可以省略,这里需要写上zookeeper所在的机器 –>

        <property>

            <name>hbase.zookeeper.quorum</name>

            <value>node01,node02,node03</value>

        </property>

        <!– ZooKeeper快照的存储位置,这个也是zookeeper保存数据的目录–>

        <property>

            <name>hbase.zookeeper.property.dataDir</name>

            <value>/export/servers/zookeeper-3.4.9/zkdatas</value>

        </property>

        <!–  V2.1版本，在分布式情况下,将兼容性检测设置为false –>

        <property>

            <name>hbase.unsafe.stream.capability.enforce</name>

            <value>false</value>

        </property>

</configuration>

配置环境变量

# 配置Hbase环境变量

vim /etc/profile

export HBASE_HOME=/export/servers/hbase-2.1.0

export PATH=$PATH:${HBASE_HOME}/bin:${HBASE_HOME}/sbin

#加载环境变量

source /etc/profile

复制jar包到lib

cp $HBASE_HOME/lib/client-facing-thirdparty/htrace-core-3.1.0-incubating.jar $HBASE_HOME/lib/

修改regionservers文件，指定Hbase有几个节点

vim regionservers

node01

node02

node03

分发安装包与配置文件

cd /export/servers

scp -r hbase-2.1.0/ node02:$PWD

scp -r hbase-2.1.0/ node03:$PWD

scp -r /etc/profile node02:/etc

scp -r /etc/profile node03:/etc

在node02和node03加载环境变量

source /etc/profile

启动Hbase

Hbase必须最后启动，因为Hbase启动依赖于hadoop和zookeeper,后面zookeeper都用ZK表示。  

# 启动ZK(zookeeper)三台都需要启动，如果不知道三台怎么顺序启动，去看Hadoop笔记。

/export/servers/zookeeper-3.4.9/bin/zkServer.sh start

# 启动hadoop

start-all.sh

启动history server

启动历史记录文件在hadoop-2.7.7：sbin/mr-jobhistory-daemon.sh start historyserver

# 启动hbase 在主节点node01上面运行就行。和启动hadoop一样。

start-hbase.sh 在关闭Hbase的时候也是像上面一样，先关闭zk和hadoop，最后关闭Hbase

验证Hbase是否启动成功

# 启动hbase shell客户端 在任意节点，这里我选择主节点。
hbase shell
# 输入status

[root@node1 onekey]# hbase shell
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/export/server/hadoop-2.7.5/share/hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/export/server/hbase-2.1.0/lib/client-facing-thirdparty/slf4j-log4j12-1.7.25.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
HBase Shell
Use \”help\” to get list of supported commands.
Use \”exit\” to quit this interactive shell.
Version 2.1.0, re1673bb0bbfea21d6e5dba73e013b09b8b49b89b, Tue Jul 10 17:26:48 CST 2018
Took 0.0034 seconds
Ignoring executable-hooks-1.6.0 because its extensions are not built. Try: gem pristine executable-hooks –version 1.6.0
Ignoring gem-wrappers-1.4.0 because its extensions are not built. Try: gem pristine gem-wrappers –version 1.4.0
2.4.1 :001 > status
1 active master, 0 backup masters, 3 servers, 0 dead, 0.6667 average load
Took 0.4562 seconds
2.4.1 :002 >

WebUI

16010是Hbase的端口号。

http://node01:16010/master-status  其实这样输入也行：node01:16010 查看日志： 进入之后按大写的G可以跳到最后。看erro的地方报的错误。  

HBase高可用

考虑关于HBase集群的一个问题，在当前的HBase集群中，只有一个Master，一旦Master出现故障，将会导致HBase不再可用。所以，在实际的生产环境中，是非常有必要搭建一个高可用的HBase集群的。

HBase高可用简介 HBase的高可用配置其实就是HMaster的高可用。要搭建HBase的高可用，只需要再选择一个节点作为HMaster，在HBase的conf目录下创建文件backup-masters，然后再backup-masters添加备份Master的记录。一条记录代表一个backup master，可以在文件配置多个记录。  

搭建HBase高可用(就是主节点挂了有其它顶上去)

1. 先在node01在hbase的conf文件夹中创建 backup-masters 文件  

cd /export/servers/hbase-2.1.0/conf

touch backup-masters 2. 将node02和node03添加到该文件中 vim backup-masters

node02

node03 3. 将backup-masters文件分发到所有的服务器节点中  

scp backup-masters node02:$PWD

scp backup-masters node03:$PWD 在关闭Hbase的时候也是像上面一样，先关闭zk和hadoop，最后关闭Hbase 4. 重新启动hbase  

stop-hbase.sh

start-hbase.sh  

http://node01:16010/master-status 验证：

尝试杀掉node01节点上的master

kill -9 HMaster进程id

安装Phoenix

下载

大家可以从官网上下载与HBase版本对应的Phoenix版本。对应到HBase 2.1，应该使用版本「5.0.0-HBase-2.0」。

http://phoenix.apache.org/download.html

也可以使用资料包中的安装包。 Phoenix官方网址：http://phoenix.apache.org/

安装 上传安装包到Linux系统，并解压  在三台里面都安装，先安装一个，然后在拷贝。

cd /export/softwars

tar -xvf apache-phoenix-5.0.0-HBase-2.0-bin.tar.gz -C ../servers/  

将phoenix的所有jar包添加到所有HBase RegionServer和Master的复制到HBase的lib目录

#  拷贝jar包到hbase lib目录 

cp /export/servers/apache-phoenix-5.0.0-HBase-2.0-bin/phoenix-*.jar /export/servers/hbase-2.1.0/lib/

#  进入到hbase lib  目录

cd /export/servers/hbase-2.1.0/lib/

# 分发jar包到每个HBase 节点

scp phoenix-*.jar node02:$PWD

scp phoenix-*.jar node03:$PWD

修改配置文件

cd /export/servers/hbase-2.1.0/conf

vim hbase-site.xml

——

# 1. 将以下配置添加到 hbase-site.xml 后边

<!– 支持HBase命名空间映射 启用命名空间映射  –>

<property>

    <name>phoenix.schema.isNamespaceMappingEnabled</name>

    <value>true</value>

</property> <!– 建议：将系统表也映射到命名空间 –> <property>     <name>phoenix.schema.mapSystemTablesToNamespace</name>     <value>true</value> </property>

<!– 支持索引预写日志编码 –>

<property>

  <name>hbase.regionserver.wal.codec</name>

  <value>org.apache.hadoop.hbase.regionserver.wal.IndexedWALEditCodec</value>

</property>

# 2. 将hbase-site.xml分发到每个节点

scp hbase-site.xml node02:$PWD

scp hbase-site.xml node03:$PWD  

将配置后的hbase-site.xml拷贝到phoenix的bin目录 在node01上

cp /export/servers/hbase-2.1.0/conf/hbase-site.xml /export/servers/apache-phoenix-5.0.0-HBase-2.0-bin/bin/

重新启动HBase

stop-hbase.sh

start-hbase.sh

启动Phoenix客户端，连接Phoenix Server

注意：第一次启动Phoenix连接HBase会稍微慢一点。

cd /export/servers/apache-phoenix-5.0.0-HBase-2.0-bin/

bin/sqlline.py node01:2181

//或

bin/sqlline.py

# 输入!table查看Phoenix中的表

!table !tables — 只会显示当前 schema 下的表  

如果是ambari里面安装了phoenix咋们在这里找到

如果部署时勾选phoenix的话：/usr/hdp/3.1.4.0-315/phoenix/bin 在这个位置

也可以通过ps -ef|grep phoenix找到。 我建议安装

退出：

常用shell操作

我们可以以shell的方式来维护和管理HBase。例如：执行建表语句、执行增删改查操作等等。

当Hbase在shell里面输入错了之后，只会换行不会打印，这样就导致了我们没法输入，

所有需要输入>”这个符号去解决：

HBase入门

介绍：

HBase 是构建在 HDFS 之上的分布式数据库

Hbase和Hive的对比

和hvie一样，数据都是存在Hdfs上的

两者区别：

Hadoop的局限

HBase 与 NoSQL  

hbase参考文档：https://hbase.apache.org/book.html

HBase应用场景

对象存储

不少的头条类、新闻类的的新闻、网页、图片存储在HBase之中，一些病毒公司的病毒库也是存储在HBase之中

时序数据

HBase之上有OpenTSDB模块，可以满足时序类场景的需求

推荐画像

用户画像，是一个比较大的稀疏矩阵，蚂蚁金服的风控就是构建在HBase之上

时空数据

主要是轨迹、气象网格之类，滴滴打车的轨迹数据主要存在HBase之中，另外在技术所有大一点的数据量的车联网企业，数据都是存在HBase之中

CubeDB OLAP

Kylin一个cube分析工具，底层的数据就是存储在HBase之中，不少客户自己基于离线计算构建cube存储在hbase之中，满足在线报表查询的需求

消息/订单

在电信领域、银行领域，不少的订单查询底层的存储，另外不少通信、消息同步的应用构建在HBase之上

Feeds流

典型的应用就是xx朋友圈类似的应用，用户可以随时发布新内容，评论、点赞。

NewSQL 通过Phoenix

之上有Phoenix的插件，可以满足二级索引、SQL的需求，对接传统数据需要SQL非事务的需求

HBase特点

结构

功能

HDFS对比HBase

hdfs:

Hbase

HBase架构

系统架构

Client

客户端，例如：发出HBase操作的请求。例如：之前我们编写的Java API代码、以及HBase shell，都是CLient

Master Server

在HBase的Web UI中，可以查看到Master的位置。

Region Server

逻辑结构模型

Region

在HBASE中，表被划分为很多「Region」，并由Region Server提供服务

Store

Region按列蔟垂直划分为「Store」，存储在HDFS在文件中

MemStore

StoreFile

WAL

Hbase启动方式：

Hbase必须最后启动，因为Hbase启动依赖于hadoop和zookeeper,后面zookeeper都用ZK表示。

# 启动ZK(zookeeper)三台都需要启动，如果不知道三台怎么顺序启动，去看Hadoop笔记。  

/export/servers/zookeeper-3.4.9/bin/zkServer.sh start # 启动hadoop start-all.sh 启动history server 启动历史记录文件在hadoop-2.7.7：sbin/mr-jobhistory-daemon.sh start historyserver  

# 启动hbase 在主节点node01上面运行就行。和启动hadoop一样。

start-hbase.sh 在关闭Hbase的时候也是像上面一样，先关闭zk和hadoop，最后关闭Hbase

验证Hbase是否启动成功

# 启动hbase shell客户端 在任意节点，这里我选择主节点。

hbase shell

# 输入status  

[root@node1 onekey]# hbase shell
SLF4J: Class path contains multiple SLF4J bindings.
SLF4J: Found binding in [jar:file:/export/server/hadoop-2.7.5/share/hadoop/common/lib/slf4j-log4j12-1.7.10.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: Found binding in [jar:file:/export/server/hbase-2.1.0/lib/client-facing-thirdparty/slf4j-log4j12-1.7.25.jar!/org/slf4j/impl/StaticLoggerBinder.class]
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
HBase Shell
Use \”help\” to get list of supported commands.
Use \”exit\” to quit this interactive shell.
Version 2.1.0, re1673bb0bbfea21d6e5dba73e013b09b8b49b89b, Tue Jul 10 17:26:48 CST 2018
Took 0.0034 seconds
Ignoring executable-hooks-1.6.0 because its extensions are not built. Try: gem pristine executable-hooks –version 1.6.0
Ignoring gem-wrappers-1.4.0 because its extensions are not built. Try: gem pristine gem-wrappers –version 1.4.0
2.4.1 :001 > status
1 active master, 0 backup masters, 3 servers, 0 dead, 0.6667 average load
Took 0.4562 seconds
2.4.1 :002 >

WebUI

16010是Hbase的端口号。

http://node01:16010/master-status  其实这样输入也行：node01:16010 查看日志： 进入之后按大写的G可以跳到最后。看erro的地方报的错误。

ambari看的方式：

安装目录说明

参考硬件配置

针对大概800TB存储空间的集群中每个Java进程的典型内存配置：

推荐：

HBase数据模型

在HBASE中，数据存储在具有行和列的表中。这是看起来关系数据库(RDBMS)一样，但将HBASE表看成是多个维度的Map结构更容易理解。

概念模型

术语

表（Table）:

行（row）

后续，我们会讲解rowkey的设计策略。  

列（Column）

c1是列族  后面的是限定列  

列蔟（Column Family）

列标识符（Column Qualifier） 真正的列

单元格（Cell）

这里Row就是RowKey

C1: 列蔟

列蔟：后面的ADDRESS是列 Timestamp：时间搓 Value：值 下面的这个框框的所有东西被称为单元格。  

常用shell操作(知道这个方便写java) –简单了解 后续用Phoenix查询数据

我们可以以shell的方式来维护和管理HBase。例如：执行建表语句、执行增删改查操作等等。

当Hbase在shell里面输入错了之后，只会换行不会打印，这样就导致了我们没法输入，

所有需要输入>”这个符号去解决：

需求

有以下订单数据，我们想要将这样的一些数据保存到HBase中。  

接下来，我们将使用HBase shell来进行以下操作：

创建表

在HBase中，所有的数据也都是保存在表中的。要将订单数据保存到HBase中，首先需要将表创建出来。

启动HBase Shell

HBase的shell其实JRuby的IRB（交互式的Ruby），但在其中添加了一些HBase的命令。

启动HBase shell：

hbase shell

或者使用Phoenix客户端：

创建表

语法：

create \”表名\”,\”列蔟1\”, \”列蔟2\”,……….

创建订单表，表名为ORDER_INFO，该表有一个列蔟为C1 create \’ORDER_INFO\’,\’C1\’       //记住了后面别加‘;’号 hbase(main):005:0> create \’test11\’,\’c1\’

注意：  

https://github.com/apache/hbase/tree/branch-2.1/hbase-shell/src/main/ruby/shell/commands

查看表

hbase(main):005:0> list
TABLE
ORDER_INFO
1 row(s)
Took 0.0378 seconds
=> [\”ORDER_INFO\”]

删除表

要删除某个表，必须要先禁用表  

禁用表

语法：disable \”表名\”

删除表

语法：drop \”表名\”

例如：删除ORDER_INFO表 disable \”ORDER_INFO\” drop \”ORDER_INFO\”  

添加数据

需求 接下来，我们需要往订单表中添加以下数据。  

PUT操作

HBase中的put命令，可以用来将数据保存到表中。但put一次只能保存一个列的值。以下是put的语法结构：  

put \’表名\’,\’ROWKEY\’,\’列蔟名:列名\’,\’值\’ //put当\’列蔟名:列名\’存在时就是更新,不存在就是添加。所有更新命令也是这么写的。

要添加以上的数据，需要使用7次put操作。如下：

put \’ORDER_INFO\’,\’000001\’,\’C1:ID\’,\’000001\’
put \’ORDER_INFO\’,\’000001\’,\’C1:STATUS\’,\’已提交\’
put \’ORDER_INFO\’,\’000001\’,\’C1:PAY_MONEY\’,4070
put \’ORDER_INFO\’,\’000001\’,\’C1:PAYWAY\’,1
put \’ORDER_INFO\’,\’000001\’,\’C1:USER_ID\’,4944191
put \’ORDER_INFO\’,\’000001\’,\’C1:OPERATION_DATE\’,\’2020-04-25 12:09:16\’
put \’ORDER_INFO\’,\’000001\’,\’C1:CATEGORY\’,\’手机;\’

查看添加的数据

需求 要求将rowkey为：000001对应的数据查询出来。 get命令  语法： get \’表名\’,\’rowkey\’ get \’ORDER_INFO\’,\’000001\’

显示中文

在HBase shell中，如果在数据中出现了一些中文，默认HBase shell中显示出来的是十六进制编码。要想将这些编码显示为中文，我们需要在get命令后添加一个属性：{FORMATTER => \’toString\’}  

查看订单的数据

这里必须是FORMATTER大写且\’toString\’中的S也必须是大写 get \”表名\”, \”rowkey\” get \’ORDER_INFO\’,\’000001\’, {FORMATTER => \’toString\’} 注：  

更新操作

更新操作

将订单ID为000001的状态，更改为「已付款」  

使用put来更新数据 同样，在HBase中，也是使用put命令来进行数据的更新，语法与之前的添加数据一模一样。  

更新指定的列

put \’ORDER_INFO\’, \’000001\’, \’C1:STATUS\’, \’已付款\’  //如果C1:STATUS以前不存在,那么就会新建

注意：  

get \’ORDER_INFO\’, \’000001\’, {VERSIONS => 3, COLUMN => \’C1\’, FORMATTER => \’toString\’}

Hbase能不能时间穿梭得看表是否开启了这个功能：

查看表结构

describe \’ORDER_INFO\’

开启版本权限的流程：开启可以保存5个版本

# 先禁用表
disable \’ORDER_INFO\’

# 修改列族 C1 的版本数（比如设为 5）
alter \’ORDER_INFO\’, {NAME => \’C1\’, VERSIONS => 5}

# 重新启用表
enable \’ORDER_INFO\’

删除操作 -删除单元格数据

删除状态列数据  

需求 将订单ID为000001的状态列删除。  

delete命令

在HBase中，可以使用delete命令来将一个单元格的数据删除。语法格式如下：

delete \’表名\’, \’rowkey\’, \’列蔟:列\’。

注意：此处HBase默认会保存多个时间戳的版本数据，所以这里的delete删除的是最新版本的列数据,但是老版本这时就显示出来啦，若一直删除至老版本都没有的话，就彻底删除完了。  

删除指定列的一个单元格

delete \’ORDER_INFO\’,\’000001\’,\’C1:STATUS\’

删除整行数据

需求 将订单ID为000001的信息全部删除（删除所有的列）

deleteall命令

deleteall命令可以将指定rowkey对应的所有列全部删除。语法：

deleteall \’表名\’,\’rowkey\’  

删除指定的订单

deleteall \’ORDER_INFO\’,\’000001\’  

清空表

需求 将ORDER_INFO的数据全部删除 truncate命令  

truncate命令用来清空某个表中的所有数据。语法：

truncate \”表名\”

清空ORDER_INFO的所有数据 truncate \’ORDER_INFO\’

导入测试数据集

在资料的 数据集/ ORDER_INFO.txt 中，有一份这样的HBase数据集，我们需要将这些指令放到HBase中执行，将数据导入到HBase中。  

可以看到这些都是一堆的put语句。那么如何才能将这些语句全部执行呢？

put \’表名\’,\’ROWKEY\’,\’列蔟名:列名\’,\’值\’     //put当\’列蔟名:列名\’存在时就是更新,不存在就是添加。所有更新命令也是这么写的。

开始导入：

上传ORDER_INFO.txt文件 将该数据集文件上传到指定的目录中

执行  

使用以下命令执行：

hbase shell /export/softwars/ORDER_INFO.txt

即可。

完整路径：

/usr/hdp/3.1.4.0-315/hbase/bin/hbase shell /export/softwars/ORDER_INFO.txt

计数操作

需求

查看HBase中的ORDER_INFO表，一共有多少条记录。  

count命令

count命令专门用来统计一个表中有多少条数据。语法：

count ‘表名’ 注意：这个操作是比较耗时的。在数据量大的这个命令可能会运行很久。

大量数据的计数统计

当HBase中数据量大时，可以使用HBase中提供的MapReduce程序来进行计数统计。语法如下：

$HBASE_HOME/bin/hbase org.apache.hadoop.hbase.mapreduce.RowCounter \’表名\’

启动YARN集群

执行MR JOB

$HBASE_HOME/bin/hbase org.apache.hadoop.hbase.mapreduce.RowCounter \’ORDER_INFO\’

通过观察YARN的WEB UI，我们发现HBase启动了一个名字为rowcounter_ORDER_INFO的作业。  

查看值的话咋们要到yarn的日志里面去看：

yarn logs -applicationId application_1766057336546_0001 > result.txt

less result.txt

数据导入/导出(10W数据)

在资料中，有一份10W的抄表数据文件，我们需要将这里面的数据导入到HBase中。

Import JOB

在HBase中，有一个Import的MapReduce作业，可以专门用来将数据文件导入到HBase中。 用法  

hbase org.apache.hadoop.hbase.mapreduce.Import 表名 HDFS数据文件路径

导入数据

1 将资料中数据文件上传到Linux中

2 再将文件上传到hdfs中

hadoop fs -mkdir -p /water_bill/output_ept_10W
hadoop fs -put part-m-00000_10w /water_bill/output_ept_10W

3 启动YARN集群

start-yarn.sh

4 使用以下方式来进行数据导入  这里面的数据要求是在Hdfs上。所以/water_bill/output_ept_10W目录是Hdfs上的目录，导入也是按照mapreduce操作一样，将这个目录下的数据进行导入。

hbase org.apache.hadoop.hbase.mapreduce.Import WATER_BILL /water_bill/output_ept_10W

解释：/water_bill/output_ept_10W：hdfs路径  

导出数据

hbase org.apache.hadoop.hbase.mapreduce.Export WATER_BILL /water_bill/output_ept_10W_export

解释：/water_bill/output_ept_10W_export：这里数据是导入到hdfs的路径上了

说明：

当你运行：

hbase org.apache.hadoop.hbase.mapreduce.Export WATER_BILL /water_bill/output_ept_10W_export

导出的数据是 SequenceFile格式，存储在HDFS上。每个文件的内容结构如下：

查看导出数据的方法：

# 1. 查看HDFS上的文件列表
hadoop fs -ls /water_bill/output_ept_10W_export

# 输出类似：
# /water_bill/output_ept_10W_export/_SUCCESS
# /water_bill/output_ept_10W_export/part-m-00000
# /water_bill/output_ept_10W_export/part-m-00001

# 2. 查看SequenceFile内容（需要转换为文本查看）
hadoop fs -text /water_bill/output_ept_10W_export/part-m-00000 | head -n 5

# 看到的可能是二进制内容，或者转换后的文本类似：
# row_key1 column=cf1:col1, timestamp=1640995200000, value=value1
# row_key1 column=cf1:col2, timestamp=1640995200000, value=value2
# row_key2 column=cf1:col1, timestamp=1641081600000, value=value3

查看文件格式的方法：

# 1. 查看文件前几行
hadoop fs -cat /water_bill/output_ept_10W/part-m-00000_10w | head -n 5

# 2. 如果是SequenceFile，用-text参数
hadoop fs -text /water_bill/output_ept_10W/part-m-00000_10w | head -n 5

# 3. 如果是HFile，用hbase命令查看
hbase org.apache.hadoop.hbase.io.hfile.HFile -p -f /water_bill/output_ept_10W/part-m-00000_10w

如果我们的数据格式是：

# 假设你的数据格式：rowkey,columnfamily:column,value,timestamp

需要使用ImportTsv工具（文本转HBase） 然后在用org.apache.hadoop.hbase.mapreduce.Import导入

如果对于很大的数据量，我们就需要Bulk load这中方式 要自己写mapreduce代码了 可以 看后面HBase批量装载——Bulk load

扫描操作  scan命令

查看ORDER_INFO表中所有的数据  

在HBase，我们可以使用scan命令来扫描HBase中的表。语法：

sca