hbase
hbase簡介
1.1.什麼是hbase
HBASE是一個高可靠性、高性能、面向列、可伸縮的分佈式存儲系統，利用HBASE技術可在廉價PC Server上搭建起大規模結構化存儲集群。
HBASE的目標是存儲並處理大型的數據，更具體來說是僅需使用普通的硬件配置，就能夠處理由成千上萬的行和列所組成的大型數據。
HBASE是Google Bigtable的開源實現，但是也有很多不同之處。比如：Google Bigtable利用GFS作為其文件存儲系統，HBASE利用Hadoop HDFS作為其文件存儲系統；Google運行MAPREDUCE來處理Bigtable中的海量數據，HBASE同樣利用Hadoop MapReduce來處理HBASE中的海量數據；Google Bigtable利用Chubby作為協同服務，HBASE利用Zookeeper作為對應。
1.2.與傳統數據庫的對比
1、傳統數據庫遇到的問題：
1）數據量很大的時候無法存儲
2）沒有很好的備份機制
3）數據達到一定數量開始緩慢，很大的話基本無法支撐
2、HBASE優勢：
1）線性擴展，隨著數據量增多可以通過節點擴展進行支撐
2）數據存儲在hdfs上，備份機制健全
3）通過zookeeper協調查找數據，訪問速度塊。
1.3.hbase集群中的角色
1、一個或者多個主節點，Hmaster
2、多個從節點，HregionServer
habse安裝
2.1.hbase安裝
2.1.1.上傳
用工具上傳
2.1.2.解壓
su – hadoop
tar -zxvf hbase-0.94.6.tar.gz
2.1.3.重命名
mv hbase-0.94.6 hbase
2.1.4.修改環境變量(每臺機器都要執行)
su – root
vi /etc/profile
添加內容：
export HBASE_HOME=/home/hadoop/hbase
export PATH=PATH: PATH: PATH:PATH:PATH:PATH:HBASE_HOME/bin
source /etc/proflie
su - hadoop
2.1.5.修改配置文件
上傳配置文件
2.1.6.分發到其他節點
scp -r /home/hadoop/hbase hadoop@slave1:/home/hadoop/
scp -r /home/hadoop/hbase hadoop@slave2:/home/hadoop/
scp -r /home/hadoop/hbase hadoop@slave3:/home/hadoop/
2.1.7.啟動
注意：啟動hbase之前，必須保證hadoop集群和zookeeper集群是可用的。
start-hbase.sh
2.1.8.監控
1、進入命令行
hbase shell
2、頁面監控
http://master:60010/
hbase數據模型
3.1.hbase數據模型
3.1.1.Row Key
與nosql數據庫們一樣,row key是用來檢索記錄的主鍵。訪問HBASE table中的行，只有三種方式：
1.通過單個row key訪問
2.通過row key的range（正則）
3.全表掃描
Row key行鍵 (Row key)可以是任意字符串(最大長度 是 64KB，實際應用中長度一般為 10-100bytes)，在HBASE內部，row key保存為字節數組。存儲時，數據按照Row key的字典序(byte order)排序存儲。設計key時，要充分排序存儲這個特性，將經常一起讀取的行存儲放到一起。(位置相關性)
3.1.2.Columns Family
列簇 ：HBASE表中的每個列，都歸屬於某個列族。列族是表的schema的一部 分(而列不是)，必須在使用表之前定義。列名都以列族作為前綴。例如 courses:history，courses:math都屬於courses 這個列族。
3.1.3.Cell
由{row key, columnFamily, version} 唯一確定的單元。cell中 的數據是沒有類型的，全部是字節碼形式存貯。
關鍵字：無類型、字節碼
3.1.4.Time Stamp
HBASE 中通過rowkey和columns確定的為一個存貯單元稱為cell。每個 cell都保存 著同一份數據的多個版本。版本通過時間戳來索引。時間戳的類型是 64位整型。時間戳可以由HBASE(在數據寫入時自動 )賦值，此時時間戳是精確到毫秒 的當前系統時間。時間戳也可以由客戶顯式賦值。如果應用程序要避免數據版 本衝突，就必須自己生成具有唯一性的時間戳。每個 cell中，不同版本的數據按照時間倒序排序，即最新的數據排在最前面。
為了避免數據存在過多版本造成的的管理 (包括存貯和索引)負擔，HBASE提供 了兩種數據版本回收方式。一是保存數據的最後n個版本，二是保存最近一段 時間內的版本（比如最近七天）。用戶可以針對每個列族進行設置。
hbase命令
4.1.命令的進退
1、hbase提供了一個shell的終端給用戶交互
#KaTeX parse error: Expected 'EOF', got '#' at position 44: …2、如果退出執行quit命令
#̲HBASE_HOME/bin/hbase shell
……
quit
4.2.命令
名稱命令表達式
創建表：create ‘表名’, ‘列族名1’,‘列族名2’,‘列族名N’
查看所有表：list
描述表：describe ‘表名’
判斷表存在：exists ‘表名’
判斷是否禁用/啟用表：is_enabled ‘表名’/is_disabled ‘表名’
添加記錄:put ‘表名’, ‘rowKey’, ‘列族 : 列‘ , ‘值’
查看記錄rowkey下的所有數據:get ‘表名’ , ‘rowKey’
查看錶中的記錄總數:count ‘表名’
獲取某個列族:get ‘表名’,‘rowkey’,‘列族’
獲取某個列族的某個列 :get ‘表名’,‘rowkey’,‘列族：列’
刪除記錄: delete ‘表名’ ,‘行名’ , ‘列族：列’
刪除整行 :deleteall ‘表名’,‘rowkey’
刪除一張表:先要屏蔽該表，才能對該表進行刪除 第一步: disable ‘表名’ ，第二步 : drop ‘表名’
清空表:truncate ‘表名’
查看所有記錄 :scan “表名”
查看某個表某個列中所有數據:scan “表名” , {COLUMNS=>‘列族名:列名’}
更新記錄: 就是重寫一遍，進行覆蓋，hbase沒有修改，都是追加
hbase依賴zookeeper
1、保存Hmaster的地址和backup-master地址
hmaster：
a)管理HregionServer
b)做增刪改查表的節點
c)管理HregionServer中的表分配
2、保存表-ROOT-的地址
hbase默認的根表，檢索表。
3、HRegionServer列表
表的增刪改查數據。
和hdfs交互，存取數據。
hbase開發
6.1.配置
HBaseConfiguration
包：org.apache.hadoop.hbase.HBaseConfiguration
作用：通過此類可以對HBase進行配置
用法實例：
Configuration config = HBaseConfiguration.create();
說明： HBaseConfiguration.create() 默認會從classpath 中查找 hbase-site.xml 中的配置信息，初始化 Configuration。
使用方法:
static Configuration config = null;
static {
config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum", "slave1,slave2,slave3");
config.set("hbase.zookeeper.property.clientPort", "2181");
}
123456
6.2.表管理類
HBaseAdmin
包：org.apache.hadoop.hbase.client.HBaseAdmin
作用：提供接口關係HBase 數據庫中的表信息
用法：
HBaseAdmin admin = new HBaseAdmin(config);
1
6.3.表描述類
HTableDescriptor
包：org.apache.hadoop.hbase.HTableDescriptor
作用：HTableDescriptor 類包含了表的名字以及表的列族信息
表的schema（設計）
用法：
HTableDescriptor htd =new HTableDescriptor(tablename);
htd.addFamily(new HColumnDescriptor(“myFamily”));
12
6.4.列族的描述類
HColumnDescriptor
包：org.apache.hadoop.hbase.HColumnDescriptor
作用：HColumnDescriptor 維護列族的信息
用法：
htd.addFamily(new HColumnDescriptor(“myFamily”));
6.5.創建表的操作
CreateTable（一般我們用shell創建表）
static Configuration config = null;
static {
config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum", "slave1,slave2,slave3");
config.set("hbase.zookeeper.property.clientPort", "2181");
}
HBaseAdmin admin = new HBaseAdmin(config);
HTableDescriptor desc = new HTableDescriptor(tableName);
HColumnDescriptor family1 = new HColumnDescriptor(“f1”);
HColumnDescriptor family2 = new HColumnDescriptor(“f2”);
desc.addFamily(family1);
desc.addFamily(family2);
admin.createTable(desc);
1234567891011121314
6.6.刪除表
HBaseAdmin admin = new HBaseAdmin(config);
admin.disableTable(tableName);
admin.deleteTable(tableName);
123
6.7.創建一個表的類
HTable
包：org.apache.hadoop.hbase.client.HTable
作用：HTable 和 HBase 的表通信
用法：
// 普通獲取表
HTable table = new HTable(config,Bytes.toBytes(tablename);
// 通過連接池獲取表
Connection connection = ConnectionFactory.createConnection(config);
HTableInterface table = connection.getTable(TableName.valueOf("user"));
12345
6.8.單條插入數據
Put
包：org.apache.hadoop.hbase.client.Put
作用：插入數據
用法：
Put put = new Put(row);
p.add(family,qualifier,value);
12
說明：向表 tablename 添加 “family,qualifier,value”指定的值。
示例代碼：
Connection connection = ConnectionFactory.createConnection(config);
HTableInterface table = connection.getTable(TableName.valueOf("user"));
Put put = new Put(Bytes.toBytes(rowKey));
put.add(Bytes.toBytes(family), Bytes.toBytes(qualifier),Bytes.toBytes(value));
table.put(put);
12345
6.9.批量插入
批量插入
List list = new ArrayList();
Put put = new Put(Bytes.toBytes(rowKey));//獲取put，用於插入
put.add(Bytes.toBytes(family), Bytes.toBytes(qualifier),Bytes.toBytes(value));//封裝信息
list.add(put);
table.put(list);//添加記錄
12345
6.10.刪除數據
Delete
包：org.apache.hadoop.hbase.client.Delete
作用：刪除給定rowkey的數據
用法：
Delete del= new Delete(Bytes.toBytes(rowKey));
table.delete(del);
代碼實例
Connection connection = ConnectionFactory.createConnection(config);
HTableInterface table = connection.getTable(TableName.valueOf("user"));
Delete del= new Delete(Bytes.toBytes(rowKey));
table.delete(del);
1234
6.11.單條查詢
Get
包：org.apache.hadoop.hbase.client.Get
作用：獲取單個行的數據
用法：
HTable table = new HTable(config,Bytes.toBytes(tablename));
Get get = new Get(Bytes.toBytes(row));
Result result = table.get(get);
123
說明：獲取 tablename 表中 row 行的對應數據
代碼示例：
Connection connection = ConnectionFactory.createConnection(config);
HTableInterface table = connection.getTable(TableName.valueOf("user"));
Get get = new Get(rowKey.getBytes());
Result row = table.get(get);
for (KeyValue kv : row.raw()) {
System.out.print(new String(kv.getRow()) + " ");
System.out.print(new String(kv.getFamily()) + ":");
System.out.print(new String(kv.getQualifier()) + " = ");
System.out.print(new String(kv.getValue()));
System.out.print(" timestamp = " + kv.getTimestamp() + "\n");
}
1234567891011
6.12.批量查詢
ResultScanner
包：org.apache.hadoop.hbase.client.ResultScanner
作用：獲取值的接口
用法：
ResultScanner scanner = table.getScanner(scan);
For(Result rowResult : scanner){
Bytes[] str = rowResult.getValue(family,column);
}
說明：循環獲取行中列值。
代碼示例：
Connection connection = ConnectionFactory.createConnection(config);
HTableInterface table = connection.getTable(TableName.valueOf("user"));
Scan scan = new Scan();
scan.setStartRow("a1".getBytes());
scan.setStopRow("a20".getBytes());
ResultScanner scanner = table.getScanner(scan);
for (Result row : scanner) {
System.out.println("\nRowkey: " + new String(row.getRow()));
for (KeyValue kv : row.raw()) {
System.out.print(new String(kv.getRow()) + " ");
System.out.print(new String(kv.getFamily()) + ":");
System.out.print(new String(kv.getQualifier()) + " = ");
System.out.print(new String(kv.getValue()));
System.out.print(" timestamp = " + kv.getTimestamp() + "\n");
}
}
12345678910111213141516
6.13.hbase過濾器
6.13.1.FilterList
FilterList 代表一個過濾器列表，可以添加多個過濾器進行查詢，多個過濾器之間的關係有：
與關係（符合所有）：FilterList.Operator.MUST_PASS_ALL
或關係（符合任一）：FilterList.Operator.MUST_PASS_ONE
使用方法：
FilterList filterList = new FilterList(FilterList.Operator.MUST_PASS_ONE);
Scan s1 = new Scan();
filterList.addFilter(new SingleColumnValueFilter(Bytes.toBytes(“f1”), Bytes.toBytes(“c1”), CompareOp.EQUAL,Bytes.toBytes(“v1”) ) );
filterList.addFilter(new SingleColumnValueFilter(Bytes.toBytes(“f1”), Bytes.toBytes(“c2”), CompareOp.EQUAL,Bytes.toBytes(“v2”) ) );
// 添加下面這一行後，則只返回指定的cell，同一行中的其他cell不返回
s1.addColumn(Bytes.toBytes(“f1”), Bytes.toBytes(“c1”));
s1.setFilter(filterList); //設置filter
ResultScanner ResultScannerFilterList = table.getScanner(s1); //返回結果列表
12345678
6.13.2.過濾器的種類
過濾器的種類：
列植過濾器—SingleColumnValueFilter
過濾列植的相等、不等、範圍等
列名前綴過濾器—ColumnPrefixFilter
過濾指定前綴的列名
多個列名前綴過濾器—MultipleColumnPrefixFilter
過濾多個指定前綴的列名
rowKey過濾器—RowFilter
通過正則，過濾rowKey值。
6.13.3.列植過濾器—SingleColumnValueFilter
SingleColumnValueFilter 列值判斷
相等 (CompareOp.EQUAL ),
不等(CompareOp.NOT_EQUAL),
範圍 (e.g., CompareOp.GREATER)…………
下面示例檢查列值和字符串’values’ 相等…
SingleColumnValueFilter f = new SingleColumnValueFilter(
Bytes.toBytes(“cFamily”) Bytes.toBytes(“column”), CompareFilter.CompareOp.EQUAL,
Bytes.toBytes(“values”));
s1.setFilter(f);
注意：如果過濾器過濾的列在數據表中有的行中不存在，那麼這個過濾器對此行無法過濾。
6.13.4.列名前綴過濾器—ColumnPrefixFilter
過濾器—ColumnPrefixFilter
ColumnPrefixFilter 用於指定列名前綴值相等
ColumnPrefixFilter f = new ColumnPrefixFilter(Bytes.toBytes(“values”));
s1.setFilter(f);
6.13.5.多個列值前綴過濾器—MultipleColumnPrefixFilter
MultipleColumnPrefixFilter 和 ColumnPrefixFilter 行為差不多，但可以指定多個前綴
byte[][] prefixes = new byte[][] {Bytes.toBytes(“value1”),Bytes.toBytes(“value2”)};
Filter f = new MultipleColumnPrefixFilter(prefixes);
s1.setFilter(f);
6.13.6.rowKey過濾器—RowFilter
RowFilter 是rowkey過濾器
通常根據rowkey來指定範圍時，使用scan掃描器的StartRow和StopRow方法比較好。
Filter f = new RowFilter(CompareFilter.CompareOp.EQUAL, new RegexStringComparator("^1234")); //匹配以1234開頭的rowkey
s1.setFilter(f);
7.hbase原理
7.1.體系圖
7.1.1.寫流程
1、client向hregionserver發送寫請求。
2、hregionserver將數據寫到hlog（write ahead log）。為了數據的持久化和恢復。
3、hregionserver將數據寫到內存（memstore）
4、反饋client寫成功。
7.1.2.數據flush過程
1、當memstore數據達到閾值（默認是64M），將數據刷到硬盤，將內存中的數據刪除，同時刪除Hlog中的歷史數據。
2、並將數據存儲到hdfs中。
3、在hlog中做標記點。
7.1.3.數據合併過程
1、當數據塊達到4塊，hmaster將數據塊加載到本地，進行合併
2、當合並的數據超過256M，進行拆分，將拆分後的region分配給不同的hregionserver管理
3、當hregionser宕機後，將hregionserver上的hlog拆分，然後分配給不同的hregionserver加載，修改.META.
4、注意：hlog會同步到hdfs
7.1.4.hbase的讀流程
1、通過zookeeper和-ROOT- .META.表定位hregionserver。
2、數據從內存和硬盤合併後返回給client
3、數據塊會緩存
7.1.5.hmaster的職責
1、管理用戶對Table的增、刪、改、查操作；
2、記錄region在哪臺Hregion server上
3、在Region Split後，負責新Region的分配；
4、新機器加入時，管理HRegion Server的負載均衡，調整Region分佈
5、在HRegion Server宕機後，負責失效HRegion Server 上的Regions遷移。
7.1.6.hregionserver的職責
HRegion Server主要負責響應用戶I/O請求，向HDFS文件系統中讀寫數據，是HBASE中最核心的模塊。
HRegion Server管理了很多table的分區，也就是region。
7.1.7.client職責
Client
HBASE Client使用HBASE的RPC機制與HMaster和RegionServer進行通信
管理類操作：Client與HMaster進行RPC；
數據讀寫類操作：Client與HRegionServer進行RPC。
8.MapReduce操作Hbase
8.1.實現方法
Hbase對MapReduce提供支持，它實現了TableMapper類和TableReducer類，我們只需要繼承這兩個類即可。
1、寫個mapper繼承TableMapper
參數：Text：mapper的輸出key類型； IntWritable：mapper的輸出value類型。
其中的map方法如下：
map(ImmutableBytesWritable key, Result value,Context context)
參數：key：rowKey；value： Result ，一行數據； context上下文
2、寫個reduce繼承TableReducer
參數：Text:reducer的輸入key； IntWritable：reduce的輸入value；
ImmutableBytesWritable：reduce輸出到hbase中的rowKey類型。
其中的reduce方法如下：
reduce(Text key, Iterable values,Context context)
參數： key：reduce的輸入key；values：reduce的輸入value；
8.2.準備表
1、建立數據來源表‘word’，包含一個列族‘content’
向表中添加數據，在列族中放入列‘info’，並將短文數據放入該列中，如此插入多行，行鍵為不同的數據即可
2、建立輸出表‘stat’，包含一個列族‘content’
3、通過Mr操作Hbase的‘word’表，對‘content：info’中的短文做詞頻統計，並將統計結果寫入‘stat’表的‘content：info中’，行鍵為單詞
8.3.實現
<code>package com.itcast.hbase;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.HColumnDescriptor;
import org.apache.hadoop.hbase.HTableDescriptor;
import org.apache.hadoop.hbase.client.HBaseAdmin;
import org.apache.hadoop.hbase.client.HTable;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.hbase.mapreduce.TableMapper;
import org.apache.hadoop.hbase.mapreduce.TableReducer;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
/**
* mapreduce操作hbase
* @author wilson
*
*/
public class HBaseMr {
/**
* 創建hbase配置
*/
static Configuration config = null;
static {
config = HBaseConfiguration.create();
config.set("hbase.zookeeper.quorum", "slave1,slave2,slave3");
config.set("hbase.zookeeper.property.clientPort", "2181");
}
/**
* 表信息
*/
public static final String tableName = "word";//表名1
public static final String colf = "content";//列族
public static final String col = "info";//列
public static final String tableName2 = "stat";//表名2
/**
* 初始化表結構，及其數據
*/
public static void initTB() {
HTable table=null;
HBaseAdmin admin=null;
try {
admin = new HBaseAdmin(config);//創建表管理
/*刪除表*/
if (admin.tableExists(tableName)||admin.tableExists(tableName2)) {
System.out.println("table is already exists!");
admin.disableTable(tableName);
admin.deleteTable(tableName);
admin.disableTable(tableName2);
admin.deleteTable(tableName2);
}
/*創建表*/
HTableDescriptor desc = new HTableDescriptor(tableName);
HColumnDescriptor family = new HColumnDescriptor(colf);
desc.addFamily(family);
admin.createTable(desc);
HTableDescriptor desc2 = new HTableDescriptor(tableName2);
HColumnDescriptor family2 = new HColumnDescriptor(colf);
desc2.addFamily(family2);
admin.createTable(desc2);
/*插入數據*/
table = new HTable(config,tableName);
table.setAutoFlush(false);
table.setWriteBufferSize(5);
List lp = new ArrayList();
Put p1 = new Put(Bytes.toBytes("1"));
p1.add(colf.getBytes(), col.getBytes(), ("The Apache Hadoop software library is a framework").getBytes());
lp.add(p1);
Put p2 = new Put(Bytes.toBytes("2"));p2.add(colf.getBytes(),col.getBytes(),("The common utilities that support the other Hadoop modules").getBytes());
lp.add(p2);
Put p3 = new Put(Bytes.toBytes("3"));
p3.add(colf.getBytes(), col.getBytes(),("Hadoop by reading the documentation").getBytes());
lp.add(p3);
Put p4 = new Put(Bytes.toBytes("4"));
p4.add(colf.getBytes(), col.getBytes(),("Hadoop from the release page").getBytes());
lp.add(p4);
Put p5 = new Put(Bytes.toBytes("5"));
p5.add(colf.getBytes(), col.getBytes(),("Hadoop on the mailing list").getBytes());
lp.add(p5);
table.put(lp);
table.flushCommits();
lp.clear();
} catch (Exception e) {
e.printStackTrace();
} finally {
try {
if(table!=null){
table.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}
/**
* MyMapper 繼承 TableMapper
* TableMapper
* Text:輸出的key類型，
* IntWritable：輸出的value類型
*/
public static class MyMapper extends TableMapper {
private static IntWritable one = new IntWritable(1);
private static Text word = new Text();
@Override
//輸入的類型為：key：rowKey； value：一行數據的結果集Result
protected void map(ImmutableBytesWritable key, Result value,
Context context) throws IOException, InterruptedException {
//獲取一行數據中的colf：col
String words = Bytes.toString(value.getValue(Bytes.toBytes(colf), Bytes.toBytes(col)));// 表裡面只有一個列族，所以我就直接獲取每一行的值
//按空格分割
String itr[] = words.toString().split(" ");
//循環輸出word和1
for (int i = 0; i < itr.length; i++) {
word.set(itr[i]);
context.write(word, one);
}
}
}
/**
* MyReducer 繼承 TableReducer
* TableReducer
* Text:輸入的key類型，
* IntWritable：輸入的value類型，
* ImmutableBytesWritable：輸出類型，表示rowkey的類型
*/
public static class MyReducer extends
TableReducer {
@Override
protected void reduce(Text key, Iterable values,
Context context) throws IOException, InterruptedException {
//對mapper的數據求和
int sum = 0;
for (IntWritable val : values) {//疊加
sum += val.get();
}
// 創建put，設置rowkey為單詞
Put put = new Put(Bytes.toBytes(key.toString()));
// 封裝數據
put.add(Bytes.toBytes(colf), Bytes.toBytes(col),Bytes.toBytes(String.valueOf(sum)));
//寫到hbase,需要指定rowkey、put
context.write(new ImmutableBytesWritable(Bytes.toBytes(key.toString())),put);
}
}
public static void main(String[] args) throws IOException,
ClassNotFoundException, InterruptedException {
config.set("df.default.name", "hdfs://master:9000/");//設置hdfs的默認路徑
config.set("hadoop.job.ugi", "hadoop,hadoop");//用戶名，組
config.set("mapred.job.tracker", "master:9001");//設置jobtracker在哪
//初始化表
initTB();//初始化表
//創建job
Job job = new Job(config, "HBaseMr");//job
job.setJarByClass(HBaseMr.class);//主類
//創建scan
Scan scan = new Scan();
//可以指定查詢某一列
scan.addColumn(Bytes.toBytes(colf), Bytes.toBytes(col));
//創建查詢hbase的mapper，設置表名、scan、mapper類、mapper的輸出key、mapper的輸出value
TableMapReduceUtil.initTableMapperJob(tableName, scan, MyMapper.class,Text.class, IntWritable.class, job);
//創建寫入hbase的reducer，指定表名、reducer類、job
TableMapReduceUtil.initTableReducerJob(tableName2, MyReducer.class, job);
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
/<code>
