HBase数据在HDFS下是如何存储的？
HBase中每张Table在根目录（/HBase）下用一个文件夹存储，Table名为文件夹名，在Table文件夹下每个Region同样用一个文件夹存储，每个Region文件夹下的每个列族也用文件夹存储，而每个列族下存储的就是一些HFile文件，HFile就是HBase数据在HFDS下存储格式，其整体目录结构如下：
/hbase/<tablename>/<encoded-regionname>/<column-family>/<filename>
HBase数据写路径
（图来自Cloudera）
在put数据时会先将数据的更新操作信息和数据信息写入WAL，在写入到WAL后，数据就会被放到MemStore中，当MemStore满后数据就会被flush到磁盘(即形成HFile文件),在这过程涉及到的flush,split,compaction等操作都容易造成节点不稳定，数据导入慢，耗费资源等问题，在海量数据的导入过程极大的消耗了系统性能，避免这些问题最好的方法就是使用BlukLoad的方式来加载数据到HBase中。
原理
利用HBase数据按照HFile格式存储在HDFS的原理，使用Mapreduce直接生成HFile格式文件后，RegionServers再将HFile文件移动到相应的Region目录下
其流程如下图：
（图来自Cloudera）
导入过程
1.使用MapReduce生成HFile文件
GenerateHFile类
GenerateHFileMain类
public class GenerateHFileMain {public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {final String INPUT_PATH= "hdfs://master:9000/INFO/Input";final String OUTPUT_PATH= "hdfs://master:9000/HFILE/Output";Configuration conf = HBaseConfiguration.create();Connection connection = ConnectionFactory.createConnection(conf);Table table = connection.getTable(TableName.valueOf("TRAVEL"));Job job=Job.getInstance(conf);job.getConfiguration().set("mapred.jar", "/home/hadoop/TravelProject/out/artifacts/Travel/Travel.jar"); //预先将程序打包再将jar分发到集群上job.setJarByClass(GenerateHFileMain.class);job.setMapperClass(GenerateHFile.class);job.setMapOutputKeyClass(ImmutableBytesWritable.class);job.setMapOutputValueClass(Put.class);job.setOutputFormatClass(HFileOutputFormat2.class);HFileOutputFormat2.configureIncrementalLoad(job,table,connection.getRegionLocator(TableName.valueOf("TRAVEL")))FileInputFormat.addInputPath(job,new Path(INPUT_PATH));FileOutputFormat.setOutputPath(job,new Path(OUTPUT_PATH));System.exit(job.waitForCompletion(true)?0:1);}
注意
1.Mapper的输出Key类型必须是包含Rowkey的ImmutableBytesWritable格式，Value类型必须为KeyValue或Put类型，当导入的数据有多列时使用Put，只有一个列时使用KeyValue
2.job.setMapOutPutValueClass的值决定了job.setReduceClass的值，这里Reduce主要起到了对数据进行排序的作用，当job.setMapOutPutValueClass的值Put.class和KeyValue.class分别对应job.setReduceClass的PutSortReducer和KeyValueSortReducer
3.在创建表时对表进行预分区再结合MapReduce的并行计算机制能加快HFile文件的生成，如果对表进行了预分区(Region)就设置Reduce数等于分区数（Region）
4.在多列族的情况下需要进行多次的context.write
2.通过BlukLoad方式加载HFile文件
public class LoadIncrementalHFileToHBase {public static void main(String[] args) throws Exception {Connection connection = ConnectionFactory.createConnection(conf);Admin admin = connection.getAdmin();Table table = connection.getTable(TableName.valueOf("TRAVEL"));LoadIncrementalHFiles load = new LoadIncrementalHFiles(conf);load.doBulkLoad(new Path("hdfs://master:9000/HFILE/OutPut"), admin,table,connection.getRegionLocator(TableName.valueOf("TRAVEL")));}}
package hbase_mr;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;import org.apache.hadoop.fs.Path;import org.apache.hadoop.hbase.TableName;import org.apache.hadoop.hbase.client.*;import org.apache.hadoop.hbase.io.ImmutableBytesWritable;import org.apache.hadoop.hbase.mapreduce.HFileOutputFormat2;import org.apache.hadoop.hbase.mapreduce.LoadIncrementalHFiles;import org.apache.hadoop.hbase.util.Bytes;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.junit.Test;import java.io.IOException;public class HbaseBulkLoad {static class MyMapper extends Mapper<LongWritable, Text, ImmutableBytesWritable, Put>{private static final String COLUMNNAME1="name";private static final String COLUMNNAME2="age";private static final String FAMILYNAME="f1";@Overrideprotected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {String[] split = value.toString().split(",");String rowKey=split[0];String name_value = split[1].split(":")[1];String age_value=split[2].split(":")[1];Put p=new Put(Bytes.toBytes(rowKey));p.addColumn(FAMILYNAME.getBytes(),COLUMNNAME1.getBytes(),name_value.getBytes());p.addColumn(FAMILYNAME.getBytes(),COLUMNNAME2.getBytes(),age_value.getBytes());context.write(new ImmutableBytesWritable(rowKey.getBytes()),p);}}public static void main(String[] args) throws Exception{Configuration conf=new Configuration();Connection conn= ConnectionFactory.createConnection(conf);Table table = conn.getTable(TableName.valueOf("people"));Admin admin = conn.getAdmin();String input = args[0];String output = args[1];Path inPath = new Path(input);Path outPath = new Path(output);Job job=Job.getInstance(conf,"Bulkload");job.setJarByClass(HbaseBulkLoad.class);job.setMapperClass(MyMapper.class);job.setMapOutputKeyClass(ImmutableBytesWritable.class);job.setMapOutputValueClass(Put.class);job.setInputFormatClass(TextInputFormat.class);job.setOutputFormatClass(HFileOutputFormat2.class);FileSystem fs=FileSystem.get(conf);if(fs.exists(outPath)){fs.delete(outPath);}FileInputFormat.setInputPaths(job,inPath);FileOutputFormat.setOutputPath(job,outPath);HFileOutputFormat2.configureIncrementalLoad(job,table,conn.getRegionLocator(TableName.valueOf("people")));boolean b = job.waitForCompletion(true);if(b){LoadIncrementalHFiles loadIncrementalHFiles = new LoadIncrementalHFiles(conf);loadIncrementalHFiles.doBulkLoad(outPath,admin,table,conn.getRegionLocator(TableName.valueOf("people")));}System.exit(b?0:1);}}
由于BulkLoad是绕过了Write to WAL，Write to MemStore及Flush to disk的过程，所以并不能通过WAL来进行一些复制数据的操作
优点：
1.导入过程不占用Region资源
2.能快速导入海量的数据
3.节省内存
