大明湖里有蛤蟆

我们经常在shell脚本程序中用--------------------------------------hbase shell 【hbase命令】EOF---------------------------------------其中，EOF也可以换成其他任意的字符，大小写不论，只要成对出现即可。比如，可以：---------------------------

有些时候需要我们去统计某一个hbase表的行数，由于hbase本身不支持SQL语言，只能通过其他方式实现。可以通过一下几种方式实现hbase表的行数统计工作：1.count命令最直接的方式是在hbase shell中执行count的命令可以统计行数。

如果知道hbase数据表的key的分布情况，就可以在建表的时候对hbase进行region的预分区。这样做的好处是防止大数据量插入的热点问题，提高数据插入的效率。步骤：1.规划hbase预分区比如，要分成多少region，每个region的startkey和endkey是多少，然后将规划的key写到一个文件中；

往hbase中批量加载数据的方式有很多种，最直接方式是调用hbase的API用put方法插入数据；另外一种是用MapReduce的方式从hdfs上加载数据，调用TableOutputFormat 类在reduce中直接生成put对象写入HBase（这种方式可以看作多线程的调用hbase API方式）；但是这两种方式效率都不是很高。Bulk Load 方式调用MapReduce的job直接将数据输出成hbase table内部的存储格式的文件HFile，然后将生成的StoreFiles 加载集群的相应节点。

bulk loading的优缺点这里就不再赘述，在本博客的其他文章已经进行过详细的分析： Hbase Bulk Loading与HBase API方式分析和对比bulk loading的过程主要分为两部分，一部分为数据生成，一部分为数据加载。我们先来看看执行bulk loading的shell脚本，然后再分析代码。CLASSPATH=./bulkload.jar:/etc/

1.hdfs的回收站机制        客户有时会误删一下数据，是在生产环境下，误删数据会造成非常严重的后果。 2.hbase表删除恢复如果disable+drop误删了hbase表数据，数据不会放到回收站中，hbase有自己的一套删除策略。fs.trash.interval=0        以分钟为单位的垃圾回收时间，垃圾站中数据超过此时间，会被删除。如果是0，

前一篇文章《HDFS和Hbase误删数据恢复》主要讲了hdfs的回收站机制和Hbase的删除策略。根据hbase的删除策略进行hbase的数据表恢复。本文主要介绍了hdfs的快照原理和根据快照进行的数据恢复。