Hbase导入导出数据（百万级条数据）步骤

导出

通过Export导出数据到目标集群的hdfs，再在目标集群执行import导入数据，Export支持指定开始时间和结束时间，因此可以做增量备份，Export工具参数如下：

可见，在导出时可以指定version，starttime，endtime等参数，并且可以通过-D指定是否压缩，指定caching等属性。

Export导出工具与CopyTable一样是依赖hbase的scan读取数据，并且采用的InportFormat与CopyTable一样是TableInputFormat类，从该类的getSplits()方法可以看出MR的map数与hbase表的region数相同。

一，准备工作
student的表结构如下：

启动的节点：

二，导出表
我们执行导出命令：

成功！

因为我们的目标路径是存储在hdfs里面的，所以我们这点一点要注意，在本地磁盘下面是找不到的。

我们也可以通过命令来查看文件：

接着我们把hdfs里面导出的表，给复制到本地磁盘下面去。

查看：

三，导入表
先将备份的表，导入到hdfs中，利用hadoop dfs -put localFile hdfsFile命令

导入成功：

创建表：

导入数据

成功

查看数据：

四，备份百万级条数据

导出导入都是一样的步骤，只不过就是数据量很大的时候，会导出导入很慢，尤其是导入。

我导入数据的时候，都导入了十分钟，也许是我的电脑的内存很慢。
但是我看了下别的大佬的Hbase导入导出表的博客，发现会出现一个问题：
导出user表，接近18万条记录：

/hbs/hbase-1.0.3/bin/hbase org.apache.hadoop.hbase.mapreduce.Export harve_user /hdfs/data_back/harve_user_back

导出失败了，查看hdfs中的内容也是空的：

失败原因：

2017-06-19 15:41:21,996 INFO [main] mapreduce.Job: Task Id : attempt_1492400325003_0004_m_000002_2, Status : FAILED

Container [pid=126946,containerID=container_1492400325003_0004_01_000020] is running beyond virtual memory limits. Current usage: 162.1 MB of 1 GB physical memory used; 2.1 GB of 2.1 GB virtual memory used. Killing container.

机上运行的Container试图使用过多的内存，而被NodeManager kill掉了。

该错误是YARN的虚拟内存计算方式导致，上例中用户程序申请的内存为1Gb，YARN根据此值乘以一个比例（默认为2.1）得出申请的虚拟内存的值，当YARN计算的用户程序所需虚拟内存值大于计算出来的值时，就会报出以上错误。调节比例值可以解决该问题。

解决方法：mapred-site.xml中设置map和reduce任务的内存配置如下：(value中实际配置的内存需要根据自己机器内存大小及应用情况进行修改)

mapreduce.map.memory.mb 1536 mapreduce.map.java.opts -Xmx1024M mapreduce.reduce.memory.mb 3072 mapreduce.reduce.java.opts -Xmx2560M

MapReduce作业配置参数
可在客户端的mapred-site.xml中配置，作为MapReduce作业的缺省配置参数。也可以在作业提交时，个性化指定这些参数

修改配置文件重启后再次执行，成功：