使用 HBase 和 MapReduce 可以高效地处理和分析大量数据。下面是一个基本的示例，展示如何使用 MapReduce 从 HBase 表中读取数据。假设你已经有一个 HBase 表，并且希望通过 MapReduce 来读取该表中的数据。

1. 准备 HBase 表和数据

   首先，确保你的 HBase 表已经存在，并且其中填充了一些数据。例如，我们假设有一个名为 my_table 的 HBase 表，包含一个列族 my_cf。

2. 设置 Maven 项目

   确保你的项目中包含 HBase 和 Hadoop 的依赖。在 pom.xml 中添加以下依赖：

   <dependency>  
      <groupId>org.apache.hbase</groupId>  
      <artifactId>hbase-client</artifactId>  
      <version>2.4.10</version>  
   </dependency>  
   <dependency>  
      <groupId>org.apache.hadoop</groupId>  
      <artifactId>hadoop-mapreduce-client-core</artifactId>  
      <version>3.3.1</version>  
   </dependency>  

3. 编写 MapReduce 代码

   import org.apache.hadoop.conf.Configuration;  
   import org.apache.hadoop.hbase.Cell;  
   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.io.Text;  
   import org.apache.hadoop.mapreduce.Job;  
   import java.io.IOException;  
   public class HBaseReadExample {  
      public static class HBaseMapper extends TableMapper<Text, Text> {  
          @Override  
          protected void map(ImmutableBytesWritable key, Result value, Context context)  
                  throws IOException, InterruptedException {  
              for (Cell cell : value.listCells()) {  
                  String rowKey = new String(cell.getRowArray(), cell.getRowOffset(), cell.getRowLength());  
                  String columnFamily = new String(cell.getFamilyArray(), cell.getFamilyOffset(), cell.getFamilyLength());  
                  String columnName = new String(cell.getQualifierArray(), cell.getQualifierOffset(), cell.getQualifierLength());  
                  String cellValue = new String(cell.getValueArray(), cell.getValueOffset(), cell.getValueLength());  
                  // 将读取的内容写入上下文  
                  context.write(new Text(rowKey), new Text(columnFamily + ":" + columnName + "=" + cellValue));  
              }  
          }  
      }  
      public static void main(String[] args) throws Exception {  
          Configuration config = new Configuration();  
          Job job = Job.getInstance(config, "HBase Read Example");  
          job.setJarByClass(HBaseReadExample.class);  
          Scan scan = new Scan();  
          scan.addFamily("my_cf".getBytes());  
          // 设置 HBase 表作为输入  
          TableMapReduceUtil.initTableMapperJob(  
                  "my_table",         // 输入表的名称  
                  scan,               // 扫描对象  
                  HBaseMapper.class,  // Mapper 类  
                  Text.class,         // Mapper 输出 Key 类型  
                  Text.class,         // Mapper 输出 Value 类型  
                  job  
          );  
          job.waitForCompletion(true);  
      }  
   }  

4. 运行作业

   将代码打包成 JAR，并在 Hadoop/HBase 集群上运行。确保你的 HBase 和 Hadoop 服务已经启动，并能相互通信。

这个示例展示了如何使用 MapReduce 从 HBase 表中读取数据，通过配置扫描器和映射器，我们从 HBase 提取数据进行处理。你可以根据需求进一步扩展此示例，例如将处理的数据写入 HDFS 或其他存储系统。