Mapreduce 求每个学科的平均分，学科作为行键，成绩作为列族，如何创建一个数组遍历成绩。要求用读入的Hbase数据

在 MapReduce 中读取 HBase 数据通常需要使用 HBase 提供的 InputFormat，例如 `TableInputFormat`。`TableInputFormat` 输出的键值对的键是 `ImmutableBytesWritable` 类型，表示行键；值是 `Result` 类型，表示一个 HBase 行。

下面是一个简单的示例代码，假设 HBase 中的表名为 `scores`，有一个列族 `cf`，列名为 `score`，存储学科成绩。我们需要计算每个学科的平均分，学科作为键，成绩作为列族。

public static class AvgScoreMapper extends TableMapper<Text, IntWritable> {

    private Text subject = new Text();
    private IntWritable score = new IntWritable();

    @Override
    public void map(ImmutableBytesWritable rowKey, Result result, Context context) throws IOException, InterruptedException {
        String subjectStr = new String(rowKey.get());
        subject.set(subjectStr);
        byte[] scoreBytes = result.getValue(Bytes.toBytes("cf"), Bytes.toBytes("score"));
        int scoreInt = Bytes.toInt(scoreBytes);
        score.set(scoreInt);
        context.write(subject, score);
    }
}

public static class AvgScoreReducer extends Reducer<Text, IntWritable, Text, DoubleWritable> {

    private DoubleWritable avgScore = new DoubleWritable();

    @Override
    public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        int sum = 0;
        int count = 0;
        for (IntWritable value : values) {
            sum += value.get();
            count++;
        }
        double avg = (double) sum / count;
        avgScore.set(avg);
        context.write(key, avgScore);
    }
}

public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "AvgScore");
    job.setJarByClass(AvgScore.class);

    Scan scan = new Scan();
    scan.addColumn(Bytes.toBytes("cf"), Bytes.toBytes("score"));
    TableMapReduceUtil.initTableMapperJob("scores", scan, AvgScoreMapper.class, Text.class, IntWritable.class, job);
    job.setReducerClass(AvgScoreReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(DoubleWritable.class);

    System.exit(job.waitForCompletion(true) ? 0 : 1);
}

在 Mapper 中，我们首先将行键转换成字符串，作为学科；然后从 `Result` 中取出 `cf:score` 列的值，将其转换成整数类型，作为成绩。最后将学科和成绩分别设置到 `Text` 和 `IntWritable` 对象中，并输出键值对。

在 Reducer 中，我们首先对相同学科的所有成绩进行累加，并记录成绩的个数。然后计算平均值，将学科和平均值分别设置到 `Text` 和 `DoubleWritable` 对象中，并输出键值对。

在主程序中，我们首先创建一个 `Scan` 对象，指定要读取的列族和列名。然后使用 `TableMapReduceUtil` 类的 `initTableMapperJob` 方法设置输入格式、Mapper 类、输出键值对类型等信息。最后设置 Reducer 类、输出键值对类型等信息，并提交作业。

在以上示例代码中，我们并没有使用数组来遍历成绩。在 MapReduce 中，我们通常使用迭代器来遍历值的集合。在 Reducer 中，输入的值是一个 `Iterable` 对象，可以使用 `for` 循环遍历所有的成绩。在示例代码中，我们使用增强型 `for` 循环来遍历值的集合。