第3题：编写一个MR程序将任务2操作的Hbase数据库中ORDER_BILL_RECODER表的数据，复制到一个新的表NEW_ORDER_BILL_RECODER中

在Hadoop MapReduce框架下，编写一个程序来复制数据通常涉及到两个主要阶段：Map和Reduce。以下是基本步骤：

1. **Map阶段**：
- 输入：从ORDER_BILL_RECODER表读取行键（row key）作为输入键（key），订单记录（order data）作为输入值（value）。
- Map函数：对于每个订单记录，Mapper会处理该记录并生成新的键值对。这通常是通过对记录做一些简单操作，比如提取字段，然后组合成新表所需的键（例如，旧表的订单ID可以作为新表的键），旧记录本身作为值。

// 示例Mapper代码
public class OrderBillRecordMapper extends Mapper<LongWritable, Text, Text, Text> {
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String orderData = value.toString();
        // 解析orderData，提取需要的字段
        String newKey = ...; // 新表的键
        context.write(new Text(newKey), Text.of(orderData));
    }
}

2. **Shuffle and Reduce阶段**：
- Shuffle: 已经映射过的键值对会被排序并分发给Reducer。在这个阶段，所有具有相同键的原始键值对都会合并在一起。
- Reduce函数：接收的是相同的键和一组对应的值（这里是原始ORDER_BILL_RECODER表的记录）。Reduce负责整合这些值，生成最终的新条目并写入NEW_ORDER_BILL_RECODER表。

// 示例Reducer代码
public class OrderBillRecordReducer extends Reducer<Text, Text, Text, Text> {
    protected void reduce(Text key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
        StringBuilder newRow = new StringBuilder();
        for (Text value : values) {
            newRow.append(value.toString());
        }
        context.write(key, newRow.toString());
    }
}

3. **Job Configuration**：
- 配置InputFormat和OutputFormat，指定ORDER_BILL_RECODER表为输入源，NEW_ORDER_BILL_RECODER表为输出目标。
- 启动Job，并运行整个MapReduce作业。

Configuration conf = new Configuration();
conf.set("mapreduce.input.format.class", "org.apache.hadoop.hbase.mapreduce.TableInputFormat");
conf.set("mapreduce.output.format.class", "org.apache.hadoop.hbase.mapreduce.TableOutputFormat");
...
Job job = Job.getInstance(conf, "Copy ORDER_BILL_RECODER to NEW_ORDER_BILL_RECODER");
job.setJarByClass(MyJob.class);
InputTable inputTable = new HTable(conf, "ORDER_BILL_RECODER");
OutputTable outputTable = new HTable(conf, "NEW_ORDER_BILL_RECODER");
...
job.waitForCompletion(true);