请说明 HBase 与 MapReduce 集成的机制，并描述通过 MapReduce 读写或处理 HBase 中数据的具体方式。

回答思路

1. 【回答框架 1】HBase 与 MapReduce 集成的核心是 TableInputFormat 和 TableOutputFormat。TableInputFormat 将 HBase 表的数据按 Region 切分成 InputSplit，每个 split 对应一个或多个行区间，Map 任务并行读取表数据。
2. 【回答框架 2】读取时，TableInputFormat 通过 TableRecordReader 调用 HBase 的 Scanner 获取 Result 对象，Map 方法的 key 为 ImmutableBytesWritable（行键），value 为 Result，可从中解析各列族和列的数据。
3. 【回答框架 3】写入时，使用 TableOutputFormat 或 TableMapReduceUtil.initTableReducerJob 指定输出表，Reducer 的 key 为 ImmutableBytesWritable，value 为 Put 或 Delete，通过批量写入提高效率。
4. 【回答框架 4】编写 MR 作业时，常用 TableMapReduceUtil.initTableMapperJob 和 initTableReducerJob 设置输入输出表及扫描条件，如列族、列、时间戳、过滤器等，以裁剪数据量，避免不必要的数据传输。
5. 【回答框架 5】集成需注意集群配置和依赖，例如确保 HBase 的 jar 包可用，以及处理数据本地性问题。还可以使用快照或复制技术来减少对在线集群的影响。
6. 【关键点 1】TableInputFormat 实现 HBase 数据读取，按 Region 划分 split，保证并行度。
7. 【关键点 2】TableOutputFormat 支持将 MR 结果批量写入 HBase，通常以 Put 为 value。
8. 【关键点 3】通过 TableMapReduceUtil 配置作业简化开发，可设置扫描器过滤器。
9. 【关键点 4】数据本地性影响性能，HBase 与 MR 集成时需考虑 Region 分布与任务调度。
10. 【易错点 1】误将 HBase 表直接当作关系型表使用，忽略 rowkey 设计对扫描性能的影响。
11. 【易错点 2】忽略批量写入参数，导致写入性能瓶颈，例如未合理设置 put 批大小。
12. 【易错点 3】未考虑 Region 分裂或数据倾斜，导致 Map 任务负载不均。