spark-streaming消费kafka数据，采用buffermutator写hbase踩坑记
场景
otter同步mysql的数据到kafka，spark-streaming消费kafka，采用mutator异步写hbase。mysql的insert，update，delete特别频繁，每秒都有大量的insert，delete，update
以下都是基于同一条数据操作
1. 坑 Delete(byte [] row), Put(byte[] row)，
bufferedmutator写hbase的时候 同一条数据先 delete 再put ，
遇到的问题：
hbase显示没这个数据；就是bufferedmutator处理数据乱序了（每次测试都是hbase找不到数据）
解决的途径：
遇坑后，百度找到https://developer.aliyun.com/ask/129312?spm=a2c6h.13159736这篇文章。意思就是new 对象 加上时间戳
2.坑 Delete(byte [] row, long timestamp) ，Put(byte[] row, long ts)
代码里时间戳使用System.currentTimeMillis()
遇到的问题：
spark-streaming处理数据的时候，一个批次rdd遍历起来很快，难免两个System.currentTimeMillis()一样，此时就和方法1一样，达不到先delete，后insert的效果，依然没有解决（反复测试，确实有两个时间戳一样）
解决的途径：
上边的时间戳加1操作，使两个时间戳不一样
参照https://issues.apache.org/jira/browse/HBASE-8626?focusedCommentId=13669455&page=com.atlassian.jira.plugin.system.issuetabpanels%3Acomment-tabpanel#comment-13669455 hbase的issue就是上边mutator踩坑实录
longnow =System.currentTimeMillis();
Delete delete =newDelete(row);
delete.deleteFamily(cf1, now);
Put put1 =newPut(row);
put1.add(cf1,col1,now+1);
