RPCs = (Rows * Cols per Row) / Min(Cols per Row, Batch Size)/ Scanner Caching 。
Hadoop的MR运算中，Hbase可以作为输入数据源参与运算，其中作为HTable的迭代器Scan有几个使用技巧
涉及的方法如下：
public void setBatch(int batch)public void setCaching(int caching)public void setCacheBlocks(boolean cacheBlocks)
public void setBatch(int batch) ：
为设置获取记录的列个数，默认无限制，也就是返回所有的列
public void setCaching(int caching)：
每次从服务器端读取的行数，默认为配置文件中设置的值
public void setCacheBlocks(boolean cacheBlocks)：
为是否缓存块，默认缓存，我们分内存，缓存和磁盘，三种方式，一般数据的读取为内存->缓存->磁盘，当MR的时候为非热点数据，因此不需要缓存
因此在MR的时候最好设置如下：
scan.setCacheBlocks(false); scan.setCaching(200);//大了占内存，但是rpc少 scan.setBatch(6);//你需要的列在查询的时候，按照查询的列数动态设置batch，如果全查，则根据自己所有的表的大小设置一个折中的数值，caching就和分页的值一样就行。
当caching和batch都为1的时候，我们要返回10行具有20列的记录，就要进行201次RPC，因为每一列都作为一个单独的Result来返回，这样是我们不可以接受的。