由于这个问题并不新鲜，目前还有其他几种选择：
hbase spark，hbase repo中直接提供的模块
hortonworks的hbaseSpark
我不太了解第一个项目，但它看起来不支持Spark2.x。不过，它在rdd级别对spark 1.6.x有丰富的支持。
另一方面，hbase上的spark有spark2.0和即将推出的spark2.1的分支。这个项目非常有前途，因为它专注于数据集/Dataframeapi。在幕后，它实现了标准的spark数据源api，并利用sparkcatalyst引擎进行查询优化。开发人员在这里声称它能够进行分区修剪、列修剪、 predicate 下推和实现数据局部性。
一个简单的例子，使用 com.hortonworks:shc:1.0.0-2.0-s_2.11 下面将介绍此回购和spark 2.0.2中的工件：

case class Record(col0: Int, col1: Int, col2: Boolean)

val spark = SparkSession
  .builder()
  .appName("Spark HBase Example")
  .master("local[4]")
  .getOrCreate()

def catalog =
  s"""{
      |"table":{"namespace":"default", "name":"table1"},
      |"rowkey":"key",
      |"columns":{
      |"col0":{"cf":"rowkey", "col":"key", "type":"int"},
      |"col1":{"cf":"cf1", "col":"col1", "type":"int"},
      |"col2":{"cf":"cf2", "col":"col2", "type":"boolean"}
      |}
      |}""".stripMargin

val artificialData = (0 to 100).map(number => Record(number, number, number % 2 == 0))

// write
spark
  .createDataFrame(artificialData)
  .write
  .option(HBaseTableCatalog.tableCatalog, catalog)
  .option(HBaseTableCatalog.newTable, "5")
  .format("org.apache.spark.sql.execution.datasources.hbase")
  .save()

// read
val df = spark
  .read
  .option(HBaseTableCatalog.tableCatalog, catalog)
  .format("org.apache.spark.sql.execution.datasources.hbase")
  .load()

df.count()

只需添加有关如何添加扫描的注解：
tableinputformat具有以下属性：
扫描\u行\u开始
扫描\u行\u停止

conf.set(TableInputFormat.SCAN_ROW_START, "startrowkey");
conf.set(TableInputFormat.SCAN_ROW_STOP, "stoprowkey");

我更喜欢阅读hbase，并在spark中进行json操作。
spark提供javasparkcontext.newapihadooprdd函数从hadoop存储（包括hbase）读取数据。您必须在配置参数和表输入格式及其键值中提供hbase配置、表名和扫描
您可以使用表输入格式类及其作业参数来提供表名和扫描配置
例子：

conf.set(TableInputFormat.INPUT_TABLE, "tablename");
JavaPairRDD<ImmutableBytesWritable, Result> data = 
jsc.newAPIHadoopRDD(conf, TableInputFormat.class,ImmutableBytesWritable.class, Result.class);

然后可以在spark中执行json操作。由于spark可以在内存已满时进行重新计算，因此它只加载重新计算部分（cmiiw）所需的数据，因此您不必担心数据大小

作为使用spark（scala）读取hbase数据的基本示例，您还可以在java中编写：

import org.apache.hadoop.hbase.client.{HBaseAdmin, Result}
import org.apache.hadoop.hbase.{ HBaseConfiguration, HTableDescriptor }
import org.apache.hadoop.hbase.mapreduce.TableInputFormat
import org.apache.hadoop.hbase.io.ImmutableBytesWritable

import org.apache.spark._

object HBaseRead {
  def main(args: Array[String]) {
    val sparkConf = new SparkConf().setAppName("HBaseRead").setMaster("local[2]")
    val sc = new SparkContext(sparkConf)
    val conf = HBaseConfiguration.create()
    val tableName = "table1"

    System.setProperty("user.name", "hdfs")
    System.setProperty("HADOOP_USER_NAME", "hdfs")
    conf.set("hbase.master", "localhost:60000")
    conf.setInt("timeout", 120000)
    conf.set("hbase.zookeeper.quorum", "localhost")
    conf.set("zookeeper.znode.parent", "/hbase-unsecure")
    conf.set(TableInputFormat.INPUT_TABLE, tableName)

    val admin = new HBaseAdmin(conf)
    if (!admin.isTableAvailable(tableName)) {
      val tableDesc = new HTableDescriptor(tableName)
      admin.createTable(tableDesc)
    }

    val hBaseRDD = sc.newAPIHadoopRDD(conf, classOf[TableInputFormat], classOf[ImmutableBytesWritable], classOf[Result])
    println("Number of Records found : " + hBaseRDD.count())
    sc.stop()
  }
}

2016年更新

从spark 1.0.x+开始，现在您还可以使用spark hbase连接器：
maven依赖项包括：

<dependency>
  <groupId>it.nerdammer.bigdata</groupId>
  <artifactId>spark-hbase-connector_2.10</artifactId>
  <version>1.0.3</version> // Version can be changed as per your Spark version, I am using Spark 1.6.x
</dependency>

并找到以下相同的示例代码：

import org.apache.spark._
import it.nerdammer.spark.hbase._

object HBaseRead extends App {
    val sparkConf = new SparkConf().setAppName("Spark-HBase").setMaster("local[4]")
    sparkConf.set("spark.hbase.host", "<YourHostnameOnly>") //e.g. 192.168.1.1 or localhost or your hostanme
    val sc = new SparkContext(sparkConf)

    // For Example If you have an HBase Table as 'Document' with ColumnFamily 'SMPL' and qualifier as 'DocID, Title' then:

    val docRdd = sc.hbaseTable[(Option[String], Option[String])]("Document")
    .select("DocID", "Title").inColumnFamily("SMPL")

    println("Number of Records found : " + docRdd .count())
}

2017年更新

从spark 1.6.x+开始，现在您还可以使用shc连接器（hortonworks或hdp用户）：
maven依赖项包括：

<dependency>
        <groupId>com.hortonworks</groupId>
        <artifactId>shc</artifactId>
        <version>1.0.0-2.0-s_2.11</version> // Version depends on the Spark version and is supported upto Spark 2.x
    </dependency>

使用此连接器的主要优点是它在模式定义方面具有灵活性，并且不需要像nerdammer/spark hbase连接器那样硬编码参数。还请记住，它支持spark 2.x，因此该连接器非常灵活，并在问题和prs中提供端到端支持。
请在下面的存储库路径中查找最新的自述和示例：
hortonworks spark hbase连接器
您还可以将这个rdd转换为dataframes并在其上运行sql，或者可以将这些dataset或dataframesMap到用户定义的JavaPOJO或case类。它工作得很出色。
如果你还需要什么，请在下面评论。