不需要额外的部署，就可以使用apachespark-apachehbase连接器。
首先你必须包括包裹。可以通过以下选项来完成*

spark.jars.packages  com.hortonworks:shc-core:1.1.1-2.1-s_2.11
spark.jars.repositories http://repo.hortonworks.com/content/groups/public/

在你的 spark-defaults.conf 或等效的命令行参数 spark-submit / SparkR ```
--packages com.hortonworks:shc-core:1.1.1-2.1-s_2.11
--repositories http://repo.hortonworks.com/content/groups/public/

版本( `s_2.11` 包的版本必须匹配用于构建spark的scala版本。
现在假设您将表定义为

create 'FooBar', 'Foo', 'Bar'

您希望sparkr insert等效于：

put 'FooBar', '1000', 'Foo:Value', 'x1'
put 'FooBar', '1000', 'Bar:Value', 'y1'
put 'FooBar', '2000', 'Foo:Value', 'x2'
put 'FooBar', '2000', 'Bar:Value', 'y2'

必须提供目录Map：

catalog = '{
"table":{"namespace":"default", "name":"FooBar"},
"rowkey":"key",
"columns":{
"rowkey":{"cf":"rowkey", "col":"key", "type":"string"},
"foo_value":{"cf":"Foo", "col":"Value", "type":"string"},
"bar_value":{"cf":"Bar", "col":"Value", "type":"string"}
}
}'

以及输入表：

df <- createDataFrame(data.frame(
rowkey = c("1000", "2000"), foo_value = c("x1", "x2"), bar_value = c("y1", "y2")
))

最后你可以申请了 `write.ml` 使用以下选项：

write.df(df,
source = "org.apache.spark.sql.execution.datasources.hbase",
mode = "append", catalog = catalog)

详情请参阅官方连接器文档。
如果不介意其他依赖项，可以部署apachephoenix，Maphbase表（例如phoenix-447），然后使用官方连接器或内置jdbc源来编写数据。
以额外的成本，它将提供更好的用户体验。例如，如果将phoenix表定义为：

CREATE TABLE foobar (
id VARCHAR NOT NULL PRIMARY KEY,
foo INTEGER,
bar VARCHAR
);

你可以的

SparkR:::callJStatic(
"java.lang.Class", "forName",
"org.apache.phoenix.jdbc.PhoenixDriver"
)

df <- createDataFrame(data.frame(
id = c("1000", "2000"), foo = c(1, 2), bar = c("x", "y")
))

write.df(
dfr, source = "org.apache.phoenix.spark",

Note that the only supported mode is overwrite,

which in fact works like UPSERT

mode = "overwrite",
table = "FooBar",

ZooKeeper URL

zkUrl = "host:port"
)

与第一个选项类似，您必须包含相应的连接器。但是，与hbase连接器不同的是，它不是自给自足的，需要phoenix core和客户端jar `CLASSPATH` .

* 以后别忘了调整软件包版本。