无法连接

1. 先检查集群中的 HBase 服务、ZooKeeper 服务是否正常启动，有没有挂掉。

2. Spark 中的 HBase 版本是否与集群一致，代码中的相关包是否导入正确。

3. 连接参数（地址、端口）是否设置正确，如下所示：

    val hbaseConf: Configuration = HBaseConfiguration.create()
    // 本地没配置映射就写ip
    hbaseConf.set("hbase.zookeeper.quorum","master,slave1,slave2")
    hbaseConf.set("hbase.zookeeper.property.clientPort","2181")
    // 可选参数，跳过 HBase 版本不一致的验证
    hbaseConf.set("hbase.defaults.for.version.skip","true")

Spark 能正常写入 HBase，但 Spark 读取后数据为空。

先说结论：

Spark 3.3.x 写入 HBase 2.x 中时，数据存储成功（HBase Shell 中可以查询到）。但在代码中查询时，数据量为空，无任何报错提示。这是由于 Spark 版本太高，不兼容，将 Spark 版本更换成 Spark 3.1.x 或 Spark 3.0.x，问题得到解决，读写都正常。

有趣的故事：

我今天就遇到了这种让我想破头的 BUG！在我使用 Spark 写入 HBase 时，一切都正常，我进入 HBase Shell 界面进行验证，发现刚刚的数据已经写入了进来，如下所示：

于是，我便写了一段 Spark 查询的代码，如下所示：

object ReadHBaseTest {

  def main(args: Array[String]): Unit = {

    val spark = SparkSession.builder().appName("ReadHBaseTest").master("local[*]").getOrCreate()

    val hbaseConf: Configuration = HBaseConfiguration.create()
    hbaseConf.set("hbase.zookeeper.quorum", "192.168.0.200,192.168.0.201,192.168.0.202")
    hbaseConf.set("hbase.zookeeper.property.clientPort", "2181")
    hbaseConf.set("hbase.defaults.for.version.skip", "true")
    hbaseConf.set(TableInputFormat.INPUT_TABLE,"test")

    val hbaseRdd = spark.sparkContext.newAPIHadoopRDD(hbaseConf, classOf[TableInputFormat], classOf[ImmutableBytesWritable], classOf[Result])

    println("数据量：",hbaseRdd.count())

    import spark.implicits._

    hbaseRdd.map{
      case (_, result) =>
        val row = Bytes.toString(result.getRow)
        val name = Bytes.toString(result.getValue("info".getBytes,"name".getBytes))
        val sex = Bytes.toString(result.getValue("info".getBytes,"sex".getBytes))
        val age = Bytes.toString(result.getValue("info".getBytes,"age".getBytes))
        (row,name,sex,age)
    }.toDF("row","name","sex","age").show()

    spark.stop()

  }

}

运行后查询结果如下：

没有任何报错提示，但就是没有数据。

我一度怀疑集群是否出现了故障，可是我查了一圈下来服务都正常，这么简单的查询代码我愣是看了几遍也没有发现啥问题，以前我都这样写的，也没出现问题啊。

正当我毫无头绪的时候，突然想到是不是因为我的 Spark 版本太高（spark 3.3.1）而导致的。于是，我更换 Spark 的版本为：spark 3.1.1，你猜这么着？还真是！读出来了！

呜呜呜~