所有区域服务器都必须在hadoop集群中，这样它就可以使用hdfs来存储数据，即使它将数据存储到本地文件系统中，对吗？
对。RegionServer是负责在hbase群集中存储数据的守护程序。您将数据存储在hbase表中，这些表分布在集群中多个RegionServer的多个区域中。尽管数据进入RegionServer，但它实际上存储在hdfs中。但是，如果您是在一个独立的设置hdfs不使用。数据直接存储在本地fs中。它类似于任何db和fs。以msql和ext3为例。是的，所有的hdfs数据实际上都存储在你的磁盘上。你不能直接看到它。
regionserver做什么？hmaster是否将作业分配给所有RegionServer并让它们并行运行，如datanode中的tasktracker？
正如上面注解中指定的，regionserver是在hbase集群中实际存储数据的守护进程。很抱歉，我没有完全理解这个问题的第二部分。你说的像datanode中的tasktracker是什么意思？在hbase集群中，hmaster是负责监视集群中所有regionserver示例的守护进程，是所有元数据更改的接口。它的工作是监督和管理。RegionServer不像TaskTracker那样运行任何作业。他们只是存储数据，负责服务和管理区域等工作。
Zookeeper是做什么的？是否需要在所有RegionServer节点和主节点中设置zookeeper？
Zookeeper负责协调窗帘后面的一切。它是用于维护配置信息、命名、提供分布式同步和提供组服务的集中式服务。分布式hbase设置依赖于正在运行的zookeeper集群。所有参与的节点和客户端都需要能够访问正在运行的zookeeper集合。hbase默认管理zookeeper集群。它作为hbase启动/停止过程的一部分启动和停止。但是，您也可以独立于hbase管理zookeeper集合，只需将hbase指向它应该使用的集群。不必在所有节点上都运行zookeers。只要决定一些适合你的集群的数字。这里需要注意的一点是，您应该始终使用奇数个Zookeeper。
它与#3有关。我知道一旦regionserver关闭，hbase会使用zookeeper进行恢复。它是如何工作的？
每个regionserver都连接到zookeeper，并且主机监视这些连接。zookeeper通过超时来管理心跳。因此，在超时时，hmaster会将区域服务器声明为dead，并启动恢复过程。在恢复过程中会发生以下情况：
确定一个节点已关闭：一个节点可以仅仅因为过载或死机而停止响应。
恢复正在进行的写入：即读取提交日志并恢复未刷新的编辑。
重新分配区域：区域服务器以前正在处理一组区域。此集合必须重新分配到其他区域服务器，具体取决于它们各自的工作负载。
这个过程实际上更复杂一些。你可以在这里找到更多。我还建议你仔细阅读一下拉尔斯的《hbase权威指南》一书，以便对hbase有所了解。
hth公司