HBase作为分布式列式数据库，通常跑在完整的Hadoop集群之上，这对本地开发和自动化测试来说相当不友好。搭建一套真实的HBase环境需要ZooKeeper、HDFS和RegionServer等一系列组件，动辄占用数GB内存，而测试场景往往只需要几百行模拟数据。用Node.js写一个HBase Mock服务，再配合数据镜像导出能力，就成了一个轻量且实用的替代方案。本文将完整拆解实现思路，并给出可直接运行的代码。
一、先理解HBase的数据模型，这是Mock的根基
要模拟HBase，第一步不是写代码，而是把它的逻辑模型吃透。HBase的表由行组成，每行有一个唯一的行键RowKey，行内再按列族Column Family分组，列族下面才是具体的列限定符。定位一个单元格需要四个要素：表名、行键、列族、列限定符，而每个单元格还可以保留多个版本，默认按时间戳倒序排列。
这个模型天然适合用嵌套的JavaScript对象来表达。外层用表名做键，第二层用行键做键，第三层用“列族:列限定符”的拼接字符串做键，值则存成一个数组，数组里每个元素包含时间戳和实际数据。这样一层的嵌套结构既还原了HBase的稀疏存储特性——不存在的列直接不占空间，也方便后面实现版本查询。
有一点容易被忽略：HBase的行键是按字典序排列的，Scan操作返回的结果天然有序。所以在Mock服务内部，行键最好存进一个有序结构，或者每次查询时对键做排序，否则分页和范围查询的结果会与真实HBase不一致，导致联调时排查不出的问题。
二、基于Express搭建REST风格的服务骨架
HBase官方提供了REST网关，接口风格是“/表名/行键”加上Scanner机制。Mock服务直接对齐这套API，业务代码里只改一个host配置就能切换到Mock环境，不需要改任何调用逻辑，这是这类方案最大的价值所在。
const express = require('express');
const app = express();
app.use(express.json());
// 内存中的数据存储，模拟HBase的表结构
const store = {
tables: {}, // 表名 -> 行键 -> 列 -> 版本数组
schemas: {} // 表名 -> 列族定义
};
// 写入单元格，等价于Put操作
app.put('/:table/:rowKey', (req, res) => {
const { table, rowKey } = req.params;
const cells = req.body.Cell || [];
if (!store.tables[table]) store.tables[table] = {};
const row = store.tables[table][rowKey] || {};
for (const cell of cells) {
const column = cell.column; // 格式为 "cf:qualifier"
const versions = row[column] || [];
versions.push({
timestamp: cell.timestamp || Date.now(),
value: Buffer.from(cell.$, 'base64').toString('utf8')
});
row[column] = versions;
}
store.tables[table][rowKey] = row;
res.status(200).json({ status: 'OK' });
});
app.listen(8080, () => console.log('HBase Mock listening on 8080'));
上面的代码实现了最核心的Put。注意HBase REST协议里值是Base64编码放在$字段中的，Mock服务解码后按UTF-8存储，这样调试时直接打印日志就能看到明文，定位问题比连真实集群方便得多。
三、实现Get与Scan：单行查询和范围扫描
Get相对简单，拿到行键后按指定的列过滤，再根据需要的版本数截取即可。Scan则复杂一些，需要支持startRow、stopRow和limit参数。实现思路是：先把该表所有行键排序，二分查找定位到起始行，然后顺序遍历，直到越过stopRow或达到limit上限。
// Get操作：返回单行数据
app.get('/:table/:rowKey', (req, res) => {
const { table, rowKey } = req.params;
const tableData = store.tables[table] || {};
const row = tableData[rowKey];
if (!row) return res.status(404).json({ error: 'NotFound' });
const cells = [];
for (const [column, versions] of Object.entries(row)) {
const latest = versions[versions.length - 1];
cells.push({
row: rowKey,
column,
timestamp: latest.timestamp,
$: Buffer.from(latest.value).toString('base64')
});
}
res.json({ Row: [{ Cell: cells }] });
});
// Scan操作：带起止行键的范围扫描
app.get('/:table', (req, res) => {
const { table } = req.params;
const { startRow, stopRow, limit } = req.query;
const tableData = store.tables[table] || {};
const keys = Object.keys(tableData).sort();
const result = keys
.filter(k => (!startRow || k >= startRow) &&
(!stopRow || k < stopRow))
.slice(0, Number(limit) || 100)
.map(rowKey => {
const cells = Object.entries(tableData[rowKey]).map(([column, vs]) => ({
row: rowKey,
column,
timestamp: vs[vs.length - 1].timestamp,
$: Buffer.from(vs[vs.length - 1].value).toString('base64')
}));
return { Cell: cells };
});
res.json({ Row: result });
});
这里有个细节值得注意：HBase的stopRow是排他的，也就是不包含stopRow本身这一行，上面代码中的k < stopRow正是这个语义。另一个细节是limit默认值，真实HBase的Scan如果不设caching会按服务端配置分批返回，Mock里给个默认100既模拟了分页行为，又避免一次把全表拉爆内存。
四、数据镜像的导出与恢复
“Image”这一环指的是把当前内存里的Mock数据做成可持久化的镜像文件，下次测试时直接加载，保证数据可复现。最直接的做法是把store对象JSON序列化后写入磁盘，恢复时读回来。但要注意两点：一是版本数组必须完整保留，不能只存最新值，否则版本查询功能就失效了；二是导出要生成文件摘要，测试用例可以用它断言数据状态。
const fs = require('fs');
const crypto = require('crypto');
// 导出当前数据快照到镜像文件
function dumpImage(filePath) {
const snapshot = {
exportedAt: new Date().toISOString(),
tables: store.tables
};
const json = JSON.stringify(snapshot, null, 2);
fs.writeFileSync(filePath, json, 'utf8');
return crypto.createHash('md5').update(json).digest('hex');
}
// 从镜像文件恢复数据
function restoreImage(filePath) {
const snapshot = JSON.parse(fs.readFileSync(filePath, 'utf8'));
store.tables = snapshot.tables;
}
app.post('/admin/dump', (req, res) => {
const hash = dumpImage(req.body.path || 'hbase-mock.img');
res.json({ status: 'OK', hash });
});
app.post('/admin/restore', (req, res) => {
restoreImage(req.body.path || 'hbase-mock.img');
res.json({ status: 'OK' });
});
恢复接口建议放在admin路径下并在生产配置里禁用，因为它会整体替换内存数据。如果测试场景需要频繁回到初始状态，可以在beforeEach钩子里调用restore，速度远快于每次重新造数。镜像文件本身是纯JSON，出现脏数据时直接用文本编辑器打开检查也非常直观。
五、方案的边界与注意事项
这套Mock服务只覆盖了单机逻辑层面的模拟，适合接口联调、单元测试和数据构造，但无法模拟HBase的分布式行为，比如Region切分、热点问题、读写延迟特性，这些涉及性能验证的场景仍然需要真实集群或集成环境。
另外内存存储意味着进程重启数据丢失，如果需要跨进程保留状态，可以把dump定时执行，或者干脆把store换成本地文件型的键值库作为底层。对于行键特别多的场景，JavaScript对象的内存占用偏高，此时可以考虑对行键建立索引结构。总体来说，只要明确它解决的是“开发测试环境依赖过重”这个问题，这个方案就能发挥出最大的价值。