1. hbase查数据
HBase写入数据原理如下：
（1）Client向服务端发起Put请求。默认情况下，autoflush=true，所以每发送一个Put请求，就会直接发送到服务端。当autoflush=false时，则会将Put缓存到本地buffer中，达到一定阈值之后再一起发送到服务端，提高效率。
（2）当本地buffer size >2M（默认配置下，可以修改）时，开始批量提交Put。此时首先会查看HBase元数据，根据要插入的RowKey寻找对应的RegionServer。通过HConnection的locateRegion方法获得HRegionLocation，并按照RowKey对其进行分组
（3）为每一个HRegionLocation构造一个远程RPC请求，封装成MultiServerCallable<Row>
（4）通过rpcCallerFactory.<MultiResponse> newCaller()发送RPC请求到相应的服务端RegionServer
（5）此时RegionServer接收到请求后，会将Put对象反序列化
（6）对Put执行各种检查操作，例如判断region是否为只读、MemStore大小是否超过设定值等
（7）获取行锁、Region共享锁，开始写事务（实现MVCC）
（8）将数据封装成WALEdit对象，然后顺序写入到HLog中（其实此时只是写入到文件系统的缓存中，还没有真正落地到磁盘），然后释放行锁、共享锁
（9）写入数据到MemStore中
（10）当MemStore size 大于64M之后，会启动flush线程，将数据落地到硬盘中
2. hbase查数据指令
解决方法是。在程序-env.sh中修改pid文件的存放路径即可。
3. hbase的查询
get：
按照RowKey获取唯一一条记录。get的方法处理分两种：设置了ClosestRowBefore和没有设置ClosestRowBefore的RowLock。主要用来保证行的事务性，即每个get是以一个row来标记的。
scan：
按照指定的条件获取一批记录。
可以通过setCaching和setBatch方法提高速度；
可以通过setStartRow与setEndRow来限定范围；
可以通过setFilter方法添加过滤器，这也是分页、多条件查询的基础；
总之应该是scan快。
4. hbase 数据分析
学的主要内容有：
①JavaSE核心技术；
②Hadoop平台核心技术、Hive开发、HBase开发；
③Spark相关技术、Scala基本编程；
④掌握Python基本使用、核心库的使用、Python爬虫、简单数据分析；理解Python机器学习；
⑤大数据项目开发实战，大数据系统管理优化；
⑥云平台开发技术；
整体来说，大数据课程知识点多，课程难度较大。虽然是0基础入门，但企业对大数据人才招聘要求高，至少需要本科学历，建议本科及以上学历同学报名。
5. hbase的sql查询
1、银行证券业务调研、需求分析与设计、数据分析；
2、负责ETL开发，独立完成ETL详细设计与开发测试工作；
3、参与数据仓库系统上线及运维工作。
任职要求：
1、计算机相关专业，统招本科以上学历；
2、熟悉数据仓库建设流程、具备数据仓库、模型设计经验、ETL开发实施经验；
3、精通SQL、存储过程等开发，有SQL调优知识和经验，掌握Greenplum、Oracle、Sqlserver、Teradata、DB2、MySQL等一种或多种数据库系统的使用；
4、熟悉Linux操作系统、熟练使用linux常用命令；
5、具有Kettle、Informatica、DataStage、PowerCenter等ETL开发工具的实施经验；
6、熟练使用Perl、Shell、Java、Python脚本进行开发；
7、熟悉Hadoop、Hive，Hbase，Kafka，Spark，Storm等大数据技术优先；
8、有银行/保险/证券等金融业数据仓库经验优先。
6. HBASE 查询
首先，我们从概念上了解什么是hbase
HBase其实一个缩写，是Hadoop Database的简称，从问世之初，就为了解决用大量廉价的机器高速存取海量数据、实现数据分布式存储提供可靠的方案。
其次、我们从不同角度来人事hbase
1、从功能上来讲
HBase不折不扣是一个数据库，与我们熟悉的Oracle、MySQL、MSSQL等一样，对外提供数据的存储和读取服务。
2、从应用的角度来说
HBase与一般的数据库又有所区别，HBase本身的存取接口相当简单，不支持复杂的数据存取，更不支持SQL等结构化的查询语言；HBase也没有除了rowkey以外的索引，所有的数据分布和查询都依赖rowkey。所以，HBase在表的设计上会有很严格的要求。
3、从架构上讲
HBase是分布式数据库的典范，这点比较像MongoDB的sharding模式，能根据键值的大小，把数据分布到不同的存储节点上，MongoDB根据configserver来定位数据落在哪个分区上，HBase通过访问Zookeeper来获取-ROOT-表所在地址，通过-ROOT-表得到相应.META.表信息，从而获取数据存储的region位置。
最后，我们来分析一下hbase的特点
1、适合大量插入同时key-value查询，例如可以输入一个key查询一个value，还可以输入一组key查询一组value。
2、瓶颈是硬盘的传输速度，因为有大量的插入操作和读出操作，使用SSD SCSI IDE不同的硬盘效率是不同的。
3、适合数据分析。
4、列式数据库会把相同列的数据都放在一块即列为单位存储。当我们查询某一列的时候只需要调出相应的块即可，这样还可以减少很多I/O。
5、如果数据元素间的相似性很高的话可以进行大幅度的压缩，相似度越高压缩比越大，甚至可以压缩到原来十几分之一、上百分之一。即节约了空间又减少了I/O，从而提高性能。
6、hbase只有主键索引，它使用的是LSM（Log Structure Merge）索引，因为hbase所有的修改都是使用追加方式完成的，从数据流上看按照顺序方式写入与日志写入的方式相同，我们又可以认为数据和日志一体化，这又节约了很多空间。
7. hbase查数据量
hbase中的最小单位是region，hbase主要做查询用的，在pb级数据量下，查询也非常快，hbase的设计最要是空间换时间的一种思想，hbase的表按行键在横向上分多个region，而每个region对应一个region server，这么做的目的是减少单个服务器的查询压力，每个region server只负责查询表的某个范围，从而提高查询效率
8. Hbase数据库
HBase是一个分布式的、面向列的开源数据库，该技术来源于 Fay Chang 所撰写的Google论文“Bigtable：一个结构化数据的分布式存储系统”。
就像Bigtable利用了Google文件系统（File System）所提供的分布式数据存储一样，HBase在Hadoop之上提供了类似于Bigtable的能力。
HBase是Apache的Hadoop项目的子项目。HBase不同于一般的关系数据库，它是一个适合于非结构化数据存储的数据库。另一个不同的是HBase基于列的而不是基于行的模式。