HBase是一个高可靠，高可用，高性能，面向列，可伸缩，支持海量的数据存储的分布式数据库。本文主要学习一下HBase的主要特性和HBase架构。

工作之余，开始学习《利用Python进行数据分析》这本书，开始准备将采集到的房屋数据进行统计，挖点有用或者好完的数据出来。
先拿这本书中的1880-2010年间全美婴儿姓名的一部分来练练手，熟悉下IPython和Jupyter Notebook这个高级货。

web服务器如果没有设置空主机名的，就造成在浏览器中直接输入IP地址，而不是输入绑定的域名就能直接访问服务器的问题，很容易受到域名恶意解析的攻击。

之前都是用Python来操作HBase，现在要尝试在新的业务上使用Java来开发业务代码，毕竟HBase是用Java开发了，提供了完整的Client API来操作HBase。第一步就是搭建HBase的Java开发环境。

2017/02/18

开始采集自如的房源数据，当日采集数据1060

作为自己的第一个业余项目，从2017年3月份开始缓慢进行到7月份，已经有5个月左右。项目起源于毕业设计，分析租房的特征与价格的影响关系，逐渐发展成一个业余的小项目。在北京租房真是一个难题，租房中介那么多，如何对中介之间的租房价格进行对比，租房价格如何制定的，有没有什么规律，哪片区域的价格便宜等问题都是很头痛的问题。

对大量数据进行查询时，Hive在查询时，会转换成mapreduce任务运行，会显得比较慢。可以通过分区来进行速度上的优化。

本文记录了在centos7.3上安装mongodb3.4，配置优化，设置权限，并解决了修改数据目录后，由文件权限导致的mongo启动问题。

自己毕设做的是关于租房房价方面的分析，使用简单的多元线性回归模型来拟合租房的价格，需要采集一些租房的数据来做分析。我也就简单的入门了爬虫，陆续采集了自如、蘑菇租房、我爱我家的租房数据。本文对我学习爬虫的过程以及相关方面做个总结。

2017年从2月到4月底已经过去了三个月，回首过去，总结经验，展望未来。本文将从以下几个方面对过去的三个月做个总结。