diff --git a/README.md b/README.md
index a6e53d4..25df149 100644
--- a/README.md
+++ b/README.md
@@ -77,9 +77,9 @@
 ## 九、Azkaban
 ## 十、Hbase
 
-1. Hbase基本环境搭建（Standalone /pseudo-distributed mode）
+1. [Hbase基本环境搭建（Standalone /pseudo-distributed mode）](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Hbase%E5%9F%BA%E6%9C%AC%E7%8E%AF%E5%A2%83%E6%90%AD%E5%BB%BA.md)
 
-2. Hbase系统架构及数据结构
+2. [Hbase系统架构及数据结构](https://github.com/heibaiying/BigData-Notes/blob/master/notes/Hbase%E7%B3%BB%E7%BB%9F%E6%9E%B6%E6%9E%84%E5%8F%8A%E6%95%B0%E6%8D%AE%E7%BB%93%E6%9E%84.md)
 3. Hbase shell
 4. Hbase Java Api
 5. Hbase 协处理器
diff --git a/notes/Hbase系统架构及数据结构.md b/notes/Hbase系统架构及数据结构.md
index e832bb6..84e28da 100644
--- a/notes/Hbase系统架构及数据结构.md
+++ b/notes/Hbase系统架构及数据结构.md
@@ -1,5 +1,6 @@
-# Hbase系统架构及数据结构
-
<nav>
+# Hbase系统架构及数据结构
+
+<nav>
 <a href="#一基本概念">一、基本概念</a><br/>
 &nbsp;&nbsp;&nbsp;&nbsp;<a href="#21-Row-Key-行键">2.1 Row Key (行键)</a><br/>
 &nbsp;&nbsp;&nbsp;&nbsp;<a href="#22-Column-Family列族">2.2 Column Family（列族）</a><br/>
@@ -18,204 +19,204 @@
 &nbsp;&nbsp;&nbsp;&nbsp;<a href="#42-读取数据的流程">4.2 读取数据的流程</a><br/>
 </nav>
 
-## 一、基本概念
-
-一个典型的Hbase Table 表如下：
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-webtable.png"/> </div>
-
-### 2.1 Row Key (行键)
-
-row key是用来检索记录的主键。访问Hbase table中的行，只有三种方式：
-
-+ 通过单个row key访问
-
-+ 通过row key的range
-
-+ 全表扫描
-
-Row key行键 (Row key)可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在Hbase内部，row key保存为字节数组。存储时，数据按照Row key的字典序(byte order)排序存储。设计key时，要充分排序存储这个特性，将经常一起读取的行存储放到一起。(位置相关性)
-
-注意：
-
-+ 字典序对int排序的结果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整形的自然序，行键必须用0作左填充。
-
-+ 行的一次读写是原子操作 (不论一次读写多少列)。
-
-
-
-### 2.2 Column Family（列族）
-
-hbase表中的每个列（Column），都归属与某个列族。列族是表的schema的一部分(列不是)，必须在使用表之前定义。列名都以列族作为前缀。例如courses:history，courses:math都属于courses 这个列族。
-
-
-
-### 2.3 Column Qualifier (列限定符)
-
-列限定符被添加到列族中，以提供给定数据的索引。给定列族`content`，列限定符可能是`content:html`，另一个可能是`content:pdf`。虽然列族在创建表时是固定的，但列限定符是可变的，并且行与行之间可能有很大差异。
-
-
-
-### 2.4 Column(列)
-
-HBase 中的列由列族和列限定符组成，它们由`:`（冒号）字符分隔。
-
-
-
-### 2.5 Cell
-
-cell是行，列族和列限定符的组合，并包含值和时间戳。
-
-
-
-### 2.6 Timestamp(时间戳)
-
-HBase 中通过row和columns确定的为一个存贮单元称为cell。每个 cell都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。每个 cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
-
-
-
-## 二、存储结构
-
-### 2.1 Regions
-
-Hbase Table中的所有行都按照row key的字典序排列。HBase Tables 通过行键的范围（row key range）被水平切分成多个Region, 一个Region包含了在start key 和 end key之间的所有行。
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/HBaseArchitecture-Blog-Fig2.png"/> </div>
-
-每个表一开始只有一个Region ，随着数据不断插入表，Region不断增大，当增大到一个阀值的时候，Region就会等分会两个新的Region。当Table中的行不断增多，就会有越来越多的Region。
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-region-splite.png"/> </div>
-
-Region是Hbase中**分布式存储和负载均衡的最小单元**。最小单元就表示不同的Region可以分布在不同的Region Server上。但一个Region是不会拆分到多个server上的。
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-region-dis.png"/> </div>
-
-### 2.2 Region Server
-
-Region Server在HDFS data node上运行。
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-hadoop.png"/> </div>
-
-Region Server 存取一个子表时，会创建一个 Region 对象，然后对表的每个列族 (Column Family) 创建一个 Store 实例，每个 Store 都会有 0 个或多个 StoreFile 与之对应，每个 StoreFile 都会对应一个 HFile，HFile 就是实际的存储文件。因此，一个 Region 有多少个列族就有多少个 Store。
-
-Region Server还具有以下组件：
-
-+ WAL：Write Ahead Log（预写日志）是分布式文件系统上的文件。 WAL用于存储尚未进持久化存储的新数据，以便在发生故障时进行恢复。
-+ BlockCache：是读缓存。它将频繁读取的数据存储在内存中。如果存储不足，它将按照`最近最少使用原则`清除多余的数据。
-+ MemStore：是写缓存。它存储尚未写入磁盘的新数据，并会在数据写入磁盘之前对其进行排序。每个Region上的每个列族都有一个MemStore。
-+ HFile将行数据按照KeyValues的形式存储在文件系统上。
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-Region-Server.png"/> </div>
-
-## 三、Hbase系统架构
-
-### 3.1 系统架构
-
-HBase系统遵循master/salve架构，由三种不同类型的组件组成。
-
-**Zookeeper**
-
-1. 保证任何时候，集群中只有一个master
-
-2. 存贮所有Region的寻址入口
-
-3. 实时监控Region Server的状态，将Region server的上线和下线信息实时通知给Master
-
-4. 存储Hbase的schema,包括有哪些Table，每个Table有哪些column family
-
-**Master**
-
-1. 为Region server分配Region 
-
-2. 负责Region server的负载均衡
-
-3. 发现失效的Region server并重新分配其上的Region 
-
-4. GFS上的垃圾文件回收
-
-5. 处理schema更新请求
-
-**Region Server**
-
-1. Region server维护Master分配给它的Region ，处理发到Region上的IO请求
-
-2. Region server负责切分在运行过程中变得过大的Region
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/HBaseArchitecture-Blog-Fig1.png"/> </div>
-
-### 3.2 组件间的协作
-
- HBase使用ZooKeeper作为分布式协调服务来维护集群中的服务器状态。 Zookeeper维护可用服务列表，并提供服务故障通知。
-
-+ 每个Region Server都会在ZooKeeper上创建一个临时节点，HMaster通过Zookeeper的Watcher机制监控这些节点以发现可用的Region Server和故障的Region Server；
-
-+ Masters会竞争创建临时节点， Zookeeper确定第一个并使用它来确保只有一个主服务器处于活动状态。主Master向Zookeeper发送心跳，备用HMaster监听主HMaster故障的通知，在主HMaster发生故障的时候取而代之。
-
-+ 如果Region Server或主HMaster未能发送心跳，则会话过期并删除相应的临时节点。这会触发定义在该节点上的Watcher事件，使得Region Server或备用Region Server得到通知。
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/HBaseArchitecture-Blog-Fig5.png"/> </div>
-
-
-
-## 四、数据的读写流程简述
-
-### 4.1 写入数据的流程
-
-1. client向region server提交写请求
-
-2. region server找到目标region
-
-3. region检查数据是否与schema一致
-
-4. 如果客户端没有指定版本，则获取当前系统时间作为数据版本
-
-5. 将更新写入WAL log
-
-6. 将更新写入Memstore
-
-7. 判断Memstore存储是否已满，如果存储已满则需要flush为Store Hfile文件
-
-> 更为详细写入流程可以参考：[HBase － 数据写入流程解析](http://hbasefly.com/2016/03/23/hbase_writer/)
-
-
-
-### 4.2 读取数据的流程
-
-以下是客户端首次读写Hbase 的流程：
-
-1. 客户端从Zookeeper获取 META 表所在的Region Server。
-
-2. 客户端访问 META 表所在的Region Server，查询META 表获取它想访问的行键（Row Key）所在的Region Server。客户端将缓存这些信息以及META表的位置。
-
-3. 客户端端将从相应的Region Server获取行数据。
-
-如果再次读取，客户端将使用缓存来获取META 的位置及之前的行键。这样时间久了，客户端不需要查询META表，除非Region移动所导致的缓存失效，这样的话，则将会重新查询更新缓存。
-
-注：META 表是Hbase中一张特殊的表，它保存了Hbase中所有数据表的Region位置信息，ZooKeeper存储着META 表的位置。
-
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/HBaseArchitecture-Blog-Fig7.png"/> </div>
-
-> 更为详细读取数据流程参考：
->
-> [HBase原理－数据读取流程解析](http://hbasefly.com/2016/12/21/hbase-getorscan/)
->
-> [HBase原理－迟到的‘数据读取流程部分细节](http://hbasefly.com/2017/06/11/hbase-scan-2/)
-
-
-
-
-
-## 参考资料
-
-本篇文章内容主要参考自官方文档和以下两篇博客，图片也主要引用自以下两篇博客：
-
-+ [HBase Architectural Components](https://mapr.com/blog/in-depth-look-hbase-architecture/#.VdMxvWSqqko)
-
-+ [Hbase系统架构及数据结构](https://www.open-open.com/lib/view/open1346821084631.html)
-
-官方文档：
-
-+ [Apache HBase ™ Reference Guide](https://hbase.apache.org/2.1/book.html)
-
-
-
+## 一、基本概念
+
+一个典型的Hbase Table 表如下：
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-webtable.png"/> </div>
+
+### 2.1 Row Key (行键)
+
+Row Key是用来检索记录的主键。访问Hbase Table中的行，只有三种方式：
+
++ 通过单个Row Key访问
+
++ 通过Row Key的range
+
++ 全表扫描
+
+Row Key (行键)可以是任意字符串(最大长度是 64KB，实际应用中长度一般为 10-100bytes)，在Hbase内部，Row Key保存为字节数组。存储时，数据按照Row Key的字典序(byte order)排序存储。设计key时，要充分排序存储这个特性，将经常一起读取的行存储放到一起(位置相关性)。
+
+需要注意以下两点：
+
++ 字典序对int排序的结果是1,10,100,11,12,13,14,15,16,17,18,19,2,20,21,…,9,91,92,93,94,95,96,97,98,99。要保持整型的自然序，行键必须用0作左填充。
+
++ 行的一次读写是原子操作 (不论一次读写多少列)。
+
+
+
+### 2.2 Column Family（列族）
+
+hbase表中的每个列（Column），都归属与某个列族。列族是表的schema的一部分(列不是)，必须在使用表之前定义。列名都以列族作为前缀。例如`courses:history`，`courses:math`都属于`courses `这个列族。
+
+
+
+### 2.3 Column Qualifier (列限定符)
+
+列限定符被添加到列族中，以提供给定数据的索引。给定列族`content`，列限定符可能是`content:html`，另一个可能是`content:pdf`。虽然列族在创建表时是固定的，但列限定符是可变的，并且行与行之间可能有很大差异。
+
+
+
+### 2.4 Column(列)
+
+HBase 中的列由列族和列限定符组成，它们由`:`（冒号）字符分隔。
+
+
+
+### 2.5 Cell
+
+Cell是行，列族和列限定符的组合，并包含值和时间戳。
+
+
+
+### 2.6 Timestamp(时间戳)
+
+HBase 中通过`row`和`columns`确定的为一个存储单元称为Cell。每个Cell都保存着同一份数据的多个版本。版本通过时间戳来索引。时间戳的类型是 64位整型。时间戳可以由hbase(在数据写入时自动 )赋值，此时时间戳是精确到毫秒的当前系统时间。时间戳也可以由客户显式赋值。如果应用程序要避免数据版本冲突，就必须自己生成具有唯一性的时间戳。每个Cell中，不同版本的数据按照时间倒序排序，即最新的数据排在最前面。
+
+
+
+## 二、存储结构
+
+### 2.1 Regions
+
+Hbase Table中的所有行都按照Row Key的字典序排列。HBase Tables 通过行键的范围（row key range）被水平切分成多个Region, 一个Region包含了在start key 和 end key之间的所有行。
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/HBaseArchitecture-Blog-Fig2.png"/> </div>
+
+每个表一开始只有一个Region，随着数据不断插入表，Region不断增大，当增大到一个阀值的时候，Region就会等分会两个新的Region。当Table中的行不断增多，就会有越来越多的Region。
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-region-splite.png"/> </div>
+
+Region是Hbase中**分布式存储和负载均衡的最小单元**。最小单元就表示不同的Region可以分布在不同的Region Server上。但一个Region是不会拆分到多个server上的。
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-region-dis.png"/> </div>
+
+### 2.2 Region Server
+
+Region Server在HDFS DataNode上运行。
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-hadoop.png"/> </div>
+
+Region Server存取一个子表时，会创建一个 Region 对象，然后对表的每个列族 (Column Family) 创建一个 Store 实例，每个 Store 都会有 0 个或多个 StoreFile 与之对应，每个 StoreFile 都会对应一个 HFile，HFile 就是实际的存储文件。因此，一个 Region 有多少个列族就有多少个 Store。
+
+Region Server还具有以下组件：
+
++ WAL：Write Ahead Log（预写日志）是分布式文件系统上的文件。 WAL用于存储尚未进持久化存储的新数据，以便在发生故障时进行恢复。
++ BlockCache：是读缓存。它将频繁读取的数据存储在内存中。如果存储不足，它将按照`最近最少使用原则`清除多余的数据。
++ MemStore：是写缓存。它存储尚未写入磁盘的新数据，并会在数据写入磁盘之前对其进行排序。每个Region上的每个列族都有一个MemStore。
++ HFile将行数据按照KeyValues的形式存储在文件系统上。
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-Region-Server.png"/> </div>
+
+## 三、Hbase系统架构
+
+### 3.1 系统架构
+
+HBase系统遵循Master/Salve架构，由三种不同类型的组件组成。
+
+**Zookeeper**
+
+1. 保证任何时候，集群中只有一个Master
+
+2. 存贮所有Region的寻址入口
+
+3. 实时监控Region Server的状态，将Region server的上线和下线信息实时通知给Master
+
+4. 存储Hbase的schema,包括有哪些Table，每个Table有哪些Column Family
+
+**Master**
+
+1. 为Region server分配Region 
+
+2. 负责Region server的负载均衡
+
+3. 发现失效的Region server并重新分配其上的Region 
+
+4. GFS上的垃圾文件回收
+
+5. 处理schema更新请求
+
+**Region Server**
+
+1. Region server维护Master分配给它的Region ，处理发到Region上的IO请求
+
+2. Region server负责切分在运行过程中变得过大的Region
+
+<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/HBaseArchitecture-Blog-Fig1.png"/> </div>
+
+### 3.2 组件间的协作
+
+ HBase使用ZooKeeper作为分布式协调服务来维护集群中的服务器状态。 Zookeeper维护可用服务列表，并提供服务故障通知。
+
++ 每个Region Server都会在ZooKeeper上创建一个临时节点，HMaster通过Zookeeper的Watcher机制监控这些节点以发现可用的Region Server和故障的Region Server；
+
++ Masters会竞争创建临时节点， Zookeeper确定第一个并使用它来确保只有一个主服务器处于活动状态。主Master向Zookeeper发送心跳，备用HMaster监听主HMaster故障的通知，在主HMaster发生故障的时候取而代之。
+
++ 如果Region Server或主HMaster未能发送心跳，则会话过期并删除相应的临时节点。这会触发定义在该节点上的Watcher事件，使得Region Server或备用Region Server得到通知。
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/HBaseArchitecture-Blog-Fig5.png"/> </div>
+
+
+
+## 四、数据的读写流程简述
+
+### 4.1 写入数据的流程
+
+1. client向Region server提交写请求
+
+2. Region server找到目标Region
+
+3. Region检查数据是否与schema一致
+
+4. 如果客户端没有指定版本，则获取当前系统时间作为数据版本
+
+5. 将更新写入WAL log
+
+6. 将更新写入Memstore
+
+7. 判断Memstore存储是否已满，如果存储已满则需要flush为Store Hfile文件
+
+> 更为详细写入流程可以参考：[HBase － 数据写入流程解析](http://hbasefly.com/2016/03/23/hbase_writer/)
+
+
+
+### 4.2 读取数据的流程
+
+以下是客户端首次读写Hbase 的流程：
+
+1. 客户端从Zookeeper获取 META 表所在的Region Server。
+
+2. 客户端访问 META 表所在的Region Server，查询META 表获取它想访问的行键（Row Key）所在的Region Server。客户端将缓存这些信息以及META表的位置。
+
+3. 客户端端将从相应的Region Server获取行数据。
+
+如果再次读取，客户端将使用缓存来获取META 的位置及之前的行键。这样时间久了，客户端不需要查询META表，除非Region移动所导致的缓存失效，这样的话，则将会重新查询更新缓存。
+
+注：META 表是Hbase中一张特殊的表，它保存了Hbase中所有数据表的Region位置信息，ZooKeeper存储着META 表的位置。
+
+<div align="center"> <img  src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/HBaseArchitecture-Blog-Fig7.png"/> </div>
+
+> 更为详细读取数据流程参考：
+>
+> [HBase原理－数据读取流程解析](http://hbasefly.com/2016/12/21/hbase-getorscan/)
+>
+> [HBase原理－迟到的‘数据读取流程部分细节](http://hbasefly.com/2017/06/11/hbase-scan-2/)
+
+
+
+
+
+## 参考资料
+
+本篇文章内容主要参考自官方文档和以下两篇博客，图片也主要引用自以下两篇博客：
+
++ [HBase Architectural Components](https://mapr.com/blog/in-depth-look-hbase-architecture/#.VdMxvWSqqko)
+
++ [Hbase系统架构及数据结构](https://www.open-open.com/lib/view/open1346821084631.html)
+
+官方文档：
+
++ [Apache HBase ™ Reference Guide](https://hbase.apache.org/2.1/book.html)
+
+
+
diff --git a/notes/Linux中大数据常用软件安装指南.md b/notes/Linux中大数据常用软件安装指南.md
index fbaf75a..ce0f2ce 100644
--- a/notes/Linux中大数据常用软件安装指南.md
+++ b/notes/Linux中大数据常用软件安装指南.md
@@ -25,6 +25,12 @@
 
 
 
+### 五、Hbase
+
+1. [Hbase基本环境搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Hbase%E5%9F%BA%E6%9C%AC%E7%8E%AF%E5%A2%83%E6%90%AD%E5%BB%BA.md)
+
+
+
 ### 五、Linux
 
 + [虚拟机静态IP配置](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/虚拟机静态IP配置.md)
diff --git a/notes/installation/Hbase基本环境搭建.md b/notes/installation/Hbase基本环境搭建.md
index 9e78339..9d38c45 100644
--- a/notes/installation/Hbase基本环境搭建.md
+++ b/notes/installation/Hbase基本环境搭建.md
@@ -2,21 +2,8 @@
 
 <nav>
 <a href="#一安装前置条件说明">一、安装前置条件说明</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#11-JDK版本说明">1.1 JDK版本说明</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#12-standalone-模式和伪集群模式的区别">1.2 standalone 模式和伪集群模式的区别</a><br/>
 <a href="#二Standalone-模式">二、Standalone 模式</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#21-下载并解压">2.1 下载并解压</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#22-配置环境变量">2.2 配置环境变量</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#23-进行Hbase相关配置">2.3 进行Hbase相关配置</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#24-启动Hbase">2.4 启动Hbase</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#25-验证启动是否成功">2.5 验证启动是否成功</a><br/>
 <a href="#三伪集群模式安装Pseudo-Distributed">三、伪集群模式安装（Pseudo-Distributed）</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#31-Hadoop单机伪集群安装">3.1 Hadoop单机伪集群安装</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#32-Hbase版本选择">3.2 Hbase版本选择</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#33-软件下载解压">3.3 软件下载解压</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#34-配置环境变量">3.4 配置环境变量</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#35-进行Hbase相关配置">3.5 进行Hbase相关配置</a><br/>
-&nbsp;&nbsp;&nbsp;&nbsp;<a href="#36-验证启动是否成功">3.6 验证启动是否成功</a><br/>
 </nav>
 
 ## 一、安装前置条件说明
@@ -119,7 +106,7 @@ export JAVA_HOME=/usr/java/jdk1.8.0_201
 
 验证方式二：访问Hbase Web UI 页面，默认端口为`16010`
 
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-web-ui.png"/> </div>
+<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-web-ui.png"/> </div>
 
 
 
@@ -127,21 +114,21 @@ export JAVA_HOME=/usr/java/jdk1.8.0_201
 
 ### 3.1 Hadoop单机伪集群安装
 
-因为上面的单机版本采用了本地文件系统作为存储，为了演示Hbase支持的多种存储方式，这里我们采用HDFS作为Hbase的存储方案。需要预先安装Hadoop,Hadoop安装方式见本仓库[Hadoop单机伪集群搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Hadoop单机版本环境搭建.md)
-
-> 需要说明的是：Hbase即使是伪集群安装模式依然可以采用本地文件系统作为存储。
-
+这里我们采用HDFS作为Hbase的存储方案，需要预先安装Hadoop。（如果你没有安装Hadoop，依然可以按照Standalone 模式，采用本地文件系统作为存储方案）
 
+> [Hadoop单机伪集群搭建](https://github.com/heibaiying/BigData-Notes/blob/master/notes/installation/Hadoop单机版本环境搭建.md)
 
 ### 3.2 Hbase版本选择
 
-Hbase的版本必须要与Hadoop的版本兼用，不然会发生各种Jar包冲突，由于我们Hadoop采用的版本为`hadoop-2.6.0-cdh5.15.2`,所以这里保持CDH版本一致，我们选择的Hbase版本为`hbase-1.2.0-cdh5.15.2` ，Hbase 1.2 的安装需要依赖JDK 1.7+ 。故所有软件版本如下：
+Hbase的版本必须要与Hadoop的版本兼容，不然会发生各种Jar包冲突。
 
-+ **hadoop 版本**： hadoop-2.6.0-cdh5.15.2
+由于我们Hadoop采用的版本为`hadoop-2.6.0-cdh5.15.2`,所以这里保持CDH版本一致，我们选择的Hbase版本为`hbase-1.2.0-cdh5.15.2` ，Hbase 1.2 的安装需要依赖JDK 1.7+ 。所有软件版本如下：
 
-+ **hbase 版本**： hbase-1.2.0-cdh5.15.2
++ hadoop 版本： hadoop-2.6.0-cdh5.15.2
 
-+ **JDK 版本**：JDK 1.8
++ hbase 版本： hbase-1.2.0-cdh5.15.2
+
++ JDK 版本：JDK 1.8
 
 
 
@@ -236,4 +223,4 @@ hadoop001
 
 验证方式二：访问Hbase Web UI 界面，需要注意的是1.2 版本的Hbase的访问端口为`60010`
 
-<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-60010.png"/> </div>
\ No newline at end of file
+<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/hbase-60010.png"/> </div>
\ No newline at end of file