随着物联网、5G和人工智能等技术的发展,在类似于网络安全态势感知、智能制造、智慧城市这样的综合性信息应用系统中,对不同来源的异构时序性日志数据的需求呈现爆炸式增长。传统数据库系统无法应对这些海量异构数据的统一存储要求,HBase作为一种分布式列族数据库,因其具有良好的可扩展性,可以解决该类应用场景中的海量数据存储问题。目前HBase所采用的分区存储机制以及相关负载均衡策略,能让各RegionServer上Region数目大致相同,但各Region上数据访问请求不均等,容易引发数据负载倾斜问题,从而极大地影响其读写性能,无法有效的应用到上述应用场景中。本文以高效能的海量多源异构时序数据存储为应用场景,对HBase中负载倾斜问题进行分析研究。针对数据访问请求负载不均衡问题,本文设计了一种基于用户访问行为预测的分布式数据存储策略。该策略在HBase原有分区存储基础上,通过对用户访问行为的建模,可实现对数据冷热性的预测,并结合数据相关时空特征的Rowkey装配方案,完成对数据的冷热分层分区存储,从而将系统数据访问请求负载均衡化。针对热点数据索引负载不均衡问题,本文改进现有二级索引构建策略,通过修改索引以及主数据的Rowkey前缀值,实现索引数据与对应主数据同步存储在相应Region中,最终实现索引数据访问请求负载均衡化。结合以上策略和算法,本文设计和实现了一个面向多源异构时序数据的分布式存储原型系统,并给出了相应设计和实现细节。最后本文利用KDD CUP 99网络入侵检测安全数据集,通过模拟用户访问行为生成相应负载数据集,搭建实验平台对算法和系统可行性进行了测试。实验结果表明,相对于现有单表HBase和具有预分区策略的HBase,PUB-HBase能够在保证数据均匀分布的前提下,在各节点间有效分散数据访问请求,从而有效缩短用户对热点数据查询耗时,以及降低系统因数据负载倾斜而产生额外I/O开销。