Web2.0时代的到来使得越来越多的图片需要被存储到数据库中,海量的图片信息、非结构化的数据结构、频繁的读写操作都为数据存储提供了难度。如何高效的存储海量图片数据是一个值得关注的话题,大数据的出现为我们解决海量图片存储提供了新的思路。论文针对人脸海量图片的特点和存储需求以及对分布式存储框架的对比,提出了基于HBase的海量图片解决方案,并采用了Master/Slaver分布式存储结构。为了提高图片数据的可靠性,构建HA高可用架构提高系统的可靠性和容错性。在图片存储方面,为了提高海量图片的插入效率,针对不同的图片来源设计不同的表和入库方式。针对其中的大规模人脸抓拍数据以及非结构化的人物信息设计了分布式存储主键,成功的解决HBase在高并发情况数据不平衡的问题,提高了region各区域的负载均衡。由于人脸图片是小文件类型,过多会影响集群的存取效率,因此本文在Hadoop中现有的解决方案上进行优化,提出一种新的解决方案,首先提取人脸图片中的特征值,再利用k-means算法将相似度高的图片小文件合并到大文件中,提高Hadoop中block块的利用率。在文本检索方面,由于HBase缺乏二级索引,多条件查询效率低。为了弥补这方面的缺陷,本文提出一种新的解决思路,利用协处理器将Elasticsearch工具与HBase结合构建联合索引,提高HBase的检索效率。在相似图片搜索上,利用LSH算法将相似度高的图片数据映射到相同的桶结构中。最后,构建分布式集群从集群时空开销、检索效率等方面对优化方案进行测试。实验表明,在插入图片的数量一致时,通过小文件合并方案能降低集群内存的消耗,提高图片的写入速度。对rowkey的优化提高了Region的负载均衡,建立联合索引在牺牲一定的集群空间上大幅增加了数据的检索效率。