随着计算机技术的快速发展以及互联网应用的普及,数据规模不断扩大,我们已经进入了大数据时代。尽管传统的关系数据库管理系统(RDBMS)可以提供非常成熟的数据存储和处理方案,但是面对不断增长的数据量,RDBMS分析和处理大数据的能力在可扩展性方面遇到了严重的瓶颈,No SQL数据库应运而生。它使用灵活的数据模型存储大数据,可以很容易地实现扩展性,因此诸如HBase之类的分布式存储系统在数据服务中发挥着重要作用。为了更好地处理和分析大数据,一维辅助索引已被用来访问许多分布式存储系统中的数据。但是,它不能通过简单地聚合多个辅助索引有效地支持多维范围查询。因此,本文提出了基于HBase的一种自适应多维索引策略来有效地执行多维范围查询操作,该策略联合了B+树和Hash表,首先根据要查询的属性建立B+树辅助索引,然后将索引查询得到的相应行键集合映射到Hash表以获得最终匹配结果。实验结果表明,我们的索引策略可以获得较低的响应时间延迟,并且在八维查询条件下,混合索引的响应时间比迭代索引减少了15.75%左右,比MD-HBase方法减少了39.82%左右。针对HBase更新索引时引起的一致性与性能之间的平衡问题,已有的更新策略只注重提高性能,而不关心索引结构和数据表之间的一致性,因此本文结合LRFU算法设计了冷热数据划分策略,并提出了基于HBase的冷热数据自适应多维索引维护策略,异步更新冷数据及其对应的索引并使用查询验证机制,同步更新热数据和索引,从而在一致性和性能之间实现自适应平衡。实验结果表明,自适应维护策略的一致性比异步简化策略强,且两者性能接近。