HBase是一个分布式的、面向列的数据库，它基于Hadoop和HDFS构建，可以提供海量数据的快速随机访问。HBase的数据模型是由行键、列族、列限定符和时间戳组成的多维稀疏矩阵，每个单元格存储一个字节数组。那么，HBase是如何将这些数据以物理存储单位存储在HDFS上的呢？
HBase的物理存储单位是HFile，它是一个有序的、不可变的、按键排序的键值对文件，每个键值对包含一个行键、一个列族、一个列限定符、一个时间戳和一个值。HFile由多个数据块和元数据块组成，每个数据块存储一系列键值对，每个元数据块存储一些索引信息或统计信息。HFile支持压缩、缓存和布隆过滤器等功能，可以提高读写性能和节省空间。
HBase将每个表划分为多个区域（Region），每个区域负责一段连续的行键范围，每个区域由一个区域服务器（RegionServer）管理。每个区域又由多个列族（ColumnFamily）组成，每个列族对应一个存储目录。每个列族下有多个HFile文件，每个HFile文件对应一个区域内的一段行键范围。当一个区域内的数据量达到一定阈值时，会触发分裂操作，将该区域划分为两个子区域，并重新分配给不同的区域服务器。
当用户向HBase写入数据时，首先会将数据写入内存中的写缓冲区（Write-Ahead-Log，WAL），然后将数据插入到内存中的有序缓冲区（MemStore），MemStore按照键值对的顺序存储数据。当MemStore达到一定大小时，会将其内容刷写到磁盘上形成一个新的HFile文件，并清空MemStore。这个过程称为刷写（Flush）。当一个列族下有多个HFile文件时，会触发合并操作（Compaction），将多个小文件合并为一个大文件，并删除重复或过期的数据。这样可以减少读取时需要扫描的文件数量，提高查询效率。
HBase的物理存储单位是HFile，它是一种高效且灵活的文件格式，可以适应不同场景下的数据访问需求。通过刷写和合并等机制，HBase可以保证数据的持久化和优化。