HBase数据存储结构的扩展主要通过以下几种方式实现：

水平扩展：

HBase通过将数据按照Row Key进行分区，并将不同的Row Key存储在不同的Region中，实现数据的水平分散存储，从而支持数据的无限扩展。当Region的大小达到一定阈值时，HBase会自动分裂Region，将数据分散到新的Region中，以实现数据的负载均衡。

增加RegionServer：

通过增加更多的RegionServer到集群中，可以提升HBase的存储和处理能力。这样，当数据量增长时，可以通过增加节点来分担负载，保证系统性能不受影响。

合理设计表结构：

根据业务需求和数据特点，设计出合适的表结构，包括列族、列修饰符、行键等，可以提高查询效率和分析能力。

使用HBase API进行数据查询：

利用HBase API可以快速地查询数据。例如，使用Scan操作可以进行范围查询，也可以使用Get操作来获取单个行的数据。同时，可以使用过滤器来过滤不需要的数据，进一步提高查询效率。

利用HBase与其他工具进行数据分析：

除了使用HBase API进行数据查询，还可以使用其他工具来进行数据分析，如HadoopMapReduce、Apache Spark等。这些工具可以将HBase中的数据导入到分布式计算框架中进行复杂的数据分析和计算，从而扩展HBase的数据处理能力。

通过上述方法，HBase可以有效地扩展其数据存储结构，以支持大规模数据的存储和处理。