知识图谱在描述现实世界中的各种实体和关系方面具有良好的表现形式,它是人工智能领域的一项关键技术,研究热度随着人工智能的发展而不断提高。作为描述大规模知识图谱的标准数据格式资源描述框架RDF,伴随着知识图谱的兴起,也广泛应用在各个领域,与我们生活息息相关。例如,用于帮助搜索引擎找到更符合用户需求的答案、用于优化对一个事物的具体描述。RDF数据的广泛使用导致其数据日益庞大,亟需一个高效的数据管理系统进行有效管理。但是目前无论基于关系或基于原生的RDF数据管理系统,多为在单机系统实现或依赖过度的存储开销达到快速管理的要求,不足以满足数据发展现状的需求。为此需设计一种针对RDF数据基于分布式环境的优化型方案。本文提出了一种名为RDFSIS的RDF知识图谱数据的分布式存储与索引方案和一种与之对应的名为QOS的查询优化策略,目的是在分布式系统上以适度地存储开销达到对庞大RDF数据的高效管理。RDFSIS方案为三种方法的组合,包括提取关系构建实体索引、本体划分和连接分类处理,通过这些方法抽取数据实体之间的关系、构建实体类索引;处理实体内部数据,构建谓语索引,加强实体内部数据的关联度;使用连接,降低数据操作复杂度,将数据最优存放。QOS策略包括查询谓语定位算法和查询执行优化处理算法,通过索引指向缩短数据检索的范围,修改查询减小数据的连接复杂度,提高数据检索速度,从而保证RDF数据管理系统综合性能的优良性。通过对比实验,在合成数据集和真实数据集上分别验证了本方案的可行性。在不同类型的数据集、不同规模的数据、不同类型查询上的大量实验数据均显示本方案有优化效果,查询效率高于原系统,从而证明了本文的方案在大规模分布式系统上对于RDF知识图谱数据的真实可用性。