海量数据分析技术是当今时代热门研究方向,同时也是未来几年的研究重点,对于该方向的深入研究有着很好的前景。在科学研究领域,复杂性分析查询导致了网络和IO的大量消耗。这是因为科学数据分析操作包含大量Join查询,Join查询是CPU和IO密集型操作,导致了大量网络和IO开销消耗。在大规模数据集上Join操作效率很低,导致了科学数据分析效率低。即使专门针对科学数据而研发的阵列数据库通常也未能有效解决海量科学数据连接操作效率低下的问题。科学应用中的连接查询是IO密集型和CPU密集型查询,花费很大。SSD凭借其读写速度快的特点可以加速Join查询,从而提升科学数据分析效率。本文结合天文大数据连接查询的特点,针对海量数据在分布式环境下的连接操作进行了优化。主要研究内容包括:(1)提出了用于减少阵列数据库连接查询处理的网络开销的Target Join算法,比SciDB中连接查询性能提升了0.164~2.67倍;(2)提出了降低阵列数据库连接查询IO开销的JAPJA算法,比SciDB中连接查询性能提升了0.18~5.27倍;(3)提出了降低基于“SSD-磁盘”混合存储架构的Join处理中磁盘随机访问开销的JAPJABS算法,JAPJABS在JAPJA算法的基础上提升了0.02~2.67倍,比SciDB中连接查询性能提升了0.95~6.66倍。