目前多数数据溯源系统都是建立在传统数据库的基础上,这就造成了在处理海量的高复杂度的数据时出现查询效率低,结果不可靠的问题。针对上述问题,探讨了Hadoop系统、现有的数据溯源模型和方法及国内外研究现状,在深入分析相关理论、技术和方法的基础上,基于数据基因编码的观点,提出了基于遗传算法的数据溯源染色体模型,并将其应用于Had oop系统,以处理海量高复杂度的数据溯源的问题。数据染色体溯源模型是建立在数据基因编码技术和遗传算法的基础上,核心是以生物的进化过程模拟数据的传播过程,通过分析数据在传播过程中发生变异的概率来达到数据溯源的目的。将该模型应用于Hadoop系统上,建立了一个基于Hadoop系统的数据溯源系统。为验证该系统,构建了Hadoop实验环境;以前期参加的华为项目“Hadoop分布式系统的流量模型研究”所得到的数据为数据源,运用基本遗传算法,计算各代数据染色体的概率和转移矩阵,将其运用到该系统中并进行仿真实验。实验表明,该系统具有较好的伸缩性和性能。将数据染色体溯源模型应用于Hadoop系统,能够解决传统传统数据溯源系统在处理海量高复杂度的数据时出现的效率较低,结果准确性不高的问题,并能实现高内聚、低耦合和易扩展的设计需求。