Hadoop是处理海量数据的分布式计算及存储框架，在各行各业中得到的广泛的应用，尤其是在互联网用户数如此庞大的环境下。但是Hadoop处理一些大数据应用仍然存在一些不足，如Hadoop处理图结构数据。由于图结构数据的强耦合特性，无法在一次mapreduce计算中得出结果，而是需要迭代化计算，甚至一次迭代包含多次mapreduce计算，从而需要重新启动mapeduce任务，开销较大，另外迭代过程中可能存在静态数据的不必要传输，破坏了Hadoop设计的思想。本文首先论述Hadoop处理迭代应用存在的问题以及一些解决方案，如HaLoop。在此基础上提出了map端存储策略，它主要是通过扩展mapper接口来充分利用map阶段的计算以及利用在map端存储静态数据，以便可以在map阶段完成静态数据与动态数据相关计算，减少了数据传输到reduce阶段完成计算的网络开销。之后分析Hadoop的默认放置策略，该策略存在的一些缺陷。针对缺陷，考虑到数据备份的放置以及计算机性能差异情况下的数据放置，将数据备份恢复的开销最小化以及充分利用计算机的性能差异、减少数据的网络传输开销。结合存储节点的剩余存储容量、计算机处理能力以及网络延迟因素，来选择合适的存储节点。最后，通过搭建Hadoop平台，并对局部源代码进行修改、重新编译，对以上的修改方案进行实现并与修改前的方案进行对比，验证理论分析的正确性。