随着信息化进程的推进,多个企业间及企业内部各信息系统进行数据交换、整合的需求愈加强烈。但由于信息系统开发的阶段性,许多企业内部的数据库应用系统都是分布、独立、异构的系统,在各自的局域网内形成信息孤岛,无法实现数据共享。这就使得数据集成成为数据库应用领域的一个重要研究课题。于此同时,数字信息量激增,海量数据的产生需要与之相匹配的高效计算能力来处理数据,这使得传统的单机数据集成模式不堪重负。云计算作为一个新型的面向服务的计算模式,很好的适应了数据集成的需求。本文研究了在云计算环境下,以高效的数据存储管理以及高性能的数据处理为出发点,基于分布式文件存储构建多源异构数据的企业级数据集成应用系统的问题。在高效数据存储管理方面,提出了一种基于容器的分布式文件存储系统。给出了基于容器的存储模型,定义了模型中文件、容器、存储节点、主节点等基本概念,并描述了集群体系架构；介绍了元数据维护方案、文件标识及文件的访问算法。在高性能数据处理方面,面对数据集成过程中数据清洗所要求的计算规模与单机的运算能力间存在的巨大差距,针对大数据量小文件的现状,在上述基于容器的分布式文件存储系统的数据管理模式的基础上,研究并设计了小文件运用Map/Reduce并行计算模型的解决方案,将运算分布在集群环境中。最后,依据上述两点研究设计了多源异构的个人信息数据集成,完成了个人信息融合系统构建,并详细介绍了各模块的功能和工作原理,结合项目真实数据进行了验证。