当代社会数据规模越来越大,且都具有海量、异构、半结构化或非结构化的特点。通过网络,基于海量数据的挖掘、分析以及处理等Web服务成为信息社会发展的趋势。针对海量信息的数据密集型应用作为这种新型服务的支撑技术已引起广泛关注。面向数据密集型应用的数据管理存在诸多难点,如海量数据的有效存储,动态、异构数据的实时更新,索引视图的建立和高效查询分析等。因此,本文针对数据密集型应用中的海量、异构、非结构化数据的管理问题,研究并开发数据存储、查询以及数据服务提供等关键技术。本文首先建立了一个可扩展、高效的面向数据密集型应用的数据管理模型(DIA-DM),针对该模型,创建了节点架构服务(DNN),数据布局服务(HDL),数据索引服务,数据压缩服务和数据存取服务。接着,设计了一种基于DIA-DM模型的查询机制(QueryM),它是一个将SQL查询转化为MapReduce作业的转换器,运用一系列的规则将一个复杂的SQL查询转换为尽量少的MapReduce作业。其核心是一种针对于SQL查询转换为MapReduce作业的作业合并算法(MR-JM),根据QueryM查询机制中定义的4条合并原则对作业进行合并。最后,设计并实现了一个数据密集型典型应用——交通数据应用平台,使用vSphere进行硬件架构,在HBase数据库中使用HDL进行数据布局存储,使用QueryM查询机制对数据进行查询。该应用平台主要分为三大模块,为数据管理、信息查询和数据统计,通过应用分析来说明该平台的实际可用性和查询效率。