在多源异构大数据场景下,元数据是指数据由源系统集成到数据仓库过程中的全部信息的描述数据。其中元数据不仅包含数据的基本描述信息,还记录对数据转换来源的描述信息。而数据血缘就是记录描述数据转换来源的历史信息,它是元数据服务管理中的核心难点和挑战。由于大数据中已有组件的异构性和数据来源的多样性,导致目前元数据服务管理中还存在以下几个问题:1)现有的Hive数据血缘解析实现方案中,会存在Hive数据血缘解析与原生组件耦合性高,准确性差、精确度低的问题;2)多源异构大数据处理组件的异构性,导致不同的大数据数据处理组件的数据血缘解析难以有效统一;3)在多源异构大数据场景下,缺少以元数据管理为基础对数据内容或者分析结果的对外开放的统一管理。综上所述,本论文针对多源异构大数据的元数据服务管理中的关键问题,大数据分布式架构下数据血缘解析的难点问题展开以下三方面的工作:1、设计并实现了基于Hive的字段级数据血缘处理的优化方法,通过对原有的Hive数据血缘处理流程进行了重构和改进,实现了对Hive SQL数据血缘的独立解析能力,保证数据血缘功能和Hive数据仓库之间的低耦合;结合元数据服务,实现了对SQL中元数据信息的校验和替换,保证了数据血缘解结果的准确性和正确性。从而解决了 Hive数据血缘解析与原生组件耦合性高、准确性差、精确度低的问题。2、提出并实现了统一大数据数据血缘解析构建方法,通过对异构化大数据处理组件的数据处理流程、多样化的数据转换解决方案进行定义和抽象,将多源异构的大数据处理流程抽象为一个有向无环图的形式,以此为基础提出对应的数据血缘追寻算法。并且对于不同大数据处理组件（如:Hive、Spark）的处理流程实现了对数据血缘的统一处理和构建,以解决复杂多样的大数据组件所带来的数据血缘处理方面的挑战。3、设计并实现了面向多源异构大数据的元数据服务管理平台,实现了对多源异构元数据的统一管理,并且除支持基础元数据信息之外,还支持对数据血缘的采集与查询,便于用户对数据来源与去向进行理解分析。以多源异构元数据的统一管理为基础,支持数据模型的快速建设,通过标签化的数据模型绑定建立相应的数据模型业务场景,实现了在大数据场景下的数据标签模型,以及数据服务的统一管理。最后,该平台应用于国家重点研发计划项目“大数据征信及智能评估技术”中,验证了本文平台及方法的有效性及实用性。