近年来,随着天文观测设备数据采集能力的提高,天文星表数据呈现爆发性的增长,天文学已经进入了大数据的时代,由于天文数据量非常庞大,导致应用传统科学计算方法生成天文时序数据时效率不高,直接影响了时域天文学的科学产出,如何对其进行高效访存及快速交叉证认,加速时序数据生成成为当前的一个重要研究方向。传统的关系型数据库对海量星表数据的存储和处理相对薄弱,分布式环境下非关系型数据库的应用为此提供了一个新的研究视角。为了解决这一问题,本文提出基于快速映射的减少距离计算的同源星表快速证认方法及基于MongoDB的应用方案,重点从原始数据访存及索引查询、交叉证认算法等方面优化等方面寻求新的突破,以解决大规模天文星表的批量时序重构的效率问题。从原始数据访存和索引查询优化方面,本文提出了基于MongoDB的交叉证认算法,利用了MongoDB中的地理空间索引和分布式存储,通过地理空间索引中的2D索引和HEALpix索引划分方式相同的特点,实现天文数据的快速访问和提取,通过天文数据的分布式存储,减少主节点的存储压力,通过MongoDB的副本集保障了数据安全,方便数据的分布式和并行计算。从交叉证认算法的优化方面,为了解决当前传统的交叉证认算法的计算量巨大,效率低下的问题,本文提出了一种快速证认算法。由于本文研究的是同源星表,具有星体位置无较大变动的特点,所以此算法先通过数量对比和亮度的对比,划定需要证认的区域为特殊区域和非特殊区域,对于非特殊区域的星体通过位置比较进行免距离的匹配输出,对于特殊区域的星体保留距离计算。这种算法大大减少了交叉证认的计算量,有效提升了大规模星表数据交叉证认的计算的效率。实验结果表明此方法与基于传统多波段交叉证认算法和关系型数据库的方法相比,可以更有效地提高时序数据的生成效率,为时域天文学时代频繁采样望远镜的大规模星表数据的时序重构和光变曲线生成提供了新的思路。