随着信息技术不断深入应用到金融、交通、军事、网络监测等领域,面向数据流的应用已经无处不在。而近年来互联网的广泛应用,海量的数据得以涌现。不同于传统的数据流只是一些针对实时分析与实时监测的简单过滤、聚合等查询请求,海量数据具有数据规模大,来源多且分布于大量cluster节点的特点。通过多个处理单元并行协作,进行大规模的数据并行处理,可以有效的降低处理延迟,因此并行计算技术在其中得到了广泛的应用;另一方面,面向海量数据的分析任务往往更为复杂,而流处理与海量数据分析任务具有共同的主要特点:符合过程化的处理方式。将海量数据分析下的并行计算与流处理结合,已经成为当前的一个研究热点,因此,本文针对海量数据分析任务的应用需求和特征,结合Argus系统的特点,搭建面向海量数据分析的并行数据流处理系统原型Pargus。　　 本文首先对面向海量数据的分析任务特征与相关系统进行了深入研究,并在此基础上针对Argus的现状,构建出Pargus的体系结构。本文的贡献在于:　　 1.设计出一系列表达能力较强的语言级别的接口函数,能够很好的以过程化的方式来描述大部分面向海量数据的分析任务功能需求。　　 2.复用Argus功能算子库来构建并行算子库,并提出统一描述符PCC以描述算子的并行实现机制,并重点讨论了数据倾斜现象下的调整策略。　　 3.提出并行数据流结构属性的代数描述,并在此基础上对并行计划进行优化以减少整个并行计划的数据划分代价。　　 4.在运行态下,设计出相应的监控机制,运行基于负载平衡与网络延迟的动态调整策略,以保证系统有较短的处理延迟和较高的吞吐量。　　 本文最后对未来的研究工作做了展望。