随着数据量及其内容复杂性的急速增长,存储系统作为海量异构数据的后端变得愈加难以管理。其中,查询操作作为管理和分析数据的重要方式面临着前所未有的挑战。存储系统中大量的查询操作是通过元数据完成的。当今存储系统中广泛使用的目录树结构和简单的元数据不能满足基于内容的语义查询的要求,即用户无法通过文件内容本身的相似程度进行有效地查询,从而限制了存储系统的功能以及数据管理与分析的能力。面对上述问题,提出一种新的语义元数据组织方式SwiftGraph用于支持存储系统快速且相对准确的语义查询。该方式能够适用于大数据场景和应用。SwiftGraph首先通过深度哈希算法提取得到存储系统中文件或者对象的二值定长语义哈希码,以此作为元数据使用基于图的数据结构进行组织,使得语义相似的文件在元数据图结构上被聚集到邻近区域。SwiftGraph支持两种语义查询操作:语义范围查询和语义top-k查询。SwiftGraph实现于开源的云存储系统上,并且SwiftGraph作为一种中间件,可以以独立分支的形式应用于任何的文件系统和存储系统中,不会影响系统本身的元数据组织结构和功能。在三种不同的图像数据集上对该系统进了测试,测试结果表明,SwiftGraph不但能够获取内容语义表达准确的元数据,而且相比于树形元数据结构可以显著降低基于语义的查询开销。另外,虽然SwiftGraph带来了额外的时间和空间开销,但实验测试结果表明这些开销对系统性能的影响较小。同时,在大规模数据集场景下,数据量的扩增对查询时间的影响很小,表明了SwiftGraph针对数据增长具有较强的适应性和可扩展性。总体来讲,SwiftGraph不仅是一种通过语义元数据来支持图像存储系统中内容语义查询的方法,同时也为存储系统的智能化服务和大数据分析提供了一种有效可行的方案。