随着互联网的逐步社会化，各行各业的数据生产能力达到前所未有的高度，大数据（Big Data）概念在这一背景下被提了出来，并且吸引了越来越多的关注。随之而来的是各式各样的大数据技术，简言之，大数据技术指从海量形式各异的数据中，快速获取信息价值的能力。其中数据模型和数据存储技术研究是数据科学领域中的一项基础性工作，能够为上层数据库构建、数据存取、数据分析和挖掘提供有力支撑。论文描述了大数据技术的研究背景、研究意义，分析了大数据的特点及主流的数据处理技术，同时给出了大数据模型及相应数据分区策略的研究现状。然后，针对传统关系数据模型数据类型受限，并发查询性能低和横向伸缩性不足的缺陷，提出了一个开放可伸缩关系数据模型，该模型采用类关联数据的方式保留并扩展了传统关系模型的关系描述能力，提供了开放的数据类型支持，并借鉴key-value的思想，提供了完全的横向伸缩特性，迎合了大数据体量庞大、类型多样、增长迅速的特点。在此之上，以构建一个高伸缩性、高可靠性和便于进行跨数据中心部署的存储系统为目标，从具体的数据存储角度出发，针对OSRDM及其它基于key-value的数据模型，在分析现有数据分区与冗余机制的基础上，提出了一个基于一致性哈希的弹性冗余数据分区策略，该策略将一致性哈希算法与数据冗余机制相结合，在最大程度发挥key-value类数据模型高横向伸缩性特点的同时，通过可控冗余保证数据的可靠性，同时提升数据的并发访问性能。对所提模型和策略的评价工作分为定性分析和定量实验两个部分，分别针对开放可伸缩关系数据模型和基于一致性哈希的弹性冗余数据分区策略，从功能特性和性能指标两方面，与主流数据模型及数据分区策略进行分析对比，评价结果显示出了OSRDM和CHAFRAS的优越性。