随着林业信息化建设的推进,越来越多的新技术、新方法在林业上得到了应用。要对森林领域进行深入的研究,森林资源监测数据的获取是必不可少的。现在,我国森林资源监测对像多(如气候、土壤、水文、水质、视频等),分布范围广,采集的数据量大,数据的形式多样,结构不统一。只有对辛苦得来的宝贵森林监测数据进行有效的存储、管理和利用,才能对林业问题的分析、决策提供客观、全面的支持。本文针对森林资源监测数据的大数据问题,不同类型数据的存储问题以及数据的并行存储和计算问题,进行了以下研究。首先,针对森林资源监测数据分布范围广,相互间相对孤立以及监测数据量大等问题。本文提出了一种基于Glusterfs的森林资源监测云平台的构建方法；通过云平台的构建,可以解决各地区监测数据相对孤立的问题,把所有的监测数据存储在构建的统一虚拟资源存储池中,实现数据的逻辑统一,有利于数据的共享和存储资源利用率的提高。其次,针对森林资源监测数据格式和类型的多样性等问题。本文通过分析森林监测数据的逻辑结构,大致将监测数据分为结构化数据和非结构化数据,并设计了一种混合式的存储机制,即根据数据的不同类型将其分别存储在关系型数据库和NoSQL数据库中；从而解决了不同数据类型的数据在同一系统中存储的问题。再次,针对系统数据存储的均衡性问题,本文运用了一致性哈希算法,从而使得整个系统的数据存储和计算更加均衡；针对数据处理过程中的并行化问题,本文设计的基于Glusterfs的森林监测云平台,采用MapReduce计算模型和并行数据库技术,实现了数据的并行化计算和存储。最后,本文对搭建的简易Glusterfs云平台的可靠性、扩展性、弹性及消除元数据性能等方面做了测试。实验结果表明系统整体性能优异。同时,在锁问题和文件遍历问题上还需要继续改进。