板带钢质量数据是板带钢生产过程中所采集的一类重要的数据,时间序列作为其中主要类型,具有维度高、噪声多、非平稳等特点,因此对于相关数据的相似性查询一直是一个难点,特别是基于分布式计算框架Spark的相关研究并不多。多数利用Spark框架研究时序数据相似性查询的方法停留在基于原生RDD的阶段,一旦数据量超过分区承受负载,其性能将迅速降低。为了解决板带质量数据相似性查询在Spark上所遇到的问题,本论文进行了以下研究:(1)首先研究了时间序列相似性查询所需要研究的一些基本问题,如相似性度量、时间序列表示方法、索引方法等,针对板带质量数据的特点,研究了时间序列数据的平稳化问题,引入了经验模态分解(EMD)方法,并为时序数据降维引入分段线性表示方法(PLR)中基于重要点分段的方法。(2)研究了在分布式内存计算平台下,针对海量时间序列数据相似性查询,比较R树索引和MVP树索引的效率,并将索引固化至存储节点,使系统能够以高吞吐量及低延迟进行时态查询操作。针对时态查询的效率进行评估实验,显示面对不同维度的时间序列,Spark使用不同的索引,查询效果会有所不同。(3)基于内存计算框架Spark及子框架SparkSQL设计实现了一个支持时序数据相似性查询分析的扩展系统S-TSQS(Spark Time-sereis Similarity Query System)。该系统利用Spark可扩展的特性,增添新的DataSet API方法,为Spark引入索引管理机制。在不同影响参数下,与原生SparkDataSet查询处理解决方案相比,该方案具有更为优异的性能。