随着高通量测序技术的发展,序列数据正以指数方式迅猛增长,从这些序列数据中分析和挖掘有价值的信息是当前研究的热门话题。在生物信息学中,通过序列两两比对测定序列的相似性,获得相似度较高序列,然后将这些相似序列进一步比对,推测多条序列之间的同源性。而将海量的测序序列全部进行两两比对是一个复杂且耗时的问题。为了提高序列两两比对的效率和可扩展性,本文基于大数据技术对基因序列两两比对的并行化问题进行了研究。主要工作有:(1)在单机上实现了双序列比对Blast算法的程序,简化了原有软件的执行步骤,结果与原有的Blast结果一致。(2)采用平均分配的原则,实现了基于Linux集群的基因序列两两比对任务的并行化,较单机运行提高了比对效率。(3)基于比对任务配置文件,通过Spark框架的pipe机制调用Blast算法,实现了基于Spark的序列两两比对任务的处理。本文在vSphere虚拟化平台上搭建了16个节点的Spark集群环境。分别在单机、Linux集群和Spark集群上进行了大量的比对实验。实验数据表明,基于Spark集群的两两比对比在单机和Linux集群环境下运行总时间都少。而且随着集群计算节点数目的增加,比对效率更高,可扩展性更强。