我们生活在大数据的时代!在当今瞬息万变的商业社会,这些海量数据的快速分析和有效挖掘对商业决策制定提供了重要的依据,有时可能决定企业的命运。2006年云计算技术提出后,很多企业选择廉价的低端商业机而非昂贵的高端机来运行它们的分析数据库,这些机器部署在一种无共享的MPP架构上,这种架构经常虚拟化在一种公有或私有云上。这种环境下主要有两种技术来完成数据分析：并行数据库和基于MapReduce类型的系统。前者的支持者声称并行数据库的高性能和高效率使它很适合这样的分析工作；后者的支持者则认为MapReduce系统更好的扩展性、容错能力和灵活性是更合适的选择。耶鲁大学的HadoopDB提出了一种基于MapReduce的新型并行数据库实现方法,但是它具有以下缺点：(1)它没有独立的查询分析引擎,不能优化查询计划；(2)它的数据装载没有实现自动化,需要手动分区,分区信息和其它元数据信息存储在XML文件中,效率不高；(3)它的连接算法假设进行连接的两表处于最理想的状态,即两表的分区都在同一节点之上,但现实并非如此。针对这些缺点,本文提出了FlexDB。FlexDB利用MapReduce的并行计算框架作为通信层,调度和协调集群中各节点的计算和通信,在保证性能接近并行数据库的前提下引入MapReduce的扩展性和容错性。实验结果表明：(1)FlexDB加入分析器、优化器、执行器形成一套完整的查询分析引擎,可以更高效地处理复杂的查询;(2)FlexDB的元数据存在一个专门的Catalog数据库中,给整个查询过程提供支持,装载数据和分区都实现了自动化；(3)FlexDB提供了表的协同水平分割存储,可以实现需要连接的两个表存储在相同的节点上。这些工作使得FlexDB比HadoopDB更具有实用价值,成为一种新型的、易用的、高效的数据分析工具。