自互联网诞生之日起,尤其是进入21世纪以来,随着互联网、物联网等技术的飞速发展,每天都在产生非常庞大的数据量。而随着机器学习等技术的迅猛发展,人们可以利用现有的技术可以从大数据中挖掘出具有复杂事件模式关系的数据集,通过挖掘出的这些关系数据集可以更好的服务于我们的日常生活与生产当中。本课题处理的数据源对象就是挖掘出的具有复杂事件关系数据集。随着复杂事件关系数据集的规模越来越大,而现有存储设备的存储空间已无法满足对大数据的存储,并且用于提高硬件设备存储能力的相关技术的发展速度无法追上数据集规模的膨胀速度,对大数据的有效存储已是亟需解决的一个重大问题。数据压缩技术作为对数据存储影响最大的一项技术,成为本文研究的重点。本文针对复杂事件关系数据集中带有重复性质的数据比例过高,冗余度过大的问题,提出一种基于数据源密度分布的密度区域划分算法,提取出数据源中高密度数据区域,对高密度区域中大量带有重复性质的数据进行统一擦除操作,以达到数据压缩目的,并与传统经典的LZW压缩算法做出横向对比,对本文提出的压缩策略的数据压缩性能做进一步的分析与验证。最后,为了解决现有单一数据存储设备对大数据的存储能力不足,存储效率较低等问题,本文利用分布式文件系统对大数据存储的优越性,在主流的HDFS分布式文件存储系统(Hadoop Distributed File System)基础之上,结合本文提出的数据压缩策略,使用B树算法构建索引结构,设计并实现了一个大数据压缩存储工具,进一步检验了上诉工作的可行性和优化了对复杂事件关系大数据存储方法的方案研究。