XML作为一种结构化的语言,定义了Web上数据表示与数据交换的一种规范,越来越广泛地被应用。当今数据呈爆发式的增长并且形式复杂化、多样化,海量数据的XML文件处理显得越发重要。如何高效地处理海量XML数据在当下具有重要的意义和广泛的应用前景。目前处理大规模数据集的典型方法主要还是采用分布式处理,在云计算和与大数据处理中,Hadoop是一个典型的分布式处理支撑框架,使用Hadoop的MapReduce计算模型来进行XML的结构化连接查询处理,是一个重要研究问题。由于XML的结构特性,当今已经成熟的关系数据库领域的技术无法有效地应用到XML查询处理上,本文实现了一种原生XML数据库系统,包括海量XML数据的存储模型以及查询处理方法,并在此基础上对查询优化处理技术进行研究。本文首先对已有的一种基于MapReduce的XML结构连接处理算法,从数据分布的角度对MapReduce的数据放置和分区策略进行优化。查询处理过程包括两个阶段:Map阶段和Reduce阶段。在Map阶段中,根据XPath语句的使用频率,通过聚类的方法将关系紧密的文件放置在一起;在Reduce阶段中,通过曲线拟合的方法使得程序能够自动地估计出参数,把数据相对均匀地分配到各个计算节点中,达到最大化的效率;并进一步开展负载均衡研究工作,提高查询的效率。最后在DXQS上实现了优化算法,通过对优化后的系统进行实验评估,结果表明基于数据动态分配优化后的算法有效地提高了整体查询效率。