随着企业信息化建设的发展和进一步深化，产生和积累了海量的非结构化数据，这些数据具有大量的链接关系，数据规模巨大，数据模式也在不断变化。企业的业务分析决策需要对这些大量的数据进行细粒度有效的提取，支持后续的数据查询，尤其是关键字查询和基于文档链接关系的排序是其中重要的需求。如何有效管理这些海量、带有大量链接关系的非结构化数据，从而支持企业的核心业务，辅助决策分析，给传统数据管理技术带来了新的挑战。　　传统数据管理系统由于体系结构所限，很难扩展并有效管理这些数据。针对这一问题，现有研究基于目前流行的分布式云计算平台Hadoop来实现海量数据的存储、排序和查询，并研制了若干系统，如侧重于快速迭代排序的HaLoop和侧重于实时数据查询响应的HBase。但是，这些系统不能同时兼顾基于链接关系高效的文档排序、快速的关键字查询和支持数据模式多变的需求。　　本文基于目前的研究现状，探讨了HBase环境中基于链接关系的高效文档排序和快速关键字查询的实现策略，具体来讲，本文的贡献如下:　　提出在HBase环境中基于过滤和估计的高效PageRank算法。本文通过对结点收敛性的判断，借助HBase高效的随机读和Filter特性对已经收敛的结点进行过滤，从而减少后续迭代中已收敛结点不必要的读取、传输、计算和写出操作，进而减少每一轮迭代的运算量;PageRank算法实际上是求Markov矩阵的第一个特征向量，我们可以假设k-2轮结果是第一个和第二个特征向量的线性组合，那么就可以不必迭代到第k轮就可以通过k-2轮的结果对第一个特征向量进行估计，降低一些准确性，减少迭代次数，加快收敛速度。这样既减少了每一轮的计算代价，同时也减少了总的迭代次数，从而提供高效的PageRank算法。　　提供基于HBase的高效关键字查询。在HBase环境中基于其高效的Rowkey查询机制，实现了高效的倒排索引，结合基于过滤和估计的高效PageRank算法对带有大量链接关系的非结构化数据进行有效排序，从而提供高效、准确的关键字查询，同时基于统计信息与查询代价模型对关键字进行预取和缓存，实现了较高的查询效率。　　设计与实现了基于HBase的非结构化查询系统，通过在真实数据集上的实验和测试，验证了本文所提出方法的有效性。