随着语义网的发展,RDF数据越来越多地应用于各个场景,其数据规模不断增长。为了更好地应用这些数据的价值,并且满足现今RDF数据规模巨大的需求,需要设计一套能处理RDF大图数据的分布式加载算法、存储方案和查询算法。且考虑到关系数据库发展成熟且具备众多原生数据存储方案不具备的优势,拟采用关系表的形式对RDF数据进行存储管理和查询处理。为了进一步提高RDF大图数据的加载速度,节约加载消耗时间,设计了分布式RDF数据加载算法。加载过程中的关键部分是对谓语进行图着色以确认其存储位置的过程,由于图着色问题是经典的NP完全问题,其性能消耗将严重影响加载时间。所以,本文设计了基于Pregel消息传递模型的分布式图着色算法用于加速这一过程。对于分布式存储方案,由于RDF数据具有数据稀疏和模式可变的特点,想要将其以关系表的形式进行存储需要进行特殊的设计。本文设计了基于关系的分布式存储方案,还设计了字典索引优化方案和划分优化方案来进一步提高存储空间性能和查询时间性能。在Spark GraphX上实现了上述分布式图着色算法和分布式RDF数据加载算法,并且使用以上算法将数据加载到分布式数据处理引擎HAWQ中,并进行查询性能测试。在合成数据集LUBM和真实数据集DBpedia上的实验结果显示,加载算法能够高效地进行数据加载,提高空间性能的同时,没有牺牲过多加载时间。所提分布式图着色算法能够高效地完成图着色任务,且JP-Pregel算法和LDF-Pregel算法的着色时间比MIS-Pregel算法分别平均缩短了26.4%和30.9%。所设计的存储方案能够减少空间消耗和加速查询。在LUBM200数据集上,未压缩的存储方案能够相比较于原始RDF数据能够减少16.4%的空间消耗,优化方案能减少29.3%的空间消耗。压缩的存储方案空间消耗仅为原始RDF数据的9.31%。实验验证表明,所设计的分布式存储方案能够提高存储空间和查询时间性能。