随着科技水平和人民生活质量的提高,人们对自身健康尤为重视。医疗信息化的快速发展,以及惠及全民的健康信息服务和智慧医疗服务的提出,随之产生一系列的医疗数据。一方面,这些数据信息不仅来源各种医疗行业内部业务系统,也包括了用户的地理信息、天气环境等医疗外部相关信息系统的数据,医疗数据正在猛速增长并且呈现出大数据特征。另一方面,医疗保健等相关应用将向智能化、精益化的管理方向纵深发展,如何合理利用大数据技术以提升智能医疗等相关技术应用发展的广度及深度成为未来医疗行业中新的挑战和新的机遇,推动了医疗大数据应用的发展。然而,现存的医疗数据存储管理平台远远不能够全面满足日益增长的海量医疗数据信息存储和管理的需求。本文通过对医疗大数据中的多源集成、存储优化、关联数据查询应用和与分布式文件系统的并行分析与处理大数据等问题展开了深入研究。本文针对各数据来自于不同系统的共同特性,通过构建符合各个系统需求的数据交换和迁移的方法,实现多源医疗大数据跨系统平台的迁移。针对当前的大数据分析在多源集成过程中存在的数据异构化问题,采用生成标准化的元数据和建立元数据相应数据字典的方式,实现数据高效的规范化集成。在数据的跨平台迁移和多元集成的基础上,针对当前医疗大数据高效储存与高效查询这两个方面的核心问题,本文将针对现在医疗自动化及相关应用对多源医疗大数据储存与数据查询、分析管理的要求,采用Hadoop架构研究医疗大数据存储优化的方法,提出了医疗大数据分析其关联性的哈希分桶储存算法,实现相关联的数据高效的集中存储,进而显著地提高后期数据查询管理的效率。通过在Hadoop集群节点上进行实验,并且分别与关系式数据库以及未经优化的Hadoop方法进行比较实验。经过哈希分桶算法优化后的数据关联查询所需时间大约是未经优化的传统Hadoop查询时间的40%,仅占关系式数据库存储方式所需查询时间的17%。证明了通过对哈希分桶存储优化后的多源医疗大数据关联查询、并行处理的有效性。