德国工业4.0掀起了新一轮的工业革命,推动制造业迈入以智能化为特征的大数据时代。非结构化数据作为制造业大数据的重要组成部分之一,蕴含丰富的应用价值,对智能制造具有重要支撑作用,因此如何高效管理制造业非结构化数据成为研究的热点。制造业非结构化数据具有格式多样、关联关系复杂、小文件数量多等特性。由于非结构化数据无法直接被解析,现有的制造业大数据管理系统UDMS把非结构化数据的语义作为元数据抽取出来,用HDFS管理非结构化数据,TOTEM管理元数据。然而该系统在管理制造业非结构化数据方面还存在如下问题:1)缺乏能够体现制造业领域的特性的数据模型,难以有效地组织和管理其元数据;2)大量小文件的存储对HDFS造成压力;3)TOTEM查询元数据的效率低下。为了能够更好地管理制造业非结构化数据,本文分别从以下几方面开展研究:首先,结合制造业领域的特性提出数据建模方案,包括特征建模和关联关系建模两部分,利用对象代理模型分别描述数据的特征及其之间的复杂关联关系。其中,特征分为基本特征、物理特征和语义特征;关联关系主要包括文件与实体之间的包含关系、实体之间的组合和约束关系以及文件之间的顺序关系。然后,针对HDFS小文件存储的问题提出了基于关联性的小文件合并方法。基本思路是通过综合考虑文件关联性和存储空间利用率对小文件进行聚类,将簇内的小文件合并成一个大文件存储在HDFS中。此外,设计了支持小文件合并的增删改查操作。接下来,针对TOTEM跨类查询效率低的问题,对其核心的路径表达式计算提出了关联查询索引方法。该方法利用倒排索引的思想存储了文件之间的代理关系,并且支持带谓词条件的路径表达式计算。此外,针对索引的维护提出了批量维护策略。最后,在UDMS系统中实现了上述建模和优化方法,并进行了功能和性能的测试。测试结果表明,基于关联性的小文件合并方法可以有效提高HDFS的存储利用率和查询效率,关联查询索引方法可以大大减少路径表达式的计算时间,从而提升TOTEM的查询效率。