随着大数据分析技术的日渐成熟,大数据所蕴含的巨大价值已经引起了很多行业的重视。例如,企业可以通过分析某一领域的大量数据为其决策提供支持。大部分决策分析系统往往涉及到大量不同来源的数据,这些不同来源的数据集不仅数据量大、增长迅速,而且格式多样。因此,分析者希望能集成所有不同来源的数据集,通过统一的数据访问接口获取数据。本文以大数据在医疗行业的应用为背景,研究并实现了大规模异构数据即时整合系统。该系统主要针对多源异构大数据,经过清洗转换,屏蔽底层各数据源之间的差异,为上层应用提供统一标准的数据访问接口。传统的异构大数据整合方法,需要花费几个月甚至半年来定义标准化数据接口,之后再将数据批量转换为标准格式,并且一旦标准固定后,无法侦测到新的数据类型。本文不同于传统方法,支持增量式数据采集,无需事先定义标准化接口,而是根据应用需求,通过增量式数据映射管理平台,根据用户的需求不断更新对原始数据的整合规则,从而实现自适应完善数据标准。本文给出了大规模异构数据即时整合系统的整体设计以及主要功能模块。系统由数据实时采集子系统和增量式映射管理平台两部分组成：数据实时采集子系统利用前置机,实时获取各异构数据源中最新的数据变更；增量式映射管理平台是本文研究的核心部分,本文详细介绍了模式匹配模块中属性相似度计算策略,并结合实例展示了增量式属性匹配流程。之后,本文给出了增量式异构数据整合流程,并提出相应的效率优化策略。最后本文给出了大量实验,验证了模式匹配模块的有效性,测试了增量式异构数据整合流程的性能,表明本文提出的异构大数据即时整合系统,具有非常实用的价值。