海量数据分析通常在MapReduce框架下执行查询,由于MapReduce框架本身的冗余性,Map阶段与Reduce阶段的输出结果需要多次与HDFS进行I/O交互,造成I/O开销;由于查询之间的重叠性,同一个查询有很大几率被重复执行,造成CPU开销。复用已有查询的结果可以消除部分重复执行的开销,提高查询的执行效率。复用查询的结果需要对其进行存储和匹配。为了实现最先匹配成功的结果即为最佳结果,需要根据查询自身特性与查询之间的共性对查询结果进行存储管理,复用结果,需要把待执行的查询与查询结果库进行匹配,这些操作都会造成额外的系统开销。根据实验分析,以上额外的系统开销占查询整体消耗的30%。本文通过降低上述系统开销来提升查询在MapReduce框架下的执行性能。为了降低查询结果存储管理开销,本文提出森林结构的MapReduce作业存储管理技术,利用森林结构的特性,在保证匹配结果准确性的前提下,减少匹配次数,从而减少系统开销。为了降低匹配操作带来的系统开销,本文提出与森林存储库相适应的匹配算法,待执行查询先与根结点进行匹配,随后根据匹配结果判断是否需要继续与其子结点进行匹配,达到减少匹配次数的目的。匹配算法通过借用Boyer-Moore算法中的坏字符规则(bad-character shift)与好后缀规则(good-suffix shift)将匹配效率达到最优。在上述解决方案的基础上,为了使系统能够充分复用已执行查询的结果,本文提出对多个查询进行预处理的方案,通过改变各查询进入Pig编译器进行编译的顺序,从而改变MapReduce作业的执行顺序,使得加载相同数据集的MapReduce作业同时执行,减少与存储库进行匹配的次数。本文设计并实现了基于MapReduce框架的查询结果复用系统,并将其部署在拥有6个节点的Hadoop集群上,通过配置Pig部件生成基准测试集PigMix,用以对复用系统进行有效性验证。将本文的复用系统与当前复用效率最好的ReStore、MRshare系统进行了性能对比,实验结果表明,与对比系统相比,本文设计的复用系统可以明显减少匹配次数、减少系统开销,达到提高查询执行性能的目的。