随着自然语言处理技术的发展和大规模语料库的出现，语言模型的大规模训练成为现实。本文所研究N元文法模型是信息检索、机器翻译、语言识别等很多自然语言处理的重要工具。使用N元高阶模型和大规模训练语料可以显著的提升系统性能，因此大规模语言建模的研究备受关注。然而，个人计算机的资源是有限的，无法进行大规模语言建模，所以需要利用分布式系统来进行建模。本文主要工作是利用开源的Hadoop MapReduce编程框架和分布式数据库Hbase对N元文法模型进行研究评测。其中提出的方法主要以时间成本和空间成本为依据，来评估不同的Hbase表结构和压缩方法的好坏。该方法主要适用于Hadoop的Mapreduce框架和Hbase下进行训练和测试。实验对一元，二元和三元文法语言模型进行了4千万词量的训练，然后建立了5种不同的数据库表结构对实验结果进行了比较和评价，结果显示基于n/2元词组结构的表比较适合分布式语言模型。本文的结果和方法可以用于进一步研究机器翻译和其它大规模分布式语言处理领域。