图作为一种较复杂的数据结构,由于可以清晰地刻画任意两个数据元素之间的关系,因此常被用来进行各种研究问题的数学建模。子图查询是一种重要的复杂网络研究分析手段,几乎在所有图数据相关的问题中都有广泛的应用价值。根据用户对查询精度的要求,子图查询可以分为:精确子图查询和近似子图查询。目前,子图查询已取得了大量的研究成果,但这些研究大多数都是针对同质网络的。然而在现实生活中,许多真实网络数据都是异质的,即包含多种节点类型和节点关系。相比于同质网络,异质网络融合了更多信息,是更真实的数据建模方式,具有实际研究意义。因此,本文针对异质网络中的子图查询进行了研究,主要工作如下:(1)针对精确子图查询问题,首先提出了节点距离分布的概念,然后在此基础上提出了基于节点距离分布的子图查询算法。实验验证了基于节点距离分布的子图查询算法的正确性和良好的时间性能。(2)在现有同质网络的Strong Simulation算法的基础上,结合异质网络中的元路径概念,提出了异质网络中基于元路径的近似子图查询算法。实验结果表明该算法不仅满足了用户的近似子图查询需求,而且提高了子图查询的效率。(3)针对异质网络中Top-k近似子图查询问题,在基于元路径的近似子图查询算法的基础上,将节点集合语义距离作为Top-k排序度量,提出了 Top-k近似子图查询算法,该算法主要采用贪心策略和得分下限策略,实现了异质网络中高效的Top-k子图查询。(4)基于分布式开源框架Spark,设计实现了分布式并行的基于节点距离分布的子图查询算法、基于元路径的近似子图查询算法以及Top-k近似子图查询算法。最后通过实验证明了这些并行化算法的正确性和可扩展性。