随着互联网的发展，图像、音频、视频等多媒体数据正在飞速地增长，如何快速地帮助用户检索到所需要的多媒体数据成为当前搜索引擎技术的一大挑战。虽然，目前已经有较多研究机构和商业公司推出了基于内容的图像搜索引擎，但在实际应用中，其准确性、查全率等还有较大的提升空间。同时，在基于内容的图像搜索引擎研究中，高维索引的存储量大和计算开销大等问题一直是研究的热点。针对上述问题，在分析位置敏感哈希索引算法以及Hadoop分布式系统的基础上，研究改进了现有高维索引计算模型和索引结构的方法。根据位置敏感哈希索引的特点，改进了现有位置敏感哈希索引为松耦合的索引结构，从而可以将索引文件分布式部署在多个查询节点中并实现高并发的索引查询。同时，通过MapReduce分布式计算模型来实现索引构造的并行化，提高了索引构造的效率，从而解决高维索引计算开销大的问题，并采用分布式数据库来存储海量高维索引数据，增强了系统可扩展性。索引查询模块采用高并发的查询集群来提供索引查询服务，可以满足海量用户的查询请求，同时为了降低索引查询过程的IO开销，查询节点将索引文件导入内存，并实现了查询集群的内存索引管理系统。实验结果表明，分布式计算模型和分布式存储系统的引入很好地解决了海量数据情况下索引构造性能不高以及索引存储模块可扩展性不强等问题。同时，松耦合的索引结构降低了索引查询集群的通信开销，从而能够提供高并发、快速的索引检索服务。