Hadoop所具有的并行化处理对开发者透明的优点，使其成为当前应用最广泛的云计算平台。但Hadoop平台下的各项技术还处于完善阶段，其中代表性的有MapReduce参数配置和分布式连接查询。多达190多个参数的管理配置直接影响Hadoop系统运行性能，目前多依赖管理员的经验配置，缺乏统一的科学的方法;而基于数据仓库Hive的默认连接查询算法，因在节点之间传递的是完整的数据表，带宽消耗大和响应速度慢是算法的主要问题。为此，论文以MapReduce参数配置和分布式连接查询为研究对象。　　在硬件环境一定的Hadoop集群中，系统性能的好坏很大程度上取决于Reduce Task启动百分比参数配置的合适性。该参数的默认配置值为5％，主要是为了提高系统的slot资源利用率;而在实际中，管理员一般将其提高到50％或更大，以大幅度地提高系统响应时间。论文即以该重要参数的配置为例，提出了一种基于权重决策分析法AHP的参数优化配置算法，以提高配置的科学性。算法的实现主要有以下3个关键步骤:(1)选取AHP模型的决策属性:论文选取与优化参数息息相关的3个参数为决策属性，以匹配通用的AHP模型;(2)由实验获得各决策属性值:利用MapReduce程序，通过分组实验得到各属性值;(3)由前两个步骤得到决策属性曲线，根据曲线反应的规律即可获得参数的最佳配置值。论文设计的基于虚拟机的分组实验，得出的Reduce Task启动百分比参数最佳配置为45％，在该配置值下可以更好地均衡系统的slot资源利用率和响应时间。　　针对Hive在处理连接查询时，所存在的系统响应速度慢和带宽资源消耗大等问题，提出了一种基于数据预处理和双半连接的SDD-1改进算法。首先，引入预处理技术，在各分布节点对原始数据进行归并排序，以减少汇聚节点的数据映射次数，加快数据处理执行速度;其次，采用基于行和列的双半连接技术，进一步缩减在不同节点间的数据传输量，减少带宽资源消耗。实验表明，相比原始的Hive连接查询算法，改进算法在元组数达到特定规模后，可在一定程度上提高系统响应时间。