随着信息化的推进,数据正在爆发式地增长,人们迎来了大数据时代。大数据给人们的认知和决策提供了全新的视角,海量数据的存储处理也成为了备受关注的课题。大数据具有异构、分布、海量和价值密度低的特点,传统的关系数据库对此显得力不从心。人们开始寻求更灵活、可扩展的数据模型,NoSQL于是得到快速发展。齐德昱教授提出GriDoc模型以处理大数据的存储和访问,该模型清晰地定义了数据的组成和存储特性,能更好地描述具体的应用场景,更适合面向知识管理的大数据访问。大数据处理主要有批处理和实时计算两种模型。Hadoop是经典的批处理框架,能很好地处理海量数据,但实时性不强。相反,实时计算更适用于实时性强的场景,其响应时间能达到秒甚至毫秒以下,Storm是目前主流的实时计算框架。本文充分研究了现有的数据模型及GriDoc模型,对比它们的特点。GriDoc模型能很好地表示海量数据,但数据加工和操作能力较弱。本文通过实现实时计算接口,加强了GriDoc的数据处理能力,使其成为数据获取、处理、输出一体化的完善的大数据解决方案。本文首先提出了处理器数据模型,用于表示和控制数据处理。用处理器表示自定义的数据处理程序,把存储资源抽象成容器,并用于支持处理器运算,最后通过视图向外部提供处理结果。基于该模型,本文设计了GriDoc实时计算接口,并使用Storm实现了实时计算体系结构。在实时计算接口的支持下,用户可以自定义数据处理程序,并以插件的形式接入实时计算体系结构。当需要处理数据时,只需要通过配置,就能把处理程序和处理规则应用到数据源,数据处理变得异常简单。此外,外部用户可以通过数据接口实时地访问处理结果,这意味着我们可以直接使用整合好的结果,而不需要接触原始数据。接着,本文使用实时计算接口实现通用统计模块。一方面检验了实时计算接口的可用性,另一方面也提供实时性强、面向配置的统计分析模块。用户可通过可视化界面观察统计结果辅助决策,也能通过数格驱动器提供的统计接口获取统计结果。最后,本文对完善后的GriDoc系统进行部署和测试,分析其优势和不足,说明未来的研究方向。