论文选题自医疗健康领域国家科技条件平台的资源中心大数据共享服务平台建设项目。项目目标需要汇聚全国各省市的人类遗传资源等数据,构建可提供给卫健委科研所不同需求的研究人员,以开展大数据分析、挖掘和数据服务的平台。项目有以下问题和需求:1)自建大数据分析平台;2)提供灵活的大数据多维场景分析能力;3)提供分布式挖掘场景分析能力,改变当前使用SPSS等软件的现状,以打破数据量和计算量的瓶颈。针对以上问题和需求,本文对多维分析场景和数据挖掘场景相关技术做了深入的研究和分析,设计并实现了面向多场景的大数据分析系统,主要贡献如下:(1)针对多维分析场景,设计与实现了一种混合查询引擎,不需要人工选择查询引擎,实现了查询引擎自动路由,可以同时满足固化分析、探索式分析等多种业务需求,更加灵活地支持多维分析场景中的数据源新增、分析需求变化等问题。(2)针对数据挖掘场景,提出了一种基于Spark的机器学习Pipeline构建方法,明确了可视化机器学习的阶段构成,同时提供了其处理流程的验证与执行方法。为数据挖掘场景提供高效的分析手段。(3)设计与实现了面向多场景的大数据分析系统,囊括多维分析和数据挖掘两大分析场景。本系统是基于Kylin、Spark等开源大数据组件构建的,同时提供了丰富的可视化图表,并实现了通过简单操作来完成复杂的多维分析和分布式机器学习任务。解决了卫健委科研所面向多场景分析、可视化分析的需求。