关系数据库关键字检索面临许多问题,如相关结果丢失、结果语义难以理解、结果排序不理想及结果存在重复等。为此,许多研究提出把数据库转换成一个带权重的数据图,然后对数据图进行检索。数据图以边和节点的形式存储数据,它能还原数据本来的存在形式和数据间存在的关系,能有效解决关系数据库关键字查询的弊端。然而,随着数据量爆炸式的增长,数据图的规模也变得越来越大,如何存储和高效地检索大规模数据图还是一个值得研究的问题。首先,为了解决大规模数据图的存储问题,本文利用Neo4j图数据库把关系数据库中的数据构建成数据图并对其存储。Neo4j图数据库把数据以图形的结构存储在外存中,能有效的节约内存资源。Neo4j还提供了许多调用接口,外部检索算法可以方便地对其访问。其次,为了解决大规模数据图检索时间效率低的问题,本文引入MapReduce分布式计算模型,把STAR算法MapReduce化,提出了一个基于MapReduce的数据图检索算法MRSTAR(MapReduce-based Steiner-Tree Approximation in Relationship graphs)。由于借鉴了MapReduce的并行计算的思想,该算法实现了对数据图并行检索,提高了大规模数据图检索的时间效率。最后,本文实现了基于MapReduce的数据图检索系统,包括数据图的构建和基于MapReduce的数据图检索两个模块。实验结果表明,与以前的数据图检索算法STAR相比,MapRedcue化的数据图检索算法具有良好的时间效率,特别是对大规模数据图检索时间效率提升更加显著。