最近几年,随着互联网业务的发展,图被用来描述许多复杂数据对象和其在真实世界中的关系,在社交网络、电子商务、搜索引擎等邻域得到广泛应用。在其他科学领域包括化学结构、计算机视觉、生物工程等所使用的数据集都可以用图结构来描述,因此图计算越来越受到业界的重视。但是随着业务的发展和用户数据的积累,图数据的规模也越来越大。为了存储这些规模庞大的数据,进而更好的进行数据挖掘,从而利用数据创造价值并且为用户提供更好的服务,业界在数据存储和计算等领域进行了深入的理论研究和工程实践。谷歌在一系列的论文中阐述了其大数据基础设施GFS、BigTable等的实现思路,作为其开源的实现项目Hadoop和HBase也受到了工业界的重视,被越来越多的公司用来存储日益庞大的用户数据。这些基础设施能够有效存储文件和非结构化数据,但是对于图数据这样的具有强耦合关系的数据,尤其是在超大规模的情况下,如何存储和查询成了一个关键问题。面对此问题,本文研究了 HDFS分布式文件系统和HBase分布式数据库以及Spark图计算引擎,基于HBase设计了一个图数据的存储和查询系统G-HBase。该系统通过图的分割算法,将大规模的图分割成多个点文件和多个边文件,使用HDFS作为底层存储保证了数据的高可用性和存储容量的可伸缩性,使用HBase建立索引,实现数据的快速查找。G-HBase针对点和边的存储和检索提供属性和时间上的管理,能够有效地支撑图计算引擎的提取和存储。该系统拥有良好的API接口,能够和Spark图计算引擎无缝集成,为数据工程师提供良好的操作环境,减小数据管理上的成本,提高工作效率。相比于开源的数据仓库管理系统,例如Hive,G-HBase对图数据有更加针对性的设计。最后本文对该系统做了性能上的测试,实验结果证实该系统在范围查询等数据检索上要优于业界的一些方案。