随着大数据时代的到来,数据的产生及其应用方式更加多元化。数据流是一种特殊的大数据形态,具有实时性、无限性、突发性等特点,在众多领域有着广泛的应用,具有很高的价值。然而,数据流的流速快且数据量巨大,其在实时处理、存储和查询等方面都存在很大的挑战。对此,本文提出了一种适用于数据流场景的分布式索引结构,其能支持数据流的高效存储与查询。本文贡献如下:1.提出了一种适用于大数据流场景的分布式B+树索引结构:WB-Index。WB-Index是一种双层的主从索引结构,其利用时间窗口机制切分数据流。在每个时间窗口内,根据流元组内容构建B+树索引作为底层索引,针对各连续时间窗口,以时间窗口起始时间戳作为“Key”值,时间窗口对应底层索引元信息作为“Value”值构建顶层B+树索引。WB-Index将底层索引分发到多个节点来减轻索引维护压力。WB-Index系统架构中,通过多种节点类型将流元组存储、索引构建和查询请求分离,从而满足数据流的高效存储与查询。2.针对WB-Index索引结构,提出了高效的索引构建方法。由于数据流流速快,索引的构建效率至关重要。针对底层索引,提出基于并行排序的预装载B+树批量构建法,提高底层索引构建效率;针对顶层索引,提出预分配节点空间的不分裂B+树更新方法,保证更新效率,提高空间利用率。所提索引构建方法构建速度快、时延低,能够支撑高速数据流的索引构建。3.针对WB-Index索引结构,提出了高效的持久化方法。由于数据流具有无限性,本文利用分布式文件系统存储数据流以及WB-Index索引结构,设计了紧凑的存储格式来减少存储开销。为了提高索引持久化后的查询效率,底层索引中添加辅助索引结构来过滤不必要的查询请求,并通过缓存新数据和热点数据来进一步提高查询效率。WB-Index能支持数据流的高效存储和查询,通过理论评估和实验分析证明了WB-Index的有效性。