随着信息技术和互联网的快速发展,各行各业尤其是计算机行业产生和积累了大量的数据,而且海量数据仍然源源不断的继续产生和积累。因为数据的规模和它们的复杂性,海量数据在单个机器上很难被处理,传统的数据存储和管理工具及处理算法和数据处理已经变得不能使用或者效率变得极其低下,难以接受的程度。人们迫切需要从海量数据中查询、提取和分析出他们需要的信息,以便快速做出进一步的决策或制定下一个工作方案。图被广泛用于描述复杂的数据结构模型,例如,在社交网络和语义网等很多的应用中。所以很多查询和搜索等都可以构造成为一个图,于是海量数据的价值数据提取和查询问题就转化为图查询问题。然而,在现实世界中,不仅图的结构一直在变化,而且如何在变化的大图数据中获取有价值的信息已经成为迫切解决的问题。本文通过对动态的大图数据图模式查询进行研究,提出一个增量式并行图查询算法。将动态图中最短距离有效地维护算法和传统图模式匹配算法,利用Hadoop分布式计算机平台的MapReduce的编程模式实现算法并行,对动态大图数据的所有节点对子的最短距离进行并行增量式维护,并实现并行图模式查询。本文首先对图的可达索引和图模式查询的国内外研究现状进行了介绍,同时还介绍了动态图中最短距离的有效维护算法和分布式计算平台Hadoop及其组件。然后,对增量式并行图查询算法进行设计与实现。最后,通过多个实际应用中的数据集,对算法效能和性能进行分析。实验结果表明,增量式并行图查询算法为解决动态大图数据图模式查询问题提供了一种有效的方法。