随着信息技术的快速发展，人们获取和产生数据的方式越来越先进，越来越多的结构化数据被存储下来，数据量达到了TB级别，甚至PB级别，这些数据具有规模大、处理速度快、蕴含价值高等特点，国际上已经有相关的海量结构化数据处理技术，但国内技术并不成熟，实现海量结构化数据的分析处理，有利于推动国内大数据技术的发展。　　 本文通过分析当前主流的大数据技术，包括大规模横向扩展的数据库技术、分布式文件系统HDFS和MapReduce数据处理技术、可扩展的NoSQL技术、面向特定应用的分布式索引和检索技术、并行数据处理技术以及主流的大数据处理产品，提出了适用于海量结构化数据存储和查询的处理方案----XSDP（Structured Data Processing，X有eXtense、eXtreme、eXecutive及“未知”的意思）平台，主要包括支持在线动态扩展的数据存储划分技术、海量数据处理并行任务流技术、用户自定义任务流技术、海量结构化数据的关联和嵌套查询技术。其中数据存储采用分级存储和多种划分方式，分级存储实现了性能与成本的兼顾，数据表以复制或分区方式存储于节点组中，分区方式包括Round-robin、Hash、Range、List四种，实现数据的负载均衡以及实现最小数据迁移量的动态扩展;并行处理任务流技术通过对类SQL语句的解析，形成更小粒度的计算算子，从而实现任务的并行执行及海量结构化数据的关联和嵌套查询技术，同时任务流采用可读文本方式，用户可通过文本编辑器实现自定义任务流。该平台已经初步应用于上海某公司，负责将每日产生的数据导入系统并进行分析，数据导入速率为4.3GB/分钟，目前已存储约400TB数据量，并完成对该部分数据进行各种统计、关联、过滤等类别的查询，目前系统运行正常，并能够满足查询需求。