近年来，云计算、云存储、云安全在科学研究、企业应用、网络服务等领域成为持续发酵的热点话题，其所涉及的问题核心在于，针对海量数据进行处理、存储和管理。在信息技术广泛应用的时代，求解问题的数据规模持续扩大，企业级的数据需求已经达到数百乃至数千TB的量级，例如，天文观测数据规模在数千TB的量级，广电系统的视频数据往往在数百TB的量级。　　 海量数据处理的高效性与可靠性，成为制约云计算应用的基本技术瓶颈。传统的数据库甚至分布式数据库的理念，无法有效地容纳和处理成百上千TB的海量数据。在国际上，数千TB的天文观测数据，采用ROOT系统进行存储和管理。ROOT系统的海量数据存储理念，为云计算时代的数据存储的高效实现和管理，提供了可借鉴的范例。　　 在基于海量数据的数据挖掘与信息提取过程中，经过清洗、整理后的待分析数据，其规模往往会降低几个数量级，可以存放在分布式的数据仓库中，对数据仓库的分布式访问，其实现算法和实现过程的任何技术进步，都会对数据挖掘和信息提取应用软件的大规模运行，带来综合性能的明显提升。　　 在云计算的背景下，海量数据的高效存储管理，数据库的分布式访问，成为了相关应用软件研制和开发的基本技术，针对这两个问题的研究与分析，可以有效地缓解相关应用软件在数据IO方面的瓶颈，对相关应用软件的综合性能提升，有着重要的影响。　　 本文针对基于ROOT架构的海量数据存储与管理、基于分布式数据库的访问这两个问题及其实现技术进行调研、分析、解剖和研究，意图为相关应用软件的研制和开发提供数据I0方面的实用算法和程序流程，为相关应用软件的综合性能提升，解决其数据访问瓶颈。　　 本文针对JavaWeb的三种轻量级框架——Struts2框架、Spring框架和Hibernate框架进行了文献调研、框架结构分析和工作流程剖析，对分布式数据库的特点、体系结构和基本理论进行了系统的调研、梳理与学习，对JavaWeb框架下分布式数据库的访问给出了基本流程和模块设计。对ROOT框架的核心模块和主要功能进行了文献调研和分析，对ROOT框架的文件存储系统和输入输出系统进行了详细的梳理和分析，通过实验验证了ROOT框架的文件存储结构对海量数据分析性能的影响。