随着网络的日渐发展,RDF数据成海量数据中的一员,并且RDF图的结构也随着数据规模的增加而变得越来越复杂,因此,在这样的环境下,如何进行更加有效的RDF图查询是一个持续研究的热点。传统的图查询图遍历的方法会产生极大的中间结果冗余,并且在单机模式上处理子图集合查询不能在数据量极大的情况下做高效的匹配,或在处理子图集合查询时,对公共子图的查询中需要迭代多次查询图,执行效率不高。针对以上问题,文本研究了目前主流的RDF子图查询方法,并通过分析和实验,提出了适用于海量数据且复杂程度较高的RDF子图的查询方法,以及适用于RDF子图集合的分布式查询批处理的方法,主要的工作如下:1、提出一种基于节点代价值的子图查询方法。为了减少查询的中间结果集的产生,在RDF子图查询方法中,提出的RNSV-SQ算法利用图结构将RDF子图分解为星型,并通过使用自定义的节点代价值模型来计算生成这些星型子图的查询顺序,依照此顺序查询,可以有效减少中间结果集的产生,以此提高RDF子图查询的性能,并将其改进的基于Map Reduce的MR-RNSV-SQ算法用于分布式环境,每轮迭代匹配一个星型,以此能够进一步提高RDF子图查询的效率。2、提出一种基于复合关联树的子图集合查询方法。为了减少公共子图的重复计算,充分利用候选结果集,在RDF子图集合查询处理中,首先,利用改进的基于RDF图依赖度的RDCM聚类算法,对RDF子图集合进行分组操作,使得分组内RDF子图的三元组数据之间关联性较大,分组间的RDF子图的三元组数据关联性较小;其次,对每个分组建立对应的复合关系,即复合关联图,然后对复合关联图进行裁剪操作,删除复合关联图的冗余节点和边获取复合关联树;最后,利用复合关联树提出了一种基于Map Reduce的RDF子图集合查询方法CAT-FQ,能够利用并行计算的环境,通过遍历复合关联树得到RDF子图集合的查询结果,对RDF子图集合进行分布式查询批处理,通过Map Reduce的操作整体提高了RDF子图集合的查询效率。本文利用数据集对提出的算法设计了对应的实验,对RDF子图查询方法进行实验对比,在RDF子图集合查询方法上,先是对聚类方法的效果进行验证,再对RDF图子图集合查询方法进行实验对比,通过设计的实验分析,本文提出的算法都能有效的提高RDF子图以及RDF子图集合的查询效率。