随着互联网及大数据时代的到来,新数据的产生速度几乎在以指数级的形势增长,而这大量的数据当中,又以格式不确定的非结构化数据为主。文档数据作为非结构化数据的重要组成部分,已有的关系型数据库工具及技术对其则很难驾驭,必须寻找新的方法与技术应对非结构化文档数据的存储与检索。首先,通过理论分析与实验对比,确定了Hadoop结合Elastic Search的架构,前者用以解决非结构化文档数据的可靠性存储,后者主要用以解决数据的实时检索问题。接下来,在非结构化文档数据存储技术改进方面,针对Hadoop分布式文件系统针对大量小文件存储的缺陷,提出了基于数据块平衡的小文件合并算法,降低了系统负载,提高了系统处理效率;由于Hadoop不能提供实时检索服务,必须将数据进行同构化处理,在Elastic Search中进行索引供检索使用。为此提出支持插件化方便横向扩展的非结构化文档数据同构化技术,利用Hadoop的并行计算框架Map Reduce进行数据同构化处理;在非结构化文档数据检索优化技术方面,利用Elastic Search特有的过滤器机制结合互联网身份信息数据特点,提出了基于过滤器的检索过程优化方法,大幅度提高部分数据的检索效率;另一方面,结合系统参数以及应用参数等调优,进一步优化了整体数据检索的性能。在存储与检索的诸多优化改进研究之后,都配有详尽的对比测试实验及结果分析,证实了方法的有效性。最后,结合已改进优化的相关技术,进一步完善了系统总体架构,在设计并实现了用户交互界面的基础上,完成了整个非结构化文档数据一体化存储检索系统的建立。