资源描述框架(Resource Description Framework,RDF)作为一种简单且可扩展性强的数据模型,日益成为万维网以及其他许多领域的数据表示方式。RDF数据的大量涌现使得RDF数据查询面临着巨大的挑战。目前已经存在许多开源的商业软件利用传统的关系数据库管理系统或原生RDF存储系统来存储和查询RDF数据。但是它们对大规模RDF数据的查询性能总是不太理想。为了提高大规模RDF数据的查询性能,本文设计了基于图聚类算法的大规模RDF数据查询方法,有单机查询和分布式查询两种策略。首先选择表现良好的图聚类算法对大规模RDF数据进行划分,得到一个划分子图内部连接非常紧密而子图之间连接非常稀疏的划分结果。单机的RDF查询方法是根据SPARQL查询请求对各RDF划分子图进行筛选,忽略不相关的划分子图,从而缩小查询范围,并最终提高查询效率。分布式RDF查询方法是将RDF数据划分子图分成若干组,然后把每组数据分别存放在一个计算节点上,通过调度程序,让每个计算节点执行完整的SPARQL查询,并将各计算节点返回的查询结果汇总起来发送给用户。本文成功地实现了以上大规模RDF数据查询方法。并选取大规模RDF数据YAGO2进行了性能试验。实验证明,本文提出基于图聚类算法的大规模RDF数据查询方法能够在保证很高查全率的前提下,大大提高大规模RDF数据的查询效率。