随着计算机和网络技术的快速发展,信息系统的数量和规模越来越大,这些信息系统数据的分布性、异构性及大规模的特点使异构数据整合成为一个挑战性的问题。web数据的管理和处理面临着半结构化数据、数据量大、查询速度缓慢,检索效率低下、可扩展性、普适性等主要问题。为了满足非关系型数据和异构型数据的存储和处理需求,本文针对RDF数据管理及处理进行了研究,提出了基于图拆分的RDF数据存储及优化查询方法,改善RDF数据存储及查询效率。首先,本文研究基于超图拆分的RDF存储方法,针对RDF数据的数据特征,提出采用基于超图超点(包括超点和超边)权值生成策略,根据权重和最小的边割集,划分RDF数据图,并针对经典Metis算法和哈希算法进行了实验比较,分析提出方法的优势。其次,研究了面向SPARQL优化的查询计划生成方法,根据统计代价模型的统计,SP索引机制和数据存储方法,对查询进行优化排序,使每次查询的中间结果最小,提高查找速度。最后根据提出的方法,实现了基于HBase/Hadoop的RDF数据的分布式存储、查询、处理系统,并进行了系统实验验证,对比开源RDF系统Sesame,提出的方法更有效改善了RDF数据查询效率,为RDF数据的处理提供较好的系统和方法上的支撑。