随着数据的爆炸式增长和对海量数据查询处理能力的强烈要求,分布式数据库系统和并行数据处理平台应运而生。在分布式环境下,分析型查询的执行可能会产生大量的网络传输,影响查询的执行效率。良好的数据分区和复制技术可以保持数据的本地性,尽可能减少负载执行时远程传输的数据量,降低网络传输的代价,提高整体处理性能。现有的数据分区和复制技术,存在对复杂查询负载的支持较弱或占用存储资源过大的问题。本文设计并实现了一个面向分布式数据库的负载感知的数据分区复制工具,通过合理的分区、复制策略实现高效的分析型查询处理。本文的主要贡献如下:1.针对分布式环境下的分析型负载,本文设计了两种负载感知的启发式分区算法实现分布式数据分区,有效降低分布式节点间的网络数据传输,提升查询执行的效率。2.为了进一步减少网络的传输量,本文在数据分区的基础上增加存储资源敏感的数据复制策略,设计了基于网络传输代价和数据存储代价的混合代价模型,提出了扩展的分区复制算法。3.本文实现了一套数据分区与复制建议工具,主要包括信息统计收集、最优化算法、贪心分区算法、遗传分区算法、代价模型构建等模块。此工具可以作为组件嵌套进数据库存储层或作为外部建议工具使用。