在信息化的发展中,很多企业都产生了围绕各种业务的数据,为了能够将发掘出这些数据的价值,就需要通过一些技术手段来处理分析这些数据。某特殊传统企业后勤部门在信息化过程中数据量增加迅速,数据类型丰富,业务系统众多,所以需要一个高性能的数据资源管理系统来储存管理并分析这些数据。本文通过分析了企业在发展后勤信息化的过程中所遇到的业务繁多数据复杂的问题,提出了构建后勤数据资源管理系统的方案来解决这个问题。首先对在建立后勤数据资源管理系统中所需要的关键技术和方法进行了研究分析,其中包括基于Hadoop平台的分布式文件系统和MapReduce计算框架,Hive处理工具以及用于优化数据处理效果的Spark计算引擎。根据业务的需求设计了系统的架构,设计并实现了三个模块:数据集成模块、数据存储分析模块和数据可视化模块,主要基于MapReduce的计算框架并结合Sqoop技术,对源数据进行抽取并存储,然后使用HiveQL对数据进行查询,并进行展示,其中数据的存储分析模块是本课题研究的重点,因此本文提出了基于Spark计算引擎的数据处理方式来对系统进行优化,通过构建MapReduce和Spark双引擎的方式来提升数据的处理效率和使用的便捷性。最后设计了两大类实验,一类是对部分数据进行查询分析,其结果表明该系统能够满足后勤部门的数据查询分析的实际需求,另一类实验则对比了基于MapReduce计算框架和基于Spark集群两种环境下在数据处理方面的效率,验证了系统优化方案的可行性。