目前,对海量数据的研究主要集中在对数据的存储、检索、挖掘和分析等方面,并且基本上都是基于某一特定的应用场景以及特定的数据源而进行的研究。互联网飞速发展和广泛应用的今天,短时间内就会有大量的、各种各样的数据产生,这些数据有表格、文本、音频、视频等,数据的存储格式也各不相同、各有特点。现实中,也会因为某种需要,要求对这些多源异构数据进行集中统一存储管理,而同源同构数据下的技术方案和算法并不能直接用于对多源异构数据的处理。因此,对多源异构数据的高效存储以及快速检索问题的研究具有重要的现实意义。本文主要工作是针对多源异构数据的存储问题和检索问题开展研究,旨在为多源异构数据的高效存储和快速检索提供参考方案,主要内容如下:（1）针对多源异构数据的存储问题,本文首先根据数据特点进行分类,比如分为表格数据、文本数据等,然后通过程序实现将不同形式的表格数据统一转换为文本数据,并将其存入HBase数据库中。在数据写入数据库的过程中,通过在HBase中建表时进行预分区处理,再将数据统一转换后生成的统一ID进行哈希散列处理后的结果作为Row Key进行数据存储,使得数据能够均匀的分布在不同的HBase分片上,避免了数据分布不均衡问题。（2）针对多源异构数据检索问题,本文引入支持分布式多用户能力的全文搜索引擎Elasticsearch,弥补了HBase在多字段复杂查询方面的不足。基本方法就是:首先根据HBase中的数据字段的查询频率的不同,将查询频率最高的六个字段在Elasticsearch引擎中建立索引库;然后在建立索引分片时,通过综合Elasticsearch集群中每个节点的剩余存储空间和分片的大小确定最佳索引分片数,根据最佳索引分片数建立索引;最后再通过对索引分片数量进行优化设置,在数据分布、数据写入效率和数据查询时延等方面提高系统性能。测试与验证结果表明:本文设计的一种基于HBase存储+Elasticsearch提供二级索引数据检索方案在数据存储时通过对建立的数据表进行预分区处理和对写入数据行键进行哈希散列,在不同大小的测试数据集和集群节点下,与HBase默认情况下相比,数据分布较为均衡,数据写入效率也有明显提升。在进行索引创建时通过对索引分片相关系数进行优化,确定索引的分片数目,与系统默认的5个分片数目相比,在索引数据量、集群中节点数目不同的情况下,优化后索引的分片数目能够根据节点剩余空间进行动态调整,有效降低数据写入时间和查询时延。