分布式计算的发展为大数据的分析和处理提供了一个新的平台。Map Reduce是一种能够在分布式系统中实现大规模数据并行运算的分布式计算框架。但是Map Reduce自身的不足限制了它处理多数据集连接的能力。如何改进现有的利用Map Reduce处理多数据集连接的方法,提高Map Reduce处理数据集连接的效率,对于提高数据的查询、分析效率,更好地支持大数据的分析处理具有重要的意义。分析Map Reduce计算框架中Map阶段和Reduce阶段的数据处理过程,在现有连接开销模型的基础上,细化Map阶段和Reduce阶段中的数据排序、压缩等过程,加入map函数和reduce函数部分的计算开销。给出利用概率分布函数估算连接结果数据量的方法,使模型能更好地服务于连接计划的规划。以开销估算模型为基础,设计一个结合贪心和动态规划策略的多数据集连接方法。首先利用预等值连接减少参与非等值连接的数据集的数据量,降低后续处理非等值连接所需的开销;其次,利用ThetaJoin分步连接和二路Theta Join连接组处理所有非等值连接;最后,利用贪心和动态规划将等值连接分解成多个子模块,并为每个子模块选择合适的连接方案。这种启发式的连接方法利用开销模型分析现有连接方法在处理不同连接场景时的优劣,将任务进行分解,为每个子任务选择合适的连接方法,实现以减少局部连接的开销来提高整个连接任务效率的目的。设计不同的连接场景,在搭建的Hadoop并行计算平台上对多种不同的连接方法进行实验。实验结果表明,设计的连接方法比其余的连接方法更能适应不同的连接场景,具有更高的效率,更好的有效性。