在过去的十几年中,RDF(资源描述框架)作为一种广泛使用的万维网标准数据格式,数据量急剧增长,许多开放关联数据集的三元组个数已达数千亿。因此,如何有效地管理海量的RDF数据已成为一项巨大的挑战。现有gStore、MonetDB和RDF-3X等系统都支持RDF存储和SPARQL查询,但是过多的比较操作和高碰撞率已经成为RDF数据管理系统中的致命弱点。针对以上问题,本文提出了一种基于哈希索引的系统——HTStore,用于快速存储和查询大规模的RDF数据。首先,HTStore利用哈希结构缩短查询时间,提高查询效率。其索引结构包含两个部分:包含哈希表的表层和包含哈希树的树层,所提出的哈希树结构可以很好地适应数据量的变化。另外,为了确保内存和磁盘之间的高效数据交换,本文提出了利用有效的修剪规则和哈希树索引构建的高效搜索算法。并且,本文还提出了改进的计数布隆过滤器,以便在访问整个数据集之前预先确定数据集中是否存在三元组,以减少访问磁盘的数量,进一步提高查询性能。此外,本文将HTStore系统应用于生物医学数据中,将基因、药物和疾病等多个数据集联合起来构成一个多源的RDF数据集,并用HTStore实现存储和查询。最后,本文设计实验验证了RDF存储和SPARQL查询的效率和有效性。实验结果表明,与QLserver、TripleBit、gStore和MonetDB这些代表性的RDF数据管理系统相比,该系统可以将查询效率平均提高22%,更新操作的执行时间平均可减少25%。在生物医学数据中,实现了基因、药物和疾病之间的查询,具有一定的实用性。