随着知识图谱越来越受到大众的欢迎,各大公司都在争先恐后地把自己的数据存储到图数据库引擎上,与此同时,数据的分析与挖掘也慢慢变得重要了起来。然而对数据的挖掘需要使用大量不同类别的数据进行交叉分析,而不同类别的数据就涉及到了由不同团队负责维护的数据,通常情况下这些数据并不在同一台服务器上,甚至使用了不同的数据库来存储这些异构数据。如果对这些数据进行挖掘则要将这些数据整合起来进行分析。然而,很少有完善的事务框架可以支持这种跨数据库的事务。在传统分布式事务的框架当中,两阶段提交（2PC）协议是经典的实现方案。然而这种方案需要对使用的资源进行锁定,甚至对服务的横向扩展产生了影响。那么如何基于多个异构数据源实现分布式事务系统是本文研究的目标,本文的方案主要依据e Bay的GRIT协议。完成了以下工作:1.设计并实现了分布式事务模块,基于GRIT协议,针对图数据库做了相应优化,降低了锁的粒度。结合了乐观并发控制和确定性事务的思想,将事务的提交过程从事务的决策过程中移出,同时减少了各个模块之间的数据传输量,减少了事务的等待时间。2.根据图数据库的特点,设计了事务的并发方案,将属性和关系区分进行冲突判断,提高了事务之间的并行程度。详细设计了系统的容错恢复策略,保证在宕机时数据不会丢失,并且在一定程度上保证事务不会被因服务器宕机导致终端执行。实现了在大规模并发情况下模块的负载均衡策略,保证单模块不会成为瓶颈。3.通过对事务日志的分析,设计并实现了一个高性能的分布式流式数据存储系统,该系统使用了内存并行缓存策略,对LSM-Tree算法进行改进,解决了读写放大的问题;并且基于主从复制的策略进行数据的冗余备份;根据应用场景,实现了高效的数据缓存策略,达到了多路事务日志的高效存取的设计要求。4.在测试章节中,对上面所述两个模块和整体事务系统进行了功能和性能上的测试,功能测试结果说明事务系统和各个模块均达到了设计的要求,能够在事务执行发生异常的状况下正确的提供服务。性能测试结果说明日志的性能和事务的性能都达到了预定的目标。并且在测试的结尾结合应用场景对测试结果进行了详细分析。