随着计算机科学和互联网的不断发展,需要处理的数据量不断增长,这对数据库的性能提出了越来越高的要求。同时,在传统的数据库同时对增删改查性能有较高要求的使用场景之外,主要强调查询和分析性能的使用场景日益增加。在强调查询性能的情况下,列式数据库技术收到了越来越多的关注。列式数据库现有的研究集中于存储模型和查询执行。而在查询优化方面,针对列数据库的研究较少。目前主要的列式数据库框架,如C-Store,VectorWise,MonetDB等,没有专门的代价模型或者只有基于行数的代价模型。同时,这些列式数据库中,没有进行查询优化或者只针对列数据库与行数据库共同的部分进行优化。而另一方面,行式数据库的查询优化领域有较多的成果。MySQL,PostgreSQL等传统数据库有较为完善的,采用固定优化流程,在一个查询计划上进行优化的查询优化器。同时,在海量数据分析领域,分布式行式数据库Greenplum和HAWQ采用了基于规则,代价模型和计划搜索的查询优化框架,并针对分布式场景,对任务调度进行优化。本文提出了一个针对分布式列式内存数据库的代价模型,该模型能够有效估计列式数据库中查询计划的执行代价,减少因代价模型不准确而对查询优化产生影响。同时,在此代价模型的基础上,实现面向大规模数据,针对列式内存数据库的,基于转换规则,计划搜索和任务调度的查询优化框架。最后,本文将对设计实现的查询优化框架进行功能和性能测试,并与采用行式数据库代价模型以及采用固定优化流程的查询优化器进行对比测试。测试结果显示在为列式数据库进行查询优化时,本文设计实现的查询优化器能够获得更好的优化效果。