随着我国铁路事业的蓬勃发展,我国轨道客车的保有量和运行量与日俱增,轨道客车的后续发展出现了许多新问题。主要表现为缺乏统一的轨道客车全寿命周期成本信息化管理平台,以至于不能充分考虑到全寿命周期的各环节及难以提供足够的数据支持;同时,随着数据规模不断扩大,传统关系型数据库出现性能危机,无法经济有效的存储与处理大规模数据。针对以上问题,论文设计并实现了在Hadoop生态系统下的轨道客车全寿命周期成本数据管理系统,用来实现轨道客车全寿命周期成本的全数字化管理,以解决系统对大规模数据的存储与处理问题。论文从轨道客车的决策设计、采购实施、运营维护及报废回收四个阶段分析了全寿命周期成本及数据,设计了Hadoop与My SQL数据库协作的混合存储架构,该架构基于工程师Bukhari Syeda Sana的混合存储思想,提出了一种满足轨道客车全寿命周期成本数据管理需求的新解决方案,并对其中关键技术进行了深入研究与实现。一方面,为了满足系统的数据迁移需求,论文研究了现有数据迁移算法,提出了一种基于多重嵌套迁移思想的数据迁移算法,算法核心是处理关系表的外键,基本思想是将引用的表作为HBase表的列族附加到表中。该算法分别通过主表、直接关联子表及间接关联子表三类表的数据迁移实现轨道客车全寿命周期成本数据管理系统的数据自动迁移,数据迁移结果满足完整性且数据迁移时间在可接受范围内。另一方面,为了实现异构数据库的数据访问,首先通过各自底层查询引擎并行访问数据的方法实现异构数据库的透明访问,其中HBase数据库通过HBase的get和scan原生接口实现基于Key值查询的HBase简单数据访问,通过集成HBase/Hive架构实现基于Hive QL查询语句的HBase复杂数据访问;接着采用Canal解析My SQL数据库更新日志Binlog的方式实现异构数据库的数据同步;然后通过时间戳比对的方法构建统一的异构数据库查询接口实现异构数据库的联合查询,并通过实验对比了混合存储架构与传统数据库的数据访问性能,验证了构建混合存储架构的有效性;为了更高效地完成分析任务,研究了基于Map Reduce的多元线性回归模型,实现轨道客车修复性维修费用预测,并通过实验验证了并行回归模型在进行大数据分析时的有效性;最后结合数据自动迁移与异构数据库的数据访问技术设计并实现了基于Hadoop的轨道客车LCC数据管理系统。