随着互联网技术的快速发展,数据呈现出爆炸式增长方式。海量存储系统元数据访问成为整个系统的性能瓶颈。目前存储系统主要采用树形结构的命名空间或关系型数据库来组织管理元数据,并通过索引来提高元数据访问效率,这些方法忽略了文件数据之间的关联关系,导致元数据管理功能单一,无法提供更为丰富的个性化服务。通过对分布式文件系统HDFS元数据图谱化的研究,设计并实现了一种基于Graph模型的元数据组织管理方法。该方法首先根据文件数据的特点提取出特定的语义信息,利用这些语义信息构造出语义元数据,然后根据文件数据在语义上的联系将文件元数据和语义元数据组织成元数据图,并通过对HDFS中的元数据服务节点Namenode的改造,设计出一个全新的元数据服务节点Graphnode,由Graphnode通过元数据图对外提供服务,最后在元数据图中使用协同过滤以及聚类分析算法来挖掘分析文件数据之间的关联关系,使Graphnode能够提供更为丰富与智能化的服务。测试结果表明,基于图模型实现的Graphnode能够有效的组织管理元数据以及实体之间的关联关系,在提供传统元数据服务的同时,利用元数据图中丰富的语义信息和节点之间的关联关系,还能在元数据层进行数据的挖掘与分析。相比在传统存储系统中实现的文件推荐以及聚类分析,性能提升了1倍以上。这不仅给存储系统的智能化提供了一种解决思路,而且还让元数据的组织与管理具有了新的意义与利用价值,同时给大数据时代的数据挖掘与分析提供了一种全新的解决方案。