图模型以点和边描述实体和关系,相较于其他数据结构,更能简洁有力的刻画事务之间的复杂关系,因此被广泛应用于众多领域求解实际问题。随着当今时代数据量的大规模增长,以大规模图为模型的问题求解受到越来越多的关注,而子图搜索问题作为图论的重要子问题之一,具有深远的研究意义和价值。目前的子图搜索问题求解算法,大多仅适用于无权图,且在大规模数据图上的执行效果并不十分理想。尽管近年来,部分研究提出并行求解大规模图上的子图搜索,但已有的算法对于一些常见限定性查询执行效率极低,甚至无法满足查询需求。本文针对子图搜索问题中的一类限定性查询进行创新和改进,主要研究内容如下:在已有的个性化子图搜索问题上做扩展并进行形式化定义。现有的子图搜索问题中查询图节点均具有唯一属性值,个性化子图搜索问题同时要求部分区域的权值大于用户设定的阈值。而在扩展的个性化子图搜索问题中,查询图的节点分为两类:一类节点的属性值唯一;另一类节点的属性值具有可选择性。数据图的节点属性值均唯一。扩展的个性化子图搜索即在数据图中寻找子图满足:1)查询图中第一类节点的属性值与子图相应节点的属性值相同;2)查询图中第二类节点的属性值之一与子图相应节点的属性值相同;3)子图中部分区域权值大于用户设定的阈值。针对扩展的个性化子图搜索问题,本文提出基于双索引的DSSA算法,按照剪枝、定值域搜索、非定值域搜索的顺序求解满足查询条件的子图,同时通过构建CP索引和Vin索引加快剪枝和查找速度。CP索引将相邻的同类节点归入同一区域,对一个区域内的节点类型、内部节点数及内部权值和构建索引,Vin索引对数据图中定值节点的相邻区域节点构建索引。对提出的集中式环境下的DSSA算法做基于MapReduce的分布式扩展。本文通过分析分布式环境下算法扩展可能出现的问题,首先在数据图处理阶段,提出DLP算法进行大规模数据图的划分存储。随后,将DSSA算法扩展为PDSSA算法,从而并行求解扩展的个性化子图搜索问题。