全比较问题是一类特殊的计算问题,广泛存在于生物信息学和数据挖掘等领域。一种合理有效的全比较问题数据分发策略,可以充分利用分布式系统的计算资源、提高多序列比对任务计算效率。多序列比对是一种耗时的计算任务,比对算法的并行化设计是提高比对速度的关键。分布式系统下多序列比对是一种典型的全比较问题,生物学中的序列比对可以了解不同物种的核苷酸组成和基因顺序方面的异同,进而揭示基因潜在的功能,阐明物种进化关系及基因组的内在结构。论文针对分布式系统下全比较问题的数据分发策略、大序列文件切分评价、分布式文件分发框架构建和序列比对算法并行化展开研究,主要工作和创新点如下:1.研究了分布式系统下全比较问题的数据分发策略。针对全比较问题进行了形式化描述,提出了一个满足数据本地化、节点负载均衡、节点存储占用最小且均衡、不超过节点存储上限等条件的多目标最优化数据文件分发模型;进行数据文件分发策略设计,提出一种对数据集中数据文件分发策略;通过仿真实验验证模型和算法的有效性。2.研究了文件切分和合并算法,针对一个大的基因序列文件,通过对节点计算负载均衡、节点存储量最小而不超过上限、节点的平均计算量最小等目标进行归一化处理,根据实际应用情况设定各个目标重要程度系数,构建了面向全比对问题的文件切分评价模型,并结合上述研究的多目标最优化数据文件分发模型,给出了确定最优文件切分份数算法。3.基于论文提出的文件分发策略,构建了基于Hadoop框架的分布式文件分发系统。搭建分布式集群环境,利用HDFS进行文件存储,Yarn框架进行资源管理,采用Java编程技术实现文件分发程序。实验结果表明在满足数据本地化、节点负载均衡、节点存储占用最小且均衡、不超过节点存储上限的条件下,实现了将文件分发到分布式系统中的不同节点上。4.研究了基因序列比对算法的分布式并行化。从提高算法运行速度、降低算法的时间复杂度方面对Smith-Waterman算法进行了改进,并将Smith-Waterman算法和Blast算法在Spark平台上进行了并行化设计。设计了算法准确性实验、集群多节点对比实验、集群不同节点对比实验、可扩展性实验等多组实验,验证了并行化算法的准确率、效率和扩展性。论文的主要贡献与创新点:针对全比对问题,提出了一个满足数据本地化、节点负载均衡、节点存储占用最小且均衡、不超过节点存储上限等条件的多目标优化文件分发模型;构建了一种大序列文件切分评价模型;设计并实现了基于Spark平台的序列比对Blast算法、SW算法的并行化方案。