随着“人类基因组计划”的完成,生命科学研究进入了信息共享与分析的“后基因组”时代。在探索和分析生物基因数据的过程中,DNA序列是研究的重点之一。DNA序列k-mer及其频数在基因序列拼接、序列比对、错误序列检测中有着重要的应用。由于高通量测序技术的发展以及DNA序列研究工作的迅速开展,各研究机构产生了大量数据,带来了对数据可靠存储、高效计算和分析的迫切需求,这就要求研究新的DNA序列数据存储与计算模式解决DNA序列数据的激增问题。本文首先做了理论调研工作,详细阐述了DNA序列及k-mer基本概念、特征及其应用范围,其次分析了DNA序列k-mer频次算法的国内外研究现状。同时深入研究MapReduce并行编程模型的特点和应用,并研究Hadoop分布式处理平台的特性和设计原理,得出在海量生物基因序列数据存储和计算问题上,MapReduce编程模型和Hadoop框架的优势所在。然后本文重点研究后序遍历k-mer频次统计算法(BTKC),详细分析算法原理和优缺点,针对其存在的问题,提出了一种改进算法。改进算法由用户指定可用内存和Hash表装载因子,将序列数据分区加载进Hash表进行迭代计算;同时设计了一种排序策略,对Hash表结果进行排序后输出。实验表明了算法能够在有限内存下处理任意大小的数据集,同时对Hash结果排序输出可以在数据集很大的情况下,节约合并中间结果的时间,算法效率得到有效提升。最后针对大规模DNA序列数据存储和计算问题,从理论和实践两方面分析了Hadoop框架及MapReduce编程模型的适用性。之后对改进后的算法进行并行化应用研究,提出一种基于MapReduce的DNA序列k-mer频次统计算法,并在Hadoop集群上进行实验,验证并行算法的有效性。