数据恢复技术是一种把已经删除或遭到破坏的数据还原为正常数据的技术手段。它被广泛应用于数据遭到意外删除或损坏以及数字取证等场景。但随着存储设备的容量不断变大,数据恢复速度慢日益成为该领域当前突出的问题。快速数据恢复成为当前数据安全、数字取证领域的一个研究热点和难点问题。本文以SQLite数据库为研究实例,对基于并行计算模型Map Reduce的快速数据恢复技术展开了深入的研究。首先,提出了一个利用Map Reduce来提升基于文件格式的SQLite数据恢复速度的方法。该恢复方法将传统基于文件格式SQLite数据库恢复过程中的页遍历、内容分析和数据恢复的操作设计成独立的Map过程,而将恢复的页数据整理整合操作设计成Reduce任务,并利用Map Reduce的并行计算模式来加速数据恢复的速度。评估实验结果表明,在使用了3台服务器情况下,提出方法的数据恢复速度比使用单服务器提升2.7倍。其次,提出了一个利用Map Reduce来提升基于预写日志的SQLite数据恢复速度的方法。该方法使用了SQLite数据库中的预写日志特性,先从文件系统镜像中恢复被删除的预写日志文件;然后对预写日志进行解析,从中恢复出之前写入到缓存中的数据,以恢复数据库中的历史数据。在实际过程中,第一步,从文件系统镜像中恢复预写日志文件的过程会占用大量的时间,使用Map Reduce并行计算模型对此处操作加速可以大幅提升性能。评估实验结果表明,在使用了3台服务器进行数据恢复操作时,速度比只使用单台服务器提升2倍左右。通过对现有SQLite数据库恢复算法进行逻辑分析和功能划分,并使用并行计算模型Map Reduce对其进行性能改进,提升了这些算法的恢复速度和效率。本文的研究成果表明,利用并行计算模型Map Reduce来提升数据恢复的效率是行之有效的方法,但如何在数据恢复中更加充分有效地利用大规模服务集群的计算资源,仍需进一步深入地研究。