随着链接数据(Linked Data)的发展,语义Web上的RDF数据集呈现大规模爆炸式增长,其中包含的语义信息越来越丰富。为了对大规模RDF数据进行快速存储和高效的查询管理,研究新型RDF数据存储方案,成为RDF数据管理的重要问题。传统的RDF数据存储方案主要基于硬盘驱动器(HDD),单纯基于HDD的大规模RDF数据存储的读写性能,已经达到了瓶颈。固态硬盘驱动器(SSD)的出现,给大规模数据存储提供了一个契机。本文针对大规模RDF数据的存储管理,提出了一种基于SSD和HDD的混合分布式数据存储方案HDStore。在本文方案中,单个的固定大小的Journal-File采用只追加模式把数据项存储在SSD上,以支持RDF三元组数据在构建数据索引过程中的快速读写操作。对应的多个Segment-File存储在HDD上,针对大规模数据索引项的进行持久化存储。同时,在三层存储结构上采用最近最少置换算法(LRS)策略,以低容量的SSD作为二级缓存,利用SSD随机写性能高于HDD写性能这一特点,在索引分片Sharding置换出内存时,通过索引分片在SSD缓存上的一系列的build、split、move、merge数据操作,进而优化系统I/O性能并控制硬件成本效果,最终实现针对大规模RDF数据的分布式混合存储方案。本文的理论分析和实验结果表明,在同等硬件设备、数据集等环境下,针对大规模RDF数据,本文提出的HDStore混合分布式存储方案具有最优的数据加载性能和查询性能,尤其是RDF数据加载性能,相比于传统的基于HDD数据存储方案提高大约15%。