一方面,随着计算机技术的迅猛发展,以及传感器技术的飞速发展,人们对于信息获取能力也在不断进步,造成了业务量和数据量的爆炸式增长,这导致海量数据的大量涌现。另一方面,传统的关系数据库相关技术已经相当成熟,然而传统的关系数据库无法满足海量数据的处理。为了应对海量数据的挑战,人们提出了非关系数据库。　　但非关系数据库的研究刚刚起步,许多技术尚不完善,急需改进。本文针对分布式非关系数据库提出了动态数据分割算法,同时满足服务器集群的负载均衡。非关系数据库发展至今,出现了很多典型的非关系型数据库,像Google的BigTable,Cassandra以及Apache的开源项目Hadoop使用的HBase。在分布式非关系数据库中,最常用的数据存储模型是键值对的类型。本文的研究主要针对目前比较流行,同样也是开源的非关系数据库HBase展开工作。　　本文的研究内容和成果主要归纳为以下几个方面:　　首先,本文介绍了非关系数据库的相关知识,其中包括各个典型的非关系数据库的优缺点以及性能分析。　　其次,针对目前非关系数据库中存在的一些问题,本文提出了应用于非关系数据库的动态数据分割算法。本文从两个角度提出了数据分割算法:一种是针对非关系数据库的timestamp的概念,考虑到各行不同的timestamp版本在实际应用中的使用情况,提出一种基于row的水平数据分割;另一种是针对各个属性列不同的列簇,关键属性以及标识经常访问的阈值,提出一种基于column的垂直数据分割。　　再次,在集群系统中,系统内部的异构性特点非常突出,为了更好的发挥数据分割算法的特点,针对服务器节点性能,实时状态以及数据连接数等,本文提出了应用于非关系数据库的负载均衡策略。　　最后,经过实验验证,数据分割和负载均衡策略使分布式非关系数据库的整体性能有了明显提升,尤其是随着数据量逐步增加,其性能提升也越来越明显。