在大数据时代,MapReduce作为一个著名的并行计算模型,已被学术界和工业界广泛应用于海量数据的处理和变换。然而开发一个MapReduce程序并不简单,因为数据开发人员不仅需要了解数据变换的需求,还需要熟悉并行计算概念和MapReduce框架的API。针对MapReduce编程难的问题,目前已有许多研究工作简化并行计算框架的使用,并提出了相对简单易用的解决方案,然而这些方案通常对数据变换的关注层面较低,无法屏蔽底层平台特性和编程细节。模型转换技术是由模型驱动开发方法提出,用于对某一输入模型进行处理,输出一种目标模型的技术,该技术通过描述模型转换的逻辑,屏蔽模型转换过程存在的细节,因此将模型转换技术应用到面向数据变换的MapReduce开发过程是一个值得探索的内容。本文提出一个基于模型转换技术,面向并行数据变换的MapReduce开发方法,探索了模型驱动开发技术如何能方便MapReduce开发,包括以下几项工作:1.本文提出了一个基于模型转换面向数据变换的MapReduce开发方法。该方法允许开发人员在对并行编程和MapReduce APIs不了解的情况下,通过编写基于声明式语言QVTr的数据变换逻辑完成数据变换任务。本方法会根据该转换规约自动生成一个MapReduce程序供开发人员使用。2.为了方便代码的生成,本文定义了一个面向MapReduce的平台相关模型——midCore,它将作为QVTr规约转换为Spark程序的中间层。另外本文还定义了从QVTr转换为midCore和midCore转换为Spark程序的规则。3.我们实现了一个原型工具QE2S,该工具能将QVTr和Ecore自动地转换生成midCore,能将midCore转换生成Spark程序。4.最后我们完成了两个常见数据场景的实例研究,实验结果表明我们的方法所生成的Spark程序在能有效完成常见的数据变换任务的前提下,运行时间通常不超出人工并行程序运行时长的30%,说明了本文方法的有效性。