پیشرفت های اخ یر در رایانش ابری و داده های بزرگ، استفاده از کش را به یک عنصر کلیدی برای بهبود سرعت و کارایی پرس وجوهای پایگاه داده تبدیل کرده است. پس از پیدایش چالش برانگیز داده های بزرگ در طول سال های اخیر، پایگاه داده های nosql به عنوان یک مدل تکمیلی جهت غلبه بر محدودیت های مقیاس پذیری و دسترس پذیری موجود در پایگاه داده های رابطه ای ظهور پیدا کردند تا قدمی در راه تأمین نیازهای ذخیره سازی و بازیابی داده ها در بستر رایانش ابری و داده های بزرگ بردارند. اما این مدل داده ی جدید به تنهایی قادر به رفع مشکل این حجم بسیار بالای داده ها نیست، چرا که این داده ها باید از طریق شبکه بین سرویس دهنده و سرویس گیرنده مبادله شوند و این تبادل سنگین داده ها باعث افزایش سربار شبکه و سرورها و گاهی اوقات باعث به وجود آمدن گلوگاه می شود. بهینه سازی پرس وجو از جمله روش هایی است که برای کاهش داده های حجیم تبادل شده در شبکه به کار برده می شود. یکی از روش های بهینه سازی پرس وجو کش نام دارد که تا حدی می تواند برای غلبه بر این مشکل کمک کند. کش معنایی یک مدل تکامل یافته از کش است که از چند سال پیش برای پایگاه داده های رابطه ای به کار برده می شود. هدف اصلی این پایان نامه استفاده از ایده ی کش معنایی برای یک مدل داده ی غیررابطه ای و ستون محور است. کش معنایی حافظه در سطح فیلتر، داده های موجود در حافظه ی اصلی سیستم پایه را با داده هایی که از سیستم های پیرو جمع آوری می شوند ترکیب می کند تا پاسخ نهایی را تولید کند. بنابراین با کاهش ارتباطات کاربران با سیستم های پیرو کارایی سیستم ارتقا پیدا می کند. برای ارزیابی این روش از هم سنجی خدمات ابری یاهو استفاده شده است. شش کامپیوتر برای استقرار سیستم فایل توزیع شده ی هادوپ و پایگاه داده ی ستون محور hbase مورد استفاده قرار گرفته اند و در نهایت نشان داده می شود که چگونه این مدل جدید کش معنایی حافظه که توسط جاوا پیاده سازی شده است کارایی سیستم را در مقایسه با کش غیر معنایی حافظه بهبود می دهد.