با توجه به رشد سریع داده ها در سال های اخیر به تکنیکی برای مدیریت این داده ها نیاز داریم. بنابراین شرکت های مختلف چارچوب هایی را برای این منظور پشنهاد داده اند. چارچوب های mapreduceو apache spark از این دست هستند. این چارجوب ها پیچیدگی های برنامه نویسی موازی همانند توزیع داده ها و زمانبندی را رفع می کنند. در این میان پرس و جو این حجم از داده ها نیز اهمیت بسیاری دارد. بنابراین در این پژوهش روشی برای بهبود کارایی و سرعت پرس وجو در داده های عظیم پیشنهاد دادیم.