随着数据收集技术的发展，海量数据时代已经到来。当今社会商业竞争异常激烈，人们迫切希望从海量数据中，提取有用的信息以帮助进行商业决策。但是，传统的数据分析和数据挖掘技术在处理海量数据时，时间和空间的代价过大，很难满足人们的需求。例如，数据挖掘中传统的频繁项集挖掘需要多次扫描数据集，消耗大量时间；还需要存储大量的候选项集，消耗大量内存。数据收集技术发展的同时，海量数据处理技术也以高并发、低成本的处理优势高速发展。近几年，以Hadoop生态系统发展最具代表性。Hadoop项目主要由两部分组成：HDFS和mapreduce，它们分别是GoogleFile System和Google MapReduce的开源实现。Hadoop分布式框架主要是以廉价的商业机器为计算节点构成云平台，达到高效处理海量数据的目的。将数据挖掘和Hadoop框架有机结合，利用Hadoop优秀的海量数据处理能力进行挖掘，将会给数据挖掘带来新的活力。本文主要针对数据挖掘中频繁项集挖掘和Hadoop框架相结合，做了以下工作：（1）对Hadoop平台进行深入的研究和分析。Hadoop平台的最核心的两个部分是：用于海量数据存储的HDFS分布式文件系统和用于数据处理的Mapreduce并行编程框架。两者相辅相成，构成了Hadoop分布式框架。（2）为了进一步提高频繁项集挖掘效率，提出了一种基于Hadoop平台的并行抽样算法。这种算法利用mapreduce编程框架，单次扫描海量数据即可实现随机抽样。在抽样的过程中，还可以完成对数据的清理工作。（3）对传统频繁项集挖掘算法进行深入的研究后，提出了一种基于抽样的频繁项集并行发现算法。该算法基于Hadoop平台，充分发挥其处理海量数据的优势，实验证明该算法具有良好的挖掘性能。