随着信息技术的快速发展,在人们的日常生活中出现了各种信息系统,产生了海量的时间序列数据。如何有效地利用这些历史时序数据,从中挖掘出用户需要的信息已经成为当今数据处理领域广泛关注的热点问题。首先分析了当前分布式计算的关键技术,然后对时序数据处理进行了相关研究,最后提出了一种基于Hadoop平台的时间序列数据增量计算方法及系统。主要工作内容如下：1.分析分布式系统关键技术,对Hadoop整体框架进行分析。文中首先对分布式系统中关键技术进行探讨,然后通过搭建Hadoop平台,结合MapReduce计算模型给出了实际数据处理的实验案例,最后对实验结果进行了详细的分析。2.对时间序列预测算法、时间序列相似性度量算法进行了分析和改进。文中通过对真实数据的理解及建模,实现了时序数据的预测过程。最后,在分析时间序列相似性度量算法的基础之上,提出了支持增量数据的时间序列相似性度量算法—Inc-DTW,并通过实验及理论对所提出的方法进行验证。3.在进行数据处理时,数据是随时间的推进在不断的增加,如何才能进行高效的增量计算是目前数据处理领域的一个研究热点。本文中结合Hadoop平台以及时间序列数据相关特点提出了一种Hadoop平台时序数据增量计算方法及系统-TSI-Hadoop。TSI-Hadoop具有以下特点：(1)提供了常用时序数据处理算法的支持；(2)提出基于MapReduce计算模型的分段时序数据增量计算模型；(3)针对时序数据特点,提出带有状态的滑动窗口增量计算方法。最后对我们提出的方法及系统进行了相应的实验验证。