云计算是一种商业计算模型,它将计算任务分布在大量计算机构成的资源池上,能为用户提供按需分配的计算能力、存储能力及应用服务能力;云计算为存储和分析海量数据提供了廉价高效的解决方案。数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取隐藏在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程,对科学研究与商业决策等多个领域起到了指导作用,具有深远的社会和经济意义。云计算环境下的并行数据挖掘策略的研究具有重要的理论意义和应用价值。本文从数据集划分方法、数据集分配方法及基于MapReduce的并行数据挖掘算法等方面对云计算环境下的并行数据挖掘策略做了研究。论文介绍了云计算和数据挖掘的相关概念和技术,并行数据挖掘中已有的的数据集的划分方法、并行机制和并行策略,已有的并行的关联规则挖掘算法、并行的聚类算法和并行的分类算法。在此基础上,设计了改进的并行数据挖掘策略,包括适用于云计算环境的数据集划分方法、数据集分配方法和改进的Apriori算法;设计了改进的Apriori算法在Hadoop中的MapReduce编程模型上的实现流程。并且搭建了Hadoop平台,利用该平台进行了算法功能和性能测试,测试结果表明:基于本文设计的并行数据挖掘策略,改进算法在云计算环境下能获得更高的频繁项集挖掘效率。论文研究成果在云计算环境及海量数据挖掘领域具有较高的应用和参考价值。