时至今日,大数据(BigData)时代已经来临,尤其在电信、金融、互联网行业,数据量的增长已达TB甚至PB级。如何对大数据进行统计分析是我们面临的巨大挑战。云计算的出现和发展,为数据统计分析提出了新的方式,其安全可靠的海量数据存储能力,简单易行的并行计算能力,廉价普通的设备要求,具有节约成本,提高效率的优点,成为解决数据统计分析问题的有效方式。　　数据统计分析是我们日常生活工作中非常普遍的需求,例如求解数据集中数据项的基数、求解数据集中最频繁数据项集、求解最频繁数据项集的频度等等。随着云计算的成熟,越来越多的电信和互联网公司将数据的存储和统计分析移植到云计算平台下。如何在云计算的环境下进行数据的统计和分析是一个具有现实意义的问题。面对海量的数据,分布式的平台,传统的数据统计分析方法已无法有效的解决我们的数据统计分析需求,这也就客观要求我们能够采用不同于传统的统计分析算法并且能够并行化,部署到云计算平台上运行。如果能够采用有效的数据统计分析算法移植到云计算平台上,并且满足我们的要求,问题便迎刃而解。　　本文从实际需求出发,综合考虑现实要求,提出了在云计算平台框架Hadoop下,采用Map Reduce并行编程模式实现数据统计分析算法的并行化,并通过实验验证其可行性和有效性。本文选择基数求解和TOPK两个常用的数据统计分析问题作为我们研究的对象,提出了基于概率的算法,通过MapReduce实现算法的并行化,借助于平台Hadoop解决这两个典型的数据统计分析问题。研究证明了在云计算平台下,采用概率算法并行化,在分布式环境中运行能够取得良好的效果,成功的提高了统计分析的速度,较低了内存消耗,减轻了分布式环境中的网络负载。研究证明了方案的可行性。