随着网络技术的飞速发展,全球数据倍增,为大数据的分析和处理带来了困难。Map Reduce作为新兴的数据密集型计算编程模型,在大数据分析与处理方面发挥了重要的作用。而区间连接是属性取值在一个范围内的连接运算,是大数据分析和处理的重要运算,如何利用Map Reduce编程平台提升区间连接的效率具有重要的意义。在Allen提出的区间元组概念、区间元组关系的基础上,设计了一种基于集合分类实现二路区间和多路区间的连接算法。首先将参与运算的区间元组根据区间范围均匀划分成若干个分区,根据元组与分区是否有交集,将元组映射到相应的分区集合,对每个元组在分区中的位置进行分类,定义了四种类型的集合分类,并分析了每个分区中四种类型集合分类占分区数据总量的比例。其次用Map Reduce分布式编程框架编程实现二路区间和多路区间连接算法。通过四种集合分类构建的键值对可以过滤掉不需要参与连接的元组,减少Map端数据传输量和Reduce端数据计算量,提升区间连接的效率。最后,根据各个集合分类占各个分区数据总量的比例,分别制定二路区间和多路区间的负载均衡策略,重新组合各个分区之间的集合分类生成新的键值对,均衡各个Reduce节点收到的数据,以进一步提高区间连接作业的完成效率。在搭建的分布式Hadoop平台下分别对二路区间连接和多路区间连接方法进行了有效性的验证。实验结果表明,基于集合分类的区间连接方法能适用于多种情况,相比已有二路区间连接和多路区间连接方法具有一定的优势,并且制定的负载均衡策略能进一步提升效率。