随着信息数据的飞速滋生,传统数据库系统已经很难满足大数据时代的需求。云计算的横空出世,为海量数据挖掘领域提供了契机。其快速存储能力和超强的计算能力,使得数据挖掘领域进入了一个全新的时代。Hadoop框架是应用最多、发展最好的云计算平台,具有经济、可靠、扩容能力强、并行性好、效率高等诸多优点。其关键技术分布式文件系统HDFS和并行处理MapReduce编程模型,分别实现了海量数据的存储和并行计算等工作。如何将传统数据挖掘技术和算法应用到云计算Hadoop平台中,实现并行化处理,是解决目前海量数据挖掘的关键问题。本文对云计算Hadoop框架、数据挖掘技术以及决策树SPRINT算法进行了深入的研究,在此基础上,分析了大数据挖掘的需求,设计出基于Hadoop平台的数据挖掘系统。在系统算法层,主要对传统数据挖掘SPRINT算法进行了改进,使其能够并行处理大数据集。然后利用HDFS和MapReduce编程模型,实现了改进的SPRINT算法到Hadoop平台的转移。改进后的系统消除了重复计算和不必要的计算,减少了计算量,有效地提高了系统的效率；对计算中的连续属性表和离散属性表执行排序,有效地减少了离散属性的分裂时间；设计了新的数据结构,满足MapReduce编程需要,更好的实现并行化。最后利用MYSQL构建了一些大数据集,对系统的效率进行了测试分析。测试表明,系统在算法改进后大大减少了数据处理的时间,系统效率得以提高。