今天,我们正被数据包围。经过调查全球总共有四十多亿部电话、二十多亿网络用户,这么多的用户每时每刻都在不停地产生数据。同时人们还使用手机进行发送短信、上传自己制作地视频、更新自己在社交网站上的个人动态信息、转发别人的微博等等。数据如此快速地增长向那些互联网公司巨头(国内的百度、淘宝、腾讯,国外的Facebook、亚马逊、微软)提出了很大的挑战。它们每天都需要对用户产生的海量数据进行分析处理,从而发现哪些网站人们喜欢点击和阅读,哪些商品消费者喜欢购买,哪些广告能够吸引用户进行点击。但是传统的算法和工具对于处理如此规模的数据集的处理能力的越来越低效同时受制于内存大小。针对课题的要求,了解当前Hadoop和并行Apriori算法国内外研究进展以及成果。在此基础上本文详细地介绍Hadoop技术和数据挖掘技术的相关概念和知识,其中在Hadoop技术中着重介绍了Hadoop的两个核心：HDFS系统文件系统和编程模型MapReduce。接下来对传统Apriori算法的思想、实现过程等等都进行了详细地研究,于是在此前提下提出一种适用大数据环境改进的并行Apriori算法。本改进算法主要是利用Hadoop的MapReduce编程模型将原始数据库进行划分后并行化倒序处理数据的思想。最后对改进的算法的思想、设计过程、移植、应用到网上购物等等都进行了详细地介绍,同时还使用实例分析法验证了算法的可行性。实验通过对比分析法得到了改进的算法执行效率得到了很大的提高及其具有横向扩展性。