数据流是一个按时间到来的有序的项集。和传统静态数据库中的数据不同的是，数据流是连续的、无限的、通常以很高的速度到来的并且数据分布随着时间而改变。由于数据流的特点使得传统的频繁项集挖掘算法难以适用。许多研究人员对数据流中频繁项集挖掘进行了研究。目前，数据流中频繁项集挖掘已成为数据挖掘中的基本问题之一。 针对数据流的特点，论文对数据流处理技术和数据流挖掘中的关键问题进行了研究和总结。论文对一些关键问题的解决技术进行了研究。论文对经典的频繁项集挖掘算法进行了介绍和实验。通过实验和分析可以看出数据流的无限性、高速性使得经典的频繁项集挖掘算法难以适用到数据流中。此外，论文对于当前现存的一些数据流中频繁项集算法进行了介绍，分析和总结。 本文最后提出了FP-CountMin算法。该算法将数据流分段并利用改进的FP-growth算法挖掘分段中的频繁项集。然后，利用Count Min Sketch进行项集计数。算法解决了压缩统计和计算快速高效的问题。通过和FP-DS算法的实验对比，FP-CountMin算法具有较好的时间效率。