函数依赖发现,是一种面向关系型数据的重要分析技术,是数据清洗、质量评估和语义分析的重要手段,被广泛应用于分布式大数据分析。在数据中正确发现函数依赖关系具有较高的计算复杂度,目前存在的函数依赖发现方法大部分属于集中式算法。在大型企业内部,由于用户数据的急速增长,基于云计算平台的分布式数据库被广泛使用。已有函数依赖发现算法主要针对集中式数据,不适用于分布在不同节点上的云数据。将分布式数据汇集到集中节点统一处理,无法利用分布式云计算平台加快处理速度;而使用传统集中式方法分别处理分布式节点上的数据会导致错误的结果。已有分布式算法较少,且存在内存消耗较大与负载不均衡等问题。已有研究提出了多种具有不同内存与处理器消耗特征的集中式函数依赖发现算法。将集中式函数依赖发现算法进行分布化,需要根据集中式算法的特点精心设计分布式处理策略,在保证准确性的同时,提高处理效率。目前,已有研究只针对部分集中式算法提出了一些分布式函数依赖发现算法,但是存在内存消耗较大与负载不均衡等问题。同时,已有分布式算法主要采用传统Map Reduce计算平台,而采用内存计算技术的Spark分布式计算平台可以有效减少中间数据存盘时间,加快处理速度。因此,基于已有集中式算法,本文提出了四种基于Spark平台的具有不同特点的分布式函数依赖发现算法。提出了一系列分布式任务处理策略与优化方法,通过实验证明了提出算法的有效性,并对4种分布式算法进行了对比分析。主要工作如下:（1）面向Spark平台,提出基于空间遍历的分布式函数依赖发现方法并设计了数据迁移和搜索等策略,从而保证了每个节点任务的负载均衡并且输出的结果都是最小函数依赖项。并且提出了无需对原始数据多次迁移的分布式算法从而减少数据迁移量和算法运行时间;（2）面向Spark平台,提出基于一致集的分布式函数依赖发现方法并设计了两个任务分区策略和二元组去重策略,从而保证任务并行执行并减少了生成的二元组数量;（3）在多组数据集（包括合成数据集和真实数据集）上对提出的算法进行测试、分析;验证提出的分布式算法的正确性和相关优化方法的有效性;同时对提出的所有分布式函数依赖发现算法进行了多方面的对比,包括时间消耗、内存消耗和数据迁移量;阐述不同算法的特点,并说明其适用场景。