随着制造业技术不断进步,硬件制造成本越来越低,基于多核cpu、海量数据硬盘的计算机器越来越多,现有的编程模式使得人们无法有效的使用日渐增多的运算资源,因此云计算孕育而生。云计算将如此巨大的剩余计算存储资源整合为一个资源池,通过网络的方式把计算能力发布到各个角落,使得人们可以像使用水电一样,使用计算存储资源。数据挖掘由于所需要用到的运算存储量均是巨大的,所以将云计算与数据挖掘相结合可以有效的控制计算成本,提升数据挖掘的效率,突破传统数据挖掘的瓶颈限制。Hadoop框架作为目前业界最为有名的开源分布式计算框架,通过采用MapReduce并行化模型,有效的整合现有运算存储能力,提供强大的分布式计算能力。本文在研究经典关联数据挖掘算法Apriori和Hadoop框架的基础上,完成以下工作:1.将Apriori算法转化为MapReduce模型,实现Apriori并行化改造,然后采用压缩原始事务集的方式,提高Apriori算法在Hadoop框架下的表现,最终实现具有高扩展性适合于云计算环境的MapReduce-Apriori算法。2.以通话记录数据集为例,提出了基于整体通话记录数据和个人通话数据的关联数据挖掘,将MapReduce-Apriori算法运用在挖掘中,从数据中挖掘出具有实际意义的关联规则。3.在通话数据清洗阶段,提出了使用Hive+Hadoop的方式进行清洗,实现了具有高扩展能力的数据清洗工具。4.设计及实现了提供分布式计算服务的测试私有云。