在当前的社会大环境下,社会治安日趋复杂严峻,各种盗抢,FK、维稳、处突压力急剧增加,在新的形势和任务需要下,传统的工作模式已经满足不了新型智能、职业,组织化犯罪。公安工作随着日趋复杂的形势不断面临新的挑战。基于新的大数据形态,传统的数据库技术已经不能满足现在社会的需求,在新的大数据环境下开始出现疲态,技术瓶颈的问题,导致新环境下的情报研判和案件的侦破的响应速度越来越慢,支撑不了特定的应用场景。为适应新的形势下的现代公安业务,各地市级公安行业迫切的需要大数据平台来支撑各个系统及平台。新的大数据平台将会运用大数据技术和分析手段,对大量不同来源数据进行快速有效的完成的分析,挖掘不同行为间的互动关系,预测分析有危险属性的人群的行动趋势。为形成“全方位、全时空、全天候”的动态防控体系提供强有力的技术支撑。本文以公安内外部大数据为基础,研究如何通过ETL实现数据资源整合,将分散无序的数据,整合成高质量、有意义、可关联的有价值数据集合;利用MAPREDUCE对大数据查询获取可用于机器学习的维度数据信息;研究机器学习及国际通用算法,最终通过对各种分类算法训练和测试,得到适合本系统的预测模型算法用于实战;通过B/S架构建立公安网内的嫌疑人摸排系统。本文主要完成的功能,通过案件发生的时间、地点,圈定最要的摸排嫌疑人的信息,然后通过预测模型预测出有高犯罪倾向的人,最终实现嫌疑人摸排系统。