数据挖掘是从大量纷杂的数据中分析并提取有用的知识和信息。当今网络上最重要的资源信息库是Web页,因此研究Web数据挖掘有着重要意义。但随着互联网的高速发展,Web信息日增长呈指数量级发展,要从中分析出有用的信息,单一节点的计算和存储已存在着瓶颈,而最近提出的云计算则提供了一种全新的解决方案,即可以通过网络获取好的存储和计算能力,并行高效的挖掘知识和信息。文章在概述了云计算、Web结构挖掘、Hadoop等基本理论知识后,将Web结构挖掘算法和云计算进行了整合,并做了如下工作：1.在云计算环境下对PageRank算法进行研究,将PageRank算法与Mapreduce编程模型结合。对不同规模的数据集测试基于MapReduce的PageRank算法的性能。2.针对并行PageRank算法执行大数据集时的表现,发现了两个显著的不足。每次迭代都访问HDFS,从而使得I／0的消耗增加；每次MapReduce迭代在混合阶段和排序阶段都需要处理大量的key,从而导致时间消耗过多。因此对传统的PageRank算法进行了修改和移植,提出了N步长算法。该算法的思想是：尽量在PageRank并行迭代时减少Hadoop集群节点之间的通信次数,使得PageRank总的迭代时间减少,从而达到快速收敛的目的。具体来讲是Hadoop运行时,可预先将Dk和(AT)k的值依次算出,保存在Hadoop公用访问处,避免了节点之间频繁的通信访问。3.使用Hadoop框架搭建云环境,在实验的环境下测试对于配置参数blockSize设置不同对于计算性能的影响。最后,在云环境下,针对不同的数据集,将在MapReduce上实现的PageRank并行算法和本文中提出的经过改良的并行算法进行了测试和比较,分析比较结果可知,经过改良后的算法在运行的时间和存储空间方面具有一定的优越性。