现如今,随着信息技术的不断发展,各领域所产生的数据呈爆炸性增长。面对如此海量的数据,想要从中获取潜在有价值的知识并提高利用率,则需要事先对这些数据进行预处理,以获取可以直接进行挖掘和分析的高质量数据。离散化作为数据预处理过程中的一项重要技术,对提高数据挖掘效率和质量具有重要意义。实际数据集往往拥有很多属性,它们可以排列成上下有序的概念层次结构,即体现出多尺度特性。多尺度技术不仅可以通过揭示数据对象内在的结构和层次特征,得到多种因素和方法去还原事物的本质。而且使用多尺度分割技术对图像或数据进行分割,可以减少算法的时间复杂度。通过在离散化过程中引入多尺度的概念,将数据进行合理的多层次划分,得到不同粒度表现形式的候选切割点,从而可获得更多有价值的信息,提高离散化数据的质量。基于此,本文提出一种基于多尺度和信息熵的数据离散化算法（简称为MSE）。该算法首先对数据集进行合理的尺度划分,得到具有不同表现形式的候选切割点集;然后使用信息熵对候选切割点进行计算,并依次选取信息熵最小的候选切割点利用MDLPC标准进行判断,最后,选出了最佳切割点集合。通过采用UCI数据集测试,实验验证了该算法有效地提高了离散化效果和效率。为应对如今海量数据的有效处理,并行/分布式计算被引入以提高离散化效率。而离散化过程是不断反复迭代的过程,Spark作为一种基于内存的分布式计算框架,其凭借高效的DAG调度、极强的容错机制,可以很好地支持迭代计算。本文基于Spark并行计算平台,提出一种新颖的离散化并行优化算法。利用并行化的优势,将数据集的各属性之间与属性内部分别进行并行化处理。通过对算法进行测试,实验结果验证了,当数据量规模增大时,后者的运行效率明显有更大的提升,在条件最适宜的情况下,加速比最高可以达到6.7倍。