近年来,国家对高校教育的重视程度不断增大,高校扩张也在持续增加,大学生的人数也越来越多,从而产生了许多问题和挑战。其中大学生的学业问题尤为重要,如生源质量降低、学生挂科人数日益增多、学生退学率增加等。学业质量下降对高校、个人和家庭都带来了负面影响,因此建立高校的学业预警系统迫在眉睫,对学生有计划、有针对性的帮扶,让学生顺利完成学业,成为对社会有用的一份子。但由于高校学科繁多,系统与系统之间相互独立,学生的学业数据也错综复杂,想要在这些大量的数据中挖掘出有价值的信息,传统的单机计算模式显然不能满足日益增长的需求。本文在此背景下,设计并实现了高校学业预警系统,结合Hadoop分布式Map Reduce计算框架,实现学生成绩的预测和预警,帮助学生完善学业,对高校人才培养具有理论和现实意义。本文的设计思路如下:首先,采用Hadoop平台技术,构建分布式的数据处理平台,为算法的并行化计算提供技术支持。其次,运用FP-Growth关联规则分析和K-Means算法,结合Hadoop平台的优势,将其应用于学业分析中,为校领导和老师提供针对性的建议和解决方案。通过并行化K-Means算法挖掘出课程成绩之间的分布,根据聚类的结果对不同类型的学生提出针对性的合理建议;并行化FP-Growth算法通过对学生挂科的学业课程进行数据挖掘,得到学科与学科之间的内在关联关系,有利于做出合理的培养计划。最后,基于SSH框架,通过对表示层、业务逻辑层和数据持久层的整合,搭建学业预警系统。该系统由预警数据管理、预警信息管理、预警数据挖掘和系统基础信息管理四部分组成。一方面实现了不同阶段学生的学业信息和预警信息,有助于老师和学生随时了解学业概览;另一方面,系统可以对学生成绩进行预警分析,例如通过对某一挂课率较高学科,挖掘出学科之间的关联关系,便于高校及时制定行之有效的培养方案,为高校的教学提供理论支撑,推进高校的智慧校园建设。