近年来,随着互联网技术的迅速发展,互联网产生的数据量越来越大,对于海量数据的处理成为了一个严峻的问题。这些数据一般以文本形式表现,而且数据量大,结构分散,如何挖掘出人们感兴趣的数据信息成为了关键。在众多的分类算法中,KNN由于其实现简单、分类结果准确且稳定性高等特性成为当下使用最为广泛的分类算法之一。然而当训练集样本数据过大或特征词过多时,KNN算法的计算效率急剧下降。首先,海量数据使得文本相似度的计算量大幅增长。其次,文本数据过多,也使得文本分类的效率大大降低。因此,本文主要研究了MapReduce框架下,并行KNN分类算法的设计与实现,提出了一种基于临界值中心点集合划分的分类算法,称为MKNN算法。本文在进行文本分类阶段,针对传统的KNN文本分类算法在对大规模文本处理时的不足,从而导致文本分类效率降低的问题,提出文本中心点集合划分的MKNN算法。MKNN算法在预处理阶段针对样本数据集中的文本进行中心点查找工作,得出中心点集合,在待分类数据集中的文本数据到达时,只需要和中心点集合中的数据进行相似度求解,然后进行分类从而减少分类时间开销;另外在对文本间相似度计算的余弦定理上进行了改进,利用MapReduce的分布式编程优势处理文本相似度计算,从而提高文本分类的效率。本文在文本分类技术以及相似度并行化计算方面进行研究,重点分析了预处理过程中的中心点划分算法以及余弦定理求解相似度的并行化过程。最后通过实验结果,进行算法运行结果分析对比。实验结果表明,MKNN算法在处理大规模数据时具有良好的并行计算扩展性,并在实验数据大小相近情况下,其分类效果明显提升。从而即保证了 KNN算法分类的准确性优势又提高的分类的高效性。