1、隨著互聯網的飛速發(fā)展，隨之產生的數據量也急速膨脹，互聯網數據挖掘領域中的傳統聚類算法無法滿足海量數據處理的要求。特別對于文檔聚類而言，傳統的聚類算法主要處理人工數據集，并且文檔數據傾向于小型，以適應單機處理。但是，在文檔聚類領域，這并不現實，因為文檔數據集往往巨大而且充滿噪音。云計算是一種新的專注于大數據和分布式并行處理的平臺，近年來發(fā)展迅速，在商業(yè)上取得了初步成功，也引起了學術界的注意。在云計算時代，可以利用云計算平臺重新設計和實現傳

2、統的聚類算法，降低時間和空間復雜度，高效地解決大數據的存儲和計算所遇到的瓶頸問題。
　　ApacheHadoop是關于云計算的開源項目，允許在廉價的大量集群上通過簡單的MapReduce計算模型來分布式處理大數據集。從過去依賴昂貴的硬件轉而利用廉價節(jié)點間的分布存儲和并行計算來獲取高可用性。此外，Hadoop能夠偵測和解決節(jié)點失效的問題，從而能夠提供在集群上個別節(jié)點失效的情況下的高可用性服務。其中MapReduce計算模型在底層依賴

3、于HDFS(HadoopDistributedFileSystem)文件系統，此分布式文件系統支持集群節(jié)點的本地存儲和計算。ApacheMahout是一個數據挖掘和機器學習領域的開源的算法庫，這些算法都是建立在MapReduce編程模型和HDFS文件系統之上實現的。
　　本文以經典聚類算法為例，深入討論基于Mahout的聚類算法的并行分布式設計和實現。同時改進相關算法，總結聚類算法設計的一般方法和技巧?？梢灶A期Mahout是一個處