隨著信息技術的進步以及信息化社會的發展，出現各式各樣的海量數據，大量的數據累積在數據庫和數據倉庫中，理解它們已遠遠超出了人的能力。如何將這些堆積的“數據”轉變成人們理解的“知識”，數據挖掘技術應運而生o”。從技術角度看，數據挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的、看似雜亂的實際數據中，提取隱含在其中的、人們不知道的，但又是潛在有用的信息和知識的過程。聚類分析是一項非常實用的數據挖掘技術。但面對龐大的數據集規模，計算的效率受限于單機處理能力。如何提高海量數據下的聚類分析能力是迫切需要解決的問題。Google實驗室提出的分布式并行編程模型或框架MapReducer3］，它通過集群來處理海量數據，是云計算平臺主流的并行數據處理模型。

　　Apache推出的Hadoop平臺用Java實現了MapReduce模型。Mahout是Hadoop平臺的組件之一，是一個機器學習和數據挖掘庫，它利用MapReduce編程模型實現了數據挖掘中的眾多算法，且具有良好的可擴展性。本文在此基礎上，并基于Mahout進行了聚類實例研究。
?