现代的互联网信息中蕴含着非常丰富的商业价值，高速准确地从这些数据中挖掘出有用的信息和知识，可以让互联网提供商在激烈的商业竞争中占领先机，从而获取商业上的成功与经济利益。数据挖掘最初只是用于处理少量数据，随着输入的数据规模增大，程序处理耗费的时间将会非常长，对于如今爆炸式增长的互联网数据甚至达到了单机都无法处理的地步。云计算平台非常适合处理大规模数据，具有非常高的可拓展性，可以通过动态增加平台计算节点个数来增强其存储和计算能力。如果我们能够将传统的数据挖掘算法进行相应的改造，将其部署到云计算平台之上，那么无疑可以解决互联网大规模数据挖掘的难题。本论文首先从云计算平台的相关理论出发，分析了Google文件系统、分布式编程模型map-reduce、分布式数据存储系统BigTable以及目前应用非常广泛的开源云计算平台hadoop的框架结构；其次以逻辑回归算法和关联规则算法为代表，提出了改进过后的能够应用于云计算平台上的算法；最后将算法移植到hadoop平台上进行实验后发现算法耗费时间随着hadoop集群规模的增大而呈线性下降的。