气象行业拥有着海量的气象数据,当需要进行气象预报或气候预测这类业务时,就需要对这些海量气象数据进行大量繁复的运算,同时伴随着各种新型雷达的投入使用以及各种观测站的建立,使气象资料的收集方式变得更加多元化,气象资料的种类和形式也越来越多样化。气象行业内,气象资料的管理和共享也存在着诸多弊端,传统的数据挖据技术与方法已经越来越难以满足气象资料的存储与处理。云计算的出现,为气象资料的处理提供了一个新的思路。雷暴是一种灾害性天气现象,给人们的日常生活带来严重的威胁。因此,提高雷暴预测的精度以及采取必要的防雷措施就具有重要的现实意义。本文在分析云平台相关理论模型的基础上,选取了NCEP历史再分析资料,江苏省闪电定位资料以及雷灾文本信息作为研究对象,主要进行了如下工作：(1)在基于Hadoop集群的ThunderCloud平台上,提出了MRKM(MapReduce K-means)算法对雷灾文本进行聚类。MRKM将传统的K-means算法转化成两个map函数,一个combiner函数以及一个reduce函数来实现。通过该算法对雷灾文件进行聚类操作,并对聚类后的文档中的高权值词汇进行分析,得到雷灾分布状况,并根据不同的雷灾情形提出了相应的防雷减灾措施。(2)对NCEP历史再分析资料进行预处理,提出了基于Hadoop的朴素贝叶斯分类算法MRNB(MapReduce Naive Bayes),该算法的实现依赖于三个MapReduce Job共同协作完成,并将其与常用的气象预测方法Fisher判别分析法进行实验对比,实验结果显示本文所提出的算法具有较高的CSI评分,同时也具有较高的预报准确率和较低的空报率,存在一定的理论和实用价值。