随着科技不断地进步与社会快速地发展,计算机技术已经渗透到社会各个领域中。但随着数据时代的到来,数据量呈爆炸式增长,作为经典的数据挖掘算法之一的Apriori算法已经不能满足我们当前的需求。它的速度慢、效果差以及单个计算机的计算性能不高等缺点在大数据环境下逐渐被放大,如何将Apriori算法适应到新的环境则成为当前Apriori算法热门的研究方向。本文通过对其进行算法改进并与时下流行的云计算平台相结合的办法来弥补它的缺点,从而使Apriori算法更好地适应数据时代的环境,为我们带来更高效的工作。本文的研究工作主要分为以下两个方面:第一方面,通过当前数据规模环境下分析传统Apriori算法速度慢、效果差的原因。针对传统Apriori算法对数据库扫描次数过于频繁、算法迭代过程中自连接次数过多的问题进行了改进:首先,优化算法数据库扫描机制,将原算法每迭代一次就对数据库进行扫描改进为可变多阶段扫描,降低扫描次数;其次,降低算法自连接对比次数,让(k-1)项候选集取消自连接过程,转变成(k-1)项候选集与频繁1项集连接生成新的k项候选集并与其进行比较。最后,通过相同数据集进行对比,得出改进后算法效率得到提高。第二方面,对Hadoop平台的核心组成部分原理进行分析,让它的大规模、低成本、高可靠性等优点与改进后的Apriori算法相结合,并分析两者结合的可行性与有效性。最后,通过实验进行分析得出使用该改进算法与Hadoop平台相结合的效率比传统Apriori算法的效率更高。