随着航空领域电子商务的不断开展,各航空公司的信息系统都沉淀了大量的数据资料,基于分布式并行化平台对这些数据进行高效分析,挖掘出有价值的信息将十分有意义。客户细分是各航空公司进行针对性营销活动的基础,帮助公司更好地识别各客户群体,为客户提供差异化服务,最大程度满足客户的需求,达到公司、客户双赢的局面。目前大多数航空业客户细分都采用基于经验与统计的简单划分方法,不能有效识别客户特征,无法支持企业做出合理的营销决策。本文主要基于Spark平台研究航空客户细分问题,利用南航客户真实数据,结合业务指标,建立适合航空客户的细分模型,为各航空公司利用旅客数据分析客户特征,并制定有效的营销策略提供支持。对于海量的旅客信息数据,常规的单机处理方式已无法胜任。本文提出利用多机搭建Spark大数据分布式并行化处理平台,借助HDFS分布式文件系统进行数据存储,并利用弹性分布式数据集RDD完成对数据的处理。针对传统K-Means聚类算法在K值和初始点选取方面的问题,提出先利用Canopy粗聚类对航空客户数据进行预处理,然后再对Canopy结果进行K-Means细聚类的优化聚类算法。实验结果表明,优化后的算法比传统的K-Means算法具有更高的效率以及准确率。本文第一章为绪论,第二章为理论基础与技术,第三章对航空客户原始数据进行预处理及特征构造,第四章是在Spark平台下对K-Means算法的并行化实现,第五章对K-Means算法优化并将其在Spark平台下实现并行化,第六章进行实验并分析结果。