金融企业数据量的增长随着互联网技术的成熟及企业信息产业的建设而变得日趋不可估量。面对日益增长的金融数据,如何存储处理并分析金融高价值数据将逐渐成为企业面临的一个重难点问题。随着余额宝的推出,天弘基金增利宝产品的客户随之大增,天弘基金也晋升为国内第一大基金公司,现需要将这些增利宝数据进行有效的存储并准确的从这些客户数据中分析挖掘出有价值的信息,因为客户交易数据量大,客户信息复杂,所以不容易处理。目前常用的数据存储平台主要有Oracle、SQL Server、MySql等。但面对数据量增长过快的增利宝数据,这些平台将不再适用,因此本文将选择Hadoop作为增利宝数据的存储计算平台,通过此平台对数据进行分析与挖掘。本文首先从理论知识出发,介绍了 Hadoop相关子框架,包括分布式存储系统HDFS、并行计算框架MapReduce、分布式数据仓库Hive、K-means算法原理及优化等,为后文Hadoop技术及优化K-means算法在增利宝数据分析中的应用做理论铺垫。然后,笔者以Hadoop技术在增利宝数据分析项目中的应用为实践背景,构建了一个包含峰值5000万条测试数据、3台物理机作为节点的Hadoop集群,并通过此集群利用优化K-means算法经过50次迭代来分析增利宝数据的过程。最后通过比对在处理相同数据量数据时传统平台与Hadoop平台的时间效率,来体现Hadoop在处理大数据时的优势。