随着高考网上志愿填报系统的普及,招生管理单位掌握了大量的考生填报数据。然而由于缺乏高效的分析平台,造成这些数据未能得到有效的利用。而大数据技术的出现,使得这一问题能够得以解决。在此背景下,本文就目前流行的Hadoop分布式处理平台进行深入研究,并围绕高考志愿填报数据分析开展了一系列研究工作,主要研究内容及创新点如下:(1)对分布式处理平台的架构和原理进行了分析和研究,并对Hadoop分布式处理平台的架构进行阐述,分析了Hadoop文件系统,MapReduce计算模型的结构和设计思想。(2)针对大数据处理基本流程,结合高考志愿填报数据的特点并在借鉴了Hadoop设计模式的基础上,设计了一个由核心控制节点、数据预处理节点、计算节点和监控节点组成的分布式数据处理模型,以满足高考志愿数据分析的需求。(3)提出并实现了一种基于遗传算法的任务调度算法,将任务的执行时间和成本纳入到考虑范围,降低任务消耗时间,节约运行成本。对比实验表明,该算法同Hadoop平台采用的FIFO调度算法相比,在任务总响应时间和任务执行成本方面有显著降低。(4)提出了一个改进的协同过滤高考志愿推荐算法,并实现了算法的并行化。实验结果表明,该算法可以为高考考生提供准确的志愿推荐。通过对比串行算法和并行算法的执行效率,验证了算法在不同数量节点下的运行效率。