随着互联网和信息通讯技术的飞速发展，网络数据正以指数级的速度增长。面对如此海量的网络数据，如何快速有效地从中提取出潜在的有价值的信息以用于辅助决策，给传统的数据挖掘技术带来了巨大的挑战。最近几年迅速兴起的云计算，因其低廉的运行成本和超强的并行化数据处理能力，正受到越来越多的国内外研究学者的关注，也成为海量数据挖掘技术研究的热点。传统的数据挖掘算法在处理这些高维的、增量式的数据集时，虽然具有良好的效果，但其串行的计算方法的时间复杂度比较高，处理效率也较为低下。本文将传统的数据挖掘算法部署到云计算的环境中，实现传统数据挖掘算法的优点和云计算的优点的融合，从而提高高维、增量式数据集的数据挖掘效率。其中，主要对网格化均值聚类算法在云计算平台Hadoop下并行化的关键技术进行了研究。本文首先描述了云计算相关理论、核心技术以及云计算平台Hadoop，接着描述了数据挖掘的相关理论、技术，着重介绍了其中的聚类分析技术和基于网格的聚类分析技术，然后对基于网格的均值聚类算法进行了改进，并将其应用到云计算平台Hadoop，以实现其并行化，最后模拟了云计算平台Hadoop集群环境，通过实验对改进的网格化均值聚类算法的并行化过程进行验证、分析，并提出了下一步的研究方向和需要改进的地方。