现在的时代是大数据和云计算的时代,数据的整理及其蕴含着的信息都变得越来越重要。数据的存储及数据间的关联规则挖掘方面都出现了较成熟的系统软件,但是一般都有这样或那样的缺点。本文通过对数据的存储和数据的挖掘两方面问题的研究,不仅建立了一种优化的小数据存储数据库,还改进了数据挖掘中的Apriori算法。文章的创新之处主要是以下两个部分:第一,数据库(Database)是建立在计算机存储设备上的仓库,其中数据的存储、管理和组织都是具有一定的数据结构规则的。SQL Server数据库语言是标准的计算机语言,其功能是实现对数据库的访问与处理;C#编程代码是一种面向事物的高级程序编程代码,运行于.NET Framework之上。通过对SQL Server数据库语言及C#编程语言进行系统的研究后,创新性的将SQL Server数据库语言与C#编程语言相结合,构造出了一个应用于统计数据的使用便捷的小型数据库系统。该系统的最大亮点是通用性,只要进行适当的修改即可通用于其他数据的存储。并且,通过一具体的实际案例,验证了该数据库系统的实用性。第二,Apriori算法虽然比较经典,但是其最大的缺点就是每次循环都要扫描一次事务数据库,运行时不仅占用空间大而且耗时长。通过系统的分析Apriori关联规则算法、矩阵关联规则算法与二进制关联规则算法后,去除糟粕取其精华,找到了一种完善Apriori算法的方式。该算法是一种基于频繁项目集矩阵的关联规则挖掘算法,它最大的特点是采用频繁项目集矩阵存储事务数据并且对其进行了简约处理,使该算法只要扫描事务数据库一次即可,不仅降低了存储空间还加快了运算时间。文章最后,不仅总结了该论文所做的工作,并且提出了进一步的研究方向。