在很多应用领域中，需要处理的数据往往是海量的并且具有很高的维度。近年来，随着大数据研究领域的兴起，针对高维数据的最近邻查找问题已经得到广泛的应用和研究。精确最近邻查找的查询代价非常大，近似最近邻查找与精确最近邻查找相比，能够在效率上得到很大的提高，因此能有效解决最近邻查找问题。近似近邻查找是以牺牲查找精度为代价换取查找效率的提高，从而达到平衡查找效率与查找结果的目的。位置敏感哈希（LSH）能够有效的解决近似近邻查找问题，并在实际应用中取得了明显的效果，是解决维度灾难的一个很好的方法。LSH方法可以以概率方式保证一定的查询精确度，从而实现快速的近似最近邻查询。MinHash是LSH算法中的一种，可以用来快速估算两个集合的相似度，查找网络上的重复网页或者相似新闻网页，MinHash算法使用Jaccard相似度来度量对象的相似程度。在广泛阅读国内外参考文献的基础上，本文针对MinHash算法在分布式平台上的实现进行了分析和研究。我们发现，在分布式平台Mahout上原有的MinHash算法是错误的，其性能与理论MinHash算法分析模型有很大的差距。为此，我们在深入研究MinHash算法原理和Mahout分布式平台的基础上，给出了新的MinHash算法。然后，使用真实数据集对新旧算法做对比分析，验证了新的MinHash算法在处理实际问题上的正确性和准确性。最后，在Mahout中实现了任意两个文件对的Jaccard相似度，得到精确Jaccard相似度结果，并与MinHash算法的近似结果做对比，用来评价MinHash算法结果的准确性。