随着信息社会的不断发展,人们所能收集到的用户信息数据的规模越来越庞大。如何从这些庞大规模的数据中挖掘出隐藏在其中的信息,已经成为人们所关心的主要问题。也正是为了解决这个问题,以Hadoop为代表的分布式存储与计算技术以及数据挖掘技术应运而生。Hadoop是一个致力于大数据处理的分布式平台,数据挖掘技术是挖掘隐藏在数据表象之下的深层信息的技术,如果将这两种技术结合使用,那么大规模数据集的数据挖掘这一问题也将迎刃而解。本文在对Hadoop以及数据挖掘技术调研分析的基础上,深入探讨了数据挖掘技术与Hadoop相结合的可能性,完成了基于Hadoop的数据挖掘技术在电信客户分析中的应用这一研究。本文的主要贡献有:1>利用Hadoop的MapReduce分布式计算框架完成了 Kmeans聚类算法的分布式实现,利用该实现完成了对电信客户的集群划分,并结合电信运营商的套餐设置情况对划分结果进行了简单分析。2>利用Hadoop的MapReduce分布式计算框架完成了 KNN分类算法的分布式实现,利用该实现构造了一个基于KNN算法的分类器,并对分类器的性能做了简单分析。3>研究设计并实现了了一种基于协同过滤思想的推荐系统。该推荐系统考虑了电信行业产品选择的特殊性,提出根据用户的历史业务使用情况而不是产品选择情况来划分相似用户,并进而根据相似用户完成对目标用户推荐。