大数据时代数据具有4Vs特征,张量作为能对数据有效表示的工具走进人们的视野,它可以充分表示数据间的关联关系,有效挖掘数据隐含的深层次信息。当前对张量数据进行分析的主要手段是张量分解,张量Tucker分解方法作为一种通用的分解方法在多个领域得到了广泛应用,因此本文针对张量Tucker分解进行研究。由于数据通常是流式产生且在多个维度增长,因此本文针对多模增长的增量式张量Tucker分解方法进行研究,当前针对该方法的研究主要集中在单机领域上,对并行的计算方法的研究还很少,因此本文针对并行的多模增长的增量式张量Tucker分解方法进行研究。本文主要工作及成果如下:（1）提出并行的基于动态规划的子张量划分算法。当前已有的划分算法在统计非零元素数量时是串行执行的,实验结果表明大规模数据集下该步骤占到划分算法执行总时间的95%以上,且算法的划分结果不够均匀,极易出现严重的计算资源倾斜问题。为此,本文提出并行的基于动态规划的子张量划分算法,该算法将统计非零元素过程改为并行执行,同时引入动态规划的思想对子张量进行划分,可以极大提高执行效率,实现更均匀任务划分。实验结果表明,在千万级数据规模并行度为4的情况下,相比于已有算法,该算法的执行效率提升接近400%,划分结果均匀性提升20%以上,证明了算法的有效性。（2）提出两层并行的因子矩阵核心张量更新方法。对因子矩阵和核心张量进行更新时,已有的更新方法主要存在并行程度不高的问题,因此本文提出两层并行的更新方法。对因子矩阵进行更新时,该方法首先基于张量划分算法将子张量划分到不同任务节点,然后基于并行的MTTKP计算策略实现第一层并行更新,进一步根据同一分类下子张量更新不同因子矩阵的无关性实现第二层并行更新。在对核心张量进行更新时同样首先基于并行的MTTKP计算策略实现第一层并行,然后基于累加结果的无关性实现第二层并行更新。实验结果表明,在三阶张量情况下,相比于单层更新算法,该算法的执行效率提升接近300%,证明了算法的有效性。（3）设计并实现基于张量的高效并行计算系统。本文根据实际场景需要设计并实现基于张量的高效并行计算系统,该系统包括用户管理模块、张量表示模块、张量分解模块以及数据存储模块,同时给出了以上模块的详细设计与实现。进一步,为了验证系统可靠性,本文对系统进行了详细的功能测试,同时还使用加州PeMS交通真实数据集对分解算法进行了测试,实验结果证明系统可以稳定有效运行。