信息技术的迅猛发展,使得全球数据量呈现爆炸式增长。网络流媒体,基于GPS的车联网系统等其他软件应用源源不断地产生大量数据,并形成实时数据流。其所产生的数据蕴藏着丰富的经济价值与社会价值,而由于大数据自身特征,如数据产生速度快,数据内部杂乱无章,只能被有限次处理等,以致不能依靠人为手工搜索来从中发现人们感兴趣并能够加以利用的有效信息。因此,能够有效地利用这些数据,挖掘出大数据中潜在的复杂事件关系,对企业和政府部门都有很大的益处。针对上述需求,本文提出了一种可以应用到不同数据源的复杂事件分析方法。从复杂事件模型入手,定义三种复杂事件关系模式,把不同数据源的大数据流处理转化为复杂事件关系的提取和分析上来,并对传统的DBSCAN聚类分析算法进行改进,以便适合不同结构类型的数据源,同时与FP-Growth关联分析算法相结合,提出一种新的复杂事件大数据综合分析方法,挖掘数据中的复杂事件关系,同时将该方法部署到Hadoop云平台上,提出并行化的DBSCAN算法与FP-Growth算法,实现对不同数据源大数据集的处理。选取离散型GPS数据集与网状结构自治系统(Autonomous System,AS)数据集进行实验分析,验证该方法在不同数据集中的准确度。最终设计并实现了一个复杂事件大数据处理工具,进一步验证上述工作的可行性与工具的稳定性。