商业智能（BI）是多种技术相结合形成的解决方案，对于商业信息化起到了重要的作用。但是使用也起来有着它的局限性，包括：使用成本过高、硬件资源有限、安全保障性过低、使用风险过高等缺点，而且处理性能不能满足功能需求的不断扩展。因此，只有突破局限性才能更好的发展商业智能技术。本文通过分析云计算的特点，将云计算技术与BI处理技术相结合，尝试为解决局限性问题寻找一个突破口，构造出一个新的解决方案。首先选择Hadoop作为系统实现和实验的云计算平台，同时将传统的云计算架构进行改进，使得云计算框架完全面向服务于BI结合进行改进，称作BIHadoop。与传统云计算两层结构相比，BIHadoop集群的搭建采用了四层结构，在最顶层使用反向代理服务器，第二层加入超级主节点。超级节点起到承上启下作用，既对下两层的节点实现直接控制，又可以承接上层通信服务，完成应用服务宏观调配、命名管理、服务器端负载均衡、前端负载均衡、风险控制管理和运行维护检测活动等功能。具体结构为：第一层代理层；第二层是控制节点层，由一个超级主节点（主控制节点）构成；第三层是名字节点层，跟传统云计算架构中的第一层类似；第四层是由许多虚拟机组成的超级数据节点层。与传统Hadoop集群仅有一个名字节点相比，本集群中拥有多个名字节点，系统的综合性能也有着全方面的提升。整体架构中的前两层的节点皆可归类为控制节点，每层在文件系统中都有统一的管理协议，同时管理着本层中的特殊格式元数据和下一层的节点之间的映射。接下来对BI体系结构进行适应Hadoop平台的改进。首先提出了BI体系中最重要的数据挖掘模块面向Hadoop平台的改进模型，由于传统的数据挖掘体系结构是面向单任务处理的串行结构，而云计算平台采用并发处理模式，因此在数据处理能力和安全性方面存在瓶颈。在此我们构建出面向Hadoop平台的数据挖掘云模型，对数据挖掘模型进行改进，共有HDFS数据管理、算法管理和资源监控三大模块。核心模块算法管理是各种基于MapReduce算法集成的工具箱（数据挖掘中间件），以更好的适应云计算平台的并行计算和MapReduce编程模式，同时使得数据挖掘架构与云计算技术结合起来更安全和稳定。然后是对BI的体系结构进行改进，根据功能需要将体系结构模块化，总共化分为8个主要功能模块，改进后的架构为云计算的加入提供了接口，可以获得更好的扩展性和可维护性。使得云计算技术的加入后形成一个内部功能强大、结构科学的完整体系结构。云计算处理BI技术的解决方案生成后进行了系统实现，并且利用数据挖掘算法对数据的处理来进行性能测试。测试的指标主要是负载均衡特性、存储能力、所需成本、扩展性能、安全性能和计算能力，以上指标均达到了较好的水平。