随着大数据时代的到来,传统遗留系统的响应速度已无法满足用户的需求,但其承载着大量领域知识和关键资源,简单丢弃重新开发会造成极大的资源浪费。作为一种商业计算模型,云计算具有虚拟化、资源弹性扩展、按需服务等优势,吸引着众多组织将遗留系统迁移到云平台上,以便重用遗留系统并提高大数据处理的效率。MapReduce是云计算中以并行方式处理海量数据的有效编程模型,将可并行化的遗留代码自动化地映射到MapReduce模型是一项有意义的工作。目前,在基于MapReduce的代码重构研究中,针对程序设计语言到MapReduce的重构研究较少,现有重构方法及工具不够成熟。为实现云移植中Java遗留代码的有效重构,本文提出了一种将特定串行代码重构到MapReduce模型的重构方法,使得重构后的MapReduce代码在处理大数据集时更加高效。本文工作主要包括以下几部分:首先,完成可重构循环的数据处理类型划分与判定。将涉及大数据处理的遗留代码按照业务逻辑划分为四种类型,利用字符串匹配算法计算抽象语法树序列间的相似度,根据得到的最大相似值判断可并行循环的数据处理类型。然后,为每种类型提出相应的重构算法以指导重构过程。重构过程包括两部分,一是通过分析可并行循环所对应的抽象语法树,判断出原循环代码中每条语句的类型,二是根据重构算法将语句重构到MapReduce代码模板的对应部分。最后,基于文中提出的重构方法开发了重构支持工具。该工具实现了可并行循环定位、抽象语法树转换、可并行代码的数据处理类型判定、遗留代码重构四项功能。实验结果表明,本文提出的重构方法有效,能够正确的将串行代码重构为MapReduce代码,而且重构后的目标代码在处理大数据集时比原串行代码更为高效。重构方法的使用有助于实现企业对遗留系统资源的重用,同时提升大数据业务的处理效率。