随着大数据时代的来临,人们正面临着数据处理难的问题,拥有海量的数据资源,却不能有效地加以分析利用,而导致这一问题的主要原因就是传统的处理方法不再适用于大数据场景。近年来,云计算技术快速发展,衍生出众多优秀的云计算平台。这些云计算平台为大数据的处理提供了一种有效的解决方案,可以作为研究并行挖掘算法以及开展算法应用的运行基础。首先,本文利用多台计算机部署Hadoop、Spark的核心组件,从而搭建一个云计算平台,实现对集群的存储空间和计算能力进行统一管理,为并行数据挖掘算法的实现与运行提供条件。考虑到关联规则算法是一种实用价值较高的数据挖掘算法,被应用到多种行业中,尤其在医疗数据的价值挖掘中有重要作用。为此,本文选取广泛使用的并行FP-Growth算法作为研究对象,针对FP-Growth算法中存在时间复杂度较高的问题,提出一种优化的链头表结构,降低FP-Growth在单节点上的处理时间;而针对算法在并行化过程中存在的负载不均衡问题,在均衡分组策略中引入一种新的计算量模型,实现各组之间负载的均衡,尽量避免并行过程中因计算任务分配不均而产生的节点空闲与资源浪费等问题,从而提升并行FP-Growth算法处理海量数据的能力和效率。同时,本文在搭建的云计算平台上分别设计了优化链头表结构的FP-Growth算法和优化负载均衡策略的并行FP-Growth算法的对比实验,验证了优化算法的优越性。最后,本文应用优化的并行FP-Growth算法挖掘医疗数据中的关联规则,从而验证了该算法在实际应用中的有效性;同时,设计了一个易操作的医疗数据挖掘系统,方便非专业人员进行关联规则分析。