Google提出的MapReduce编程模型已发展成为最流行的并行计算框架之一。连接运算是数据处理中非常重要的一种操作,然而MapReduce框架不能够很好的支持连接操作,因此MapReduce上连接算法的研究是大数据领域一个重要的内容。但是当前大部分研究内容都是在数据均匀分布的情况下进行连接算法优化,而现实生活中的数据往往是分布不均匀的。MapReduce编程模型在处理倾斜数据时会导致Reduce任务的执行时间差距很大,严重降低了资源利用率。基于以上背景,对于二元等值连接运算,本文提出了基于抽样技术和数据预划分的连接算法,首先在MapReduce中通过蓄水池抽样方法进行并行的快速抽样,然后根据样本空间中数据的分布情况计算连接操作的I/O代价,并根据每个簇的I/O代价进行数据划分,提出簇组合连接算法,核心思想是总是选择代价最大的簇并把它分配给当前任务量最小的Reduce节点；针对严重倾斜的数据,提出簇分割组合连接算法,目的是将非常大的簇均分到所有的Reduce节点处理,获得Reduce任务的负载均衡,提高MapReduce作业的执行效率。对于多元等值连接运算,本文提出值域复制连接算法,通过对连接元组进行复制,实现在单轮的MapReduce作业中完成倾斜数据的连接。实验结果表明,本文提出的算法在处理倾斜数据的连接运算时具有较好的性能。