1. 毕业设计（论文）的内容和要求

今天，互联网的应用、商业智能数据分析、科学数据处理等具有海量数据挖掘需求的应用变得越来越普遍，如何高效管理、分析这些海量数据成为当前急需解决的问题：本文基于apache的开源云计算平台，运用分布式文件系统、并行编程模型以及并行执行引擎实现了数据分类挖掘算法：贝叶斯算法。并运用设计好的分类器，做了简单的文本分类程序。从结果分析来看，并行计算的优势得到了充分体现。

hadoop是一个分布式系统基础架构，由apache基金会开发。用户可以在不了解分布式底层细节的情况下，开发分布式程序。在hadoop中实现了google的mapreduce算法，它能够把应用程序分割成许多很小的工作单元，每个单元可以在任何集群节点上执行或重复执行。此外，hadoop还提供一个分布式文件系统用来在各个计算节点上存储数据，并提供了对数据读写的高吞吐率。

要求基于hadoop实现聚类算法，主要完成如下工作：

2. 参考文献

[1]拉姆. hadoop实战[m]. 人民邮电出版社 ，2011　　

[2]韩家炜，堪博.数据挖掘概念与技术[m]. 机械工业出版社，2007

[3]王宏宇. hadoop 平台在云计算中的应用[j]. 软件, 2011, 32(4): 36-38.

3. 毕业设计（论文）进程安排