数据的爆炸式增长是信息化时代产生的一个严峻问题，而如何对这些海量的数据进行计算和处理，就需要用到数据挖掘。数据挖掘能从海量的数据中发掘出未知的、隐含的，且对于决策支持具有潜在价值的知识，从而利用的发现的知识对实际问题进行求解。因此对于数据挖掘的研究非常具有实际和商用价值。　　传统的Apriori关联规则挖掘算法都是在单节点上执行的，而对于海量的数据处理问题，Apriori不能很好的适应，算法也存在一定的不足。为了提高对于海量数据的处理需要，迫切的需要将挖掘算法实施在多个节点上，达到挖掘算法在这些节点上高度并行执行，提高海量数据的处理能力。　　本文通过对 MapReduce模型进行较为深入的研究，进而对 Hadoop开源平台上的任务调度策略的分析，发现了平台上任务调度算法的不足，针对这些不足提出了一种创新的任务调度算法DWSA调度算法，即动态窗口调度算法，这种调度算法是通过动态的监控系统中的任务数量来自适应的管理系统的负载均衡，基于优先级的方法为任务提供服务。本文对常规的购物篮的存储模型进行了改进，利用布尔数组来存储数据，同时提出了一种新的基于向量的关联规则数据挖掘方法。并将这些改进的存储模型和挖掘方法实施在优化后的Hadoop平台上，两者进行了结合，从而实现了更为高效的关联规则挖掘。