近年来,随着信息技术和数据库技术的迅猛发展,尤其是互联网的广泛应用,需要分析和管理的数据迅速增多。数据挖掘技术便应运而生,聚类分析是数据挖掘领域的重要内容和基本工具,研究如何提高聚类算法的性能具有重要的意义。云计算作为目前国内外研究的热点,是网格计算、并行计算和分布式计算的发展。利用云计算技术,人们可以通过网络获得强大的计算能力、存储能力以及基础设施,并可以有效地解决分析与处理海量数据时所面临的问题,在降低终端设备要求的同时提高数据处理能力。本文主要研究如何利用云计算机集群系统的并行计算能力来解决海量数据聚类问题。首先,本文在重点分析了DBSCAN算法的基础上,提出了一种基于层次的HDBSCAN算法。该算法不仅纠正了由于输入参数Eps选择不当而造成的聚类结果不佳的问题,屏蔽了算法对输入参数的敏感性;而且无需对每个点进行检测和判断,从而减少了查询次数,降低了I/O开销。接着,利用Hadoop搭建云计算环境,在云计算环境下对HDBSCAN算法进行研究,将HDBSCAN算法与MapReduce编程模型结合。最后,在云计算环境下对算法功能和性能进行测试和比较。实验结果表明在集群中部署HDBSCAN算法可以有效提高聚类效率。论文对基于云计算的聚类算法做了有益研究工作。