随着大数据时代的到来,各行各业中充斥着海量的数据。能否快速且有效的从海量数据中获得有用的信息是当今衡量一个企业是否具有竞争力的一个标准。关联规则挖掘的提出使之可以高效的挖掘数据中隐含有价值的、人们感兴趣的知识与规则。但由于挖掘需求的改变以及挖掘过程中阈值设置困难的问题,Top-k高效用项目集挖掘的出现使之相对于关联规则挖掘被更广泛地应用于实际生活当中。本文对单机模式和分布式集群环境下的高效用项目集挖掘算法进行研究,主要内容包括:针对现有的Top-k高效用项目集挖掘算法在挖掘过程中阈值提升慢,迭代时生成大量候选项集造成的内存占用过多问题,提出一种基于R-list的改进TKO算法。使用一种称为R-list的数据结构,能快速访问存储链表中的信息提高挖掘效率。该算法结合改进的RSD阈值提升策略在挖掘前便提升阈值,使用集合枚举树代表搜索空间,期间采用更严格的剪枝参数,在递归搜索的过程中同时计算多个项目集的效用来缩小搜索空间。在不同类型数据集中进行实验结果表明:改进算法在内存效率方面均优于其他Top-k高效用项目集挖掘算法,且在K值的变化下能保持稳定。为了解决分布式集群环境下,传统挖掘算法在挖掘大规模数据时存在时间效率过低和内存溢出的问题,将改进TKO算法与Spark进行结合,提出一种基于Spark的并行化高效用项目集挖掘算法STKO。选择Spark平台,改变原有数据储存结构,利用广播变量优化迭代过程,避免大量重新计算的同时使用负载均衡思想实现Top-k高效用项目集的并行挖掘。实验结果表明,STKO算法可以有效挖掘大数据集中的高效用项目集,能够满足分布式集群环境下对大数据进行高效用项目集挖掘的需要。