Hadoop已成为研究大数据的事实标准。随着对大数据的深入研究,Hadoop的MR模型的不足也越发明显,Spark在迭代式计算方面后来居上,引发了研究人员的热切关注。Spark在数据挖掘领域,在底层算法和模型方面一直走在了学术前沿,使得Spark在实际生产和实践中已经有了广泛的使用。本文在对Hadoop和Spark处理问题的原理分析基础上,为实验的验证搭建了 Spark集群和Hadoop集群环境,之后介绍了 Spark的四大模块,分析了 Spark机器学习算法库的诸多基础算法,总结了时间序列分析的相关知识,并在此基础上对多元时间序列在Spark平台上的模型和算法进行了重点研究。相似性度量是基础内容,也是重要的内容,我们在总结了时间序列相似性度量的基础上,针对多维时间序列的相似性进行重点分析,在多维DTW算法的基础上提出了归一化数据,排除数据量纲对数据产生影响,并基于Spark平台进行了实现。向量自回归模型(VAR)是研究多元时间序列中诸多变量之间相互关系的模型,也是对多元时间序列进行分析和预测最容易操作的模型之一。我们基于Spark框架设计并实现了 VAR和SVAR,为了验证程序性能,我们在R和Spark两个平台上试验了不同大小的数据集。试验结果表明,在数据量很大的时候,这个实现方案是有效的。最后总结全文,特别是对本文的不足进行了说明以及下一步研究工作加以展望。