近年来,随着电梯使用量在全国范围内的迅速增长,而电梯维护和监管力度的不到位,导致电梯安全事故时有发生,严重影响到居民的人身安全,因此近几年电梯安全的问题引起了社会的广泛关注。电梯使用量的增多使得电梯监管系统数据库中的数据也急剧增多。因此如何从海量数据中挖掘分析出各场所各种品牌电梯日常运行情况,规划出针对性的电梯安全维保及检修措施,从而减少电梯事故的发生变得尤为重要。本课题的主要研究内容是基于hadoop的大数据平台对电梯远程监管系统后台的海量电梯数据进行挖掘分析,并以hadoop最小集群为基础设计了一个基于hadoop的数据挖掘分析平台,该平台主要由数据传导模块、数据预处理模块、数据挖掘模块和调度模块四个模块组成。本课题还对聚类分析算法K-Means和关联规则算法Apriori进行了改进并与hadoop的MapReduce计算框架实现了并行化;最后通过调度模块将所有的模块进行整合,实现了一个以hadoop最小集群为基础的数据挖掘分析平台。本课题以电梯远程监控系统数据库中的数据作为分析挖掘的数据源,在hadoop的MapReduce计算框架中并行化了改进的聚类关联算法,提升了数据挖掘分析平台的可扩展性和加快了数据处理的速度。数据挖掘从以下几个方面进行:(1)以小区为单位对电梯的修复时间进行聚类分析处理,从中分析出小区的电梯安全的具体情况;(2)实现不同小区的不同品牌电梯的总故障次数数据的聚类分析处理,从中分析处小区中所有电梯品牌的故障率;(3)对电梯的各故障类型的故障修复时间进行聚类,并对故障的修复时间长短做出相应的划分。