随着互联网时代的到来,超市行业普遍开始采用数据库系统存储收集销售信息,这些数据往往蕴含着巨大的商业价值。从大量数据中挖掘出有价值的信息能够帮助超市营销者制定有效的销售策略,从而提高超市的营业利润。而随着数据规模的增大,数据挖掘和分析正面临着严峻的考验,选择一个有效的大数据处理平台变得至关重要。Spark是一个高效、可靠的大数据处理框架,与一般的数据处理框架相比,有着更高的处理性能,基于此,本文采用Spark技术对超市顾客的购买行为进行分析。本文首先搭建基于YARN资源管理器的Spark分布式集群环境以及相应的应用开发环境,并介绍了数据挖掘中两种经典算法:聚类算法和关联规则算法,同时分析了 K-means聚类算法和FP-Growth关联规则算法在Spark平台上的实现方法。接着对超市的用户数据进行处理和分析,通过分析结果挖掘出用户的潜在特征,并使用基于Spark平台的K-means算法对用户进行聚类分析,通过对实验结果的分析,验证了聚类效果的可靠性,同时通过实验验证了 Spark平台较Hadoop平台具有更优的运行效率。最后对超市的商品数据和交易信息进行处理和分析,并使用基于Spark平台的FP-Growth算法对超市的商品进行关联规则挖掘,通过对实验结果的分析,验证了关联规则的可靠性,并根据所挖掘出的关联规则为超市运营者提供了一些建议。