基于MapReduce的Apriori算法并行化改进，包含改进思路与代码实现。

单节点运行的传统SON算法能够有效降低CPU和I/O负载，而且算法仅需要对整个事务数据集扫描两次。但是在算法执行的阶段一中发现局部频繁项集时采用的Apriori算法仍然需要对每个分区进行多次扫描。在深入研究SON算法的基础上，根据MapReduce编程模型提出了基于FP-growth的SON算法的并行化实现。实验结果表明，基于FP-growth的并行SON算法不仅降低了传统SON算法的运行时间，并且随着分区数目的增加还能获取比较好的加速比。

在事务数据库中搜索频繁模式被认为是最重要的数据挖掘问题之一，而Apriori是用于此任务的典型算法之一。 由于数据库庞大，开发能够处理大量数据的快速高效算法就成为一项艰巨的任务。 在本文中，我们实现了一个基于MapReduce的并行Apriori算法，该算法是一个使用大量计算机（节点）处理某些类型的可分配问题的大型数据集的框架。 实验结果表明，该算法能够很好地扩展和高效地处理商品硬件上的大型数据集。