在分布式計(jì)算和內(nèi)存為王的時(shí)代，Spark作為基于內(nèi)存計(jì)算的分布式框架技術(shù)得到了前所未有的關(guān)注與應(yīng)用。著重研究BIRCH算法在Spark上并行化的設(shè)計(jì)和實(shí)現(xiàn)，經(jīng)過理論性能分析得到并行化過程中時(shí)間消耗較多的Spark轉(zhuǎn)化操作，同時(shí)根據(jù)并行化BIRCH算法的有向無環(huán)圖DAG，減少shuf_fle和磁盤讀寫頻率，以期達(dá)到性能優(yōu)化。最后，將并行化后的BIRCH算法分別與單機(jī)的BIRCH算法和MLlib中的KMeans聚類算法做了性能對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，通過Spark對(duì)BIRCH算法并行化，其聚類質(zhì)量沒有明顯的損失，并且獲得了比較理想的運(yùn)行時(shí)間和加速比。