目前工业企业对于如何利用现有数据推动数字化转型,提升业务效率并没有十分明确的思路。针对这种现象,探索工业大数据的采集、分析与应用成为了大数据领域研究与发展的一个新方向,并且有必要建立一个专属的数据挖掘平台为工业数字化转型提供生态建立的支点。本文以工业大数据为基础、以工业应用场景为研究对象,挖掘工业应用场景中的通用化模块,并基于Hadoop分布式框架和Spring Cloud微服务框架实现一个能够对多种工业应用场景提供底层基础服务支持的数据挖掘平台。为达到上述要求,对平台架构的分层设计做了全新定义,并在工业数据源的特征上采用Drools规则化提取数据,灵活地应对不同上层应用的数据需求。通过对不同工业应用具体需求的分析,本文提取出了算法库和翻译器等基础微服务。其中算法库通过对K-Means、CART决策树、支持向量机、TF-IDF等算法的实现,能够有效完成对上层推荐系统、预测系统、议价系统的算法支持,并且通过接口配置实现灵活的调用以及中间数据的存储。其次翻译器通过首创的Sugar转换方法,以及独特的词法划分和Abstract Syntax Tree构造,能够实现自定义文法的高级语言转换,具有可靠性和灵活性。平台底层搭建采用Flink实现流式数据处理,Map Reduce完成批量数据计算,配合高容错、适合批处理、高扩展性的HDFS完成大批量数据的存储,并且设计有Mongo DB、Redis、Mysql完成业务数据的存储,不管是分布式存储还是上层应用数据的存储与回流都具有极高的稳定性,同时这一类组件都能很好的支持集群扩展,方便企业级应用以及拓展。本文根据项目具体的应用需求做出了微服务设计,同时在项目实践过程中也为支持更加广泛的平台应用设计了许多基础微服务,最终实现了一个支持高并发、可扩展、高稳定性、高灵活性、可靠的分布式数据挖掘平台。论文应用创新如下:（1）对分布式集成环境做出了适应性设计。包括采用轻量级架构Flink进行流式数据处理;将日志系统拆分为分布式系统日志和上层业务运行日志;将平台存储拆分为分布式存储和业务数据库存储;（2）设计以微服务为核心的数据服务中间层。包括以Spring Cloud架构为核心的一系列微服务,重点为ETL、算法库和原创的翻译器设计。通过实现以上创新并进行实验,验证了本文技术方案的可行性。最后在完善的功能和性能测试中,证实了该平台的可靠性和先进性。