图挖掘的研究已经成为现今数据挖掘领域里重点研究方向之一，尤其是频繁子图挖掘问题引起了广泛地关注。挖掘频繁子图为的是找到图集合里频繁存在的子图集模式。由于得到的结果集能够运用到相似性搜索、图聚类和分类、图索引等诸多图挖掘应用中，从而使频繁子图的挖掘成为一个颇具挑战的基础性研究问题。目前已有的频繁子图挖掘算法的高效率特性,通常基于图集规模不大,而且可以一次全部调入内存的假设。但事实上伴随数据规模的逐渐扩大，许多海量规模的图集合已经不能完全调进内存，当出现这种情况时，已有的挖掘频繁子图的算法在运行性能上已经达不到要求。MapReduce框架处理大规模数据时体现了很好的性能，并且目前使用这个框架的频繁子图挖掘算法还很少。因此，研究基于MapReduce的高效频繁子图挖掘算法，将能够大大提高频繁子图挖掘的效率，更有效地帮助用户了解图集的特征并在此基础上对图集进行深入处理。本文在Hadoop平台上实现了一种基于MapReduce的高效频繁子图挖掘算法Cloud-GFSG。算法基于Apriori思想，在扩展边生成新的子图时，使用已经挖掘出的k-1阶的频繁子图生成k阶的频繁子图。同时，检查是否存在待扩展生成的子图，设定生成频繁子图的表示规则，保证了频繁子图信息的唯一性。较同类算法相比，本文提出的算法在挖掘频繁子图时更具有通用性，并且在扩展边时避免产生大量的复制图，从而使得算法的正确性得以保证且运行时间效率显著提高。