随着计算机的普及和网络技术的飞速发展，互联网上出现了海量数据可供人们利用，关系型数据是其中最主要的数据组织形式之一。在关系数据库中，键集合信息是理解数据库结构和特征的基础，对数据建模、数据集成、异常检测、查询优化、数据索引等大量数据库任务具有至关重要作用。然而，在现实应用场景中的大型、复杂数据库中，键集合信息通常并不完整。数据库管理员和开发者迫切需要有效的键集合信息识别方法，辅助完成数据库优化、分析、维护等繁重任务。因此，如何高效自动发现关系表的键集合具有重要理论意义和应用价值。目前，键集合自动识别相关研究较少，代表性工作有BruteForce算法和GORDIAN算法。受到内存容量等因素的限制，现有工作无法在大型数据表上完成键集合识别任务。Hadoop是以HDFS和MapReduce为核心的开源分布式计算平台，可高效完成大数据集处理工作。本文针对大数据集特征，提出一种基于Hadoop分布式处理平台的大型关系表非冗余键集合自动识别方法，为数据库键集合信息维护提供有效解决方案。　　 本文首先阐述论文的研究背景与意义，简介Hadoop平台、BruteForce算法、GORDIAN算法等相关技术;然后，深入分析现有键集合信息识别研究工作的优缺点，在充分考虑数据集规模的基础上，提出一种键集合识别方案，并详细介绍方案核心模块的具体实现;接下来，在该方案的基础上，使用属性集修剪及数据修剪策略改进BruteForce算法，采用MapReduce分布式技术进行键判别，从而实现基于Hadoop的高效键集合信息识别;最后，将本文提出的算法与现有键集合识别算法进行实验对比，实验结果表明本文提出的算法具有更好的性能，有较强的使用价值。