网络技术的发展使得越来越多的领域通过互联网技术结合在一起,从而产生了巨大的数据量,使得传统的数据处理流程无法高效的处理数据。而寻找一种高效、可靠的数据挖掘方法,不仅能解决数据处理问题,还能从海量的数据集中学习知识图谱,这对于很多行业或者领域有着非凡的意义。天气信息作为一种季节性、有规律的信息,其历史数据中的内在关联显得尤为重要,而与天气信息最息息相关的行业之一便是旅游行业。目前最热门的数据处理方式无一不是基于有谷歌提出的云计算的。云计算将处理数据的处理器分布式的部署在不同的物理机器上,具有很好的海量数据存储和分布式计算的能力,能快速高效的计算出可靠的结果。基于传统的数据挖掘算法,如何在Hadoop分布式平台上搭建数据挖掘的处理平台一直是数据挖掘领域的热门研究点。本文基于Hadoop平台,分析研究了在天气数据领域运用数据挖掘算法的相关问题。首先,论文深入的介绍了Hadoop技术相关的基础知识点。其次,论文结合天气数据的特点,介绍了常用的数据挖掘算法。然后,论文对系统做出了需求分析、模型建立等工作,对天气数据进行处理,并结合城市地理特征和微博用户数据,对不同的用户推送相应的最适宜旅游城市。最后实验证明,本文设计实现的天气数据分析和旅游城市推荐系统能高效的处理天气信息,准确分类,并且能够准确的给用户推送旅游信息。