随着信息化进程的不断推进及计算机技术的快速发展,钢铁企业的“大数据”时代已经到来,如何有效开发和利用大数据潜在的价值,是钢铁企业实现转型升级和战略突破的重要途径。然而受限于传统存储模式的数据结构单一、存储容量小、计算速度慢、容错恢复能力差等问题,使得大数据的存储和计算成为瓶颈,严重制约了大数据的应用。而Hadoop的出现,给这一难题的解决提供了思路,Hadoop提供强大的分布式存储与并行计算,能够解决PB级数据的存储与计算难题。因此,如何利用Hadoop建设钢铁企业大数据平台,已经成为钢铁企业信息化深入改革的热点研究方向。本文以国家自然基金重点项目“炼钢-连铸流程生产调度与过程控制协调优化模块化方法及应用”为研究背景,以福建某钢厂炼钢-连铸信息平台的实际搭建为研究基础,以Hadoop大数据在钢铁企业中的实际应用为研究方向,从平台的整体架构、模块化设计、平台的性能优化以及基于平台的数据分析四个方面来完成了信息平台的设计与实现,重点研究解决了大数据的存储和计算问题,实现了 Hadoop技术在钢铁信息化建设中的应用探索。本文主要完成如下工作:（1）结合协调优化系统和炼钢-连铸生产流程分析,确定信息平台的基本需求,设计了信息平台整体架构。针对信息平台实时交互和海量存储的需求,分析了传统数据库与Hadoop两种解决方案的优劣势,提出了一种基于MYSQL和Hadoop的混合架构方案,解决了单一存储方案的缺陷性问题。（2）对信息平台的数据交互和数据存储两个核心功能模块进行了详细的分析与设计。结合优化原理与工艺环节,设计了数据交互的数据模型和接口方案;结合炼钢-连铸生产数据的应用特点,提出了一种基于HBase的存储方案,并针对HBase在非主键查询时性能低下的问题,提出了基于Coprocessor的二级索引实现方案,经验证建立二级索引后对非主键列的查询性能提高了 80%以上。（3）对信息平台进行了缺陷分析和优化设计。针对信息平台的单点故障问题,提出了一种基于Backup NameNode的“热备份”解决方案,并验证了方案的有效性。针对信息平台的写入高延时问题,分析了 Hadoop默认存储策略存在的局限性,提出了一种改进的放置副本策略,经验证,改进后的存储策略使写入延时降低了约41.2%。（4）以信息平台为基础,以精炼月均耗电量统计和连铸中心偏析预测为例,研究了针对海量数据的数据挖掘算法。针对传统算法的耗时长、精度低问题,利用Hadoop的MapReduce框架对算法进行了并行优化。经验证,优化后算法的在标准集上准确率提高了约4.7%。在连铸中心偏析预测的实际应用中,提高了预测准确率约11.4%,缩短了运行时间约58%,准确率和运行效率都得到了大幅度的提升。（5）最后,基于本文提出的总体架构、各个功能模块的设计方案及对相关数据分析算法的优化方案,对信息平台在实验室环境下进行了系统实现与功能测试,经验证,本文所搭建的信息平台能够满足需求,运行良好。最后分别从数据存储、数据读写和数据分析三方面对信息平台进行性能测试,经测试,由于Hadoop的引入,使得信息平台在数据存储容量、数据访问速度以及数据计算能力等各方面性能都得到了极大的提升。