由于传感技术和通信网络的发展,数据收集和存储的规模在飞速增大,如何从海量数据中挖掘出有效的信息是当前的研究热点。目前较为普遍的方案是采用机群系统和分布式框架来提高数据处理的效率。并行计算是提高计算机系统计算速度和处理能力的一种有效手段。MPI在学术研究领域应用较多,而在商业领域,云计算系统大多采用MapReduce并行编程模型。MPI是目前开发并行应用程序的主要编程模型——消息传递编程模型的事实标准。然而MPI代码重用率低,机器扩展性能差,对编程人员的要求高。MapReduce是谷歌提出的一种并行化编程框架。然而用户很难对复杂数据进行处理,用户不得不编写大量的MapReduce任务,结果往往导致执行效率低下。因此,为了解决以上问题,本文提出了基于轻量级虚拟机并行计算框架,该框架底层使用轻量级虚拟机Contiki系统作为计算单元。本文在并行计算框架相关理论的基础上,对Hadoop的分布式计算模型MapReduce和分布式文件系统HDFS进行分析和研究,分析了轻量级虚拟机Contiki系统的优势和应用价值,设计基于轻量级虚拟机Contiki系统的并行计算框架,框架不需要编写大量MapReduce,占用资源少,完成了该框架中的轻量级虚拟机设计,客户端模块,服务节点模块,控制节点模块,计算节点模块和并行策略等部分关键技术的设计,提出了基于负载权值的负载均衡算法,并在Linux环境下实现并行计算框架。最后,搭建测试环境,通过实验与串行计算进行对比,分析不同计算数据规模,以及不同计算节点数量对性能的影响,通过实验与Hadoop进行对比,分析相同计算任务下的性能和资源消耗。可以看出,该框架相比串行计算加速明显,相比Hadoop消耗资源较少。