互联网的快速发展推动着大数据时代的到来,人们每天接收的信息在爆炸式的增长,对海量数据的存储能力和计算能力的高要求正在推动着大数据技术的进步。如今越来越多的用户活跃在各大网络平台上,喜欢通过文字表达自己的情感,随之而来的是海量文本数据的产生,如何对这些海量文本进行情感分析成为当下的研究热点。云计算技术的出现为海量数据的存储和计算提供了基础条件,从而推动着大数据技术生态的蓬勃发展,其中Spark作为计算框架被广泛应用在大数据领域,通过Spark框架进行中文文本情感分析,解决海量文本场景下的数据处理和计算效率问题。本文在对文本情感分析技术理论知识研究的基础上,结合Spark分布式机器学习算法,针对海量文本数据,通过搭建Spark单机平台与Spark分布式计算平台,基于这两种环境进行中文文本情感分析。主要完成的工作有:第一,搭建Spark分布式集群,基于虚拟机环境的Cent OS 7系统搭建Hadoop平台以及Spark 3.0分布式计算平台;第二,原始数据采集,通过编写Python代码构建数据采集框架,从而对网络平台上的海量文本进行高效获取,将采集的文本数据分布式存储在Hadoop平台的分布式文件系统HDFS中;第三,数据预处理,构建基于Spark的并行数据预处理方法对采集的海量文本进行高效处理,首先通过Spark进行文本数据的清洗,其次使用中文分词工具Ansj进行中文文本分词,然后使用哈工大停用词表去除停用词,最后通过TF-IDF算法对文本进行特征提取;第四,构建情感分类模型,基于Spark框架构建分布式机器学习的文本分类模型,包括朴素贝叶斯分类模型、支持向量机分类模型以及逻辑回归分类模型。将构建的三种情感分类模型分别在Spark单机环境和分布式集群环境下进行实验对比,得出的结果表明,分布式集群环境下模型的训练效率要高于单机环境,并且随着数据集规模的扩大,两种环境下模型训练效率的差距也越明显。对于海量文本,在Spark分布式环境下进行情感分析有更高的效率。