近些年来,随着我国政府社会管理创新能力的不断增强,信息化建设水平的不断提高,社会管理数据越来越表现出海量、快速、多样和复杂等特点。如何在社会管理中应用大数据的理论和技术,从而提高社会管理主体的预警能力、及时处理能力和综合协调能力,实现科学和动态的社会管理,成为了当今社会管理领域的机遇和挑战。目前在我国社会管理领域中,传统关系型数据库依然是数据管理的主要方式,随着社会管理数据规模的不断增长,以及社会管理对数据管理方式要求的不断提高,关系型数据库越来越无法满足实际的数据存储和处理的要求。针对这一问题,文本以当前主流的大数据处理技术Spark为主,组合多种大数据生态圈技术,以某市实际的社会管理数据中的事件数据为研究对象,重点研究基于大数据的社会管理数据存储方案。此外,事件类型作为事件数据最重要的信息,对于后续的数据挖掘工作具有重要意义。为了提高事件数据分类的自动化水平,本文研究了基于Spark技术实现的并行化文本自动分类技术,并通过实验证明了方法的有效性。本文的主要工作和研究成果包括:(1)针对社会管理的实际需求,并结合大数据技术,设计并实现了一种基于Hadoop分布式文件系统和Hive数据仓库的社会管理事件数据管理平台。(2)基于特征加权的改进朴素贝叶斯分类算法,实现了一种基于Spark的并行化社会管理事件数据文本分类技术,并通过实验证明了其分类的有效性。