大数据环境下高效用项集挖掘算法中过多的候选项集极大地降低了算法的时空效率，为此提出了一种减少候选项集的数据流高效用项集挖掘算法。通过数据流中当前窗口的一次扫描建立一个全局树，并降低全局树中头表入口与节点的冗余效用值。基于全局树生成候选模式，基于增长算法降低局部树的候选项集效用，从候选模式中选出高效用模式。基于真实数据流的实验结果表明，算法的时空效率与内存占用比均优于其他数据流的高效用模式挖掘算法。