在大规模、高维度的数据环境下，传统的案例推理具有计算复杂度高、实时性差等缺点。为在大数据环境下进行案例推理，提出了一种基于投影寻踪和MapReduce的并行推理模型dpCBR。在数据预处理阶段，计算源案例到基准向量的一维投影距离并缓存，降低计算复杂度并减少重复计算开销；在案例检索阶段，先根据投影距离裁剪案例库，再进行相似度匹配，减少不必要的案例匹配开销。应用MapReduce进行分布式并行处理，使dpCBR具备对大规模案例库的推理能力。实验结果表明，dpCBR模型可以明显提高大数据环境下案例推理的效率。