针对目前大数据快速增加的环境下，海量数据的频繁项集挖掘在实际中所面临的增量更新问题，在频繁项超度量树算法（frequent items ultrametric trees，FIUT）的基础上，引入MapReduce并行编程模型，提出了一种针对频繁项集增量更新的面向大数据的并行算法。该算法通过检查频繁超度量树叶子节点的支持度来确定频繁项集，同时采用准频繁项集的策略来优化并行计算过程，从而提高数据挖掘效率。实验结果显示，所提出的算法能快速完成扫描和更新数据，具有较好的可扩展性，适合于在动态增长的大数据环境中进行关联规则相关数据挖掘。