针对大规模文本聚类中对聚类算法执行效率的要求，提出了一个内容相关的纵向数据划分策略FTDV，并基于该策略提出了数据划分优化的并行DVP k-means算法，提高了常规并行k-means算法的并行化程度，达到了优化算法执行效率的目的。在实验中，与常规并行k-means算法和基于关键方向分解的PDDP k-means算法进行比较，DVP k-means具有更好的并行性和对数据规模的适应性，且可以生成更高质量的聚簇。