KMeans算法作为一种划分式的聚类算法利用MapReduce进行实现的主要难点在于满足KMeans每次迭代划分过程的中间结果保存。因此利用HDFS进行中心点的存储以实现各节点间的数据共享。基于MapReduce的KMeans算法流程如下：随机分配簇初始化中心点存入HDFS。Mapper中读取数据文件中的每条数据并与中心点进行距离计算输出key为最近的中心点序号。Reducer中进行归并计算新的中

基于MapReduce的KMeans算法的实现需要解决中间结果保存的问题。为此，可以使用HDFS存储中心点，以便各节点共享数据。

算法流程如下：

1. 初始化：随机分配簇并初始化中心点，并将中心点保存到HDFS中。

2. Mapper：读取数据文件中的每条数据，并与中心点进行距离计算，输出最近的中心点序号作为key。

3. Reducer：归并Mapper输出的数据，计算新的中心点，并将新的中心点保存到新的中心文件中。

4. 停机条件：判断是否满足停机条件，若不满足，则将新的中心文件复制到原中心文件中，并重复执行第2、3步骤。

5. 输出结果：输出聚类结果，包括数据点信息和对应簇序号。