如今的信息化世界中,人类越来越多的通过网络来获取信息资源和相互交流。近年来,各类门户网站和社交网站的访问量呈指数级增长,网络用户根据自己的需求查看不同的网页新闻和发表观点。对于大型网站例如新浪、搜狐,一天的访问数据信息能够达到TB级别。同时,在信息爆炸的今天,用户在面对海量信息时显得无所适从,网站决策者也难以为用户提供个性化的定制服务。因此,一种具有能够挖掘分析用户网络行为的系统变得非常有意义。然而,从TB甚至PB级别的用户访问信息数据中挖掘出用户的网络行为特点,需要高效并且可靠的的技术作为支撑。传统的数据分析系统,尤其是对文本类型数据进行分析的系统有着许多的问题,比如硬件要求高,能耗高,效率低等等。随着云计算和相关软件框架的不断发展,提供具有这些能力的系统平台已经成为可能。作为一种商业计算模型,云计算将任务分布在大量计算机组成的集群中,使其能够并行的处理,同时可以根据任务数据的量动态的分配集群资源。本论文利用云计算平台研究设计了一种用户网络行为挖掘分析系统。在众多云计算平台中,Hadoop是最被广泛使用的,HDFS和Map/Reduce分别作为分布式文件系统和计算框架。开源、可扩展、可靠性高是其最大优点。通过将任务分解成很多小任务执行并行处理得到各自的结果,然后将结果汇总得到最终结果。Hive作为Hadoop的数据仓库,可以提供类似于操作传统数据库的方式来操作Hadoop中的数据。Sqoop提供了快捷的方式将Hadoop集群中的数据传输到传统数据库中。本文利用上述云计算相关技术研究设计了一种用户网络行为分析挖掘系统。通过在linux系统上建立Hadoop集群,将用户访问日志信息上传到集群中,利用Hadoop的Map/Reduce计算框架和Hive对其进行多次挖掘,分析统计出网站的核心指标以及用户网络行为特点。使用sqoop将挖掘出的数据导出到传统数据库中,利用B/S架构的Web服务器访问传统数据库,呈现给网站决策者。本分主要研究内容包括了系统的核心模块的分析设计,日志关键指标的分析和数据处理,以及Map/Reduce和hive多次挖掘的设计与实现。