随着信息化的不断发展,云计算与社交网也逐渐被大众所熟知,蕴藏在社交云内的用户行为数据也呈爆炸式的增长。而这些海量的用户行为数据中隐藏着大量有用的信息和知识,但是对海量的数据进行分析和处理长期以来都是一个艰巨而复杂的任务,高速准确的从这些数据中挖掘出有用的信息和知识,对分析用户的各项需求和产品的评估有着重要的意义。参考社交网与云计算及用户行为分析的国内外相关文献,重点对用户行为分析与Hadoop平台相关技术、开发方法进行分析,详细阐述了用户行为分析的主要内容、用户行为分析中常用的关联规则挖掘算法；阐述了Hadoop分布式文件系统HDFS以及Hadoop中的MapReduce框架。本文主要针对用户行为分析预处理阶段以及用户行为分析中的关联规则挖掘算法进行研究,根据社交网站的特点,设计了基于云计算的用户行为分析预处理；将云计算技术与用户行为分析中关联规则挖掘算法的经典算法Apriori相结合,并对MapReduce进行改进,提出基于改进MapReduce方案的Apriori算法。能较好解决实际应用过程中传统用户行为分析的瓶颈,即传统算法通常只适合解决规模较小的输入数据,当输入数据增大时,它们往往会因计算量的增大而速度减慢甚至无法运行的问题。通过提高用户行为分析的效率更好的为SNS网站的构建而服务,为用户提供更好的用户体验。通过搭建实验云平台进行实验仿真,验证基于改进MapReduce方案的Apriori算法,并对运行结果进行分析,证实改进后的算法取得了不错的加速比效果,较成功的解决了在MapReduce计算过程中出现数据不均衡的问题,提高了用户行为分析的效率。