近些年来，在线社交网络日趋流行，吸引了成千上万用户的亲睐。海量用户的加入，促使社交网络爆炸性增长，产生海量的数据，对后端支撑系统的可扩展性提出了极高的要求。面对这一挑战，如何管理用户数据已经成为亟需解决的难题。而社交网络中用户数据自身的复杂性，又加大了数据划分与复制的难度。我们在分析了社交网络中的真实数据集之后，发现：用户在社交网络中的大部分的交互活动，是与他们小部分的好友完成的；用户的好友数目越多，用户数据被访问的概率也越大。受上述的观察结果启发，我们先构建了一个动态带权社交关系图：在这个图中，我们区分用户与不同好友之间的交互活动的重要程度。然后我们设计了一个名为WEPAR的动态划分与复制算法，这个算法中我们综合考虑了社交网络中的读操作、写操作以及副本拷贝代价。基于真实数据集的深刻并全面的实验结果表明与现有方法相比，我们的方法能够切实的降低存储代价，在维持读操作的响应时间的同时，能够改善写操作的响应时间。同时我们的方案具备优良的稳定性和可扩展性。我们的主要贡献包括如下方面：我们引入了动态带权社交关系图的概念，来区分社交网络中用户与不同好友之间的交互活动的重要程度。在这个图中，所有的点、边以及边的权重都是随时间动态变化的。我们提出了名叫WEPAR的在线划分并复制社交网络中用户数据的算法，并且据我们所知，这是在社交网络中首个同时考虑读操作，写操作以及副本代价的算法。所有的观察结果与实验结果都是基于真实的在线社交网络数据集：新浪微博、人人网和Facebook而得出的。其中新浪微博与人人网是中国最受欢迎的两大在线社交网络。本文中提出的解决方案具有现实指导意义，能够为支撑社交网络的系统设计提供帮助与指导。