当前,网络已经十分普及。网络在给人们的生活带来便利的同时,也使得许多人上网成瘾,严重影响身心健康和正常生活。网瘾已经成为一个严重的社会问题,其重要特征是上网时长,所以客观估算用户的上网时长对网瘾预防和监督具有重要意义。普遍计算上网时长的方法是依靠计费系统中用户上线和下线时间差作为用户上网时长,这种计算方式十分粗糙,在现状条件下与用户实际上网时长差别巨大。本文提出了分布式聚类分析上网日志计算用户上网时长模型,将上网日志中记录的用户访问请求时间按照需要粒度聚类,形成时间段,用户上网时间由这些更小的时间段组成,精确了划分粒度;同时依据该时间段日志中访问请求的详细信息判断用户访问内容,从而计算该时段内用户各类上网行为时长,如即时通讯、网页浏览、多媒体(视频、音乐)、游戏和其他其他行为类型。对于大数据量网络日志,目前聚类算法在单机处理消耗时间过长,可应用性差,因此本文在处理海量网络日志过程中采用Spark平台对DBSCAN聚类算法实现了分布式计算,并针对校园网日志中聚类的离散数据进行了优化处理。通过用户访问次数的单频段和全频段时长计算结果抽样、用户上网时长分段人数的总体分布、用户分类行为上网时长分析等实验的验证,本文提出的时长计算模型对校园网日志数据具有很好的可信度和实用性,分布式计算也明显提高了模型计算效率,很好的解决了计算上网时长准确度问题。此模型在针对互联网运营商的场景下同样适用。