信息化建设的新时代,高校的校园网是学生和教师使用率最高的网络,校园网使用率的急剧升高,随之产生了海量的校园网用户日志数据。如今大数据时代,利用大数据技术对海量的校园网络数据进行研究分析,高效准确地挖掘出校园网用户的上网行为规律,在优化网络管理和优化学生管理上具有重要的意义。标准K-means算法是网络用户行为分析中最常用方法之一,存在k值不确定、对初始中心点敏感和不适合大数据聚类的缺点,本文针对这些不足,提出了对K-means算法的改进,利用Spark分布式计算框架实现以K-means++与优化轮廓系数有相结合的改进算法SOSK-means++（Spark based Optimized Silhouette K-means++）,并应用于某高校校园网用户行为分析。实验结果分析和实际应用中,表明该改进算法在一定程度上解决了标准K-means算法k值和初始中心对聚类准确性和效率的影响,提高了聚类的准确性;基于Spark平台也有效解决了标准Kmeans算法因数据量大而运行时间过长的问题,提高了算法的并行计算性能。本文在某高校校园网的基础上,以校园网计费系统的网络行为日志为研究对象,基于Spark的分布式平台的对校园网用户行为分析进行分析及可视化展示,对实现对标准K-means算法的优化改进,并应用于校园网用户行为分析中。本文主要研究工作如下:（1）经过对标准K-means聚类算法局限性的研究,针对标准K-means算法的缺点:对k值不确定、对初始中心敏感和对海量数据聚类运算时间过长,提出改进算法SOSK-means++（Spark based Optimized Silhouette K-means++）,运用Kmeans++算法与轮廓系数优化相结合,主要从两个方面对标准K-means算法进行优化改进,使用快速距离计算和标准化欧氏距离公式进行距离计算,并在Spark平台并行化实现该改进算法。通过实验数据对该算法的准确性和加速比进行验证。（2）基于上述研究内容和成果,构建了基于Spark可扩展的校园网用户行为分析系统,对高校校园网用户数据采集并进行预处理,使用统计分析和改进算法SOSK-means++对校园网用户数据进行聚类分析,根据校园网日志数据中的登陆时间、注销时间、使用时长和使用流量4个属性特征对校园网用户行为进行分析,把分析结果写入MySQL数据库。最后使用Spring MVC框架开发网页应用,对MySQL数据库中的数据进行可视化呈现并进行详细分析。并通过对比实验,验证了SOSK-means++算法在校园网用户行为分析中的聚类结果是准确、稳定和有效的。