随着移动网络的发展、智能上网手机的普及以及海量数据处理技术的进步,针对手机上网用户的行为分析显得愈加重要。手机用户通过网络访问产生大量的用户行为数据,监控采集并分析这些数据对于运营商来说具有重要的意义,可以根据分析或挖掘的结果发现用户行为模式,提前对行为趋势做出判断,从而提高自身的服务水平,达到更高的用户满意度。本文在基于移动流量监控的业务下,设计手机上网用户行为分析系统。系统设计了用户行为数据库,对手机上网行为数据进行统计和维度分析,并通过报表和页面形式展示,统计分析主要对报表分析和流量分析进行研究。重点是根据关联规则分析得到用户行为模式,再根据评价标准,找到真正有意义和感兴趣的模式,建立用户行为模式库。手机上网用户行为分析系统采用数据挖掘技术和海量数据处理Hadoop技术。本文对聚类K-Means算法进行研究并验证,对常见的关联规则算法进行对比研究,并选取FP_Growth算法应用在用户行为分析上。针对基于Hadoop平台的并行化PFP_Growth算法提出改进策略,节省了时间和空间开销。用户行为的海量数据分析和处理利用Hadoop分布式计算平台的相关技术和工具完成的。本文对其核心技术MapReduce进行研究和应用,利用Hadoop的数据仓库工具Hive建立数据分析模型。经实验验证,这些技术能够很好的满足手机上网用户行为分析的需要。