移动APP被广泛应用于生活的方方面面,丰富了人们的生活方式,移动应用每天产生海量的日志数据,这些数据蕴含着大量的用户相关信息,挖掘数据中隐藏的用户行为模式,把握用户的趋同性,同时理解用户的偏好性,一方面能够帮助移动服务提供商提高自己的业务水平,另一方面能使用户获得更好的产品体验。因此,移动数据的分析和推荐有着宝贵的研究价值和重要的现实意义。由于海量信息的过载,移动推荐系统要处理的数据往往有巨大的规模,单机设备的处理能力对此显得力不从心。近年来,业界对大数据处理平台的研究十分流行。Spark是这些大数据平台中的佼佼者,凭借自己基于内存的计算方式,以及灵活的抽象数据结构,Spark在众多大数据处理框架中脱颖而出,成为工业界和学者研究的新宠。本文首先深入探讨时下流行的大数据处理相关技术,包括数据采集器Flume,消息缓存系统Kafka,海量在线查询系统Druid.io,以及用于离线处理大规模数据的分布式计算平台Spark系统;同时本文介绍部分传统的推荐算法,并分析移动互联网与传统互联网的异同点,为整个系统的第三个模块设计和实现提供了理论基础;最后,本文搭建分布式、高稳定性的数据发射源和中间预处理缓存机制,同时提供一个能高速聚合数据的在线查询模块以及提供推荐服务的离线处理模块,实现基于Spark框架的移动数据分析系统。系统重写部分组件源码API,定制数据通道,整合前沿的大数据实时处理技术,并在移动用户广告数据集上设计实验,通过实际案例进行系统功能和推荐效果的展示。