随着互联网的蓬勃发展,互联网用户数量快速增加,企业积累了大量的用户行为数据。在如今的大数据时代,企业已经不甘于仅仅是保存这些用户数据,而是希望通过对用户行为的分析去发现新的商业模式。而传统的用户分析过于依赖于个人经验,因此需要一个简单但是功能强大的分析平台让用户分析平台化简单化。基于微博数据的用户画像系统使用K-means聚类算法分析用户行为,将用户分成一个个聚类,通过分析聚类中心将每一类用户抽象成高度精炼的短文本。画像之后的用户是一个个语意突出的短文本的集合。用户画像可以帮助分析者深入,快速的认识用户,并且协助进行用户二次分类。每一个精炼的短标签背后是基于大量数据的分析挖掘,因此大大的提高了数据的可用性,将分析者从繁杂的用户数据中摆脱出来。系统提供了丰富的用户接口,不仅提供页面查询服务,还提供发送UDP数据包的协议查询。页面查询部分,使用LAMP搭建支撑平台。协议查询部分,使用接口层,逻辑层,数据层三层分离的架构,每层由若干台服务器组成,支持动态的增加和减少服务器,能很好的应对流量暴涨。本系统采用多种数据分析方法和数据可视化方法,将用户分析平台化,简单化。此外,在协议查询模块,使用心跳包,缓存,主备机等机制,保证了系统的稳定性和可扩展性。