在移动互联网迅速发展的今天,分析移动用户行为和提高网络服务质量成为移动互联网研究的热点。针对移动互联网用户的数据特点,研究用户的移动性对提高移动互联网网络服务质量、分析用户的行为特征等都有很大帮助。我们需要对移动互联网上的高速报文进行采集,从中提取到所需字段,才能进行相关的数据分析和应用开发。本文首先剖析了移动互联网流量采集系统的基本框架和基础数据结构,并对采集系统所应用的相关技术做了介绍。通过实验,详细分析了几种队列模型和内存池模型的性能。之后,对流量分发系统进行了背景介绍,并列举了几种常见的分发算法。通过实验,分析了不同分发机制和分发算法的性能。在移动性分析部分,本文首先简要介绍了可以高效、快速的对海量数据进行分布式处理的软件框架Hadoop。作为一种大数据处理框架,Hadoop可以应用在对移动互联网用户上下线话单进行处理并提取用户行为信息上。其次,本文对移动性研究的相关应用做了简要介绍。由于对用户移动性行为的分析有很多的有价值的应用,在论文的最后部分,我们对用户位置预测算法和用户关系发现算法进行了相关研究。我们研究了两种可以用于移动用户位置预测的算法:LZ-Based算法和Markov算法,以及一种改进的Markov算法。通过实验得到的长达27天的连续移动互联网用户数据,我们对三种算法的算法复杂度和准确率进行了对比,发现改进的Markov算法性能明显优于其它两种算法。