随着移动通信技术的快速发展和通信市场竞争的逐渐加剧，运营商不仅需要提供高质量的通信网络，而且需要充分掌握用户的行为喜好，根据客户需求量身提供个性化服务，制定有针对性的营销策略，因此，对网络信令和用户业务数据的分析挖掘成为网络优化的必要手段。然而，移动互联网应用类型层出不穷，访问人数的指数增加，导致了数据流量越来越大，特别是用户业务数据量迅猛增长，有效地存储并分析用户海量数据成为难点。为了摆脱如今数据丰富信息贫乏的局面，基于云计算的分组域数据处理系统提供了完善的解决方案。分组域数据处理，即对现有网络以旁路接入的方式进行数据采集，并根据相关协议解析数据得到有效数据集，通过对数据集的处理挖掘，分析网络状况和业务模型：（1）通过实时统计网络指标，了解网络运行状况；（2）故障的统计分析，有助于对网络故障进行定位、排查和预警；（3）业务分析，有利于了解业务的开展情况，对业务进行优化，推广；（4）对用户的画像，为运营商了解客户喜好，有针对性地推送业务提供依据，并且可以更好地保障对大客户的服务。本论文分析了移动通信的发展现状和数据业务日益丰富的趋势，阐明了运营商进行网络信令和业务优化的过程中对海量数据进行存储和分析挖掘的必要性及存在的难点；随后在研究新兴云计算技术的基础上，提出了基于分布式数据库HBase和MapReduce并行编程框架的分组域网络海量数据存储和分析模型；通过对模型的详细设计及实现，表明了此方案可协助运营商了解网络状况，排查定位网络故障，详细分析业务质量及运营情况，并方便运营商对用户进行画像，有针对性的推送业务和提供个性化的服务；本文提出的分组域海量数据存储和分析模型可满足当前甚至更大网络数据量的需求。