近年来，随着互联网用户越来越多，用户行为信息量不断增加，其增长速度让人感到不可思议，根据一个互联网企业的统计，用户在网络上购买某一商品前，平均需要打开五个不同网店地址，浏览网页超过三十个，搜索次数大于十次。这些信息具有较大的分析价值，从中可以分析出用户的相关特征，从而可以为用户提供周到的推荐服务，这对公司和用户自身都是有益的。目前，面向用户特征数据分析的应用越来越多，导致数据分散、工作量重复等问题，缺少一个统一的方案来解决此类问题，因此开发一个用户特征数据统一分析平台变得越来越有必要。本文首先简介了Hadoop大数据处理的研究现状，然后阐述了用户特征数据分析的研究现状，为开发该系统提供了必要的参考，同时介绍了用户特征数据分析相关的应用。在需求分析阶段，制定了该平台的各项需求，根据其需求，对平台做了详细的设计，从功能的不同的角度出发，将平台划分为数据采集模块、数据预处理模块、模型建立模块和用户特征查询模块。数据采集模块支持不同方式的采集。预处理模块提供了一个预处理框架，可以根据需求自定义操作顺序和操作内容，使得预处理过程更加方便和灵活，目前平台支持封装、切词、特征提取、权值计算、数据格式化等预处理操作。在模型建立阶段，平台利用支持向量机分类算法、朴素贝叶斯分类算法和Adaboost算法，通过训练生成模型，以供预测需要。特征查询模块对外提供了远程调用的接口，内部实现了LRU缓冲区，提高了平台性能。为了体现平台的可用性，基于平台实现了用户性别识别、用户年龄识别和用户消费能力识别的具体应用。在平台的测试阶段，详细制定了平台的测试方案，对每个模块的功能编写测试用例并测试通过。最后，对三个识别应用进行测试，使其指标均达到要求。论文最后总结了整个平台所解决的问题和未来改进方向。目前，该平台已经投入使用，为不同的应用提供对用户特征数据的分析。