当今,我们处在一个多核的信息时代。单一CPU节点所遇到的性能瓶颈越来越明显,而利用云计算技术,可以非常高效的完成对海量数据的存储和计算任务。在这样的技术背景下,本文具体研究工作包括Hadoop云计算平台的搭建和传统算法的迁移,微博数据的抓取以及协同过滤推荐算法原理的分析,改进和优化三个主要部分。云计算部分,论文首先简要介绍了云计算的概念,部署模式以及SPI服务模型和目前研究现状等背景知识。然后论文通过积极尝试,成功搭建了Hadoop分布式云计算平台,为后面的实验提供了基础设施保障。在微博数据的抓取部分,论文给出了具体的抓取用户数据的解决方案并根据算法需要进行了相应的数据预处理工作。另外论文对数据集统计属性的分析为后文分类算法的设计提供了科学依据。对于第三部分,论文基于云计算环境研究了对微博用户的协同过滤(CF)推荐,介绍了几种经典的CF算法,通过实验发现这些算法很难给微博用户做出精确的推荐,为此论文设计了一种新型的更适合于微博平台这种大项目集的EssCF推荐算法,并成功将该算法迁移至Hadoop平台的MapReduce并行编程框架之中。最后,论文在实验室的分布式集群中,对EssCF推荐系统进行了功能测试实验,集群测试实验,并与传统的CF算法进行了性能对比测试实验。基于这些实验数据,论文对EssCF系统的优缺点进行了仔细分析,并对全文所做工作进行了总结和展望。