随着信息技术的发展日新月异,计算机为人们的生活、工作带来了极大的便利,与此同时,由计算机自身产生的用户行为数据也呈指数级增长。如何从这些海量数据中分析出用户真正的需求与偏好,是当前非常有价值的研究。本文的主要工作:(1)建立数据清洗、行为日志解析和配置信息解析算法,实现数据预处理。该处理通过过滤关键字段错误的数据;制定数据补全规则,补全关键字段缺失的数据;计算并比较数据的MD5值,删除多次重复出现的数据等实现数据清洗,并利用JSON解析技术实现对行为日志和配置信息的解析,整理得到用户行为分析所需的数据。(2)基于Hadoop的Map Reduce计算框架,设计并实现了用户行为规律挖掘算法对用户进行行为分析,从而得到用户USB使用个数及时长、光驱或读卡器使用次数及时长、亮度平均调节次数、不同交互设备输入次数、模式使用时长及其切换频率等行为特征,为生产商优化设备提供数据支撑。(3)基于过滤式交互技术实现用户行为规律数据特征降维,缩小特征空间,并利用柱状图等直观展示抽象的用户行为规律数据,实现了数据可视化分析,使得用户行为规律特征更加清晰。同时在系统中加入权限管理,用户可以访问且只能访问被授权的资源,提升系统的安全性。