随着互联网技术的发展,互联网服务提供商所要处理的数据量已成突变性的增长。特别地,在电子商务领域,随着网购的人数逐年增多,平台每天记录到的数据集量也越来越庞大。因此,如何更加有效的利用收到的信息,以及如何确保收集来的数据的正确性成为平台迫切解决的问题,此外,随着有关用户购物行为的数据挖掘业务的不断增长,围绕着电商平台数据监控,数据统计可视化的需求逐渐显现。基于用户行为的监控预警系统的出现,将使电商平台收集到有关用户的信息被充分利用,进而使得个性化推荐更为精准,为商家开拓了新的销售渠道。本文基于京东商城网站,APP,微信小程序,三端用户行为数据,以及商家和商品数据库,利用spark集群计算技术,Springmvc,Echarts,jquery等前端框架等成熟技术,设计并实现了电商平台基于用户行为的监控预警系统。主要满足推荐算法工程师在训练模型和预测结果时,能够对来源数据集进行快速的统计和监控,从而对对数据集的质量做出判断,以及对一些关键的统计结果进行展示,帮助商城的领导层做出有利于企业的决策。