在现实生活中,绝大多数网络都具有隐含的真实社区结构。分析这种社区结构有助于理解网络的拓扑结构及功能结构。当使用社区发现算法挖掘这些隐含的社区结构时,需要对算法生成的社区的准确性进行评估,这种衡量社区质量的方法可称为社区质量评估。然而随着应用数据的快速增长,大规模社交网络生成的社区结构对于社区质量评估指标的计算效率带来了巨大挑战。现有的串行算法复杂度高,基于MPI的并行算法性能也有待提高。与此同时,MPI的实现与部署等细节都非常复杂,这给采用它来进行数据分析的数据科学家带来了困难。本文针对现有社区质量评估指标计算在大规模社区结构情况下存在计算复杂度高、并行效果差以及应用部署困难等问题,提出了相应的改进方案。首先,针对计算复杂度高的问题,本文结合现有多种算法的优势,提出了更快的基于MPI的非重叠社区质量评估指标计算方法。其次,针对并行效果差的问题,结合了基于贪心策略的均衡负载方法实现了计算负载均衡。然后使用人工网络生成的大规模社区数据集评估现有的和本文提出的非重叠社区质量评估计算方法性能,实验结果表明本文提出的算法在执行时间、内存消耗和加速比方面取得了更好的效果。最后,针对应用部署困难的问题,本文设计了一个简单易用的RESTful框架CommuMetrics,该框架将社区质量评估指标计算作为Web服务并对外供应。同时,作为概念验证,我们实现了该框架的原型系统,以一种友好且高效的方式提供社区质量评估指标计算服务供应。