随着移动互联网的快速发展,移动互联网用户和用户数据也出现了爆炸式的增长,研究移动互联网的用户数据可以帮助电信运营商了解网络的运行状况,了解用户的最新需求和潜在需求,推断网络业务的发展趋势,实现精细化控制运营等。电信运营商也提出“用户可识别、业务可区分、流量可调控、网络可管理”四个目标。针对业务可区分,现有的一些数据分析的方法在海量数据处理、实时数据流处理等方面并不成熟,尤其业务识别的准确性、灵活性、可扩展性等方面还不能满足实际应用的需要。本文通过分析移动互联网数据包封装原理、应用层特征字的表示方式、位置规律、协议端口等,提出了一种基于数据流的多引擎多通道识别机制,并引入自适应优先级匹配算法降低数据包模式匹配的次数,提高了数据并发处理能力、业务识别效率。同时构建了可扩展动态业务识别库,实现了系统与业务的解耦。多引擎多通道识别机制融合现有成熟的识别技术,综合分析了串行,并行,混合,组合等多种引擎连接方式,避免了由于识别技术自身盲点导致的业务无法识别,弥补了现有业务识别的技术的局限性、单一性,同时在识别的准确性上得到了多重验证和保障,另一方面多引擎多通道识别机制在并发处理上也优于单引擎识别。本文实现了一个多引擎多通道的业务识别子系统的部分模块,包括表查询单元、自适应优先级算法以及文件写入模块。利用从移动网络中抓取的数据报文作为实验数据,验证了模块的可行性、可靠性。