聲明：
1、目前程序已停止運行！QQ空間也已升級訪問安全機制。
2、本“分析”數據源自部分用戶的公開信息，並未觸及隱私內容，廣大網友無需擔心。
3、QQ空間會不定期發布大數據分析報告，感興趣的朋友關注騰訊大數據官方公眾號。
感謝博客園！ 轉載請注明博客園地址，及作者hi@wuxinsheng.com。
各大媒體熱傳：
這是我近期使用C#寫的一個QQ空間蜘蛛網爬蟲程序。程序截止2015年10月運行2月，總共爬了1.5億騰訊QQ用戶數據，其中有4000萬包含用戶（QQ號，昵稱，空間名稱，頭像，最新一條說說內容，最新說說的發表時間，空間簡介，性別，生日，所在省份，城市）的詳細數據。
目前已經爬到我的第7圈好友（depth=7）共3000萬數據。
爬蟲主程序運行界面：
爬蟲程序設計：
大致設計思路是模仿工廠的生產車間，使用三大獨立循環線程組（GetWaitList，CrawlerQQInfos，SaveData）。
詳細設計圖：
再看看，我根據這份數據生成的一些有趣的統計圖吧！
內存已經爆了，不能怪我。 誰贊助台服務器吧
1、大家一般都在啥時候發說說呢？
從圖中看出一天最冷門的時候是凌晨4點，這時全國正在睡覺的人最多。 大家最亢奮的是晚上10點到11點，人們都喜歡睡前看看別人的空間，發條說說。中午12點左右也有一波小高峰。
2、中國人都喜歡在幾月生小孩呢？
從圖中可看出1月和10月出生的人最多，4月的最少。總體來說上半年的出生率比下半年的低。分析可得，1月多是因為很多人填的是默認的1月1號。4月少，是因為中國人不喜歡4這個數字。10月出生率最高，是因為那時天氣不冷不熱，秋收后也不是太忙了的原因。
3、這是我目前爬取的數據人群地區分布
4、數據人群的年齡分布
如上兩張圖，整好和我的信息相吻合。我是湖南人，在江蘇讀的書，而湖南大部分人都在廣東打工。所以地區分布中，這三個省整好排在前四名當中。而我又是1990年出生的，對應年齡分布圖1990年的用戶最多。從目前的數據來看，無論是分布地區以及年齡階段與我的關聯還非常大，隨着數據量的不斷增加這種關聯會逐漸變小，統計圖也會逐漸接近全國用戶的真實情況。
5、數據人群性別分布
男比女足足多了23%的人數，我分析認為實際差距應該是不大的，但女生在設置QQ空間訪問權限時普遍要比男生的高。所以我爬取的數據中男生居多。
6、下面系列圖是根據一些“關鍵字”在說說中出現的頻率統計出來的，相當有意思。
單個用戶的行為是很難看出規律的，大數據的意義在於它會不斷矯正那個平衡點，從而得出反應宏觀現象最真實的情況。數據量越大，平衡點動盪的幅度便越小。進而能夠根據當前的數據趨勢預測后續的發展，為決策提供有力依據！
6.1 圖說股市
下圖是我通過股民所發說說中包含漲、紅、開心表情等數據計算出的股民樂觀指數，從圖可看出樂觀指數和上證指數是呈正相關的。所以股民行為數據在股市預測這塊也相當值得研究。
現在我們擁有海量的互聯網社交數據，如QQ的說說，sina的微博數據。我覺得這些數據擁有驚人的利用價值，這非常值得我們去研究，去挖掘。我想，用它們來做一些股市或者其它方面的分析預測是可行的，准確度應該也是非常高的。
將股票中的關鍵字做海量數據分析，比如會得出當日討論股票熱度排行榜。進而能得到海量討論股票的用戶，再通過市場的實際反饋找出股票上漲及下跌的正相關因子，再對這些海量數據進行分析計算得出最靠譜股票推薦大神排行榜。對這些用戶分級，分優先度及抓取密度來拿數據。用這些數據分析出哪些是靠譜的股票肯定靠譜！
6.2 群眾討論最多的明星排行榜，還是很靠譜的。(我愛汪峰哥，我也愛Jay！ ---信仰在空中飄揚)
插播汪峰頭條：素不相識，光聽新聞的片面之詞就斷下結論，那是完整的真相嗎？背后的故事又有誰了解多少？實在反感那些破口大罵的，更是可惡一些媒體就事三番五次的戲謔。
祝峰哥幸福，我很喜歡你的歌！
6.3 最為用戶喜愛的手機品牌
6.4 人們最喜歡談論的互聯網公司，阿里之所以這么低估計是大家都喜歡叫它淘寶或者天貓吧。
6.5 QQ空間中討論的最為頻繁的社交平台排行榜。
6.6 生活的統計圖
愛>恨； 開心>傷心; 笑聲>嘆氣聲； 吃貨很多； 誰特么說中國不幸福了，這滿滿的都是正能量數據啊。
好了，其實還可以做很多其它的分析。如果大家有什么有趣的數據分析想知道的，那就給我留言吧。
技術不多說了，程序不難，多線程數據庫操作卻是把我搞苦了。還好，現在程序差不多穩定了。過程也是很有意思的，有空我再寫個程序升級過程中的那些趣事吧。我覺得一個美妙的程序一定是高度模擬現實的，就像飛機模仿蜻蜓，雷達模仿蝙蝠一樣。 這次的程序設計就是模擬的工廠的生產線。