随着Internet的飞速发展,互联网上的各种信息应有尽有。然而,人们所感兴趣的信息不尽相同。每个人在从网络获取自己所需信息的同时,每天也在被那些对自己毫无价值的信息所骚扰。因此,如何实时精准地向用户投放信息(如广告、新闻等)是研究人员面临的一个紧迫问题。所谓定向,指的是对受众的筛选。本文主要研究了实现一个精准实时的定向引擎所需的相关技术,主要包括:数据挖掘技术、分布式存储相关的技术、分布式计算相关的技术、空间索引算法、分布式消息系统相关技术等。在此基础上,本文设计并实现了一个支持多维度用户属性的实时定向服务框架。本文的所做的工作主要有:(1)对定向引擎发展现状、当前行业中已经使用的定向引擎所存在的问题进行了相关研究,提出了高效实时的定向引擎必须具有的特征。(2)研究了基于用户信息的数据挖掘技术的原理和方法,设计并实现了一个SVM分类器来对用户部分属性进行分类。(3)研究了用户属性的特点,对用户属性进行分类,利用分而治之的思想,设计并实现了各类用户属性对应的子引擎。(4)研究了分布式key/value存储系统中所使用的相关技术,改进了基于一致性hash算法的开源分布式key/value结构的存储系统,并用其作为固定属性子引擎的存储层,以提高固定属性所圈中用户名单的计算效率。(5)研究了当前成熟的各类空间索引算法,设计并实现了基于Hilbert R-树的地理位置属性子引擎,用于支持基于用户位置属性的定向服务。本文最后对基于上述技术而设计实现的定向引擎进行了功能与性能实验,实验结果表明,本文设计的定向引擎在精准性与实时性方面都表现较好。