本书首先介绍在线社交网络的基本情况，论述社区发现的基本理论和方法，其次，针对大数据环境下在线社交网络社区发现的困难和问题，本书聚焦三部分内容：一是基于BSP并行模型的在线社会网络社区发现理论和方法；二是基于MapReduce框架的在线社会网络层次化社区发现的通用模型和框架；三是基于内存计算的在线社会网络快速计算方法。最后，通过以上三部分(共9章)的论述，本书系统总结和展望大数据环境下社会网络社区发现趋势和挑战。在线社会网络社区发现能够有效的分析社会网隐含结构特征、预测演化趋势、掌控网络态势、鉴别网络群体事件，对维护国家网络内容安全，挖掘网络开源情报具有重要意义。