在过去的十几年里,社交网络应用迅速普及。人们几乎每一天都通过社交网络与自己的朋友进行互动,主流社交网络应用拥有着大量的活跃用户,社交网络在人们的生活中占据重要位置。在大型在线社交网络系统中,用户相关的数据是以用户为单位的视图方式进行存储的,而用户及其好友的视图,通常分布在不同的服务器上,那么对于拥有大量活跃用户的社交网络,由于用户间错综复杂的社会联系,会使用户间在进行事件流通信时产生大量服务器间的通信开销。为了解决这个问题,现有的方法通常利用社交图的结构,来减少用户间社会联系产生的多余的服务器间通信开销。目前最先进的方法,基于对在线社交网络中用户间通常存在很多共同好友这一现象的观察,通过充分的利用一种提出的中心结构来减少服务器间通信开销。为了找到最好的中心结构,这种方法需要通过迭代地去除掉权度最小的点,识别出全局最密集的子图。这样的一个过程,会导致最坏计算复杂度达到O(9)~2),这就使得这种方法无法扩展到真实世界的大型在线社交网络中。为了解决传统方法不可扩展的问题,提出一种基于社区发现的高效在线社交网络系统事件流传播机制。首先,利用一种有效的基于动态距离的社区发现算法,将整个社交图划分为若干个联系相对紧密的社区。对于每个社区,设计一个启发式算法来充分利用一种中心结构。这种算法在每一轮迭代中,寻找以度最大的点为中心点的中心结构。在收集了大规模的数据集后,对新方法进行了全面的实验进行评估,实验结果表明,所提出的方法与现有方法相比,既能够大量减少通信开销,又大大降低了计算时间,是一种有效且高效的在线社交网络系统事件流传播机制。