基于剪枝技術(shù)的PPM預(yù)測(cè)模型.pdf

1、解決Web訪問(wèn)延遲問(wèn)題的主要方案是緩存技術(shù)和預(yù)取技術(shù)。雖然緩存技術(shù)在互聯(lián)網(wǎng)上有著非常廣泛的應(yīng)用，但是隨著WWW上動(dòng)態(tài)內(nèi)容和個(gè)性化服務(wù)的比重日益增加，緩存技術(shù)對(duì)網(wǎng)絡(luò)性能的改善已不再顯著，而預(yù)取技術(shù)是緩存技術(shù)的一種有效補(bǔ)充手段，是突破緩存性能上限的最有效的方法，正越來(lái)越成為Web加速技術(shù)領(lǐng)域研究的熱點(diǎn)。然而預(yù)取技術(shù)在實(shí)際應(yīng)用中必須解決好兩個(gè)問(wèn)題，一是準(zhǔn)確預(yù)測(cè)——決定哪些Web對(duì)象值得預(yù)取；二是適時(shí)預(yù)取——根據(jù)系統(tǒng)資源狀態(tài)適時(shí)決定實(shí)際預(yù)取的W

2、eb對(duì)象及預(yù)取的數(shù)量。本文針對(duì)這兩個(gè)問(wèn)題在對(duì)Web對(duì)象瀏覽特征進(jìn)行了深入研究的基礎(chǔ)上，提出了一種基于剪枝技術(shù)的自適應(yīng)PPM預(yù)取模型，改進(jìn)了現(xiàn)有的PPM預(yù)測(cè)模型和預(yù)取算法，從而以相對(duì)小的網(wǎng)絡(luò)流量增加率獲得相對(duì)好的訪問(wèn)延遲縮減率。由于模型自身的自適應(yīng)性，些模型可用于在線預(yù)取中。 論文首先介紹了Internet和WWW起源、發(fā)展及現(xiàn)狀，提出了互聯(lián)網(wǎng)所面臨的問(wèn)題及解決方案。然后闡述了預(yù)取技術(shù)的基本概念及預(yù)取系統(tǒng)的分類與結(jié)構(gòu)，并總結(jié)了現(xiàn)有

3、的預(yù)測(cè)算法和預(yù)取控制策略。 在簡(jiǎn)單介紹了現(xiàn)有預(yù)測(cè)算法和預(yù)取控制策略之后，論文重點(diǎn)對(duì)Web對(duì)象瀏覽特征進(jìn)行了深入的研究及實(shí)驗(yàn)驗(yàn)證。Web對(duì)象瀏覽特征主要表為用戶對(duì)Web對(duì)象訪問(wèn)呈不均勻性，存在某些熱點(diǎn)，即Web對(duì)象可分為高頻區(qū)和低頻區(qū)，并且Web對(duì)象高頻區(qū)和低頻區(qū)流行度特征分別符合Zipf第一法則和Zipf第二法則；用戶在一個(gè)網(wǎng)站中的瀏覽深度是一個(gè)隨機(jī)變量，它服從逆高斯分布態(tài)分布。對(duì)Web瀏覽特征的深入研究，為本文提出的預(yù)測(cè)模型提

4、供了理論依據(jù)。 基于Web對(duì)象瀏覽特征，本文提出了基于剪枝技術(shù)的PPM預(yù)測(cè)模型。該模型的核心是基于Web對(duì)象瀏覽特征的PPM預(yù)測(cè)模型，這種新的預(yù)測(cè)模型除繼承了傳統(tǒng)PPM模型簡(jiǎn)單易實(shí)現(xiàn)的特點(diǎn)外，利用Web流行度特征及描述用戶瀏覽深度特征的逆高斯分布，模型在構(gòu)造過(guò)程中對(duì)噪聲頁(yè)面及過(guò)期數(shù)據(jù)進(jìn)行動(dòng)態(tài)移除，分別從縱向和橫向上對(duì)PPM預(yù)測(cè)模型規(guī)模進(jìn)行合理控制。實(shí)驗(yàn)表明該模型較好地動(dòng)態(tài)預(yù)測(cè)用戶的Web瀏覽特征，不僅預(yù)測(cè)準(zhǔn)確率和存儲(chǔ)復(fù)雜度方面都