

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、隨著Internet網(wǎng)絡的迅速發(fā)展,Internet應用已遍及工業(yè)、軍事、醫(yī)療、教育等領域,給人們的生活帶來了極大的便利。與此同時,網(wǎng)絡用戶接入數(shù)量急劇膨脹,而網(wǎng)絡帶寬等硬件設施的升級非常有限,用戶在瀏覽網(wǎng)絡資源時具有較大的訪問延遲。如何減少用戶訪問延遲、提高用戶訪問速度是Web領域面臨的實際問題。Web緩存通過保存用戶訪問過的內(nèi)容,有效減少了用戶獲取網(wǎng)絡資源等待時間,但其無法對用戶即將訪問的內(nèi)容進行主動地緩存。預取技術彌補了Web緩存
2、技術的不足,已成為優(yōu)化緩存系統(tǒng)性能、降低用戶訪問延遲的重要方法。本文充分利用預取技術能預測用戶的訪問對象的優(yōu)勢,提出了一種基于預測模型的緩存替換算法。通過仿真實驗表明了算法的優(yōu)越性,在一定程度上提高了緩存系統(tǒng)的性能。本文的研究內(nèi)容主要包含以下幾點:
1、本文介紹了Web緩存系統(tǒng)結(jié)構(gòu)的主要組成部分和預取技術的基本理論,對不同的緩存和預取方式分別進行了闡述,詳細講解了 Web訪問的四個相關特性,對緩存替換算法和預取算法的研究成果進
3、行了研究和總結(jié)。
2、為了使日志中的數(shù)據(jù)正確、可用,介紹了Web日志挖掘的概念,以及日志數(shù)據(jù)預處理的四個主要步驟。簡要介紹了 Markov鏈的概念,對多 Markov鏈模型進行了詳細闡述。為了構(gòu)造多 Markov鏈模型,對類 Markov鏈合并、準則函數(shù)和聚類相似度的相關定義進行了討論。
3、在分析了影響緩存替換因素的基礎上,構(gòu)造了一個目標函數(shù)來計算緩存中對象的鍵值,用于衡量對象在緩存中的存儲價值。利用預取技術能預測
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- Web緩存替換策略與預取技術的研究.pdf
- Web緩存與預取模型研究.pdf
- 基于對象替換與預取的Web緩存模型研究.pdf
- 基于Web的緩存與預取一體化技術研究.pdf
- Web緩存與預取系統(tǒng)的設計與實現(xiàn).pdf
- 基于預取與緩存的磁盤節(jié)能技術研究.pdf
- Web預取與緩存一體化模型研究.pdf
- 并行磁盤系統(tǒng)的預取及緩存技術研究.pdf
- 基于Android的移動云存儲緩存預取算法研究.pdf
- 層次混合存儲系統(tǒng)中緩存和預取技術研究.pdf
- 基于預取的iOS圖片緩存模型的研究與實現(xiàn).pdf
- Web挖掘技術在Web預取中的應用研究.pdf
- 基于Web挖掘的Proxy端預取技術的研究與實現(xiàn).pdf
- 基于緩存預取在線考試系統(tǒng)的分析與實現(xiàn).pdf
- WEB數(shù)據(jù)緩存與預取一體化的研究與應用.pdf
- 基于關聯(lián)分析的移動評教數(shù)據(jù)預取與緩存研究.pdf
- 基于控制的Web預取的分析與研究.pdf
- 基于雙關聯(lián)圖的Web預取模型研究.pdf
- 基于Web對象流行度的預取模型.pdf
- 基于雙關聯(lián)圖的web預取模型研究(1)
評論
0/150
提交評論