基于Web对象流行度的预取模型

摘要

本文提出了一种基于Web对象流行度的预取模型，改进了现有的PPM预测算法和预取控制策略，从而以相对小的网络流量增加率获得相对好的访问延迟缩减率。　　文章首先介绍了Internet和WWW起源及现状，提出了互联网所面临的问题及解决方案。然后阐述了缓存和预取技术的基本概念及缓存系统和预取系统的分类与结构，并总结了现有的缓存替换算法和特点，以及现有预测算法和预取控制策略。　　在简单介绍了现有预测算法和预取控制策略之后，提出了基于Web对象流行度的预取模型。该模型的核心是基于Web对象流行度的PPM预测模型，这种新的预测模型除继承了传统PPM模型简单易实现的特点外，在缩减模型规模的同时预测精度也有一定程度的提高，该模型解决了哪些Web对象值得预取的问题；另外，本文还对预取的控制问题进行了讨论，给出了一个比较实用的动态计算预取门限的公式，该公式基于预测模型提供的预测信息，解决了实际预取哪些Web对象、具体预取多少Web对象的问题。　　最后，文章对提出的预取模型进行了模拟实验，并对实验结果进行了分析。

目录

文摘

英文文摘

郑重声明

第一章绪论

1.1互联网概述

1.1.1 Internet和WWW起源

1.1.2 WWW工作机制

1.1.3 Internet现状

1.2互联网所面临的问题及解决方案

1.2.1互联网所面临的问题

1.2.2解决方案

1.3课题的研究背景

1.4本文的主要内容

第二章Web缓存机制

2.1 Web缓存系统

2.1.1缓存分类

2.1.2 Web缓存系统

2.2 Web访问模式特性

2.2.1 Zipf法则(Zipf's law)

2.2.2时间局部性

2.2.3空间局部性

2.3缓存替换算法

2.4缓存的缺点

第三章Web预取技术

3.1 Web预取概述

3.2结合缓存的一体化预取系统

3.3预取方法

3.3.1预测算法

3.3.2预取控制

3.4本文提出的预取模型

第四章基于Web对象流行度的预取模型

4.1预测模块

4.1.1现有的PPM预测模型

4.1.2基于Web对象流行度的PPM预测模型

4.2预取控制模块

第五章模拟测试

5.1性能评价指标

5.2模拟方法

5.2.1基于Web日志的模拟

5.2.2模拟器结构

5.3预测模型模拟

5.3.1数据结构

5.3.2 PPM模型训练

5.4测试结果及分析

第六章结论与展望

6.1结论

6.2未来的研究方向

致谢

参考文献

附录1攻读硕士期间发表学术论文