基于数据挖掘的Web负载测试用户模型研究

摘要

性能表现对于Web系统而言尤为重要，而Web负载测试是确保Web系统性能的必要手段之一，因此Web负载测试具有重要的研究价值。现有的负载测试方法存在用户模型不够真实、缺乏用户模型预测方法等问题。针对这些问题，本文提出了基于数据挖掘的Web负载测试用户模型研究。 首先，针对传统负载测试用户模型不够真实的问题，提出了基于Web日志挖掘的兴趣特征用户模型(UCIP-LTUM)。该模型流程为:对Web日志文件进行预处理，清除无用数据;统计用户行为特征，为构造用户模型做数据准备;构造用户访问序列，搭建出用户模型的基本框架;挖掘用户兴趣访问路径，构造出行为模式接近于真实用户的用户模型。在该用户模型的指导下进行Web负载测试，可提高测试结果的精确度。 其次，针对缺乏用户模型预测方法的问题，提出了基于马尔可夫链和贝叶斯定理的用户模型预测算法(MAB-UPA)。该算法流程为:建立网页类型相关性矩阵，得到网页类型间的相关程度;利用马尔可夫链，预测出用户将要访问的网页类型;利用贝叶斯定理，在候选的网页类型范围内预测出将要访问的具体网页;根据已有用户行为特征数据，预测出每一页面的用户行为特征。该算法预测出的用户模型可保证与原有的用户模型具有近似的真实程度。 最后，借助性能测试工具LoadRunner11，以中国数值水池网站为实验对象，将用户模型分为UCIP-LTUM用户特征模型、MAB-UPA预测模型、无用户特征的用户模型，分组对网站进行了负载测试实验，并将各组用户模型的测试结果与基准测试结果进行了对比分析。分析结果表明，本文提出的兴趣特征用户模型(UCIP-LTUM)和用户模型预测算法(MAB-UPA)能够有效地提高Web负载测试用户模型的真实程度，从而提高Web负载测试结果的精确度。

目录

声明

摘要

第1章绪论

1．1研究背景及意义

1．2国内外研究现状

1．3研究的问题和难点

1．4论文的内容及组织结构

1．4．1论文的内容

1．4．2论文的组织结构

第2章Web负载测试用户模型及其关键技术

2．1 Wreb负载测试技术

2．1．1 Web负载测试指标

2．1．2 Web负载测试难点

2．1．3 Web负载测试模型

2．2 Web挖掘技术

2．2．1数据挖掘技术

2．2．2 Web挖掘分类

2．2．3 Web挖掘基本步骤

2．3贝叶斯定理

2．4马尔可夫链

2．5本章小结

第3章基于Web日志挖掘的兴趣特征用户模型

3．1兴趣特征用户模型概述

3．2兴趣特征用户模型流程

3．3 Web日志基本处理

3．3．1 日志文件预处理

3．3．2用户行为特征统计

3．4用户模型模式挖掘

3．4．1用户访问序列

3．4．2用户兴趣访问路径

3．5本章小结

第4章基于马尔可夫链和贝叶斯定理的用户模型预测

4．1用户模型预测算法概述

4．2用户模型预测算法流程

4．3 预测算法预备矩阵的建立

4．3．1 网页类型相似度矩阵的建立

4．3．2网页类型转移概率矩阵的建立

4．4．1 第一预测层

4．4．2第二预测层

4．4．3 用户行为特征的预测

4．5本章小结

第5章实验验证与结果分析

5．1 实验环境

5．1．1软硬件环境

5．1．2实验对象

5．1．3实验数据集

5．2实验流程制定

5．3实验的执行

5．3．1设定基准测试结果

5．3．2基于Web日志挖掘构建用户模型

5．3．3基于马尔可夫链和贝叶斯定理预测用户模型

5．3．4利用LoadRunner执行负载测试

5．4实验结果分析

5．5本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢