基于用户查询行为分析的在线订票系统缓存优化策略研究

摘要

随着我国互联网和移动终端技术的飞速发展，越来越多的乘客倾向于通过互联网渠道查询和订购机票。巨大的客户服务需求也催生了第三方互联网机票服务平台的出现。因此，航空公司需要不断完善和升级自己的用户服务平台，以保证乘客的用户体验，提升用户服务质量，增强企业的核心竞争力。
　　航空公司首先需要解决与日俱增的用户查询流量压力的问题。为了减轻大量用户访问给在线订票平台带来的巨大后台查询压力，航班查询缓存技术应运而生，逐渐成为各在线订票系统普遍采取的措施。航班查询缓存技术是对机票库存信息进行缓存的技术，通过在查询端和服务器端之间增加缓存系统，当可以直接返回缓存中的结果时就不必再查询后台数据库。一方面可以更快地响应用户的查询请求，提升用户体验;另一方面，可以使后台数据库的查询流量显著降低，有效解决用户查询流量过大的问题。
　　缓存技术中的一个关键问题是如何设置查询关键字的缓存有效时间(Time-to-Live，TTL)。本文首先基于用户的机票查询日志设计了一种机票库存变化时间间隔提取算法，然后基于用户查询行为对机票库存变化规律进行分析，提取出影响机票库存变化的数据特征，并基于这些特征设计了动态缓存优化策略，通过动态缓存机制预测库存变化时间间隔，从而动态地设置TTL。
　　本文选用某在线订票网站的真实用户查询记录作为实验数据集，通过实验对本文提出的动态缓存优化算法进行了验证，并与传统的缓存策略进行了对比。实验结果表明，本文提出的动态缓存优化方法能更好地适应航线的库存变化规律，在保证比较高查询准确率的前提下，可以极大地提高缓存命中率。
　　另外，在提出动态缓存优化算法的基础上，本文设计并实现了一整套在线订票系统的缓存模块。缓存模块涵盖了数据预处理、缓存管理、缓存策略学习等功能，实现了请求过滤、缓存请求处理、缓存管理、历史数据管理、配置管理、模型学习和外部错误监听等逻辑过程。
　　本文提出的缓存优化策略将降低后台服务系统的冗余查询，从而降低后台数据库压力，并不断提升用户服务质量，有助于提升航空公司的市场竞争力。

目录

声明

致谢

摘要

1．1 研究背景

1．2 研究目的与意义

1．3 研究现状

1．4 主要研究内容

1．5 论文组织结构

2 相关理论基础

2．1 网页缓存系统

2．1．1 系统架构

2．1．2 Web对象访问特征

2．1．3 性能评价指标

2．1．4 缓存替换策略

2．1．5 缓存一致性技术

2．1．6 预取技术

2．1．7 优缺点分析

2．2 回归学习算法概述

2．2．1 线性回归模型

2．2．2 支持向量回归

2．3 民航和缓存相关概念

2．4 本章小结

3 机票库存变化规律观察分析

3．1 数据描述和预处理

3．2 机票库存变化时间间隔提取算法

3．3 机票库存变化规律观察分析

3．4 本章小结

4 缓存优化算法设计

4．1 简单缓存机制

4．2 动态缓存优化算法

4．2．1 库存变化时间间隔预测

4．2．2 动态TTL设置

4．3 本章小结

5 实验及结果分析

5．1 数据集及实验设置

5．2 库存变化时间间隔预测实验

5．3 缓存策略实验

5．4 真实查询环境验证

5．5 本章小结

6 在线订票系统缓存模块设计与实现

6．1 功能设计

6．2 逻辑设计

6．2．1 配置管理模块

6．2．2 请求过滤模块

6．2．3 缓存请求处理模块

6．2．4 缓存管理模块

6．2．5 外部监听模块

6．2．6 历史数据管理模块

6．2．7 学习模块

6．3 本章小结

7 结论

7．1 工作总结

7．2 不足与展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

学位论文数据集