基于移动用户时空行为的云应用可用性预测方法与系统

摘要

本发明公开了一种基于移动用户时空行为的云应用可用性预测方法与系统。本方法为：1)移动智能设备端将用户选取的待预测云应用及其使用时间t，即用户使用模式，发送给该移动智能设备端的移动用户时空行为数据收集器；2)所述移动用户时空行为数据收集器将收到的用户使用模式信息，该移动智能设备端的电量消耗统计信息以及网络状态模式统计信息发送给云端；3)所述云端根据该移动用户时空行为数据收集器发送过来的数据计算所述待预测云应用在设定使用时间段的可用性，并将计算结果发送给该移动智能设备端。本发明可帮助用户预测未来时间段其移动设备上云应用的可用性，为用户应用提供方便；同时，也帮助移动云应用提供商或服务商优化服务。

说明书

技术领域

本发明属于移动互联网技术领域，具体涉及一种基于用户时空行为模式分析的智能移动 设备云应用可用性预测方法与系统，可以实现智能手机等移动终端设备上云应用的可用性分 析与预测，可以帮助移动用户预测未来时间段其移动设备上云应用的可用性，为使用户按照 自己的习惯更合理舒适使用应用提供方便；同时，也帮助移动云应用提供商或服务商根据用 户时空行为习惯分析其云应用在移动设备上的可用性，以优化服务。

背景技术

云计算模式以其高度的易用性、即付即用的消费模式和丰富的基础设施资源，正改变着 人们使用信息服务的方式。同时，以智能手机为代表的移动终端借助功能丰富的应用软件， 迅速深入到了人们生活中的方方面面，逐渐取代传统PC成为最广泛的使用互联网服务的方 式。据中国网络信息中心统计，2013年我国移动手机网民已达到5亿人，占互联网用户的81％。 随着移动智能终端的快速普及和移动网络的大范围覆盖，视频下载、即时通信、手机游戏以 及网络购物等多领域的移动应用持续增长。一方面，移动端不断丰富的互联网业务、多样化 的媒体应用需要进行自然语言处理、语音识别、图像识别等计算密集型任务，这对移动设备 性能提出更高要求；另一方面，移动端又存在计算与存储资源有限、电池续航时间受限、通 信能力有限等限制。将移动端能力与云计算模式结合而提出的移动云计算在一定程度上缓解 了这两方面的矛盾。移动端云应用利用云计算平台的资源处理计算任务，并与移动端通信或 同步以便与用户交互，既利用了移动端泛在、易用等优点，又能解决资源需求的问题。据市 场报告，到2016年全球用于移动云计算服务的开销将达到64.7亿美元，移动云应用极大丰 富，为日常生活带来巨大便利。

但是，与传统云应用相比，移动云应用具有移动性、资源有限(如电池)、网络不稳定(如 wifi网络不可用、3G信号盲点等)等特点，其服务可用性更为脆弱，计算资源提供与业务服 务经常性失效或不可访问。而作为用户服务质量体验的第一要素，云应用的服务可用性直接 反映了云应用的服务质量，是用户最为关心的问题，同时也是移动云应用提供商优化其应用 产品与服务的重点。

移动端云应用具有以下特点：1)位置动态性：移动端位置的动态变化直接影响了其网络 连接的类型，如3G网络或者不同的wifi连接，而不同的网络连接类型也带来了云应用不同 的服务质量体验，如稳定的wifi连接可保证媒体类云应用的高可用性；2)时间动态性：移动 端云应用的使用情况和环境随时间动态变化，决定因素在于用户的行为模式，如用户在睡前 常用音乐类应用，则针对音乐类应用在睡前时间段要求较高可用性；3)资源有限性：移动端 的资源有限性主要体现在续电时间，而续电时间在假设通话时间相同情况下与网络连接以及 用户使用云应用的习惯存在关联关系；因此，移动端云应用可用性主要受到以下几个因素的 影响：1)网络连接(与地理位置有关)，伴随用户地理位置的转移，用户所处网络状态随之 转移，网络状态的改变直接影响移动端云应用可用性并间接影响移动端手机耗电。2)用户使 用时间分布(与应用使用模式有关)，用户使用移动云应用具有一定的相对稳定的时间分布， 该分布直接影响用户实际感受到的移动云应用可用性。3)续电时间(与应用使用模式有关)， 应用耗电与应用某时刻的剩余电量直接影响移动云应用的可用性，与此同时，这两个因素同 用户的使用模式密切相关。

因此，随着移动云应用的丰富，需要为移动用户及云应用提供商提供一种可用性分析方 法和系统，以使得用户获得更好的服务质量体验，这些使得移动云应用提供商提高其应用可 用性成为一个急需解决的难题，而根据移动用户个性化的时空行为模式对云应用的可用性进 行预测和分析成为一种新思路。

发明内容

针对现有技术存在的问题，本发明提出了一种基于移动用户个性化时空行为模式分析的 云应用可用性分析与预测方法和系统，目的在于为智能移动设备用户提高云应用服务质量体 验，帮助云应用提供商优化其应用产品。本发明从时间和空间两个维度对用户行为进行描述， 时间描述用户对云应用的使用意愿和习惯，空间描述用户地点转移和网络环境，通过对云应 用的移动用户时空行为模式的分析，结合移动设备耗电与网络连接状态的时空变化，分析和 预测云应用在移动端的可用性。

本发明提供的技术方案为：

一种移动设备端云应用可用性分析与预测方法与系统，如图1所示。该系统包含了移动 智能设备端和云端两部分。

移动智能设备端主要模块有：云应用设备端，用户界面，基于时间的云应用使用模式记 录模块，基于时间的电量消耗监测和统计模块，基于地理位置的网络连接类型监测与统计模 块和移动用户时空行为数据收集器：

1)用户界面，主要功能是提供移动端与移动用户的交互过程。用户可通过界面指定希望 分析和预测的云应用，选择意愿使用云应用的时间段；同时，用户界面提供用户查看云应用 的可用性功能，并向下层基于时间的云应用使用模式记录模块提供数据支持。

2)基于时间的云应用使用模式记录模块，功能在于记录移动用户对某云应用的意愿使用 时间(从用户界面获取，由用户指定)，以一段时间为周期进行统计，并把统计结果传递给移 动用户时空行为数据收集器。

3)基于时间的电量消耗监测与统计模块，对用户移动设备端电量实时监测，生成元组 {time，battery}，该元组代表某时刻和剩余电量的对应，存储时相当于关系数据库的一个表项。 同时，测试用户使用移动云设备过程的耗电速率，最终把监测结果传递给移动用户时空行为 数据收集器。

4)基于地理位置的网络连接类型监测与统计模块，对用户的网络状态进行实时监测并以 一天为周期进行统计，最终把统计结果传递给移动用户时空行为数据收集器。用户的网络状 态分为四种类型：3g网络，wifi网络，无网络，3g和wifi网络同时可用。

5)移动用户时空行为数据收集器，从以上三个模块中收集用户使用模式，电量消耗和实 时情况以及网络状态模式，将三者整理并打包发送到云端。

6)云应用设备端，指待分析和监测的移动云应用的设备端应用程序，主要是以app客户 端形式，即用户界面选取的云应用设备端。本模块主要是作为被监测的对象，直接反应用户 行为以及云应用性能。

以上模块基于时间统计，为叙述方便，默认以一天为周期，把一天时间分段。建立用户 网络状态同时间段的映射，将每天的监测结果记录为处于每个映射状态的次数。

移动云端面向云应用提供商，负责对移动设备端统计的用户时空行为模式进行分析和预 测，并同移动设备端交互。移动云端包括以下模块：云应用云端，云应用可用性管理界面， 云应用可用性模型模块，移动用户时空行为数据接收器，基于移动用户时空行为模式的云应 用可用性分析与预测模块：

1)云应用可用性管理界面，主要为云应用提供商提供可视化用户行为模式和可用性状况， 并将可用性预测和分析结果传递给用户接口。

2)移动用户时空行为数据接收器，接受移动智能设备端的移动用户时空行为数据收集器 传递的数据，并将数据整理，传递给基于移动用户时空行为模式的云应用可用性分析与预测 模块。

3)云应用可用性模型模块，存放简单云应用可用性模型，并向基于移动用户时空行为模 式的云应用可用性分析与预测模块传递简单模型参数，比如四种网络在物理条件(如部署， 信号覆盖等)上的可用性概率。本模块存放与用户时空行为无关的可用性参数，存放在云端。

4)基于移动用户时空行为模式的云应用可用性分析与预测模块，从移动用户时空行为数 据接收器和云应用可用性模型模块接收各项参数，建立用户时空行为模型并通过一定算法对 云应用可用性进行分析和预测。

5)云应用云端，指云应用提供服务的云端部分。本模块作为系统的一部分，其功能在于 同云应用设备端交互，并由其他模块考虑其交互过程带来的可用性变化。同时，云应用提供 商可以根据分析结果对本模块进行优化。

与现有技术相比，本发明的积极效果为：

本系统和方法可以帮助用户预测未来时间段移动设备端应用的可用性，为用户更合理舒 适使用应用提供帮助；本系统和方法可以帮助云应用提供商分析用户群的行为习惯以及用户 实际体验的应用可用性，帮助应用提供商优化产品。

附图说明

图1是本发明的基于移动用户时空行为模式的云应用可用性分析预测系统结构示意图。

图2是实施例中流程示意图。

具体实施方式

下面通过具体实施例和附图，对本发明做进一步说明。

本发明以对用户时空行为模式的分析为基础，采用监测与统计方式，计算和预测云应用 可用性。主要特点有以下三方面：

1、本系统和方法的关注点在于智能移动设备端应用的可用性，角度是从用户行为模式分 析。

2、本系统和方法从时间和空间两个方面对用户行为进行描述，时间描述用户使用意愿和 习惯，空间描述用户地点转移和使用环境。

3、本系统和方法通过对用户行为和意愿的监测和获取，主要获取智能移动设备耗电和网 络连接状态的时空变化，计算得到较为实际准确的智能移动设备端应用的可用性。

图1是本发明的基于移动用户时空行为模式的智能移动设备云应用可用性预测系统的结 构示意图。本系统采用模块化方式构建，不同模块之间通过接口进行交互并传递消息，各模 块之间具有相对的独立性并做到模块间的松耦合。如图1所示，其中移动设备端包括云应用 移动端，用户接口，基于时间的云应用使用模式记录模块，基于时间的电量消耗检测和统计 模块，基于地理位置的网络连接类型监测与统计模块和移动用户时空行为数据收集器；移动 云端(主要是面向云应用提供商)包括云应用，云应用可用性管理界面，移动用户时空行为 数据接收器，基于移动用户时空行为模式的云应用可用性分析与预测模块，云应用可用性模 型。下面分别对不同的模块进行具体说明。

1.移动设备端

移动设备端是整个系统的统计与监测中心，它实现了对用户时空行为模式的定性和定量 统计分析，同用户的交互以及数据打包传递到云端的功能。根据功能性特征划分模块并设计 交互路径，对云应用的使用情况和环境进行全面同步监测。

移动设备端包含了对本方法和系统核心思想的具体支持和体现，主要包括云应用移动端， 用户接口，基于时间的云应用使用模式记录模块，基于时间的电量消耗监测和统计模块，基 于地理位置的网络连接类型监测与统计模块和移动用户时空行为数据收集器六个模块。各个 模块都通过与其他相关模块和移动云端进行信息交互来完成整体功能。下面阐述每个模块的 主要功能。

1>用户接口

用户接口是用户直接可视可操作模块，提供的主要功能包括用户对意愿监测云应用的选 择功能，用户对意愿使用时间段的指定功能以及计算所得可用性结果对用户的反馈功能。

用户接口的实现以app界面为主，主要包括显示布局和操作布局，可以使用移动端操作 系统编程接口实现。如Android系统中，可以使用textview，bar等组件。

2>基于时间的云应用使用模式记录模块

基于时间的云应用使用模式记录模块主要功能是对用户指定的云应用以及本应用的意愿 使用时间段进行记录(从用户接口获取)，并传递给移动用户时空行为数据收集器。

记录方法为将时间分段，对每一个时间段维持两个标记(如整形变量)，分别代表未来在 该时间段是否意愿使用和以往在该时间段意愿使用的次数。

3>基于时间的电量消耗监测和统计模块

基于时间的电量消耗监测和统计模块主要实现两个功能：测算移动端耗电和记录实时电 量。移动端耗电测算分两部分，第一部分是系统耗电，即未使用移动云应用的耗电速率；第 二部分为使用移动云应用时的耗电速率。移动端云应用耗电速率的测算办法有多种，以 Android系统为例，甚至有部分Android衍生系统自带应用耗电检测。较为方便的做法是读取 电池记录文件(如在API中使用internal包)，也可以读取移动云应用运行时的cpu分配时间， 从中获取其使用时间的百分比，并用(总耗电*百分比/总时间)表示。当用户希望系统预测可用 性时，本模块取得当前电量交付给移动用户时空行为数据收集器。

由于耗电同网络状态紧密相关，需要对不同网络状态下的耗电速率进行分别测算。在基 于地理位置的网络连接类型监测与统计模块中，网络状态分为四种类型，则测算速率有四个 值同网络状态一一对应。

4>基于地理位置的网络连接类型监测与统计模块

基于地理位置的网络连接类型监测与统计模块关注点在于网络状态。本模块把网络状态 分为四种：3g，wifi，3g with wifi和no 3g with no wifi，把时间分段，建立记录(表1)。

表1基于时空行为统计表

表1中空白格代表处于某时间段和某网络状态下的统计次数。对用户网络状态的监测可 以是每隔一段时间(这里是按小时分段)获取当前网络状态，如Android开发中有可用API 判断网络类型；也可以设置触发器，监测网络状态的变更。这里，需要解决的一个问题是网 络不稳定情况。当短时间内网络状态连续改变时，通常有两个原因：第一，网络信号弱；第 二，移动设备端出现故障。对于这两种情况，移动云应用的使用效果或者是卡或者是故障， 因此可以直接将这段时间划分为no 3g with no wifi，即网络不可用状态。

5>移动用户时空行为数据收集器

移动用户时空行为数据收集器的主要功能是收集三个监测模块的数据，并将其以一定数 据结构发送到云端的移动用户时空行为数据接收器。本模块承担两个功能，对数据的打包功 能和数据流的发送功能。同时，本模块负责保证数据的稳定传输，记录监测数据的传输状态 以及实现重传，续传等功能。

6>云应用移动端

云应用移动端是本系统和方法的监测和分析的对象，是移动智能设备端的应用程序。

2.移动云端

移动云端主要作用是为云应用提供商提供用户时空行为模式分析和基于用户时空行为模 式的云应用可用性。它涵盖了几乎所有的计算工作，并按照一定算法计算用户实际体验的云 应用可用性。移动云端包括云应用，云应用可用性管理界面，移动用户时空行为数据接收器， 基于移动用户时空行为模式的云应用可用性分析与预测模块，云应用可用性模型。

1>移动用户时空行为数据接收器

移动用户时空行为数据接收器作为移动云端同移动智能设备端的交互模块，主要功能就 是获取移动用户时空行为数据收集器的信息并加以简易计算和结构化。

本模块接收的信息有四部分：云应用使用模式记录(基于时间的用户意愿使用次数和用 户指定意愿使用的时间)，云应用耗电速率，当前实时电量以及基于时空行为的网络类型状态 统计记录。对信息的处理计算方法如下：

假设：以一天为周期，时间t的范围是区间(0:01,24:00)。用户意愿使用云应用时间u(t)(值 为0或1的分段函数)，即在t时刻，若用户意愿使用则函数值设为1，反之设为0；函数Nu(t) 表示在t时刻的云应用用户的意愿使用次数，在这里由于是对时间分段记录，则函数为分段 函数，且值为整型；不同网络情况下的系统耗电速率为b₁,b₂,b₃,b₄；云应用耗电速率为 B₁,B₂,B₃,B₄；当前实时电量Bn；在t时刻处于不同网络类型状态的次数统计为函数 Nn₁(t),Nn₂(t),Nn₃(t),Nn₄(t)，这四个函数同样是分段函数且值为整形。

计算：对于函数Nu(t)，以小时为单位，我们希望用户意愿作为一个加权参数参与可用性 计算过程，因此我们定义概率密度函数f(t)为：

$f\left(t\right)=\frac{\mathrm{Nu}\left(t\right)}{\underset{0}{\overset{24}{\int }}\mathrm{Nu}\left(t\right)\mathrm{dt}},$

满足在这里，f(t)的取值由Nu(t)决定。

对于函数Nn₁(t),Nn₂(t),Nn₃(t),Nn₄(t)，同样以一天为周期，以小时为单位，我们计算基于 时空的用户网络状态分布概率密度函数：

$p_i\left(t\right)=\frac{{\mathrm{Nn}}_i\left(t\right)}{\underset{1}{\overset{4}{\Sigma }}{\mathrm{Nn}}_i\left(t\right)},$

其中i∈{1,2,3,4}，满足

最终，移动用户时空行为数据接收器向基于移动用户时空行为模式的云应用可用性分析 与预测模块传递数据u(t)，f(t)，B_i，b_i，Bn，p_i(t)，其中i∈{1,2,3,4}。

2>云应用可用性模型

云应用可用性模型保存部分简易可用性计算模型，主要作用在于向基于移动用户时空行 为模式的云应用可用性分析与预测模块提供必要参数。参数主要包括：处于四种网络类型状 态下的移动云应用可用性A_i，其中i∈{1,2,3,4}；云应用提供商所保证的可用度(如服务级别 协议SLA中说明的高可用性指标)As。

3>基于移动用户时空行为模式的云应用可用性分析与预测模块

基于移动用户时空行为模式的云应用可用性分析与预测模块作为移动云端的核心，主要 功能在于根据获取的参数，分析计算云应用可用性并将结果反馈给云应用提供商。其中，可 用性分析计算描述如下：

首先，本模块从其他模块获取的参数列举如下：

用户意愿使用云应用时间u(t)；用户设置意愿使用时间的时刻t₀；用户意愿使用频率的概 率函数f(t)；基于时空的用户网络状态分布概率函数p_i(t)；系统耗电速率b_i；云应用耗电速率 B_i当前实时电量Bn；依赖网络状态的移动云应用可用性A_i；云应用提供商所保证的可用性指 数As；其中，i∈{1,2,3,4}。定义参数P{battery_charge>0}代表移动端电池电量可用的概率。

Step1：显然，p_i(t)和f(t)相互独立，两者同时发生的概率为p_i(t)*f(t)，该事件概率分布函 数为：

$F_i\left(t\right)=\underset{0}{\overset{t}{\int }}f\left(t\right)p_i\left(t\right)\mathrm{dt}$

以一天为周期，以小时为单位，我们计算该函数的值如下：

$F_i\left(24\right)=\underset{0}{\overset{t}{\int }}f\left(t\right)p_i\left(t\right)\mathrm{dt}$

以下将其简记为F_i。

Step2：假设用户在设定意愿使用时间的时刻t₀后直到使用完毕不会进行充电。计算按照 用户要求和用户时空行为习惯求得理论上耗费电量与可用时间，方法如下(以伪代码表示)， 其中初始化变量t为t₀。

假设用户希望预测的未来时间周期为T₀(在这里为一天)，以上伪代码执行完毕记录所得 时刻t为一个数值，代表未来时间内，按照用户意愿，预测所得移动设备电量耗尽的时刻或 已经经过一个时间周期的时刻，记为T。计算时刻T前用户希望使用的时间Tb和用户希望使 用的总时间假设是Tt(以小时为单位，两者均为数值)：

$\mathrm{Tb}=\underset{t0}{\overset{T}{\int }}u\left(t\right)\mathrm{dt}$

$\mathrm{Tt}=\underset{t0}{\overset{t0+T0}{\int }}u\left(t\right)\mathrm{dt}$

计算P{battery_charge>0}＝Tb/Tt

Step3：对于云应用的可用性最终计算方法如下：

我们把移动云应用可用性以概率形式表示，可用性包括两方面：移动云应用系统可用性 A_mobile和移动端电池电量可用性A_battery。

在Step2中，P{battery_charge>0}的计算由代表用户行为习惯的P_i和耗电速率共同决定， 因此A_battery可以直接取P{battery_charge>0}作为合理的描述参数。

对于A_mobile，我们知道Step1中计算所得F_i描述针对不同的四种网络状态，用户的使用模 式和用户意愿在时间上的一个综合可用性概率(可以这样理解，一天范围内用户意愿使用且 所处地理位置满足第i个网络状态的概率)，在计算用户意愿f(t)时对其在时间上向区间(0,1) 映射，计算用户所处网络状态p_i(t)时对其在空间上向区间(0,1)映射，即在某一时刻将四种网 络状态以概率描述，所以当计算F_i时，我们对其在时间上积分得到基于用户时空行为模式的 可用性概率。在数学上有：

$\underset{1}{\overset{4}{\Sigma }}{F}_i=1$

我们给出简要逻辑证明：

由于$\underset{1}{\overset{4}{\Sigma }}{p}_i\left(t\right)=1,$因此在任意时刻t，有$f\left(t\right)=\underset{1}{\overset{4}{\Sigma }}{p}_i\left(t\right)*f\left(t\right),$又有$\underset{0}{\overset{24}{\int }}f\left(t\right)\mathrm{dt}=1,$于是对等式两 边进行积分为：

$\underset{0}{\overset{24}{\int }}f\left(t\right)\underset{1}{\overset{4}{\Sigma }}{p}_i\left(t\right)\mathrm{dt}=1$

根据积分的加法性质，我们把叠加号提取出来得：

$\underset{1}{\overset{4}{\Sigma }}\underset{0}{\overset{24}{\int }}f\left(t\right)p_i\left(t\right)\mathrm{dt}=1$即：

$\underset{1}{\overset{4}{\Sigma }}{F}_i=1$

证毕。

A_i代表四种网络在物理条件(如部署，信号覆盖等)上的可用性，这些参数从云应用可 用性模型模块获得。A_i*F_i代表基于用户行为模式的某网络条件下的可用概率，同时我们还需 要考虑云应用提供商所保证的可用性指数As，最终A_mobile的计算如下式：

$A_{\mathrm{mobile}}=\mathrm{As}*\underset{i=1}{\overset{4}{\Sigma }}{A}_i{F}_i$

最后，我们综合移动云应用系统可用性A_mobile和移动端电池电量可用性A_battery，从而得到 最终的基于用户时空行为模式的移动云应用可用性：

$\left(\begin{array}{c}A=A_{\mathrm{mobile}}*A_{\mathrm{battery}}\\ =\mathrm{As}*\underset{i=1}{\overset{4}{\Sigma }}{A}_i{F}_i*A_{\mathrm{battery}.}\end{array}\right)$

4>云应用可用性管理界面

云应用可用性管理界面主要作用是为云应用提供商提供可视化数据和结果。同时，它将 可用性预测和分析结果传递给用户接口，用以为用户提供建议推送等服务。

5>云应用

云应用模块是本系统和方法的分析对象，它是所关注云应用的云端部分，主要作用即为 用户提供服务，具有一定功能。

下面通过具体实例说明整个系统流程：

整个系统流程如图2所示，首先，用户通过用户接口选择待预测的云应用，并指定未来 一天时间内希望使用该云应用的时间。基于时间的云应用使用模式记录模块获取用户设置的 信息并记录，之后传递给移动用户时空行为数据收集器。同时，基于时间的电量消耗监测与 统计模块和基于地理位置的网络连接类型监测与统计模块向移动用户时空行为数据收集器传 递各自监测和记录的信息。

移动用户时空行为数据收集器将获取的数据打包整理，通过网络传输到云端，并对传输 过程进行监测和容错处理。当数据传输完毕，移动用户时空行为数据收集器对数据进行简单 处理和计算，同时，云应用可用性模型准备其保存的参数，之后，两个模块将可用性计算所 需的各项数据与参数传输给基于移动用户时空行为模式的云应用可用性分析与预测模块。

基于移动用户时空行为模式的云应用可用性分析与预测模块根据获取的数据，通过分析 算法计算基于用户时空行为模式的云应用可用性，并把结果传输给云应用可用性管理界面。 云应用可用性管理界面可以集成多项功能，主要是同云应用提供商交互，同时，把结果传输 给用户接口，这个过程也是一个网络传输过程，数据量较小。

下面提供一个应用实例。

在日常生活中，视频音频类移动云应用作为一种网络资源的整合，极大丰富了人们的生 活。然而，基于用户的行为模式的移动云应用使用环境却受到各方面制约，比如网络环境， 电池电量等。这样，很多情况下，用户希望使用云应用时却无法使用，导致云应用可用性极 大受用户行为制约。

我们希望在智能移动平台上建立一个视频音频类移动云应用可用性分析系统，旨在为用 户提供针对自身习惯的可用性分析与预测模型，为用户合理安排使用云应用时间与地点提供 帮助；同时，我们希望通过对用户行为模式和移动云应用可用性的分析，云应用提供商可以 获取其云应用服务的实际可用性，并分析用户行为模式分布，为优化云应用服务提供数据支 持。

基于本方法和系统，针对视频音频类移动云应用的特点，我们对系统做了两方面修改。 第一，视频音频类云应用的使用对流畅性要求很高，流畅性是可用性的决定因素之一。因此， 我们在设置云应用可用性模型中，将3g网络状态划为不可用，具体原因在于两方面：首先， 3g网络信号和覆盖程度没有达到看视频的要求；其次，从经济角度看，使用3g流量下载视 频文件成本太高，因此几乎没有人使用3g网络看视频。第二，一般视频音频类云应用提供有 下载缓存功能，如此以来，如果网络状态不可用但是本地已有缓存时，云应用对用户而言依 然可用。这样，我们加入缓存推送功能，即在用户指定希望使用本应用的时间后，系统根据 一天中用户网络状态的迁移变化，找出用户希望使用应用但网络状态不允许的时间段，给用 户提前推送消息告知用户应该提前对视频音频文件进行下载或缓存操作。

本应用在设计上针对视频音频类移动云应用的特性构建一套整体的可用性参数收集、分 析与预测方案。通过对用户行为模式的监控，为用户更好体验云应用提供建议推送并使云应 用提供商针对用户群行为模式设计服务供应，使云应用可用性在用户层面得到提升。

以上实施例仅用以说明本发明的技术方案而非对其进行限制，本领域的普通技术人员可 以对本发明的技术方案进行修改或者等同替换，而不脱离本发明的精神和范围，本发明的保 护范围应以权利要求所述为准。