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
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的与意义 | 第12-14页 |
| 1.3 研究现状 | 第14-17页 |
| 1.4 主要研究内容 | 第17-18页 |
| 1.5 论文组织结构 | 第18-19页 |
| 2 相关理论基础 | 第19-33页 |
| 2.1 网页缓存系统 | 第19-25页 |
| 2.1.1 系统架构 | 第19-21页 |
| 2.1.2 Web对象访问特征 | 第21页 |
| 2.1.3 性能评价指标 | 第21-22页 |
| 2.1.4 缓存替换策略 | 第22-23页 |
| 2.1.5 缓存一致性技术 | 第23页 |
| 2.1.6 预取技术 | 第23-24页 |
| 2.1.7 优缺点分析 | 第24-25页 |
| 2.2 回归学习算法概述 | 第25-31页 |
| 2.2.1 线性回归模型 | 第26-27页 |
| 2.2.2 支持向量回归 | 第27-31页 |
| 2.3 民航和缓存相关概念 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 机票库存变化规律观察分析 | 第33-39页 |
| 3.1 数据描述和预处理 | 第33页 |
| 3.2 机票库存变化时间间隔提取算法 | 第33-35页 |
| 3.3 机票库存变化规律观察分析 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 缓存优化算法设计 | 第39-44页 |
| 4.1 简单缓存机制 | 第39-40页 |
| 4.2 动态缓存优化算法 | 第40-43页 |
| 4.2.1 库存变化时间间隔预测 | 第40-42页 |
| 4.2.2 动态TTL设置 | 第42-43页 |
| 4.3 本章小结 | 第43-44页 |
| 5 实验及结果分析 | 第44-49页 |
| 5.1 数据集及实验设置 | 第44-45页 |
| 5.2 库存变化时间间隔预测实验 | 第45-46页 |
| 5.3 缓存策略实验 | 第46-47页 |
| 5.4 真实查询环境验证 | 第47页 |
| 5.5 本章小结 | 第47-49页 |
| 6 在线订票系统缓存模块设计与实现 | 第49-58页 |
| 6.1 功能设计 | 第49-51页 |
| 6.2 逻辑设计 | 第51-56页 |
| 6.2.1 配置管理模块 | 第51-53页 |
| 6.2.2 请求过滤模块 | 第53页 |
| 6.2.3 缓存请求处理模块 | 第53-55页 |
| 6.2.4 缓存管理模块 | 第55页 |
| 6.2.5 外部监听模块 | 第55-56页 |
| 6.2.6 历史数据管理模块 | 第56页 |
| 6.2.7 学习模块 | 第56页 |
| 6.3 本章小结 | 第56-58页 |
| 7 结论 | 第58-61页 |
| 7.1 工作总结 | 第58-59页 |
| 7.2 不足与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |
