论文部分内容阅读
Web系统性能是其产品竞争力的重要指标。对于响应缓慢的产品，用户通常感到难以容忍，总想寻找功能相近但是更快的产品来作替代。故而提高Web系统性能非常重要。Web系统性能优化的关键是降低用户访问延时。目前在后台方面已有相当多的研究与优化方案，例如服务器负载均衡优化方案、后台代码优化、数据库及脚本优化等方法；在硬件方面也有升级服务器等优化方法。本文致力于Web前端方面的优化，相对于后台与服务器的优化方案，基于前端的优化方案则更具有低成本高效率的优点。本文主要做了以下几个工作：(1)分析了Web系统前端性能优化机制；分析了影响Web前端性能的各个因素，如HTTP协议分析、网页元素，Web缓存等；针对这些因素从优化下载时间的角度设计了相应的优化方法，如用合并压缩的方法降低HTTP请求数目等，并对方法进行实验验证；(2)提出了一种基于针对浏览器并发连接限制的Web前端性能优化算法（SACC算法）。由于浏览器存在并发连接限制，多个并发连接请求会造成请求拥塞，网页性能降低，用户等待时间延长。SACC算法中通过改进TDD最小优先策略，用综合权值调度计算模型来对请求进行调度，来综合优化网页下载时间和网页开始展现时间。实验证明，在用户同时发起的连接请求数大于浏览器的并发连接限制数时，该算法能有效的降低网页的TDD和TSR指数，解决网页请求的拥塞问题，并降低用户的有效等待时间；(3)提出了基于分类双关联图的Web预取模型(CDDG)。用Web缓存和预取的方案能有效降低用户访问网页的等待时间。传统的双关联图预测模型(DDG)并没有对用户进行区分，因此，当某一用户的网页浏览习惯与大多数用户相悖时，DDG模型几乎无法对该用户将要访问的HTML对象进行预测。为了有效解决上述问题，提出了一种分类双关联图预测模型(CDDG)。在该模型中，采用朴素贝叶斯模型对用户进行分类，然后根据用户所属的类别对双关联图进行更新，并对用户可能会访问的HTML对象进行预测。实验结果表明，CDDG模型的性能要明显优于DDG模型，在Web预取与降低用户等待时间时更为高效。