隨著云計算服務商業(yè)價值的日益增長,互聯(lián)網(wǎng)企業(yè)紛紛研發(fā)并推出各自的公有云服務平臺。面向多用戶的公有云服務,相較于私有云和混合云等類型的服務而言,其特點是由云服務提供商來保證云計算資源和服務的安全性和可用性,并負責云服務平臺的運營工作。為提升運營工作的效率,云服務提供商們依據(jù)各自的運營方式和營銷策略定制相應的運營支撐系統(tǒng)。為解決傳統(tǒng)運營所存在的模式單一、無法動態(tài)調整的問題,基于數(shù)據(jù)分析的運營支撐系統(tǒng)的設計與研發(fā)成為了一種發(fā)展趨勢,本文的研究目的是利用數(shù)據(jù)分析技術實現(xiàn)精細化和高效化運營,以提升云服務產(chǎn)品競爭力。本論文在詳細分析云服務運營支撐的業(yè)務需求、功能需求及非功能需求的基礎上,完成集成數(shù)據(jù)分析服務、用戶管理服務、產(chǎn)品管理服務以及管理員管理服務四項基本功能的云服務運營支撐系統(tǒng)的設計與實現(xiàn)工作。根據(jù)系統(tǒng)需求,本文給出了基于B/S架構模式的系統(tǒng)架構設計方案,以及基于分層和模塊化思想的服務器端設計方案,并采用Spring MVC、Spring、My Batis、My SQL等技術實現(xiàn)了一個高可用、易擴展的云服務運營支撐系統(tǒng)。針對作為系統(tǒng)核心的數(shù)據(jù)分析服務,本文介紹了基于數(shù)據(jù)分析技術的設計和實現(xiàn)方案。其中,將統(tǒng)計分析和數(shù)據(jù)可視化技術應用于用戶基本畫像分析,有效地實現(xiàn)了用戶各維度信息的分析和展示。將數(shù)據(jù)挖掘技術中的K-means聚類分析算法用于用戶分群分析的實現(xiàn),并針對傳統(tǒng)聚類分析算法的不足及實際業(yè)務場景應用的數(shù)據(jù)特點,提出了相應的優(yōu)化和改進方案,使得分析結果更具備決策參考價值。另外,本文通過設計實現(xiàn)用戶消費余額預警服務較好地解決了云服務用戶因欠費導致云服務資源被回收的問題,同時建立了用戶欠費預測模型,可有效預測識別存在惡意欠費風險的用戶,避免資源被惡意占用。最后,本文對所實現(xiàn)的基于數(shù)據(jù)分析的運營支撐系統(tǒng)進行了功能測試和非功能測試,結果表明系統(tǒng)能提供預期功能服務,且滿足高可用、高可靠、易擴展的性能需求,達到了預期設計要求。
【學位單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP311.52
【部分圖文】：

將經(jīng)過數(shù)據(jù)預處理后的數(shù)據(jù)集作為模型的輸入項，執(zhí)行聚類為該聚類分析模型的使用場景是未知真實分組情況，所以對于模的評估本文采用內(nèi)部法，使用特征向量計算內(nèi)平方和（Within Ses，WSS）的計算結果作為具體的評價指標。實驗中輸入數(shù)據(jù)集的m ，每個數(shù)據(jù)點所對應的變量數(shù)為n ，可得 WSS 的定義公式如下2 ( ) 21 1 1( , ) ( )m m ni ii ij ji i jWSS d p q p q （中，1 2( , ,..., )i i i inp p p p表示第 i 個數(shù)據(jù)點的特征向量，1 2( , ,..i i i q q q i個數(shù)據(jù)點所在聚類的中心點的特征向量。SS 指標可衡量相同聚類內(nèi)部數(shù)據(jù)點之間的不相似程度，其計算值類效果越好。隨著聚類數(shù)目的增多，WSS 值將逐漸減小，而當聚際數(shù)目時，隨著聚類數(shù)目的增多，WSS 值以較快速度下降，而當實際數(shù)目時，隨著聚類數(shù)目的增多，WSS 值下降速度減緩。采用目作為輸入，得到 WSS 值隨聚類數(shù)目變化趨勢如圖 3-4 所示。

將經(jīng)過數(shù)據(jù)預處理后的數(shù)據(jù)集作為模型的輸入項，執(zhí)行聚類為該聚類分析模型的使用場景是未知真實分組情況，所以對于模的評估本文采用內(nèi)部法，使用特征向量計算內(nèi)平方和（Within Ses，WSS）的計算結果作為具體的評價指標。實驗中輸入數(shù)據(jù)集的m ，每個數(shù)據(jù)點所對應的變量數(shù)為n ，可得 WSS 的定義公式如下2 ( ) 21 1 1( , ) ( )m m ni ii ij ji i jWSS d p q p q （中，1 2( , ,..., )i i i inp p p p表示第 i 個數(shù)據(jù)點的特征向量，1 2( , ,..i i i q q q i個數(shù)據(jù)點所在聚類的中心點的特征向量。SS 指標可衡量相同聚類內(nèi)部數(shù)據(jù)點之間的不相似程度，其計算值類效果越好。隨著聚類數(shù)目的增多，WSS 值將逐漸減小，而當聚際數(shù)目時，隨著聚類數(shù)目的增多，WSS 值以較快速度下降，而當實際數(shù)目時，隨著聚類數(shù)目的增多，WSS 值下降速度減緩。采用目作為輸入，得到 WSS 值隨聚類數(shù)目變化趨勢如圖 3-4 所示。

哈爾濱工業(yè)大學工程碩士學位論文對比實驗的模型算法參數(shù)設置，如表 3-2 所示：表 3-2 模型性能優(yōu)化對比實驗參數(shù)設置參數(shù)名 參數(shù)值 說明FEATURE_NUM 5 模型輸入變量數(shù)MAX_ITERATIONS 500 最大迭代次數(shù)DISTANCE_MEASURE EUCLIDEAN_DISTANCE 距離度量PTY_CLUSTER_STATEGY LARGEST_VARIANCE 空類處理策略NUM_TRIALS 100 重復聚類次數(shù)K [2，3，4，5，6，7，8，9] 聚類數(shù)目在上述模型參數(shù)設置的條件下，以相同的數(shù)據(jù)集作為特征變量輸入，2, 9]范圍內(nèi)的數(shù)目作為聚類變量輸入，分別應用未優(yōu)化和優(yōu)化eans++算法進行聚類分析，將分析處理所耗時間作為分析結果輸出，結果如圖 3-5 所示。
【參考文獻】

相關期刊論文 前6條

1 劉海;盧慧;阮金花;田丙強;胡守忠;;基于“用戶畫像”挖掘的精準營銷細分模型研究[J];絲綢;2015年12期

2 張靜;;數(shù)據(jù)挖掘中聚類分析綜述[J];價值工程;2014年15期

3 劉化召;陳學鋒;俞前;;融合IDC運營支撐系統(tǒng)設計與分析[J];電信科學;2013年01期

4 薛峰;梁鋒;徐書勛;王彪任;;基于Spring MVC框架的Web研究與應用[J];合肥工業(yè)大學學報(自然科學版);2012年03期

5 傅德勝;周辰;;基于密度的改進K均值算法及實現(xiàn)[J];計算機應用;2011年02期

6 許曉馮;;淺談云計算及其應用[J];信息化研究;2010年11期

相關碩士學位論文 前3條

1 譚亮;一種公共云計算平臺的設計及云計算任務分派算法研究[D];華東理工大學;2013年

2 趙楠明;網(wǎng)游客戶分群與特征挖掘算法研究與應用[D];大連理工大學;2012年

3 李曉輝;基于用戶行為分析的數(shù)據(jù)挖掘系統(tǒng)研究與設計[D];北京郵電大學;2011年

本文編號：2866615