本文關(guān)鍵詞：航班搜索引擎動態(tài)緩存策略研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著我國經(jīng)濟的飛速發(fā)展,國內(nèi)民航市場也迎來了蓬勃的發(fā)展。越來越多的旅客將飛機作為自己長途旅行工具的首選。同時伴隨著互聯(lián)網(wǎng)技術(shù)的成熟,各大航空公司紛紛搭建了自己的官方網(wǎng)站,并通過官方網(wǎng)站向用戶提供機票查詢和預(yù)訂服務(wù)。互聯(lián)網(wǎng)機票比價平臺也如雨后春筍般涌現(xiàn),大大方便了旅客的出行。由于互聯(lián)網(wǎng)服務(wù)的便捷,互聯(lián)網(wǎng)漸漸取代傳統(tǒng)的機票預(yù)訂渠道成為旅客查訂機票的首選平臺。各家航空公司為了應(yīng)對日漸增長的用戶查詢流量,紛紛加大對官方網(wǎng)站建設(shè)的投入,以提供給用戶最好的使用體驗,在與其他航空公司的競爭中取得優(yōu)勢。在此背景下,航班查詢緩存技術(shù)開始引起了業(yè)界的關(guān)注。這項技術(shù)可以帶來諸多的便利,一方面它可以在不改變現(xiàn)有后臺系統(tǒng)架構(gòu)的前提下,有效地應(yīng)對激增的查詢流量,降低航空公司的運營成本。另一方面,它可以加快對用戶查詢的響應(yīng)速度,提高用戶的使用體驗。緩存一致性算法是緩存策略研究中的主要議題。在本文中我們提出了三種基于TTL(緩存有效時間,Time-to-Live)機制的動態(tài)緩存策略。首先,我們構(gòu)建了緩存有效時間與查詢錯誤率之間的數(shù)學(xué)模型,并由此得到緩存有效時間的解析表達式,作為我們的解析TTL模型。然后,我們從查詢條件中抽取了若干特征,并利用線性回歸模型來預(yù)測TTL值,由此建立了線性回歸TTL模型。最后,我們進一步設(shè)計了自適應(yīng)TTL模型,該模型根據(jù)已過期的查詢緩存結(jié)果是否依然有效來實時動態(tài)調(diào)整當前的TTL值。本文在某航空公司官方網(wǎng)站的真實查詢數(shù)據(jù)集上進行了實驗,并與傳統(tǒng)搜索引擎領(lǐng)域中使用的固定TTL緩存模型進行了對比。實驗結(jié)果表明固定TTL這樣的靜態(tài)緩存模型并不適用于在線航班搜索問題,本文提出的動態(tài)緩存策略能更好地抓住航班查詢結(jié)果變化的規(guī)律,在保證更低的查詢錯誤率的同時,還能有效降低到達后臺的冗余查詢。因此,本文提出的動態(tài)緩存策略將可以幫助航空公司緩解后臺服務(wù)壓力、降低運營成本、提升市場競爭力。
【關(guān)鍵詞】：航班查詢 緩存一致性 緩存有效時間 動態(tài)緩存
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP393.092;TP391.3
【目錄】：

• 致謝5-6
• 摘要6-7
• ABSTRACT7-10
• 1 引言10-16
• 1.1 研究背景10-11
• 1.2 研究目的與意義11-12
• 1.3 研究現(xiàn)狀12-14
• 1.3.1 強緩存一致12-13
• 1.3.2 弱緩存一致13-14
• 1.4 主要研究內(nèi)容14-15
• 1.5 論文組織結(jié)構(gòu)15-16
• 2 相關(guān)理論基礎(chǔ)16-31
• 2.1 萬維網(wǎng)緩存系統(tǒng)概述16-24
• 2.1.1 理想萬維網(wǎng)緩存系統(tǒng)的特性18-19
• 2.1.2 緩存架構(gòu)19-21
• 2.1.3 緩存替換算法21-22
• 2.1.4 緩存路由22-24
• 2.2 回歸學(xué)習(xí)預(yù)測方法概述24-30
• 2.2.1 線性回歸概述25-27
• 2.2.2 支持向量回歸概述27-30
• 2.3 本章小結(jié)30-31
• 3 航班查詢結(jié)果變化規(guī)律分析31-40
• 3.1 實驗數(shù)據(jù)集概述31-34
• 3.1.1 原始數(shù)據(jù)概述31
• 3.1.2 數(shù)據(jù)結(jié)構(gòu)化31-32
• 3.1.3 數(shù)據(jù)過濾32-34
• 3.2 航班查詢結(jié)果變化概述34-35
• 3.3 航班查詢結(jié)果變化規(guī)律分析35-39
• 3.4 本章小結(jié)39-40
• 4 航班搜索引擎動態(tài)緩存策略40-50
• 4.1 基本定義40-41
• 4.2 緩存一致性算法研究41-48
• 4.2.1 解析TTL模型42-45
• 4.2.2 線性回歸TTL模型45-47
• 4.2.3 自適應(yīng)TTL模型47-48
• 4.3 本章小結(jié)48-50
• 5 實驗及結(jié)果分析50-61
• 5.1 實驗方法概述50-52
• 5.2 實驗評價指標52-53
• 5.2.1 查詢錯誤率52
• 5.2.2 查詢?nèi)哂嗦?/span>52-53
• 5.3 緩存一致性算法實驗53-59
• 5.3.1 固定TTL模型實驗53
• 5.3.2 解析TTL模型實驗53-54
• 5.3.3 線性回歸TTL模型實驗54-55
• 5.3.4 自適應(yīng)TTL模型實驗55-57
• 5.3.5 緩存策略比較57-59
• 5.4 本章小結(jié)59-61
• 6 結(jié)論61-64
• 6.1 工作總結(jié)61-62
• 6.2 不足與展望62-64
• 參考文獻64-69
• 作者簡歷及攻讀碩士學(xué)位期間取得的研究成果69-71
• 學(xué)位論文數(shù)據(jù)集71

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 付晶晶;熊前興;趙江濱;;數(shù)據(jù)緩存策略在數(shù)字機務(wù)系統(tǒng)中的應(yīng)用[J];武漢理工大學(xué)學(xué)報(信息與管理工程版);2014年04期

2 任民;;大容量論壇系統(tǒng)的緩存策略[J];中國傳媒科技;2008年04期

3 陳果;葉暉;趙明;;機會網(wǎng)絡(luò)節(jié)點協(xié)作緩存策略設(shè)計與實現(xiàn)[J];計算機工程;2010年18期

4 孫名松;姚亮;張瀟依;;基于經(jīng)濟模型的分布式流媒體緩存策略[J];計算機工程;2009年17期

5 史甜甜;;內(nèi)容中心網(wǎng)絡(luò)中緩存策略研究[J];電信工程技術(shù)與標準化;2014年06期

6 王小明;武文忠;;P2P技術(shù)在緩存集群適應(yīng)性緩存策略上的應(yīng)用[J];計算機工程與設(shè)計;2008年07期

7 蘇杭;王勁林;;VoD系統(tǒng)的數(shù)據(jù)緩存策略研究[J];微計算機應(yīng)用;2009年11期

8 季美麗;王新華;徐連誠;;超節(jié)點P2P網(wǎng)絡(luò)中一種有效的緩存策略[J];微型機與應(yīng)用;2010年17期

9 鐘克吟;;ASP緩存策略探討[J];現(xiàn)代計算機;2006年09期

10 李振華;劉鵬;王真;高承東;夏磊;;WMS服務(wù)的緩存策略研究[J];計算機與現(xiàn)代化;2009年05期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 房勝;田淑珍;梁永全;鐘玉琢;;一種基于緩存策略的MANET服務(wù)發(fā)現(xiàn)方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2005）論文集[C];2005年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 崔現(xiàn)東;內(nèi)容中心網(wǎng)絡(luò)網(wǎng)內(nèi)緩存策略研究[D];北京郵電大學(xué);2014年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陸倩雯;P2P流媒體點播系統(tǒng)中基于用戶行為特征的緩存策略[D];華中師范大學(xué);2015年

2 周超;航班搜索引擎動態(tài)緩存策略研究[D];北京交通大學(xué);2016年

3 閆陽;分布式對象文件系統(tǒng)的緩存策略研究[D];華中科技大學(xué);2013年

4 何云航;未來信息網(wǎng)絡(luò)下智慧緩存策略研究與實現(xiàn)[D];北京交通大學(xué);2014年

5 王英建;一種基于SSD的緩存策略設(shè)計與實現(xiàn)[D];華中科技大學(xué);2013年

6 姚亮;基于P2P流媒體點播系統(tǒng)的磁盤緩存策略研究[D];哈爾濱理工大學(xué);2009年

7 鄭軍俊;ATM交換機緩存策略的仿真建模和性能分析[D];華東師范大學(xué);2005年

8 紀緒;代理緩存策略的研究與實現(xiàn)[D];吉林大學(xué);2005年

9 宋揚;基于混合傳送機制的P2P節(jié)點緩存策略的研究[D];北京郵電大學(xué);2012年

10 劉安戰(zhàn);二進制翻譯中自修改代碼的緩存策略研究[D];華中科技大學(xué);2008年

  本文關(guān)鍵詞：航班搜索引擎動態(tài)緩存策略研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：300724