透明計算中用戶訪問行為特征分析與預(yù)測

王 斌，陳 琳，侯翔宇，李偉民，盛津芳

WANG Bin,CHEN Lin,HOU Xiangyu,LI Weimin,SHENG Jinfang

中南大學(xué) 信息科學(xué)與工程學(xué)院，長沙 410083

School of Information Science and Engineering,Central South University,Changsha 410083,China

1 引言

近年來，云計算作為網(wǎng)絡(luò)計算模式的典型代表，使計算由軟硬件為中心轉(zhuǎn)變?yōu)槊嫦蚍?wù)的模式，能夠根據(jù)終端用戶的需求把服務(wù)端的存儲和計算資源傳輸?shù)娇蛻舳薣1]。透明計算是云計算的一個特例，是一種以用戶為中心的新型服務(wù)模式，旨在為用戶提供無處不在的透明服務(wù)。

透明服務(wù)平臺作為透明計算服務(wù)端的核心，負責(zé)統(tǒng)一存儲并管理多個用戶的資源，包括操作系統(tǒng)、應(yīng)用程序和用戶數(shù)據(jù)[2-3]。同時還要快速高效、安全和可靠地處理各用戶發(fā)送的資源訪問請求，以保證用戶的服務(wù)體驗質(zhì)量。透明服務(wù)平臺采用基于虛擬磁盤的方案來實現(xiàn)，在終端用戶看來，服務(wù)端存儲的是終端的虛擬磁盤數(shù)據(jù)，終端對虛擬磁盤的訪問請求最終被重定向到服務(wù)平臺[4]。針對透明服務(wù)端如何提高用戶的虛擬磁盤數(shù)據(jù)訪問效率和安全可靠性，文獻[5]設(shè)計了一個局域網(wǎng)中高效可靠的塊級存儲訪問協(xié)議NSAP（Network Storage Access Protocol）。文獻[6]分析驗證了基于虛擬磁盤的透明計算系統(tǒng)性能瓶頸在于服務(wù)端，而cache的命中率又是服務(wù)端性能表現(xiàn)最關(guān)鍵的因素，最后在服務(wù)端和客戶端制定了緩存分配策略。文獻[7]提出了一個評估透明計算多級高速緩存層次結(jié)構(gòu)以及整個透明計算系統(tǒng)的行為和性能的模擬框架TranSim。通過使用TranSim，系統(tǒng)設(shè)計者可以方便快捷地評估緩存策略的有效性和系統(tǒng)性能。

如上所述，目前關(guān)于透明計算服務(wù)端性能優(yōu)化和安全可靠性保障的研究側(cè)重于自身的存儲架構(gòu)、調(diào)度策略和訪問協(xié)議，但沒有研究工作從透明計算需求的源頭：用戶以及用戶訪問行為的特征來分析和預(yù)測其對透明服務(wù)平臺的影響。如文獻[8]提出了基于關(guān)注關(guān)系和用戶行為的物品推薦算法。文獻[9]通過記錄學(xué)生學(xué)習(xí)操作行為，并結(jié)合傳感器數(shù)據(jù)，提出一種場景感知分類算法。文獻[10]結(jié)合訪存敏感和用戶行為敏感的MPSoC應(yīng)用映射技術(shù)，提出一種混合的動態(tài)映射策略。文獻[11]分析了多臺終端加載相同操作系統(tǒng)過程中數(shù)據(jù)的訪問信息，發(fā)現(xiàn)用戶行為具有集中和相似的特征。因此，本文在構(gòu)建基于多層虛擬磁盤存儲模型的透明服務(wù)平臺基礎(chǔ)上，首先對大量用戶訪問服務(wù)平臺數(shù)據(jù)塊的行為進行統(tǒng)計分析，并利用信息熵策略挖掘出被頻繁集中訪問塊的時序特征。然后利用三次指數(shù)平滑方法預(yù)測未來一段時間用戶對這些塊的訪問行為。最終結(jié)果可以為服務(wù)平臺制定更高效的緩存策略提供有效的依據(jù)，進而幫助透明服務(wù)端提高服務(wù)性能和體驗質(zhì)量。

2 透明服務(wù)平臺存儲模型及訪問機制

透明服務(wù)平臺位于透明計算服務(wù)端，它為用戶屏蔽了硬件平臺和操作系統(tǒng)的異構(gòu)性，統(tǒng)一集中管理系統(tǒng)資源，并轉(zhuǎn)化為服務(wù)提供給用戶。因此，透明計算用戶自主可控地按需使用服務(wù)的過程本質(zhì)是對透明服務(wù)平臺數(shù)據(jù)訪問的行為。透明服務(wù)平臺的架構(gòu)和原理決定了用戶數(shù)據(jù)訪問的機制，是用戶行為分析的基礎(chǔ)。

透明服務(wù)平臺存儲了所有透明終端用戶的虛擬磁盤數(shù)據(jù)，但透明計算需要面對大量異構(gòu)的終端用戶，如果數(shù)據(jù)共享程度不高，會導(dǎo)致大量的數(shù)據(jù)冗余。為此，本文所構(gòu)建的透明服務(wù)平臺中，實現(xiàn)了一個多層樹狀虛擬磁盤存儲模型，如圖1所示。虛擬磁盤中數(shù)據(jù)資源按資源共享程度及性質(zhì)劃分成3類：系統(tǒng)資源、應(yīng)用群組資源和用戶個性化資源。系統(tǒng)資源主要指操作系統(tǒng)以及相關(guān)數(shù)據(jù)，該類資源共享程度最高，能被所有用戶共享，所構(gòu)成的鏡像稱為系統(tǒng)虛擬磁盤鏡像（System Virtual Disk Image，S_VDI）。應(yīng)用群組資源主要指各種相關(guān)的應(yīng)用軟件數(shù)據(jù)組成的集合，具有相同的應(yīng)用屬性的應(yīng)用軟件通常歸為一個群組。該類資源只能被同一群組下的用戶共享，所構(gòu)成的鏡像稱為群組虛擬磁盤鏡像（Group Virtual Disk Image，G_VDI）。用戶個性化資源主要指用戶的私有數(shù)據(jù)資源，一般包括用戶私有文件或者操作系統(tǒng)、應(yīng)用軟件的個性化配置信息，該資源僅用戶自身才能訪問，所構(gòu)成的鏡像稱為用戶虛擬磁盤鏡像（User Virtual Disk Image，U_VDI）。

在面對多終端用戶對共享層資源同時進行訪問時，采用寫時重定向（Redirect on Writing，ROW）機制來進行控制。具體做法是：將系統(tǒng)虛擬磁盤鏡像S_VDI和群組虛擬磁盤鏡像G_VDI以只讀的方式存儲于服務(wù)端，共享給多個終端用戶；采用ROW機制將終端用戶對共享的虛擬磁盤鏡像S_VDI和G_VDI的改寫塊保存于與用戶對應(yīng)的用戶虛擬磁盤鏡像U_VDI中，并采用Bitmap[12]來標記各個改寫塊的位置，從而實現(xiàn)了多個終端用戶對共享數(shù)據(jù)的共同讀寫。在圖1中，當(dāng)用戶i請求第7和8號數(shù)據(jù)塊時，由于用戶對應(yīng)的U_VDI中存儲了數(shù)據(jù)塊7的改寫塊，對7號塊的數(shù)據(jù)訪問讀請求被定位到用戶對應(yīng)的U_VDI，而數(shù)據(jù)塊8在U_VDI和G_VDI的位圖中都沒有改寫標記，因此其請求定位到了S_VDI，最后將所有讀取到的數(shù)據(jù)塊重新排序組合后返回給終端用戶。

圖1 透明服務(wù)平臺虛擬磁盤存儲模型及訪問機制

需要注意的是，如果在有相關(guān)緩存機制的情況下，用戶對服務(wù)平臺的數(shù)據(jù)訪問首先會被定向到緩存池。而本文所研究的用戶行為是在沒有緩存機制的情況下進行的，目的正是為了更好地挖掘和預(yù)測用戶行為特征，為緩存策略提供依據(jù)。整個存儲模型和數(shù)據(jù)訪問機制對用戶是透明的，用戶所獨占的一個既包括操作系統(tǒng)，又涵蓋應(yīng)用軟件、個人私有數(shù)據(jù)的“本地磁盤”實際上在服務(wù)端被劃分成多個部分，S_VDI和G_VDI是多用戶共享，僅U_VDI為每個用戶獨享的私有數(shù)據(jù)。

由上述描述可以看出，透明服務(wù)平臺的虛擬磁盤模型具有多層次、高共享和低冗余的特點，因此，其用戶數(shù)據(jù)訪問行為模型也會不同于其他虛擬磁盤存儲模型。另一方面，透明計算是強調(diào)以用戶為中心的網(wǎng)絡(luò)計算服務(wù)模式，面對大量的異構(gòu)終端用戶，并且用戶的所有資源均存儲在服務(wù)端，用戶在獲取服務(wù)時會帶來大量的與服務(wù)端的數(shù)據(jù)交互行為。因此，分析和預(yù)測透明計算用戶行為特征具有重要的現(xiàn)實意義。

3 用戶訪問行為分析

3.1 行為表示

透明計算客戶端是一個僅需保留必要的計算和輸入/輸出硬件的設(shè)備，本地不存儲任何操作系統(tǒng)和應(yīng)用軟件，通過網(wǎng)絡(luò)按需從服務(wù)平臺將其以數(shù)據(jù)塊的形式加載到客戶端設(shè)備上流式執(zhí)行。給定時間內(nèi)，用戶對服務(wù)平臺的數(shù)據(jù)訪問請求作為一次用戶訪問行為，用戶訪問行為用塊的集合來表示。本文出現(xiàn)的“用戶”是指全體用戶的集合。基于此，給出下面相關(guān)概念。

定義1設(shè)某特定時間段Tα內(nèi)被訪問的數(shù)據(jù)塊集合為，若時間點Tm∈Tα，所有用戶在Tm時刻對數(shù)據(jù)塊Bi的訪問次數(shù)為count(Bi,Tm) ，那么數(shù)據(jù)塊Bi在Tα?xí)r間區(qū)間內(nèi)被用戶訪問的頻數(shù)為：

通過式（1），得出在Tα?xí)r間區(qū)間內(nèi)不同數(shù)據(jù)塊被訪問的頻數(shù)集合F={FB1,FB2,…,FBn}。記數(shù)據(jù)塊Bi在Tα?xí)r間區(qū)間內(nèi)被訪問的概率為P(Bi)，那么：

對不同數(shù)據(jù)塊在Tα?xí)r間區(qū)間內(nèi)計算訪問概率，得出概率集合P={P(B1),P(B2),…,P(Bn)} 。

3.2 行為熵策略

香農(nóng)提出的信息熵概念，反映了信源整體的統(tǒng)計特性，是對總體的平均不確定性的度量。

用戶的行為表現(xiàn)為：對透明服務(wù)平臺上不同數(shù)據(jù)塊的訪問。對這一信源進行熵運算，可以從宏觀上量化用戶的操作行為特征[13]。根據(jù)信息熵的相關(guān)概念與公式，結(jié)合3.1節(jié)的概率集合P，得出其概率空間表示為：

基于信息熵本身的概念，能夠得到如下的推論。

推論1H(B)越大，用戶對數(shù)據(jù)塊的訪問越平均，即在該區(qū)間內(nèi)，用戶行為越分散。反之，H(B)越小，用戶對數(shù)據(jù)塊的訪問越集中，即在該區(qū)間內(nèi)，用戶行為越集中，則越能體現(xiàn)出用戶行為偏向和特征。

證明 以各數(shù)據(jù)塊被訪問的頻數(shù)集合{FB1,FB2,…,FBn}為離散信源，依據(jù)最大離散熵定理和信息熵的極值性，有即當(dāng)信源出現(xiàn)的可能性相等時，信源的熵達到最大。由此可得，H(B)越大，用戶對數(shù)據(jù)塊的訪問行為越分散；H(B)越小，說明用戶行為越集中。

推論2H(B)=0具有兩種不同的含義。第一種表示在該區(qū)間內(nèi)用戶只對某一數(shù)據(jù)塊進行操作，即對該數(shù)據(jù)塊的需求為100%；第二種表示在該區(qū)間內(nèi)用戶對所有的數(shù)據(jù)塊都沒有進行操作，即所有客戶端都沒有被使用。

證明 由信息量的非負性可知，當(dāng)H(B)=0時，對于任意數(shù)據(jù)塊Bi，有如下推導(dǎo)：

P(Bi)=0或lbP(Bi)=0?P(Bi)=0或P(Bi)=1

那么，由信息熵的確定性可知，P(Bi)=0即為用戶只對數(shù)據(jù)塊Bi進行操作；P(Bi)=1即為用戶對所有的數(shù)據(jù)塊都沒有進行操作。

在多臺透明服務(wù)終端設(shè)備相繼啟動時，記錄該時間段內(nèi)對數(shù)據(jù)塊的訪問信息，計算對各個數(shù)據(jù)塊的訪問次數(shù)，訪問分布的情況如圖2所示。

圖2 多臺透明服務(wù)終端啟動時數(shù)據(jù)塊訪問分布

這些數(shù)據(jù)塊即為系統(tǒng)共享資源存儲層中操作系統(tǒng)啟動時需要加載的對象。在這段時間內(nèi)，68.591%的訪問集中在了17.8%的數(shù)據(jù)塊上，呈現(xiàn)為長尾分布。因此利用信息熵量化用戶行為并挖掘行為時序特征是可行的。

3.3 行為特征歸類

用戶在不同的時刻對資源有不同的需求，式（3）計算出來的熵值反映了一段時間內(nèi)用戶宏觀上的行為特征。本文根據(jù)熵值判斷用戶當(dāng)前行為屬于集中式還是分散式的特征，因此需要對用戶行為熵集合中的熵值進行處理。

（1）根據(jù)熵值初步地把用戶訪問行為分成分散式和集中式兩類。記錄下熵值所對應(yīng)的時間T，用二元組HT＜H,T＞來表示不同時間段的熵值。用戶行為熵集合HTS={HT1,HT2,…,HTn}，為HT按時間推進的有序集合。選取HTS中熵值最大的點HTj和最小的非零點HTk。借鑒數(shù)據(jù)挖掘中的K最近鄰算法，將HTj和HTk作為種子結(jié)點，并且遍歷HTS集合，得到兩個以HTj和HTk為中心的有序的類集合HTjS和HTkS，集合中元素順序為HT下標的升序排列。

（2）分別對有序集合HTjS和HTkS進行處理，獲得用戶行為集中或分散的連續(xù)時間段。若其中HT下標為連續(xù)的，將這些連續(xù)的點歸為一個小集合；若HT下標出現(xiàn)斷點，則從該點開始，使之與后面下標連續(xù)的點歸為一個新的小集合。將獲得的所有小集合按時序生成特征軌跡，至此便完成了對HTS中熵值的特征歸類。

算法1特征歸類算法

輸入：HTS //用戶行為熵集合

輸出：Collections //表示用戶行為分散或集中的連續(xù)時間段集合

1.提取HTS中的最大、最小熵值

pick the max and min H in HTS

2.根據(jù)信息熵對用戶訪問行為分類

i←0

for eachHTinHTS

If|HTi.H-Hmax|＞|HTi.H-Hmin|then

addHTiintoHTSmini←i+1

else

addHTiintoHTSmax

i←i+1

3.對表示訪問行為集中的集合按時間連續(xù)性進行劃分

i←0

for eachHTinHSmin

pickHTj（HTjis the next one ofHTi）

ifj=i+1then

addHTiandHTjinto one Collection

i←i+1

else

addHTiandHTjinto different Collection

i←i+1

4.對表示訪問行為分散的集合按時間連續(xù)性進行劃分

do like step 3 inHSmax

5.return Collections

設(shè)算法1返回的集合群體為S1,S2,…,Sn，以時序排列。有這樣的特點：（1）同一集合中的熵值是等價的，即使其數(shù)值不同，但是含義相同，表示用戶在此時間段內(nèi)的行為是分散的或集中的。（2）兩個相鄰的集合Si與Si+1，一個處于“峰”，一個處于“谷”，處于“峰”的熵值代表該時間段內(nèi)用戶的操作為分散式，而處于“谷”的熵值代表操作為集中式。

3.4 行為預(yù)測

用戶對不同應(yīng)用的操作和對不同文件的讀取請求，通過對服務(wù)端數(shù)據(jù)塊的訪問來實現(xiàn)。本文根據(jù)3.3節(jié)描述的行為特征歸類，選取在一段時間內(nèi)呈現(xiàn)出被集中訪問的數(shù)據(jù)塊作為預(yù)測的對象。若數(shù)據(jù)塊在近期訪問次數(shù)較多，并且預(yù)測出在短時間內(nèi)仍然保持著較高的訪問量，說明用戶短時間內(nèi)的操作仍然集中在某些應(yīng)用和文件上。根據(jù)預(yù)測結(jié)果可以優(yōu)化服務(wù)端緩存替換策略，縮短客戶端的響應(yīng)時間。

指數(shù)平滑法[14]是基于時間序列進行預(yù)測的重要方法。它認為時間序列的態(tài)勢具有穩(wěn)定性或規(guī)則性，最近的過去態(tài)勢，在某種程度上會持續(xù)到未來。指數(shù)平滑法兼容了全期平均和移動平均所長，不舍棄過去的數(shù)據(jù)，但是僅給予逐漸減弱的影響程度，適用于中短期趨勢[15]。用戶的訪問行為具有時序性，且本文涉及到的預(yù)測是對短時間內(nèi)仍保持較高訪問量的數(shù)據(jù)塊訪問次數(shù)的預(yù)測，因此選用指數(shù)平滑法作為預(yù)測模型。

指數(shù)平滑預(yù)測方法有多種模型：

（1）一次指數(shù)平滑值

（2）二次指數(shù)平滑值

（3）三次指數(shù)平滑值

其中，α為平滑系數(shù)；yt為t時刻的觀測值；為一次、二次、三次指數(shù)平滑值。一次指數(shù)平滑法只適合于具有水平發(fā)展趨勢的時間序列分析；二次指數(shù)平滑法是對一次指數(shù)平滑的再平滑，能夠修正滯后偏差，但也只適合于對具有線性特征的模型進行預(yù)測[16]；三次指數(shù)平滑法是唯一的非線性平滑法，尤其適用于時間序列上呈二次曲線趨勢的預(yù)測[17]。

隨機抽取透明計算服務(wù)端的某數(shù)據(jù)塊，圖3為其一個小時內(nèi)被訪問的次數(shù)，可知數(shù)據(jù)塊訪問次數(shù)在時序上呈現(xiàn)出非線性的變化特征，因此三次指數(shù)平滑法更符合數(shù)據(jù)塊訪問量的變化趨勢，本文采用三次指數(shù)平滑法進行預(yù)測。

圖3 數(shù)據(jù)塊在各周期的訪問量

三次指數(shù)平滑法的預(yù)測模型為：

其中，?t+T表示t時刻之后T個周期的預(yù)測值。3個預(yù)測參數(shù)at、bt、ct由一次、二次、三次指數(shù)平滑值通過下式計算得出：

4 實驗分析

為了驗證信息熵與三次指數(shù)對用戶行為預(yù)測的有效性和準確性，本文采用透明服務(wù)平臺進行實驗。該系統(tǒng)包括一個透明服務(wù)器、30臺瘦終端、5臺移動終端。透明服務(wù)器采用三層存儲模式，分別存儲操作系統(tǒng)、組群、用戶的數(shù)據(jù)；瘦終端和移動終端沒有硬盤和操作系統(tǒng)，只有運算功能和基本的緩存，分別以有線和無線的形式連接網(wǎng)絡(luò)。實驗中35名用戶使用Win7和CentOS6.5兩種操作系統(tǒng)各自自由操作90 min。每個終端并行使用多種應(yīng)用，根據(jù)統(tǒng)計分析，平均每隔5 min用戶使用的應(yīng)用和訪問的文件極大概率會產(chǎn)生變化。因此，透明服務(wù)器將監(jiān)控到的數(shù)據(jù)塊的訪問以5 min為一個時間周期進行統(tǒng)計，將90 min分為18個時間段。

4.1 統(tǒng)計信息熵及行為歸類

根據(jù)使用Win7和CentOS6.5下的兩次實驗結(jié)果，在35個用戶90 min的自由操作中，平均請求數(shù)據(jù)塊1253萬次，每個時間段訪問到的不同數(shù)據(jù)塊約32000到48000個。使用式（3）計算各個時間段內(nèi)的信息熵，取前10個周期結(jié)果如圖4所示。

圖4 信息熵時序圖

由圖4可以看出，兩條信息熵曲線在時序上有比較明顯的波動，信息熵的數(shù)據(jù)反映了所有用戶的操作行為特點。熵值較高的時間段表示用戶使用的應(yīng)用和讀取的文件比較分散；熵值較低的時間段表示用戶使用的應(yīng)用和讀取的文件比較集中，即用戶的行為更加集中。兩條曲線中熵值最低的時間段均為最早的幾個周期，數(shù)據(jù)塊的訪問最為集中。經(jīng)過分析，這段時間內(nèi)，終端大多為啟動階段，主要從透明服務(wù)平臺三層存儲的系統(tǒng)虛擬磁盤層中訪問和加載操作系統(tǒng)資源，這一層數(shù)據(jù)共享程度最高，因此訪問最為集中。后續(xù)時間周期中，用戶自由操作，主要從群組虛擬磁盤層和用戶虛擬磁盤層中按需訪問數(shù)據(jù)塊，同時也會從系統(tǒng)虛擬磁盤層中加載少量用來支持應(yīng)用運行的數(shù)據(jù)塊，因此后續(xù)時間周期的信息熵整體上大于初始時間段。

信息熵量化了用戶的行為，為了對每個時間段內(nèi)用戶行為分類，對得到的熵值做特征歸類處理，結(jié)果如圖5所示。

圖5 信息熵特征歸類處理

圖5顯示了圖4中兩條曲線特征歸類后的結(jié)果，將反映用戶同一行為特征的點歸于一類。由圖可知，用戶在使用CentOS6.5操作系統(tǒng)時，在1、2、3、7、8、10這幾個時間周期內(nèi)，用戶使用的應(yīng)用或訪問的文件較為相似，行為較為集中；在其余時間段內(nèi)行為較為分散。同理可找到使用Win7系統(tǒng)時，用戶行為集中和分散的時間段。

根據(jù)圖5得到的結(jié)果，選取兩條曲線中熵值較低的時間段內(nèi)包含的數(shù)據(jù)塊。根據(jù)統(tǒng)計，CentOS6.5和Win7兩次實驗中，用戶行為集中的時間段內(nèi)訪問的不同數(shù)據(jù)塊個數(shù)分別為4257塊和3962塊，占整個實驗訪問過的所有數(shù)據(jù)塊的15.8%和12.3%。

4.2 平滑系數(shù)α擬合

本文使用三次指數(shù)平滑法對數(shù)據(jù)塊的訪問數(shù)量進行預(yù)測，使用式（4）進行計算。其中平滑系數(shù)α是三次指數(shù)平滑法擬合效果的關(guān)鍵，如果數(shù)據(jù)波動較大，α值應(yīng)取大一些，可以增加近期數(shù)據(jù)對預(yù)測結(jié)果的影響。如果數(shù)據(jù)波動平穩(wěn)，α值應(yīng)取小一些。本文在確定α值時采用試算法，即取多個α值進行擬合實驗并加以比較。實驗α取值范圍為[0.1，0.7]，取值步長為0.05，選取Win7、CentOS6.5實驗中待預(yù)測的數(shù)據(jù)塊各1000個，比較不同α下預(yù)測的均方誤差MSE，選擇誤差最小的α值。擬合實驗結(jié)果如圖6所示，實驗選取0.35作為α的值。

圖6 α擬合實驗

4.3 數(shù)據(jù)塊單周期預(yù)測

本實驗通過比較預(yù)測值和觀測值的誤差衡量預(yù)測算法的準確度。隨機選取一個數(shù)據(jù)塊，偏移量為1033808，從第5個周期開始，使用式（4），取T=1。根據(jù)當(dāng)前的觀測值不斷預(yù)測下一個周期該數(shù)據(jù)塊的訪問次數(shù)。結(jié)果如表1所示。

表1 單個數(shù)據(jù)塊6～18周期預(yù)測情況

根據(jù)前10個周期的觀測值，對兩次實驗中的4257個數(shù)據(jù)塊和3962個數(shù)據(jù)塊進行第11個周期的訪問預(yù)測，使用式（4），同樣取T=1。以作為準確率的衡量指標。其中St代表t時刻的預(yù)測值，Yt代表t時刻的觀測值，E的取值越小代表越精確。預(yù)測結(jié)果精確度分布如圖7所示。

圖7 預(yù)測結(jié)果精確度分布

在誤差低于0.1，0.1～0.2，0.2～0.3以及高于0.3的范圍內(nèi)，數(shù)據(jù)塊所占比例分別為：CentOS，65%、18%、10%、6%；Win7，62%、21%、8%、9%。

在上述兩個實驗中，使用三次指數(shù)平滑預(yù)測算法預(yù)測一個周期后的數(shù)據(jù)塊訪問次數(shù)。表1證明了此算法可以在時序上根據(jù)觀測值不斷修正預(yù)測結(jié)果，迅速減小預(yù)測誤差；圖7證明了此算法可以對下一個周期數(shù)據(jù)塊的訪問次數(shù)給予較為精準的預(yù)測。

4.4 中短周期預(yù)測精度測試

4.3節(jié)證明了三次指數(shù)平滑算法在單周期預(yù)測精確度較高，但僅僅能預(yù)測一個周期是不夠的。為了驗證此算法在多少周期內(nèi)預(yù)測結(jié)果可接受，以前10個周期作為觀測值，對所有數(shù)據(jù)塊進行第11～18周期的預(yù)測。使用式（4），T分別取1～8，并以平均誤差作為衡量指標，實驗結(jié)果如圖8所示。

圖8 中短周期預(yù)測精確度測試

上述實驗表明，在預(yù)測1～3個周期時，平均誤差分別為0.07、0.12、0.19，從第4個周期開始，誤差急劇增加。由此得出結(jié)論，使用三次指數(shù)平滑預(yù)測法可以對數(shù)據(jù)塊在3個周期內(nèi)給予較為準確的預(yù)測。

5 結(jié)束語

本文在透明計算背景下，根據(jù)透明服務(wù)平臺三層虛擬磁盤存儲的特點，基于信息熵和三次指數(shù)平滑對透明計算用戶行為特征進行分析和預(yù)測。此方法基于信息熵策略從宏觀上分析用戶行為需求，進而挖掘出被頻繁集中訪問的數(shù)據(jù)塊的時序特征。在此基礎(chǔ)上利用三次指數(shù)平滑算法預(yù)測將來一段時間內(nèi)這些塊的訪問頻率。實驗表明，此方法能夠較為準確地發(fā)現(xiàn)集中訪問的數(shù)據(jù)塊，并對這些數(shù)據(jù)塊給予較為精確的預(yù)測，從而達到對用戶行為分析和預(yù)測的目的。預(yù)測結(jié)果為制定更高效的緩存策略提供有效的依據(jù)，從而提高透明計算服務(wù)質(zhì)量與性能。