PageRank在OA系统中的应用作者：潘仙张郭文平应国良来源：《计算技术与自动化》2017年第03期摘要：改进了OA系统缓存替换算法。
本文针对OA系统的http动态请求进行PageRank 建模，极大提高了系统的响应速度。
解决了超大量并发用户的动态请求响应瓶颈。
本文的OA 缓存替换算法依据每个用户连接的行为特征预测它下次请求的最大可能，并把用户下次可能操作所需的数据提前存储在内存中以求最大的响应性能，本文的OA性能超过了目前已有的OA。
关键词：缓存替换算法；OA系统；WEB服务性能优化；代理服务器中图分类号：TP393.07文献标识码：AAbstract：improving the cache replacement algorithm of OA.In this paper，using PageRank to model dynamic http request of OA，it greatly improves the system’s response speed.Solving the problem of super large number of dynamic request.The cache replacement algorithm of OA is based on the behavior characteristics of each user connections to predict the next maximum possible request of the user，and the next time possible required data will be stored in memory in order to perform the maximum response performance.This paper performance is over the existing OA system.Key words：cache replacement algorithm；OA system；WEB server performance optimization；proxy server0引言521031568web服务的主要功能是提供网上信息浏览服务[1-2]。
学校的办公系统（OA）是基于web服务的开发方式。
OA系统对服务器硬件和网络设备硬件资源的要求极其高，当数据处理功能复杂之后，把功能处理和网页表示层处理合为一体的方式已经不适合越来越复杂的MIS系统了，目前OA的研发过程中会把一些通用MIS系统的功能模块独立出来建立一个通用单独系统，比如事务处理、数据库连接、应用系统的安全性连接。
这样OA系统就可以在这些中间件系统的基础上搭建自己的功能而不需要自己从头做起。
为了使OA系统在上线后能使用户获得最大的使用体验，在OA系统的Web服务器前面搭建一个缓存服务器，它专门负责处理和用户浏览器之间的数据交换。
521031569学校的每年预算是非常有限的，因此，在有限的带宽和服务器资源的情况下，即在不增加额外硬件开销的情况下，非常需要通过缓存服务器的应用，提高OA系统的用户响应速度。
缓存服务器采用的缓存软件一般有squid、Redis、Ngnix。
目前流行的OA系统缓存服务采用squid方式。
本文针对OA系统，只研究了和基于squid缓存服务器的区别。
因squid、Redis、Ngnix [17]采用的LRU、LFU和FIFO算法对动态请求数据缓存效果并不是很好。
本文针对高校OA数据请求特点，进行缓存替换算法研究，以此提高OA系统对用户的响应速度，提升用户对OA的体验。
OA 具有非常多文档、非常复杂的链接，但是用户使用web页面的内容具有很大的正态分布，从大数据的角度，OA系统的数据访问具有一定的规律性，符合hmm过程，很适合用PageRank建模。
OA采用B/S结构，它整理和储存高校用户行政办公资源，服务器对用户的请求作出及时的响应 [1-2]。
在UNIX和LINUX下使用apache、weblogic作为web服务器，而在Windows下使用IIS作为web服务器。
在选择web服务器时考虑的因素有：性能、安全性、日志和统计、缓冲服务和集成应用程序等。
目前OA系统普遍采用图1[1-2，6]，用户在浏览器通过http协议先请求缓存服务器，如果缓存服务器中存在请求的数据，则直接应答http请求，而不再转发http请求到web服务器，如果缓存服务器中没有所请求的数据，则直接把http请求转到web服务器。
这种web服务架构的缺点是缓存服务器对所请求的静态数据命中率很高，而对动态数据却表现的并不很好，而OA的http请求好多是动态信息。
图1中的缓存服务器是基于squid的服务器，squid是一种用来缓存Internet数据软件，它接受来自用户需要的目标请求并适当地处理这些请求后，squid会把用户请求的数据响应到客户端机器。
Squid很适合静态数据缓存，当动态数据比较多时，squid的缓存就显得存储量大，缓存的命中率低。
在图1的OA系统中，所有的服务器采用DL580 G9，web服务器采用weblogic11g，数据库采用oracle11g，当同时在线人数超过6500的时候，响应速度就很慢了，用户的体验就很差了。
基于PageRank的缓存服务器（缓存服务器中的缓存替换算法采用PageRank）能解决这个问题，而不增加额外的硬件投资。
1相关研究2005年上海交大刘宝锋在论文中提出采用缓存的办法来提高视频点播的性能[11]。
周洲仪等在2010设计并实现了高速安全反向代理服务器 [8].他们用实验证明了用代理服务的缓存分担系统响应压力的可行性。
陈兵等实现了哈希链表和时间链表的HTTP代理缓存机制[12]，在有限的带宽和服务器资源的情况下，极大的加快了用户的浏览速度。
Squid的缓存替换机制主要有两类，它们分别是基于堆替换缓存机制和基于双向链表的缓存替换机制[16]。
陈爱林等把代理服务器应用在了智能变电站和调度主站无缝通信中[9]取得了极好的用户使用体验。
廖建新、杨波采用了基于网络代价的流媒体缓存策略，该算法有效提高了缓存命中率，降低了传送流媒体所消耗的总体网络代价，特别适合在网络结构复杂、节目数量庞大的Internet流媒体。
Xiaoming Jiang和Jingqiao Shi在2016年实现了以最低的web服务器资源消耗为代价的稳定的代理服务器[10]。
P Cao，S Irani提出在代理服务器中采用GreedyDualSize算法替换缓存的策略，该策略应用在web系统大大减少了网络的拥堵和系统的响应时间[15]。
目前已有的缓存替换算法主要有如下几种[17]：（1）Least-Recent-Used（LRU）算法，即缓存中只存在最近使用的数据。
（2）Least-Freqquently-Used（LFU），即缓存中只存储最频繁使用的数据。
（3）FIFO，先进先出算法，即一个数据最先进入缓存，则会最早被淘汰。
针对OA系统的动态情况，以上算法都欠考虑了用户操作页面的互链接存在环的情况，以及动态http请求数据的不稳定，存在异方差。
国内外学者很早就考虑到采用缓存来提升服务的性能，从理论到实践积累了丰富的经验，这些都为本文的工程实践带来了宝贵的参考价值。
本文把PageRank做为缓存替换算法并应用到OA系统中，在本校OA系统产生的历史访问数据做为数据集，并在此数据集上对LRU、LFU、Size、PageRank的缓存命中率进行了比较（见表1）。
表1的实验环境如下：图1和图2的所有服务器采用DL580 G9，web服务器采用weblogic11g，数据库采用oracle11g，图1和图2除了缓存服务器上的算法不同，其他软硬件配置都相同，其中LRU、LFU、Size算法在图1的缓存服务器上使用，PageRank在图2的缓存服务器上使用。
学校OA系统的每个用户就是高校中教职工的某个岗位，每个岗位具有固定的职责，每个职责在近几年中的变化特别的少，并且每个岗位每天工作的重复性很大，以及在时间序列上有很大的相关性，这些特性是PageRank在OA上应用成功的基础。
PageRank算法能找出每个用户在使用OA中的数据的时间序列的相关性，预测用户在接下来的操作中最有可能的行为，并把最有可能供以后访问所使用的数据通过cache存储起来。
极大提高了OA系统的用户响应性能。
基于PageRank的OA系统（见图2）能支持同时在线人数6500人，极大地改善了目前已有的OA系统响应能力。
在图2中，基于PageRank缓存服务器就是缓存服务器采用PageRank 算法。
在图2中，用户在浏览器通过http协议先请求基于PageRank缓存服务器，它依据每个用户的id记录出每个用户的行为请求数据，当用户的行为数据积累到一定程度，用户的行为就会呈现明显的正态分布特性，它就会预测用户的下次请求最大的几个可能的内容，并提前预取这些可能数据，并存入缓存服务器中。
当用户下次的数据在缓存服务器中时，则它直接响应用户的http请求，反之把该用户的http请求转到web服务器，web服务器接收到所需的动态数据，并组织成html返回给客户端浏览器，浏览器解析web服务器的结果，并显示给客户。
21基于PageRank建模PageRank表示网页排名算法[17]，通过PageRank计算每一个网页的PageRank值，然后根据这个值的大小对网页的重要性进行排序。
它的思想是模拟一个悠闲的上网者，上网者首先随机选择一个网页打开，然后在这个网页上呆了几分钟后，跳转到该网页所指向的链接，这样无所事事、漫无目的地在网页上跳来跳去，PageRank就是估计这个悠闲的上网者分布在各个网页上的概率。
本文用PageRank估计每个用户在OA系统上的行为在各个功能模块上的概率。
并在PageRank缓存服务器中预存用户下次最大的几个可能的数据。
高校OA系统的主要功能模块如表2。
OA系统的高效、稳定运行关乎到每个用户的日常正常工作，关系到高校的日常办公正常运转。
定理1：（贝努力大数定律）在独立随机试验中，当实验次数n无限增加时，事件A的概率收敛某个确定的值。
[18]马尔可夫链平稳分布定义：如X=（x1，x2，L，xN）为一状态概率向量，P为状态转移概率矩阵。
若XP=X，则称X为马尔可夫链的一个平稳分布。
[18]定理2：给定图灵机M和输入字符串W，M不在输入W上停机，为图灵不可判定问题[7]。
结论：依据用户对OA系统的历史操作行为集合W，预测用户的下几次操作行为集合W1，是图灵不可判定问题。
