在線社交網(wǎng)絡(luò)性能優(yōu)化機(jī)制研究.pdf

1、隨著在線社交網(wǎng)絡(luò)的發(fā)展，在線社交網(wǎng)絡(luò)的類型日漸多樣，用戶量亦在不斷增加，每個在線社交網(wǎng)絡(luò)用戶都能自主發(fā)布個性化數(shù)據(jù)，如日志、圖片、視頻以及推文等，這使得在線社交網(wǎng)絡(luò)數(shù)據(jù)量劇增。在線社交網(wǎng)絡(luò)呈現(xiàn)出以下幾個特點(diǎn)：數(shù)據(jù)量巨大且增長速度快，并呈現(xiàn)多樣性，用戶具有高度的動態(tài)性和差異性。在線社交網(wǎng)絡(luò)的這些特點(diǎn)，引發(fā)了一系列新的系統(tǒng)性能瓶頸問題，這極大地制約著在線社交網(wǎng)絡(luò)的發(fā)展。如何解決這些性能瓶頸顯得迫在眉睫。
　　在線社交網(wǎng)絡(luò)信息檢索即高私

2、密性文本檢索問題；在線社交網(wǎng)絡(luò)并發(fā)訪問問題即微博平臺下大量用戶并發(fā)訪問問題；在線社交網(wǎng)絡(luò)信息存儲問題即移動平臺下有效信息存儲問題。這些問題都是在線社交網(wǎng)絡(luò)在發(fā)展過程中不得不面對，且必須得到解決的關(guān)鍵難點(diǎn)問題。
　　在線社交網(wǎng)絡(luò)的信息檢索與傳統(tǒng)的網(wǎng)頁檢索不同，其數(shù)據(jù)具有高度的私密性并使用Key-Value的存儲模式，進(jìn)行基于文本內(nèi)容的檢索非常困難。針對這個特點(diǎn)，本文提出一種高效的基于用戶摘要索引的文本檢索優(yōu)化方法，提出一種輕量級好友

3、摘要索引表的結(jié)構(gòu)，將用戶的兩跳好友的文本內(nèi)容映射到一個摘要索引表中，可以在保持檢索效率的同時有效的解決在線社交網(wǎng)絡(luò)中數(shù)據(jù)隱私保護(hù)問題?；诖嗽O(shè)計的兩級排序算法，依照用戶的摘要索引表對好友進(jìn)行排序，從而過濾掉那些不必要的好友訪問，避免窮盡查詢所引起的無效訪問，能極大降低服務(wù)器之間的通信開銷。然后，通過一種近似TF×IDF的文本排序算法，在保持較高的檢索準(zhǔn)確率的情況下，提高了檢索效率，降低檢索的響應(yīng)時延。實(shí)驗(yàn)結(jié)果表明，基于用戶摘要索引的文本

4、檢索優(yōu)化方法可以減少窮盡查詢引起的94.1％的網(wǎng)絡(luò)通信開銷，降低82.4%的查詢時延，并且維持較高的檢索準(zhǔn)確率。
　　在線社交網(wǎng)絡(luò)平臺，特別是微博平臺，所扮演的角色越來越趨向于新聞媒體平臺。用戶從微博平臺獲取重大事件的消息，比如地震救災(zāi)，大型體育賽事等。這些重大事件或突發(fā)事件，使網(wǎng)絡(luò)平臺的用戶量在短時間內(nèi)暴增，同時微博的流量也隨之驟增，從而導(dǎo)致大量的對服務(wù)器的并發(fā)訪問，極易造成擁塞，甚至導(dǎo)致系統(tǒng)平臺崩潰。本文提出一種基于p2p的分

5、布式微博并發(fā)訪問優(yōu)化方法，可以很好地解決突發(fā)事件發(fā)生時微博平臺用戶的大規(guī)模并發(fā)訪問所引發(fā)的負(fù)載均衡以及可擴(kuò)展性問題。利用 SoMed系統(tǒng)結(jié)構(gòu)，根據(jù)用戶行為的差異性，將微博平臺的用戶分成公眾用戶和草根用戶兩種類型。針對這種分類，設(shè)計出一種兩級 DHT的系統(tǒng)結(jié)構(gòu)。所有的公眾用戶構(gòu)成第一級DHT的成員，所有的草根用戶構(gòu)成第二級DHT的成員，并以粉絲圈為基本單位，構(gòu)成以第一級中公眾用戶為核心的粉絲圈集合，每個粉絲圈都是由一個公眾用戶和他的粉絲構(gòu)

6、成的。通過粉絲圈中的粉絲互助的方式，實(shí)現(xiàn)降低并發(fā)訪問的目的。實(shí)驗(yàn)結(jié)果表明，基于兩級 DHT的優(yōu)化方法可以極大的降低突發(fā)事件發(fā)生時微博系統(tǒng)并發(fā)訪問帶來的網(wǎng)絡(luò)帶寬開銷，并且降低網(wǎng)絡(luò)時延，同時保持較高的系統(tǒng)穩(wěn)定性和可用性。
　　隨著在線社交網(wǎng)絡(luò)用戶的好友數(shù)量的不斷增加，用戶通過好友信息流平臺獲取好友動態(tài)信息的數(shù)據(jù)量也越來越大，在存儲容量受到限制，特別是在線社交網(wǎng)絡(luò)逐步向移動端發(fā)展的時候，對信息進(jìn)行過濾顯得尤為重要。研究表明，在線社交網(wǎng)絡(luò)

7、中用戶的好友關(guān)系強(qiáng)度其實(shí)是隨著時間變化的，大部分的好友關(guān)系在建立一個月之后幾乎很少聯(lián)系，用戶對這些“陌生好友”的動態(tài)信息是不是全都感興趣的。本文提出一種基于好友交互關(guān)系的信息存儲優(yōu)化方法，來解決移動社交網(wǎng)絡(luò)環(huán)境下信息流平臺中無效信息的過濾問題。提出一種可調(diào)節(jié)的計數(shù)型布隆濾波記錄用戶與好友之間交互關(guān)系強(qiáng)度，通過對好友交互關(guān)系強(qiáng)度進(jìn)行劃分，將信息流平臺中的那些“極少交互”的好友動態(tài)信息過濾掉。實(shí)驗(yàn)結(jié)果表明，基于好友交互關(guān)系的信息存儲優(yōu)化方法