基于Web日志仿真生成WLSG算法

　　大数据规模的激增，给数据处理的服务平台带来不可预知的后果。对Web服务日志的分析，不仅能够帮助服务平台有效预防网络异常的产生，也能对服务平台进行压力测试分析，有利于提升服务平台的可靠性。然而Web日志中包含用户隐私信息，企业及政府等机构极少愿意公开日志供研究人员使用；同时，现已公开的Web日志数据年代久远，其特征不符合当前大数据时代特征H1。如何仿真生成逼真的Web日志，是学术界的热点问题，也是本文研究的方向。以中国科学院的可伸缩大数据生成组件（Scalable Big　Data Cenerator Suite．BDCS）为代表的Web日志生成器不仅能够用于Web服务器压力测试和性能研究，而且具有很高的扩展性。但有一个显著的缺点是：Web日志的时间依赖性表达能力很弱；以动态Web代理缓存负载生成器（Proxy Workload Generator．ProWGen）为代表的日志生成器能较好地以时间局部性拟合Web文件特征，却是采用静态分布模型。当前随着应用需求的日益扩大，要求生成器的仿真性能较高，这给Web日志生成方法带来了严重的挑战。事实上，当出现热点时，数据会表现为突发性地围绕热点动态变化。但当前已有的Web日志生成器主要是基于静态数据分布设计的，忽略了分布的动态性和用户行为的复杂性，虽然引入了Web文件的时间局部性，却没有站在时间角度来衡量Web文件的时间局部性。

　　针对此问题，本文提出一种动态仿真模型——基于用户兴趣迁移的Web日志仿真生成（Web Log Simulation　Ceneration based on user interest migration， WLSG）算法。该WLSC算法对用户属性、Web文件属性分别和时间的依赖关系进行建模，也融入了用户兴趣迁移以及自适应访问兴趣度高的Web文件，能够生成具有强的时间依赖性，用户访问顺序可调，且包含用户的个性化特征的逼真日志数据。