网站可用性评估与HTTP请求全局分布技术解析

### 网站可用性评估与HTTP请求全局分布技术解析 #### 网站可用性评估的地图技术 在网站的使用过程中，用户的点击行为蕴含着丰富的信息。通过对比网站更改前后的地图，我们能清晰地看到用户的点击位置，甚至能发现一些本不该点击却被点击的区域。比如，页面上的蓝色文本可能被误认成链接，未设链接的logo或其他图形元素也可能让用户误以为可以点击。对于这些情况，网络分析师通常难以察觉，但借助点击地图、热力地图或块地图，问题就会一目了然。 点击地图和热力地图是评估网站可用性的实用工具。它们以可视化的方式呈现用户在网页上的点击情况，展示出用户期望找到链接且频繁使用的区域，以及未被使用的区域，还能记录每次点击的精确坐标。而且，这些地图技术对用户完全透明，不会影响用户的自然行为。 如果将网页中逻辑相关部分的用户点击数据进行分组，形成点击块，统计数据会更具说服力。在测试中，我们制作了点击地图、热力地图和块地图，这些地图对想要提升网站可用性的人非常有用。 块地图应成为网站管理员、管理者或关注网站效率和可用性的人的第三种必备工具。块是网页中包含多个相邻链接的区域，形成一个逻辑实体。这种方式能汇总点击地图或热力地图的统计结果，有助于改变网页布局，提升网站可用性。不过，目前存在的问题是如何自动或半自动地定义块，以及如何确定放置链接块的最佳区域大小。此外，还需进一步研究确定最重要的链接块应放置的位置，因为该位置通常是点击最频繁的地方。 这种技术还可应用于网站的个性化过程，我们后续将研究这些地图是否具有个人特异性，以及它们在动态发展的Web2.0环境中的实用性。 #### HTTP请求全局分布的模糊 - 神经决策机制 Web流量重定向对于确保各类终端用户获得合适的服务可用性和质量（QoS）至关重要。为实现基于QoS的重定向，需要特定的本地网站设计和网络基础设施。可以用多个Web服务器替代单个服务器，形成本地或全球分布式Web集群，也可在网络基础设施中加入中间服务器来支持广域网的重定向。 本文提出了一种基于模糊 - 神经模型的Web（HTTP）请求分布决策机制。我们的目标是在全球内容交付系统中，以对终端用户最有效的方式重定向HTTP请求。该系统包含多个本地服务（LS），每个LS配备拥有相同内容的Web服务器集群，且都能处理任何请求。系统中还有中间服务器（经纪人），使用全局请求分布算法GARDiB和GARDiB2进行请求重定向，这两种算法内置了模糊 - 神经决策机制。 全局层面负责将请求分配到不同广域网络位置的LS，本地层面则使用特定的本地分布算法。GARDiB和GARDiB2根据请求类别、广域网负载和LS负载来估计请求的预期响应时间。两种算法对请求分类和网络负载的确定方式相同，但在获取和使用本地服务信息方面存在差异。本文的目的是比较这两种算法的性能。 #### 相关工作 HTTP请求分布算法众多，可分为静态和动态两大类。静态算法不考虑系统状态信息，动态算法则利用状态信息进行分配决策。常见的用于比较分析的算法有轮询（RR）、加权轮询（WRR）、局部感知请求分布（LARD）和客户端感知策略（CAP）。 当前研究聚焦于内