服务预取的基本思想

提高服务工作流的运行效率有两条互补的技术路线。其一是改进体系结构，例如在中间层缓冲常用服务的响应，服务收到相同请求时直接复用缓存结果；其二是预取，即根据历史调用记录预测未来将被请求的服务，在请求到达之前先把相应服务实例化并放入缓冲，请求到达时直接从缓冲获取，降低关键路径上的实例化延迟。预取又称主动缓存，以区别于只在缓存缺失时才回填的被动缓存。预取的收益完全取决于预测质量，预测越准，缓冲命中率越高，访问延迟越低。

通用Web环境下的预取方法大体可分为三类。基于访问概率的方法以马尔可夫模型刻画用户状态的转移，由当前访问预测下一访问；基于路径分析的方法从用户历史访问序列中归纳频繁路径；基于数据挖掘的方法以关联规则等手段发现页面访问之间的相关性。这三类方法共同的特点是缺乏流程引导，预测依赖用户访问偏好与操作习惯的统计规律，既需要大量训练数据，又容易随用户行为漂移而失效。