電子商務網站性能研究——多類隊列網絡客戶行為模擬思路探索

青海大學現代教育技術中心 楊新存

隨著科技文化的迅速發展，網絡技術同時也在不斷完善與成熟，當前電子商務活動已經取代了人們在實際活動中的部分商業活動，成為了目前興起的新型交易方式。其中網站作為電子商務交易的重要終端，其系統性能對商務活動處理產生較為直接的影響，因此，在電子商務網站開發與構建的過程中，針對其具體性能的分析與后期規劃是網站開發的關鍵環節。它是保障系統響應速度，提升網站使用效率，提高站點應急處理突發流量的關鍵。同樣，網站的站點流通量也是影響客戶行為的關鍵，以下主要針對多類隊列網絡客戶行為進行了研究。

1 客戶行為變化概述

在電子商務網站中，客戶在具體的數據訪問期間所發出的整體數據請求與站點之間的交互聯系，稱作會話。在不同的會話中，客戶行為均存在著一定的差異，發送的請求也大不相同。大體可以將其分為客戶的登錄行為、網站瀏覽行為、搜索行為及購物、支付等行為，每個客戶均有其不同的網站操作方式。因而在網站設計中可以通過不同頻率的變化與操作方式的轉換來調節站點，形成不同的行為服務。要抓住客戶行為的變化，首先需要建設一個能夠反映客戶行為變化的模型，來記錄在電子商務網站中所呈現的操作狀態，并規劃出客戶行為變化之間的時間要素。

以電子商務中的網上購物為例，若客戶已經成為該站點的實名注冊用戶，在實施購物的具體環節中，客戶的行為活動一般包括登錄、瀏覽、搜索、確認選擇、加入購物車、完成支付及退出注銷等方面。在同一個網絡形態的電子商店，不同的客戶訪問的請求與其頻率也存在著一定的差異性。因而，要分析客戶行為發生的變化，必須掌握其頻率發生轉換的概率，建設不同的客戶行為轉變模型。

2 多類隊列網絡客戶行為模型

在對電子商務網站性能研究中，多類隊列網絡模擬方法主要是通過以網絡隊列為系統構建模型來對站點進行模擬分析的方法。單個隊列網絡是由客戶服務中心與客戶組成，服務中心主要是系統資源的集合，而客戶則是表示其行為請求或事務處理的條件。多類隊列模型則是單個隊列網絡模型的交錯集合。在多類隊列網絡中，資源描述的級別區分主要是由操作詳細信息與各細節的具體參數的可靠性決定的。多類隊列中，中間隊列主要是反映客戶行為的整體流向趨勢。通常可以將網絡隊列分為兩種不同的模型形式，即封閉式與開放式。若一隊列模型中，客戶等待資源的需求數量超過網站服務中心既定的資源限制，則將此類模型稱作封閉式模型，而開放式模型則與此相反，沒有客戶請求限制。

一般而言，影響隊列網絡模型的主要性能參數有六種：第一是網站的站點承載負荷的強度；第二則是客戶的服務請求時間；第三則是客戶在服務中心排隊等候與整體接受服務時間的集合；第四則是客戶服務中心，客戶的整體數量；第五則是服務對象的利用率；第六則是不同客戶所通過客戶服務中心的網絡速度。分別將其定義為：到達率、服務要求、駐留時長、隊列長度、利用率及吞吐量。以下主要構建開放式與封閉式隊列網絡模型。

(1)多類封閉式網絡隊列模型。將電子商務站點中，不同客戶的請求定義為a，以整體系統固定容量定義為Ra，此時系統所承載負荷的強度變為R=(R1，R2，R3，……，Ra)。以里特定律作為計算依據，將Tc定義為客戶請求的整體思考時間，以S表示服務中心，N表示駐留時間，則可得到此時網絡吞吐量為：

因此可得出服務中心S的整體隊列長度為：

以達到定義作為計算標準，則可得出a類客戶請求在客戶服務中心S中的整體駐留時間為：

其中Ba，s(R)表示隊列的瞬時長度，定義在多類封閉式網絡模型中剔除一個客戶請求不會對其他請求造成影響，那么得出：

以上式作為計算依據，算出隊列的具體長度。具體算法主要是通過對隊列中所有的a、s、Qc，k(R)計算出來，將其應用于上式，算出其駐留時間的近似值，并得出服務中心整體隊列長度的集合。

(2)多類開放式隊列網絡模型。在開放式多類隊列網絡模型中以A作為客戶行為的種類數目，以Y作為服務中心的模型數目，設定客戶請求a均為較為開放分類，此時將達到率定義為γn，則該模型的到達率則γ=(γ1，γ2，…，γn)，其中Dc,k表示a類顧客請求在服務中心S所提出的服務要求，要確保服務中心不會超出負荷，則需保障其滿足：

此時可以得出整個網絡隊列中吞吐量為：

以利用率定律作為計算依據，以Ea，k表示a類請求在服務中心所需耗費的時間，可得出此時的利用率為：

以Fa，k(γ)表示達到a類請求隊列S中的請求均數，便可得出駐留時間為：

以里特定律作為計算依據，便可得出隊列長度為：

以上式作為計算依據，便可推算出所有客戶行為請求在客戶服務中心所停留的時間長度集合為：

此時便可根據以上計算公式對多類隊列網絡客戶行為進行分析，進而判定其整體性能。

3 電子商務網站性能分析

電子商務網站的邏輯結構主要包括作為前段服務器的web結構，整體服務器支持的協議及常規網絡站點的主頁面、處理靜態網站請求頁面、整個系統執行的應用程序。通常情況下，商務網站的服務器中執行整個系統的應用程序，一般會與數據庫交互執行相關的數據請求。商務站點的另一結構便是客戶的支付端口，即支持在線支付的服務器端口，主要通過執行系統內部的支付協議，來完成貨幣資金到金融機構的流轉。對網站進行性能分析，需要尋找到影響整個站點負荷承載性能的功能，建立多類隊列客戶行為，進而分析各具體功能對網站性能所造成的影響。

(1)通過客戶行為變化模型來確立影響系統性能的商務功能。設定網站的日均訪問具體次數為Mn，以Ys，n表示客戶行為轉變的概率。此時不考慮客戶的退出狀態，則可得出客戶狀態轉換的概率：

此時，利用上式結合多類隊列網絡客戶行為方程組，便可計算出其日均訪問站點的具體次數，得出處于6個不同狀態的客戶行為的日均訪問次數分別為M1=1.0000、M2=3.8924、M3=3.8924、M4=1.5984、M5=0.15774、M6=0.0487、M7=1.0000。根據結果便可得出結論，客戶在電子商務網站中所執行的瀏覽及物品搜索功能最多，確立選擇行為比較多，最少的客戶行為則是其將物品放置入購物車及其實際支付。

(2)以多類開放式隊列網絡作為分析基礎，研究其對網站性能的影響。根據前期分析的結果顯示，以下主要對客戶行為較多的物品瀏覽、物件搜索、購買選擇等三項客戶行為進行影響分析。由于每一商務網站訪問數據量均十分龐大，且任一站點的訪問量上限限制也相當寬泛，因此，在此研究中假定客戶的訪問行為不會受到客觀條件的限制。根據各站點服務器請求發生的概率與客戶具體的服務需求作為性能分析的因素，計算出與服務器性能關聯較大的服務器利用率及具體停留時間等指標，研究得出，兩項因素均是系統內部數據庫服務器性能指標高。而Web服務器及應用服務器則性能指標相對而言較小。通過公式計算出各服務器隊列的長度分別為web服務器0.1351、應用服務器0.3598、數據庫服務器0.8749，其中隊列長度也數數據服務器指數最高，進而得出研究結果，在電子商務網站性能研究中，數據庫服務器是影響其整體容量規劃的重要服務器，需要對其進行進一步探究。

(3)以多類封閉式隊列網絡作為分析基礎，研究數據庫服務器中影響性能的組件。假定數據服務器是由簡單的系統CPU與磁盤組成，客戶在數據庫中具體的行為操作主要由查詢、刪除、添加等操作組成。由于單獨的數據服務器系統性能是有限的，因此需要建設多類封閉模型來測試其性能問題。設定數據庫系統內部客戶行為操作的數據上限分別為10、5、5，此時便可將其代入公式中，算出組成數據庫服務器的CPU及其磁盤的具體隊列長度為1.237、18.415，得出其CPU的實際利用率高達99.598%，系統的實際相應時間遠遠大于CPU與之對應的具體值。進而得出在數據服務器中，磁盤是影響其性能的主要原因，因此為提升整個商務網站的性能，首先必須以提升數據庫服務器內部磁盤的數據處理能力為出發點，以提升整個站點的性能。

4 結語

總之，通過對多類隊列的客戶行為模擬進行分析，得出了影響整個電子商務網站系統容量的主要服務器為數據庫，而數據庫中影響其整體性能的關鍵又是其磁盤。因此，要提升電子商務網站的性能，必須從解決其數據庫服務器的瓶頸問題著手，以解決其磁盤容量問題作為出發點，進一步將電子商務網站的工作負荷參數詳細地規劃出來，使其更好地為其性能提升提供良好的基礎。

[1] 傅柯萌.基于電子商務的客戶行為Web挖掘研究[J].現代商貿工業,2009(08).

[2] 王立福.優化ASP.NET的電子商務網站的性能降低成本[J].中國科技博覽,2011(24).

[3] 趙文發.電子商務網站中高性能數據搜索關鍵技術研究[D].武漢理工大學:工業工程,2009.

[4] 龔琪琳,彭雪桃,龔欽.電子商務網站服務器性能計數系統的設計[J].計算機與現代化,2010(09).

[5] 張紅,甘利人,薛春香.基于標簽聚類的電子商務網站分類目錄改善研究[J].現代情報,2012(01).

[6] 汪惠,李玉霞.Excel.Application組件在電子商務網站統計功能優化中的應用[J].商場現代化,2009(06).