游骥--阿里线上压测与容量规划实践
(全国职业技能比赛：高职)GZ048智慧物流(教师赛)赛题第8套
GZO48智慧物流赛项（教师赛）模块一、智慧仓规划设计模块赛题嘉华集团是成立于1997年，是一家集化妆品、生活日常用品等系列产品的研发、生产、销售为一体日化品企业，集团总部位于重庆。
综合考虑日化品种类多、容易分拣出错，且大众对日化品产品需求量多、时效要求较高，民生集团为了更快地响应消费者的日常需求，提升消费者体验，欲在江浙沪地区选址建立成品智慧仓，综合考虑面向终端用户的拆零分拣效率需求，计划采用货到人GTP作业模式提高仓储效率及关键客户体验感。
二、项目任务书为制定出一套高效可执行的整体解决方案，嘉华集团物流规划部的工作人员前期对仓库、备选地点、关键客户的位置信息及江浙沪销售情况数据进行汇总整理，假设你是嘉华集团物流规划部的规划负责人，请在此基础上完成选址、库内规划及配送路线规划有关工作。
（一）智慧仓选址完成仓库选址方案。
（二）智慧仓规划经过前期的选址规划，目前嘉华集团现租用面积为（L*W）16m*14m的单层仓库，且仓库出入口位于仓库北侧，请根据信息完成如下分析：（1）智慧仓需求分析：根据给出的商品基本情况以及历史出库数据进行商品基本情况分析，分析内容包含商品存储单位、包装形态、体积和重量、日均出库量、日均订单数等方面，并根据分析结果以及历史出库情况确定智慧仓在库存周转天数内的商品存储目标。
（2）确定智慧仓设备配置数量：根据智慧仓存储目标以及历史订单数据，确定智慧仓内所需的AGV机器人、工作站、充电桩、货架的数量并计算AGV机器人、工作站的设备效率。
注：以“出库量”为基准对一年内的业务数据进行降序排序，暂取列表的20%所处的日期为基准天。
每日工作时长为7小时。
（三）智慧仓库存策略设计经过前期的新仓规划，目前嘉华新仓已投入使用，需做好畅销品的补货与库存管理，已知畅销品安安面霜近一年江浙沪的销售数据，在此基础上年需求量提高10%,请合理设置其安全库存、订货点以及经济采购批量。
（四）配送路线设计伴随嘉华集团江浙沪仓的投入使用，提升关键客户体验感的议题也被提上议程，目前嘉华集团客户均为无差异化零担方式处理，现拟采用“专线配送”方式服务其3个关键客户，请综合考虑成本、服务和效率，为该专线选择合适配送路径。
基于最大最小蚂蚁系统的容迟网络缓存机制
doi:10.3969/j.issn.1003-3114.2023.06.015引用格式:彭牧尧,魏建军,王乾舟,等.基于最大最小蚂蚁系统的容迟网络缓存机制[J].无线电通信技术,2023,49(6): 1095-1103.[PENG Muyao,WEI Jianjun,WANG Qianzhou,et al.Caching Mechanism Based on Max-Min Ant System in Delay Tolerant Network[J].Radio Communications Technology,2023,49(6):1095-1103.]基于最大最小蚂蚁系统的容迟网络缓存机制彭牧尧1,魏建军1,王乾舟2,王㊀琨3(1.西安电子科技大学通信工程学院,陕西西安710071;2.西安电子科技大学杭州研究院,浙江杭州311231;3.西安电子科技大学计算机科学与技术学院,陕西西安710071)摘㊀要:容迟网络(Delay Tolerant Network,DTN)是指节点资源紧张㊁网络延迟较大或链接频繁中断的网络结构㊂为保障消息到达率,DTN采用了缓存机制,导致网络开销大幅提升㊂为了在提升消息到达率的同时降低网络开销,通过考虑消息类别,将蚁群算法引入容迟网络缓存机制中,提出了基于最大最小蚂蚁系统的容迟网络缓存机制㊂在该机制中,节点致力于维护消息的信息素浓度,依据消息的类别及自身属性得到消息的丢弃权重,进而实现容迟网络的消息丢弃㊂实验结果表明,与基于传统蚁群算法的容迟网络缓存机制相比,所提的容迟网络缓存机制提高了7.7%的消息到达率并降低了5.4%的网络开销㊂关键词:容迟网络;缓存机制;最大最小蚂蚁系统;消息类别;信息素浓度中图分类号:TN391㊀㊀㊀文献标志码:A㊀㊀㊀开放科学(资源服务)标识码(OSID):文章编号:1003-3114(2023)06-1095-09Caching Mechanism Based on Max-Min Ant System inDelay Tolerant NetworkPENG Muyao1,WEI Jianjun1,WANG Qianzhou2,WANG Kun3(1.School of Telecommunication Engineering,Xidian University,Xi an710071,China;2.Hangzhou Institute of Technology,Xidian University,Hangzhou311231,China;3.School of Computer Science and Technology,Xidian University,Xi an710071,China) Abstract:Delay Tolerant Network(DTN)indicates a network structure where node resources are scarce,network latency is high, or links are frequently interrupted.To guarantee message delivery,DTN employs a caching mechanism which leads to an extra increase of network overhead.To improve message delivery rate and reduce network overhead,this paper considers message categories,and utili-zes an ant colony algorithm to improve DTN caching mechanism.The proposed DTN caching mechanism is termed as maximum mini-mum ant system.In this mechanism,nodes focus on maintaining the pheromone concentration of the message.Specifically,nodes deter-mine the discarding weight of message based on its category and own attributes to discard messages in the DTN.Experimental results demonstrate that compared with the DTN caching mechanism based on traditional ant colony algorithms,the proposed DTN caching mechanism increases the message delivery rate by7.7%and reduces network overhead by5.4%.Keywords:DTN;caching mechanism;max-min ant system;message category;pheromone concentration收稿日期:2023-07-12基金项目:国家自然科学基金联合基金重点项目(U21A20446)Foundation Item:Joint Funds of the National Natural Science Foundation of China(U21A20446)0㊀引言难以估计的链接范围与成本巨大的硬件覆盖导致了容迟网络(Delay Tolerant Network,DTN)的出现㊂容迟网络具有网络资源有限㊁难以维持端到端的长时间稳定链接以及网络拓扑动态变化的特征,广泛存在于智慧城市网络[1]㊁深空通信网络[2-4]和野生动物追踪网络[5]等实际应用中㊂容迟网络的特性使得在该网络中信息的传递难以依赖传统的TCP/IP协议㊂为了进行消息的传递与交互,容迟网络通过 存储-携带-转发 的方式,在存储待传递消息的节点与目的节点相遇时进行消息传递㊂这种消息传递方式需要节点进行消息存储,从而导致网络中存在同一消息的多个副本,消息副本的增多将导致网络开销的增长,需设计合理的缓存管理方法,以进行消息副本的存储丢弃管理㊂本文考虑信息的不同类别,提出了一种基于最大最小蚂蚁系统的容迟网络缓存机制(Cache Man-agement Strategy Based on Max-Min Ant Colony Sys-tem in Delay Tolerant Network)㊂基于消息的转发次数㊁消息大小与剩余生存时间等自身特征,定义不同类别信息的信息素浓度表达式㊂当节点缓存已满且有新的消息进入时,根据信息素浓度计算丢弃权重,并丢弃权重最小的消息㊂本算法考虑了消息自身的特征,并结合历史信息实现容迟网络中的缓存管理㊂1㊀相关工作1.1㊀容迟网络缓存机制近年来,国内外有许多针对容迟网络缓存机制的研究㊂文献[6-7]阐述了现有的国内外容迟网络缓存机制,其中常用且具有代表性的机制包括:①先进先出(First In First Out,FIFO)或丢弃最先进入缓存中的消息(Drop Front,DF)算法㊂如果节点缓存已满且有新的消息到达,DF算法将丢弃最先进入缓存的消息㊂②随机丢弃(Drop Random,DR)算法㊂如果节点缓存已满且有新的消息到达,DR算法将随机丢弃缓存中的消息㊂③丢弃最少生存时间消息(Drop Oldest,DO)算法㊂如果节点缓存已满且有新的消息到达,DO算法将丢弃缓存中剩余生存时间最小的消息㊂对比以上的容迟网络缓存机制,DF和DO具有最好的效果,并且这两种容迟网络缓存机制被广泛应用于容迟网络中㊂国内,崔苑茹等人[8]提出基于校园机会网络的协作小组缓存调度策略,结合校园协作学习背景,有效降低了消息的冗余程度并减少了由于缓存空间不足而出现的消息传输失败等问题㊂通过实验表明,该算法具有较优的网络指标㊂郑啸等人[9]提出了一个新的度量节点在协作缓存中重要程度的指标,即节点重要度㊂基于此指标,利用贪心算法选择初始缓存节点㊂同时,利用缓存节点相遇的机会,进行缓存数据的主动再分配,并且通过实验验证了提出的缓存协议能够有效提高数据访问效率㊂Zhang等人[10]基于分布式存储的思想提出了一种容迟网络缓存机制,当节点存在缓存压力时,将利用其可通信节点来存放接收的消息,仿真证明该算法可以有效增加消息到达率和缓存利用率㊂国外,基于广义概率转发模型和拥塞指标, Goudar等人[11]通过预测网络中的拥塞点,自适应地调整节点的消息复制率,减少了不必要的缓存,防止数据包丢失;通过显示的数学公式对相遇概率㊁传递概率等进行了表述㊂N n u等人[12]提出了一种名为 MaxDelivery 的方法,该方法有效释放了节点中的缓存,但是该方法引入了ACK确认机制,将导致网络中产生额外的ACK消息,使得网络开销增加㊂以上两种方法为了获得网络中更加多样化信息用于决策消息的丢弃,需要节点间交互额外的信息,这将导致网络开销的增加㊂文献[13]提出了一种基于多社区模型的资源优化协议,即社交相似度和优化资源(Social Similarity And Optimized Resource, SSAOR)协议,以有效利用容迟网络中的资源㊂该协议基于源节点和目标节点之间的位置关系,使用两种不同的策略来确定转发消息的顺序㊂1.2㊀蚁群算法蚁群算法的提出,为解决组合优化问题提供了新的思路,并且被逐渐应用到其他的优化问题中㊂但蚁群算法存在易陷入局部最优的问题,成为现有国内外学者研究的重点㊂Akande等人[14]将蝠群算法与蚁群算法相结合,并通过仿真证明融合算法效果好于单一算法㊂但融合算法仍然存在陷入局部最优的问题㊂Ye等人[15]对蚁群算法的负反馈机制进行了改进,利用其提高解的多样性㊂同时,根据历史搜索信息,不断获取故障经验,解决了蚁群算法容易陷入局部最优的问题㊂李宪强等人[16]把蚁群算法应用于解决无人机三维路径规划问题,将蚁群算法与人工势场算法相结合,有效解决了蚁群算法易陷入局部最优和容易忽视节点周围障碍物的问题㊂Ding等人[17]将Q-learning算法引入蚁群算法当中,通过添加量子位启发因子避免蚁群算法陷入局部最优当中,提高了算法的优化能力和收敛速度;然而该算法仍然存在实际应用的挑战和问题㊂赵晶蕊等人[18]基于蚁群算法实现了负载均衡下的QoS保障路由算法㊂仿真结果表明,该算法能够有效实现网络负载的均衡,且同时在端到端时延㊁丢包率㊁剩余带宽等QoS需求的性能上有明显提升㊂Stutzle[19]利用最大最小蚂蚁系统解决二次规划问题,并且取得了不错的效果㊂最大最小蚁群算法相较于蚁群算法有如下的改进:①最大最小蚂蚁系统规定了信息素浓度的上下界,设定最小信息素浓度有助于增加对更优解探索的可能性,设定最大信息素浓度保证经验对于蚁群的启发性㊂②信息素浓度初始值为信息素取值区间的上限,并伴随一个较小的信息素衰减系数㊂③只允许迭代最优蚂蚁,或者至今最优蚂蚁释放信息素㊂最大最小蚂蚁系统可以有效地减少蚁群算法局部收敛的问题,得到了广泛的应用㊂通过查阅文献,有以下三点发现:①基于多效用值考虑的缓存管理机制有助于提升容迟网络性能㊂②蚁群算法在解决优化问题上有着优异的表现,可以很好地应用于容迟网络性能优化问题,但需要考虑其易陷入局部最优的问题㊂③现有容迟网络缓存机制及蚁群算法少有考虑消息的类别㊂将消息分类引入容迟网络缓存机制,有助于将同类消息集中于特定的节点之上,便于为之分配特定资源,提升网络性能㊂基于以上发现,本文将最大最小蚂蚁系统应用于容迟网络缓存机制当中,节点综合考量单条信息的信息素浓度与节点上同类信息的信息素浓度,自主地依照所求权重丢弃相应的消息,提高网络整体消息到达率并减少网络开销㊂2㊀算法介绍2.1㊀蚁群信息素浓度定义本节定义了消息信息素浓度㊁同类消息信息素浓度以及丢弃权重的表达式㊂蚁群信息素浓度依赖于消息的相关特征,特征如下:①剩余生存时间(Time Till Lifetime,TTL)㊂剩余生存时间反映了消息在网络中可能继续被转发的概率㊂一般地,剩余生存时间越短,消息越难以被交付到目标节点㊂②缓存占用率(Cache Usage)㊂本机制定义缓存占用率为消息的大小与所到达节点缓存大小的比值,如式(1)所示㊂对于消息而言,缓存占用率越大,会使得消息所到达的节点更容易产生拥塞并丢弃缓存中原有消息,从而导致网络消息到达率下降㊂Cache_Usage i,j=Size iNode_Cache j,(1)式中:Cache_Usage i,j表示消息i在节点j的消息占用率,Size i表示消息i的大小,Node_Cache j表示节点j的缓存大小㊂③消息的转发次数㊂在本机制中,消息的转发次数被定义为消息经过的跳数㊂如果消息的转发次数越高,该消息在网络中则会具有更多的副本数㊂丢弃副本数较多的消息,对网络整体的消息到达率影响较小㊂本机制认为单条消息的信息素浓度取决于上述三种特征㊂因此,使用式(2)定义单条消息的信息素浓度(Pheromone Concentration of Message,PCM):PCM t,i,j=TTL t,iHops t,iˑCache_Usage i,j,(2)式中:PCM t,i,j表示t时刻进入节点j的第i条消息的信息素浓度,TTL t,i表示t时刻进入节点j的第i条消息的剩余生存时间,Hops t,i表示t时刻进入节点j的第i条消息的转发次数㊂如式(3)所示,本机制认为节点在t时刻的同类消息信息素浓度(Pheromone Concentration of the Same Category,PCSC)取决于t-1时刻的衰减后同类消息信息素浓度,与t时刻进入节点的同一类别的N条消息的信息素浓度㊂PCSC t=τmax,PCSC tȡτmax (1-ρ)PCSC t-1+ðN i=0PCM t,i,j,PCSC tɪ(τmin,τmax)τmin,PCSC tɤτmin ìîíïïïï,(3)式中:ρ表示历史信息素浓度的衰减系数,N表示t时刻进入节点的同一类别消息的数量,τmin表示信息素浓度范围的下限,τmax表示信息素浓度范围的上限㊂如式(4)所示,总信息素浓度(Total Pheromone Concentration),即丢弃权重,决定了消息丢弃的优先级㊂丢弃权重越低的消息越容易被丢弃㊂Weight t,i=PCM t,i,j+PCSC t-1,(4)式中:Weight t,i表示t时刻第i条消息的丢弃权重㊂2.2㊀基于蚁群算法的容迟网络缓存机制本节提出的缓存机制引入蚁群算法,机制有效考虑了信息的分类㊂节点维护不同类别信息的信息素浓度值㊂缓存机制流程如图1所示㊂缓存机制流程的具体步骤如下㊂步骤一:当有新消息到来时,会检查节点中的缓存是否已满㊂若缓存未满,则直接跳至步骤四;若缓存已满,则跳至步骤二㊂步骤二:利用式(4)计算该条消息的丢弃权重,其中计算同类消息信息素浓度时不设定上下限㊂步骤三:将步骤二中计算所得的丢弃权重与当前缓存中消息的丢弃权重进行比较,若新消息的权重为最小,则丢弃新消息;若不为最小,则丢弃缓存中原有消息中具有最小权重的消息并跳至步骤四㊂步骤四:新消息进入缓存㊂步骤五:利用式(3)更新缓存节点中的同类消息信息素浓度㊂图1㊀基于蚁群算法的容迟网络图缓存机制流程示意图Fig.1㊀Flow diagram of delay tolerant network cache man-agement strategy based on ant colony algorithm 2.3㊀基于最大最小蚂蚁系统的容迟网络缓存机制基于2.2节所提容迟网络缓存机制,将最大最小蚂蚁系统与缓存机制相结合,将节点上的同类信息素浓度限定在一定的范围内㊂基于最大最小蚂蚁系统的容迟网络缓存机制流程如图2所示㊂缓存机制流程的具体步骤如下㊂步骤一:按照消息的到达节点对消息进行分类㊂步骤二:当有新消息到来时,步骤二会检查节点中的缓存是否已满㊂若缓存未满,则直接跳至步骤五;若缓存已满,则跳至步骤三㊂步骤三:利用式(4)计算该条消息的丢弃权重㊂步骤四:将步骤二中计算所得的丢弃权重与当前缓存中消息的丢弃权重进行比较,若新消息的权重为最小,则丢弃新消息;若不为最小,则丢弃缓存中原有消息中具有最小权重的消息并跳至步骤五㊂步骤五:新消息进入缓存㊂步骤六:利用式(3)更新缓存节点中的同类消息信息素浓度㊂当更新后的同类消息信息素浓度超出给定范围时,若超出上限,取给定信息素浓度范围的上限;若超出下限,取给定信息素浓度范围的下限㊂图2㊀基于最大最小蚂蚁系统的容迟网络缓存机制流程示意图Fig.2㊀Flow diagram of delay tolerant network cache man-agement strategy based on max-min ant system3㊀仿真及分析3.1㊀仿真环境本文使用由赫尔辛基大学开发的ONE网络仿真平台进行仿真㊂仿真在4500mˑ3400m的区域内进行,持续7200s㊂网络中消息产生的间隔为25~35s㊂实验中,将所有的节点分为4组,其中,A组和B组节点代表步行或奔跑的行人,其移动速度为1~5m/s;C组节点代表电动车或自行车,移动速度为5~7m/s;D组为有轨电车,移动速度为7~10m/s,拥有高速通信接口㊂具体参数设置如表1所示㊂表1㊀仿真参数Tab.1㊀Simulation parameters类别参数参数值A剩余生存时间/s250消息大小100kByte~1MByte节点数量60移动模型Shortest Path Map BaesdMovement通信距离/m15通信带宽/(kbit/s)300节点移动速度/(m/s)1~4B剩余生存时间/s300消息大小100kByte~1MByte节点数量30移动模型Shortest Path Map BaesdMovement通信距离/m15通信带宽/(kbit/s)300节点移动速度/(m/s)2~5C剩余生存时间/s350消息大小100kByte~1MByte节点数量15移动模型Shortest Path Map BaesdMovement通信距离/m15通信带宽/(kbit/s)300节点移动速度/(m/s)5~7D剩余生存时间/s300消息大小100kByte~1MByte节点数量4移动模型Map Route Movement通信距离/m15通信带宽/(kbit/s)300高速接口通信范围/m1000高速接口通信带宽/(Mbit/s)10节点移动速度/(m/s)7~10㊀㊀本文期望实现每类消息在适应自己的优势路径中传输㊂其中优势路径是指适应某类消息生存的中继节点所组成的路径,且不同类别消息之间的优势路径应该尽量减少重合,以减少不同类别消息间的资源竞争㊂为了简化分类标准,直接根据源节点与目的节点的不同来进行消息分类,就可以为不同类别消息赋予地域上的差异,使得不同类别消息形成各自的优势路径㊂因此,本文依照源节点与目的节点不同将消息分为16类㊂同时,缓存大小及传输带宽都是网络拥塞的重要影响因素,因此本实验将讨论缓存大小以及传输带宽对消息到达率以及网络开销的影响㊂3.2㊀结果及分析网络指标随缓存及带宽大小变化如图3~图5所示,具体数值如表2和表3所示㊂(a)消息到达率随节点缓存大小变化㊀㊀㊀(b)网络开销随节点缓存大小变化图3㊀网络指标随节点缓存大小变化Fig.3㊀Relationship between network indicators and cache size ofnodes (a)消息到达率随带宽大小变化㊀㊀㊀(b)网络开销随带宽大小变化图4㊀网络指标随带宽大小变化Fig.4㊀Relationship between network indicators andbandwidth (a)平均消息到达率随时间变化关系㊀㊀㊀(b)平均网络开销随时间变化关系图5㊀网络指标随时间变化关系Fig.5㊀Relationship between network indicators andtime㊀㊀从图3可以看出,4种缓存方法在消息到达率㊁网络开销方面的趋势相似㊂随着缓存大小的增加,消息到达率随之增高,网络开销随之变小㊂这是因为当缓存区大小变大时,节点的缓存中可以存储更多的信息,使得网络中同一个消息的副本数增加,进而增加了消息成功到达目标节点的概率㊂同时,缓存增加,缓存当中可以容纳更多消息,消息被丢弃的概率降低,重传的次数减少,使得网络开销减少㊂从图4可以看出,随着带宽的增加,消息到达率与网络开销都随之增高㊂这是因为当传输带宽变大时,网络中的节点更加活跃,消息更容易在网络中进行传递,故而消息的到达率更高㊂因为更活跃,消息在网络中将进行更多次的传递,故而网络开销增加㊂由图5可知,提出的基于最大最小蚂蚁系统的缓存管理机制明显优于其他机制㊂这是因为随着时间的推移,特定节点上某些类型消息的信息素浓度将继续增加,使这些节点更容易成为某些类型消息传输的中继节点,其他类型的消息将难以抢占此节点的缓存㊂这将使网络中的节点更难拥塞并丢弃消息,从而提高消息传递率㊂同时,基于最大最小蚂蚁系统的容迟网络缓存机制有效解决了蚁群算法易陷入局部最优的问题,随着时间的推移,基于普通蚂蚁系统的容迟网络缓存机制的性能在大约220min达到收敛,而基于最大最小蚂蚁系统的容迟网络缓存算法在大约260min达到收敛㊂初始时刻,基于最大最小蚂蚁系统的容迟网络缓存机制相较于基于普通蚂蚁系统的容迟网络缓存机制在网络指标上表现较差,这是因为根据经验选取的初始信息素浓度值使得某些节点在初始时刻已经成为 最优 ,陷入了局部最优,导致网络指标变差㊂后续工作将在已有研究的基础上探究利用网络及消息自身的相关指标对初始浓度设置,使得初始值浓度能够自适应地进行选取㊂表2展示了当节点缓存大小为10MByte和50MByte时,4种缓存机制的网络指标的具体值㊂由表2可知,当缓存大小为10MByte时,基于最大最小蚂蚁系统的容迟网络缓存机制比普通蚂蚁系统缓存机制在消息到达率方面提高了4.0%,在网络开销方面减少了8.4%;当缓存大小为50MByte时,基于最大最小蚂蚁系统的容迟网络缓存机制比普通蚂蚁系统缓存机制在消息到达率方面提高了10.5%,在网络开销方面减少了10.0%㊂表2㊀不同缓存大小情况下网络指标具体值Tab.2㊀Specific values of network indicators under different cache sizes缓存大小/MByte算法名称消息到达率/%网络开销/Hops10Max-Min Ant64.46 3.2880Ant61.96 3.5880DF36.96 4.8421DO27.99 6.1410 50Max-Min Ant73.56 2.3652Ant66.58 2.6274DF53.80 2.5954DO52.45 2.6314㊀㊀表3展示了当带宽大小为50kbit/s和500kbit/s 时,4种缓存机制的网络指标的具体值㊂由表3可知,当带宽大小为50kbit/s时,基于最大最小蚂蚁系统的容迟网络缓存机制比普通蚂蚁系统缓存机制在消息到达率方面提高了13.2%,在网络开销方面减少了4.8%;当带宽大小为500kbit/s时,基于最大最小蚂蚁系统的容迟网络缓存机制比普通蚂蚁系统缓存机制在消息到达率方面提高了2.7%,在网络开销方面减少了2.6%㊂表3㊀不同带宽大小情况下网络指标具体值Tab.3㊀Specific values of network indicators under different bandwidth sizes带宽大小/(kbit/s)算法名称消息到达率/%网络开销/Hops50Max-Min Ant14.46 1.2269Ant12.77 1.2889DF10.87 1.1814DO11.41 1.2171 500Max-Min Ant75.66 3.7792Ant73.64 3.8792DF42.12 5.4892DO32.88 6.87114 结束语本文提出了一种基于最大最小蚂蚁系统的容迟网络缓存机制㊂该机制考虑信息的分类,使得同类别消息更容易通过同类信息素浓度高的节点进行传输㊂同时,本文定义了消息的信息素浓度㊁同类消息信息素浓度和总信息素浓度(丢弃权重)表达式,并利用总信息素浓度定义消息丢弃的优先级㊂仿真分析表明,基于最大最小蚂蚁系统的容迟网络缓存机制在消息到达率㊁网络开销方面具有比传统容迟网络算法更好的性能㊂本文所提缓存机制只考虑了同类消息信息素对于网络指标的影响,并没有考到不同类别信息的信息素之间的影响㊂下一步工作将从以下三方面进行改进:①考虑不同类别消息的信息素之间的影响对容迟网络指标的影响;②结合实际场景对消息进行分类,使得分类标准更加明确,有效区别各类消息;③对初始信息素浓度范围的取值进行研究㊂依据网络中的各类因素设置合适的信息素浓度初始值,避免基于最大最小蚂蚁系统的容迟网络缓存机制因初始信息素浓度过高而陷入局部最优㊂参考文献[1]㊀DEMIROGLOU V,MAMATAS L,TSAOUSSIDIS V.Adaptive NDN,DTN and NoD Deployment in Smart-cityNetworks Using SDN[C]ʊProceedings of2023IEEE20th Consumer Communications&Networking Conference(CCNC).Las Vegas:IEEE,2023:1092-1097. [2]㊀王洋,杨宏,陈晓光,等.面向深空通信的DTN网络跨层包大小的优化设计[J].宇航学报,2017,38(5):533-541.[3]㊀MADOERY P G,KURT G K,YANIKOMEROGLU H.Routing Heterogeneous Traffic in Delay Tolerant SatelliteNetworks[C]ʊProceedings of2022IEEE InternationalConference on Wireless for Space and Extreme Environ-ments(WiSEE).Winnipeg:IEEE,2022:99-104. [4]㊀聂宇雷,彭锋彬,张更新,等.深空通信中容迟容断网络协议体系应用研究[J].无线电通信技术,2016,42(3):22-25.[5]㊀NAKAGAWA K,SHIMOTOKU D,KAWASE J,et al.Sus-tainable Wildlife DTN:Wearable Animal Resource Opti-mization Through Intergenerational Multi-hop NetworkSimulation[C]ʊProceedings of202117th InternationalConference on Wireless and Mobile Computing,Networ-king and Communications(WiMob).Bologna:IEEE,2021:193-199.[6]㊀EZIFE F,LI W,YANG S H.A Survey of Buffer Manage-ment Strategies in Delay Tolerant Networks[C]ʊProcee-dings of2017IEEE14th International Conference onMobile Ad Hoc and Sensor Systems(MASS).Orlando:IEEE,2017:599-603.[7]㊀LIUF J,BAI X Y.Research on the Buffer ManagementAlgorithm in DTN[C]ʊProceedings of20152nd Inter-national Conference on Information Science and ControlEngineering.Shanghai:IEEE,2015:442-446. [8]㊀崔苑茹,李鹏,刘宏,等.基于校园机会网络的协作小组缓存调度策略[J].电子学报,2021,49(12):2399-2406.[9]㊀郑啸,高汉,王修君,等.移动机会网络中接触时间感知的协作缓存策略[J].计算机研究与发展,2018,55(2):338-345.[10]ZHANG Y,ZHANG T.Cache Management Strategy Basedon Distributed Storage in Delay/Disruption Tolerant Net-work[C]ʊProceedings of2019IEEE19th InternationalConference on Communication Technology(ICCT).Xi a n:IEEE,2019:1337-1341.[11]GOUDAR G,BATABYAL S.Optimizing Bulk TransferSize and Scheduling for Efficient Buffer Management inMobile Opportunistic Networks[J].IEEE Transactions onMobile Computing,2022,21(12):4471-4487. [12]NǍNǍU C S.MaxDelivery:A New Approach to a DTNBuffer Management[C]ʊProceedings of2020IEEE21stInternational Symposium on A World of Wireless,Mobileand Multimedia Networks (WoWMoM).Cork:IEEE,2020:60-61.[13]WANG T,TANG M B,CAO Y.Resource OptimizationProtocol Based on Multicommunity Model for Intermi-ttently Connected Mobile Networks[J].IEEE SystemsJournal,2020,14(1):410-421.[14]AKANDE H B,ABIKOYE O C,AKANDEO N.ImprovingOptimization Prowess of Ant Colony Algorithm Using BatInspired Algorithm[C]ʊProceedings of20225th Infor-mation Technology for Education and Development(ITED).Abuja:IEEE,2022:1-5.[15]YE K,ZHANG C S,NING J X,et al.Ant-colony Algo-rithm with a Strengthened Negative-feedback Mechanismfor Constraint-satisfaction Problems[J].Information Sci-ences,2017,406(c):29-41.[16]李宪强,马戎,张伸,等.蚁群算法的改进设计及在航迹规划中的应用[J].航空学报,2020,41(S2):213-219.[17]DING Y M,ZHAO Y,GAO Y X,et al.Q-learning Quan-tum Ant Colony Routing Algorithm for Micro-Nano Satel-lite Network[C]ʊProceedings of2021IEEE6th Interna-tional Conference on Computer and Communication Sys-tems(ICCCS).Chengdu:IEEE,2021:949-954. [18]赵晶蕊,刘江,张然,等.基于蚁群算法的LEO卫星网络QoS优化路由[J].无线电通信技术,2021,47(5):590-595.[19]STUTZLE T.Max-Min Ant System[J].Future GenerationComputer Systems,2000,16(8):889-914.作者简介:彭牧尧㊀男,(1999 ),硕士研究生㊂主要研究方向:容迟网络㊁深度学习和计算机视觉㊂魏建军男,(1978 ),博士,副教授㊂主要研究方向:物联网㊁通信芯片设计㊂王乾舟男,(1997 ),硕士研究生㊂主要研究方向:容迟网络㊁计算机视觉和深度学习㊂王㊀琨男,(1973 ),博士,副教授㊂主要研究方向:大数据分析㊁物联网与计算机网络㊂。
《信息检索》实验报告1111
《信息检索》实验报告一、OPAC检索1.利用“中图分类法”查找自己所在专业的分类号，并记录。
再使用书目查询系统查找该分类下的一本图书，写出该书的书名、作者、出版社、出版年、索书号、馆藏复本数、ISBN号、馆藏地（写一个即可）。
TU新农村景观设计艺术顾小玲东南大学出版社2011年索引号：TU982/14 2本ISBN号：2011002852 馆藏地：样本二库[4楼西，借期20天]2.查找作者姓“李”、索书号为“H31”的图书，记录下检索的结果数量，再在结果中检索由中山大学出版社出版的图书，记录下检索结果的数量，并写下任一检索结果的作者、书名、出版社、索书号、馆藏复本数、可借复本数。
1337 7疯狂英语.听力高级飞跃李俊青中山大学出版社H319.9/1322:3馆藏复本：24 可借复本：223.分类号是“TP311.1”的是关于哪方面内容的图书？写出此类书其中一种图书的书名、作者、出版社和索书号。
程序设计、软件工程中文版Access 2007数据库应用实用教程冯先锋秦小英清华大学出版社TP311.13/13024.自行熟悉OPAC中“我的图书馆”各项功能，并写出已借阅图书数量和今年所借阅的两本书的书名，如果可能请进行续借。
7 小高层住宅设计图集新型住宅平面设计方案二、电子图书检索1.利用“读秀学术搜索”打开并阅读书名包含“竞争情报”，作者为“王知津”的图书，写出该书的书名、出版社、出版日期，并从书中查阅竞争情报的概念。
书名：《竞争情报》出版社：科学技术文献出版社出版日期：2005.02竞争情报的概念：为达到竞争目标，合法而合乎职业伦理的搜集竞争对手和竞争环境的信息，并转变为情报的连续的系统化过程。
2.利用“读秀学术搜索”检索二本有关美国前总统的图书，写出图书的书名、著者、出版社。
书名：《改变世界历史的七天美国前总统尼克松1972年七天访华揭秘》作者：梁建增，赵微主编出版社：高等教育出版社书名：冷战后的美国外交政策从老布什到小布什作者：潘锐出版社：时事出版社3.利用“读秀学术搜索”找出与自己专业相关的图书，写出其中2本图书的书名、作者和出版社。
一种水面漂浮垃圾的智能收集系统
含约束的拉格朗日优化问题，具体计算公式为：
( 12)
XU- P
为 了 对 上 述 公 式 进 行 计 算 ，随 后 提 出 了 基 于 梯 度 法的分布式动态算法：
jc/y( k + \) = Xjji k) + ju^
智 能 机 器 人 系 统 配 置 (见 图 1)。该 系 统 基 于 电 动 水 下航行器，该水下航行器在负载条件下可以在水面上航
行。水下航行器长约63.5cm,宽 48.5cm，高 46.5cm,重约 25kg。摄像机舱安装在车辆顶部的前端，其 中 ，双目摄像 机 固 定 在 隔 板 上 。具 有 3-DOF的 机 械 手 放 置 在 车 辆 上 ， 该机械手由三个伺服电机组成。要注意关节角度的范围 为270,以确保机械手的尾端可以移动到收集箱的内部。 因 此 ，智能机器人系统的尺寸要小到足以在小水域中使 用 ，并且其能源是清洁的，以避免二次污染。
检测到对象后，将其作为移除对象。然 后 ，KCF和三 角剖分工作不断地更新边界框并分别测量对象的位置。 2 实验结果 2 . 1 漂浮垃圾检测实验结果
为 了 实 现 垃 圾 检 测 ，建立了一个浮动垃圾数据集 (FGD )，该 数 据 集 包 含 1000张图像，覆盖了不同照明下 的 各 种 塑 料 瓶 、塑 料 袋 和 泡 沫 聚 苯 乙 烯 (见 表 1LFGD 分 为 训 练 数 据 集 (TD )和 验 证 数 据 集 (VD )。本实验中 的 GPU是 NVDIA-1080。YOLOv3 在 训 练 数 据 集 上 进 行 训 练 ，在 验 证 数 据 集 上 的 测 试 结 果 (见 表 1)。精度用 mAP来 描 述 ，计算速度用每秒帧数(中5 )来评估。结果 表 明 ，该 方 法 检 测 精 度 高 ，速度满足实时性要求。但由 于 塑 料 瓶 的 包 装 形式多样，塑料瓶的检测精度略低于
容量规划在移动互联网时代的新应用场景(系列二)
在移动互联网时代，容量规划成为了各个行业中不可或缺的一部分。
容量规划是指通过合理的规划和管理，确保系统的容量满足用户需求，并提高系统的性能和效率。
随着移动互联网的飞速发展，新的应用场景也在不断涌现。
首先，容量规划在移动应用开发中扮演着重要角色。
移动应用的开发过程中，容量规划能够帮助开发者了解用户的需求，提前预测用户量以及对服务器的负载。
通过这种方式，开发者可以合理分配资源，提升应用的运行效率，避免由于用户量暴增导致的系统崩溃。
例如，一款短视频应用可能会面临大量用户同时上传和观看视频的情况，通过容量规划，可以确保服务器能够承受住大量并发请求，并保证用户的观影体验。
其次，容量规划在电子商务领域也发挥着重要作用。
移动互联网时代，越来越多的用户选择通过移动设备进行在线购物。
而在购物网站的背后，容量规划可以帮助平台预测用户的购买行为、流量峰值以及存储需求。
通过这种方式，电商平台可以合理规划服务器的容量，保证平台在节假日、促销活动等高峰期依然能够快速稳定地处理用户的购买请求。
同时，容量规划还可以帮助电商平台分析用户的购物行为，提取用户特征，进而为用户个性化推荐商品，提高用户的购买转化率。
第三，在物流行业，容量规划也发挥着重要作用。
随着电子商务的快速发展，物流行业面临着更高的配送压力。
容量规划可以帮助物流公司预测用户的订单量，分析用户订单的空间、时间特征，进而规划合理的配送路线和时刻表。
通过运用容量规划的方法，物流公司可以最大程度地提高车辆的利用率，减少配送成本，提高配送效率，为用户提供更加准时、高效的配送服务。
此外，在金融领域，容量规划也扮演着重要角色。
移动支付和网上银行等服务的广泛应用，给金融系统的容量带来了极大的挑战。
容量规划可以帮助金融机构预测用户的交易量、交易峰值以及对系统响应时间的要求。
通过容量规划，金融机构能够合理配置服务器资源，保障系统的高可用性和高性能，确保用户能够顺畅地进行各种金融交易。
在移动互联网时代，容量规划的应用场景还远不止以上几个方面。
阿里云计算学习计划
阿里云计算学习计划一、引言阿里云是由阿里巴巴集团旗下的云计算服务平台，于2009年推出。
目前，阿里云已成为国内领先的云计算服务提供商，拥有丰富的产品和服务。
作为一个IT从业人员，学习阿里云计算已成为必不可少的一项技能。
在这里，我将为大家分享一个阿里云计算的学习计划，供大家参考。
二、学习目标1.了解阿里云的产品和服务，具备使用阿里云进行云计算的基本能力2.了解云计算的基本概念和原理，学会使用阿里云进行云计算3.学会使用阿里云进行数据处理和存储4.学会使用阿里云进行云安全管理5.了解阿里云的大数据处理和人工智能服务6.了解阿里云计算的发展趋势和未来发展方向三、学习内容1. 阿里云产品和服务的基本概念了解阿里云计算的基本概念，包括云服务器、云数据库、对象存储、CDN加速等基本服务，以及云计算和传统计算的区别。
2. 阿里云的基本使用学习如何注册阿里云账号、创建云服务器、使用云数据库、存储文件和使用CDN加速等基本操作。
3. 云计算的基本概念和原理学习云计算的基本概念、架构和原理，了解云计算的优势和作用，为以后深入学习做好准备。
4. 阿里云的数据处理和存储学习如何使用阿里云进行数据处理和存储，包括使用云数据库进行数据存储和管理、使用对象存储对大量数据进行存储和管理。
5. 阿里云的安全管理学习如何使用阿里云进行云安全管理，包括安全策略的制定、安全监控和运维等内容。
6. 阿里云的大数据处理和人工智能服务了解阿里云的大数据处理和人工智能服务，了解大数据处理和人工智能的应用场景和优势。
7. 阿里云计算的发展趋势和未来发展方向了解阿里云计算的发展趋势和未来发展方向，为将来学习和发展做好规划。
四、学习计划第一个月：了解阿里云的产品和服务，学习使用阿里云进行基本操作。
第二个月：学习云计算的基本概念和原理，了解云计算的优势和作用。
第三个月：学习阿里云的数据处理和存储，了解如何使用云数据库和对象存储。
第四个月：学习阿里云的安全管理，了解如何使用阿里云进行云安全管理。
高并发下的网站架构
万能出错页面：秒杀活动已经结束
任何出错都302跳转到此页面 位于另外集群
万幸：最终所有的预案都没有用上
秒杀活动结果
88小时秒杀，坚守阵地，大获成功 秒杀还是被秒杀？终于有了答案 三道阀门设计非常有效，拦住了秒杀器
静态集群总并发情况 （首页，秒杀列表，秒杀商品页面）
交易系统集群总并发情况 （下单页面）
高并发对网站性能的影响
并发数对吞吐量的影响
并发数对服务器平均请求响应时间的影响
并发数对用户平均请求等待时间的影响
高并发实例：开业秒杀活动
商业需求
为庆祝开业退出88小时不间断秒杀活动 每小时整点推出8款商品，拖拉机，牛，马桶，沙发…… 每款商品供168件，每人限批3件，成交人数56人 CCTV黄金广告时间，各种网络,平面媒体轰炸，总广告费：1.5亿 接到运营通知，距秒杀开始仅仅 5 天时间
秒杀商品列表/秒杀商品介绍页面，如何判断秒杀开始否
答案： valid-offer.js
三道阀门的设计
阀门：基于TT的计数器
序号 1 2 3 阀门上限
限制进入秒杀页面 ，1000 限制进入下单页面 ，100 100 限制进入支付宝系统，56
秒杀器的预防
秒杀Detail页面
URL：随机 秒杀前2秒放出,脚本生成，秒杀前 1000次访问上限控制【每件商品只能放入1000人浏览】
CDN准备：Chinacache沟通；借用Taobao CDN
秒杀系统：架构目标
1.图片网络带宽：1.0G
新增图片带宽：必须控制在 1.0G 左右 每件商品秒杀页面的图片总大小不得超过： 1000000/(1000*8) = 125K/每商品
2.网站并发：
单件商品并发：1000 【来自运营的预估】 总并发: 8（件商品）X 1000（人/商品）=8000
数据驱动：从方法到实践
内容简介本书是从理论到实践的全面且细致的企业数据驱动指南，从作者的百度大数据工作说起，完整还原其从零到一构建百度用户行为大数据处理平台经历。
详解大数据本质、理念与现状，围绕数据驱动四环节——采集、建模、分析、指标，深入浅出地讲述企业如何将数据驱动方案落地，并指出数据驱动的价值在于“数据驱动决策”、“数据驱动产品智能”。
最后通过互联网金融、电子商务、企业服务、零售四大行业实践，从需求梳理、事件指标设计、数据接入阶段、实际应用四大阶段介绍数据驱动在不同领域的商业价值，全面展示大数据在各领域内的应用情况与趋势展望。
本书贴近企业真实场景，兼具权威性与前瞻性，是广泛适用的普及读物，适合对大数据、数据驱动感兴趣的企业高管、决策者、创业者、IT人员、营销人员、产品经理、相关专业的学生等。
图书在版编目（CIP）数据数据驱动：从方法到实践/桑文锋著.—北京：电子工业出版社，2018.3ISBN 978-7-121-33451-1Ⅰ.①数…Ⅱ.①桑…Ⅲ.①数据处理-研究Ⅳ.①TP274中国版本图书馆CIP数据核字（2018）第002302号策划编辑：符隆美责任编辑：张春雨印刷：装订：出版发行：电子工业出版社北京市海淀区万寿路173信箱 邮编：100036开本：720×1000 1/16 印张：13.5 字数：260千字版次：2018年3月第1版印次：2018年3月第1次印刷定价：49.00元凡所购买电子工业出版社图书有缺损问题，请向购买书店调换。
若书店售缺，请与本社发行部联系，联系及邮购电话：（010）88254888，88258888。
质量投诉请发邮件至zlts@，盗版侵权举报请发邮件至dbqq@。
本书咨询联系方式：（010）51260888-819，faq@。
文锋分享了他在商业数据的真知灼见，不盲目舶来，他明确地知道哪些理论在国内是行不通的，并传递出更本土化的理论。
本书的结构和内容都经过了反复打磨，无论是从技术严谨性，还是从内容的实用性上看，都堪称互联网商业数据的可贵佳作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
上传
引擎状态机维护
内存汇总
持久化
命令収送中心（时间同步，心跳，url传输，压测准备，压测开始，qps调速，压测停止） 网络层
长连接
网络层 命令接收中心，
数据接收 解压缩 反序列化
用户中心
加载
登录
url信息中心 Qps序列 基本信息
本地化 用户抽叏
跨域session穿透
加载
缓冲队列
用户本地TO化P 100 CASE STUD内IES存缓存用户上下文
压测报表
TOP 100 CASE STUDIES OF THE YEAR
容量平台
全 球 软 件 案例 研 究
峰会
压测配置
url传输
压测控制
url抽叏
序列化
过程监控
失败重传机制
系统实现—集群压测流量平台
控制台
引擎管理
压缩
心跳収送 时间同步
状态收集
心跳分析
状态提叏
4、阿里稳定性保障不验证利器（有了它，让双11来得更猛烈
些吧！）；
TOP 100 CASE STUDIES OF THE YEAR
能力 * 水位系数）
机器增减 = 理论机器数 – 实际机器数
唯一的未知发量：集群能力 <-- 压力测试
TOP 100 CASE STUDIES OF THE YEAR
全 球 软 件 案例 研 究 峰会
压测环境选择
线下 自身环境丌真实 依赖服务的环境丌真实 简单，可操作性好 丌用数据和业务安全性
全 球 软 件 案例 研 究 峰会
线上压测方法与场景介绍
负载均衡权重调整
相关工具： F5, LVS, SOA service registration等负载均衡控
制器；
运用场景及注意事项：
1、单机压测；
2、系统的集群调用量足以压测到单机的极限；
TOP 100 CASE STUDIES OF THE YEAR
TOP 100 CASE STUDIES OF THE YEAR
线上压测方法与场景介绍
主要特点
脏数据如何处理；测试流程如何丌影响正常流程；如何构造贴近 真实的用户场景，否则难保障压测准确性；请求如何构造；可压 测单机和集群；
写请求如何处理；响应如何处理；可压测单机和集群；
完全真实的请求；无法压测出集群能力，非常适合用来做单机压 力测试； 完全真实的请求；无法压测出集群能力，非常适合用来做单机压 力测试；
1、系统是只读的或者丌需要压测写请求；
2、已做好对写请求脏数据的特殊处理（拦截或者隔离存储）；
3、新系统上线；
TOP 100 CASE STUDIES OF THE YEAR
全 球 软 件 案例 研 究 峰会
复制请求
线上压测方法与场景介绍
相关工具： tcpcopy,btrace,nginx post_action，自定义
调用
负载 均衡
调用 more
机器A 机器B 机器C
4
全 球 软 件 案例 研 究 峰会
模拟请求
线上压测方法与场景介绍
相关工具： http_load,webbench,apache ab,jmeter, Siege，
Seaplane，自定义工具；
运用场景及注意事项：
全 球 软 件 案例 研 究
峰会
模拟调用者
调用
1
调用
调用者
调用
调用
3
单机或者 系统集群
机器A
引 流
机器B
转 収
机器C
TOP 100 CASE STUDIES OF THE YEAR
线上压测方法与场景介绍
线上正常服务机器
复制真实请求
调用
单机或者 系统集群
2
调调 用用 者
OF THE YEAR
实际qps 状态统计
収送引擎 计时器 Qps算法
心跳应答 版本号
劢态资源算法
状态封装
跳转 实时ww调w速.top100sum超m时it.停co止m
全 球 软 件 案例 研 究 峰会
线上压测与容量规划作用
1、阿里系统扩容或者缩容的数据依据；
2、阿里大促时期资源评估数据参考；
3、帮劣系统収现大量性能瓶颈不容量问题；
线上压测方法与场景介绍
请求引流
相关工具： apache mod_jk，mod_proxy, nginx proxy等；
运用场景及注意事项：
1、单机压测；
2、系统的集群调用量足以压测到单机的极限；
TOP 100 CASE STUDIES OF THE YEAR
全 球 软 件 案例 研 究 峰会
压测模型
系统实现—单机压测平台
线上机器
日志回放 负载均衡
Apache分流 Apache代理
Nginx分流 Nginx代理
压测控制
人工
自劢
数据采集
系统数据 压测数据
性能数据 业务数据
异常情况
阀值监控 压
cpu
测
load
用 户rt Nhomakorabea全 球 软 件 案例 研 究 峰会
服务器
TOP 100 CASE STUDIES OF THE YEAR
线上压测与容量规划概念
如何给系统分配合理数量的服务 器，既能保障系统的正常运行， 又能最大限度的节约成本？
如何知道系统什么时候需要扩容、 缩容、扩容多少及缩容多少服务 器？
线上压测方法与场景介绍
线上 自身环境真实 依赖服务的环境真实； 复杂性高，丌易于操作 需考虑数据和业务安全性
TOP 100 CASE STUDIES OF THE YEAR
全 球 软 件 案例 研 究 峰会
线上压测方式
压测方式
模拟请求
复制请求
引流
负载均衡权重调整
务状态是健康的
集群负荷：系统当前的调用量（Qps）
TOP 100 CASE STUDIES OF THE YEAR
全 球 软 件 案例 研 究 峰会
线上压测与容量规划概念
系统容量公式
集群水位 = 集群负荷 / 集群能力 * 100%
理论机器数 = （实际机器数 * 集群负荷 * 集群水位）/ （集群
agent等；
运用场景及注意事项：
1、系统是只读的或者丌需要压测写请求；
2、对写请求丌存在唯一性约束，允许同一个请求多次写；
3、请求的响应已被特殊处理（丌能迒回给调用方）；
TOP 100 CASE STUDIES OF THE YEAR
全 球 软 件 案例 研 究 峰会
如何最真实地验证系统的性能指
标？
全 球 软 件 案例 研 究 峰会
线上压测与容量规划概念
系统容量概念定义
单机能力：单台服务器每秒能承叐的极限调用量（Qps）
集群能力：系统集群每秒能承叐的极限调用量（Qps）
水位系数：系统运行在极限qps乘以该系数的情况下都认为服
全 球 软 件 案例 研 究 峰会
TOP 100 CASE STUDIES OF THE YEAR
全 球 软 件 案例 研 究 峰会
阿里线上压测不容量规划实践
线上压测不容量规划概念
线上压测方法不场景介绍
系统实现
线上压测不容量规划作用
——游骥
TOP 100 CASE STUDIES OF THE YEAR