云计算服务的需求增长迅速,已经成为互联网计算的一个新趋势。云可以提供灵活的资源供给和定价方式,因此很多Web应用都迁移到了云上。这些应用系统通常是网络密集型服务系统,导致带宽资源消耗严重,且由于成本控制的原因,带宽容量受到限制,因此负载的增加或波动使得带宽资源经常成为瓶颈。由于网络拥塞和重传机制等因素,网络传输对服务响应时间影响很大,服务响应易造成延迟。所以针对Web应用的网络性能的预测显得尤为重要,是一个亟待解决的挑战性问题。目前,针对Web应用性能的研究方法有很多,但是大多数是关于CPU、内存等计算资源的研究,有关带宽资源的研究较少,而且现有技术方案的建模过程复杂并且成本较高。本文针对Web应用的性能进行了预测性分析和建模研究,更着重于对带宽资源消耗和服务质量(Quality of Service,Qo S)的研究。提出一种基于日志挖掘的分析方法,实现负载参数的自动化挖掘,采用时间分片和服务分组的思想,并将串行请求路径并行化,从而简化了负载模型。使用三种不同的建模方法,预测负载强度变化时的带宽消耗和响应时间变化,并估测服务器在限定带宽条件下的服务能力,以及不同带宽配置对Qo S的影响,为带宽资源管理提供决策支持。本文的研究内容主要有以下几个方面:(1)通过分析建模的方法,对带宽消耗和响应时间进行预测研究。提出一种基于日志挖掘的方法来预测Web服务带宽消耗和Qo S,为带宽资源管理提供决策支持。基于回归分析和函数拟合,该方法亦可估测服务器在限定带宽条件下的服务能力,以及不同带宽配置对Qo S的影响。本文利用公开数据集和基准测试实验对该方法的有效性和准确性进行了评估。(2)通过基于机器学习建模的方法,对带宽消耗和响应时间进行预测研究。提出一种基于贝叶斯推理的方法来预测带宽消耗以及Qo S。使用日志挖掘获取特征变量,使用逐步判别选择有助于预测的特征变量来构造贝叶斯模型,使用贝叶斯判别和贝叶斯网络预测带宽消耗和响应时间。本文使用一个真实的Web系统作为案例来评估该方法的有效性和准确性,与其他方法相比,该方法能够更准确的预测Web应用性能。(3)通过建模与仿真的方法,对带宽消耗和响应时间进行预测研究。提出一种基于网络建模与仿真的方法预测带宽消耗和响应时间。构建的仿真模型能够模拟真实的用户行为,准确预测不同负载强度下的带宽消耗和响应时间,还模拟了地理因素对响应时间的影响,预测了带宽资源重新配置的场景下带宽消耗和响应时间的变化趋势。本文的研究意义在于通过对Web应用性能的预测性分析、建模与仿真,预测在负载或系统配置发生变化的情况下网络性能的变化趋势,并对未来可能的资源消耗状况进行预测,实现对计算资源的主动性的规划和管理,在Web应用性能优化方面也有重大意义。