46、数据预测与数据服务混搭的新鲜度保障

数据预测与数据服务混搭的新鲜度保障

一、虚拟网络组件故障预测

在虚拟网络嵌入（VNE）组件的故障预测方面，当前的预测结果与实际值非常接近。现有的预测机制是基于VNE组件的失效时间特征构建的。在未来，计划扩展特征范围，将CPU、带宽和内存等因素纳入其中，以更全面地预测VNE中的故障。

二、数据服务混搭概述

随着Web 2.0和云计算技术的蓬勃发展，数据混搭成为了一种新兴的应用形式。它允许非专业用户通过组合和处理来自多个网站、API或后端数据库的数据，构建Web应用，以解决特定和临时的问题。像IBM Damia、Yahoo Pipes、Zapier、IFTTT等混搭平台纷纷涌现，支持此类应用的构建。

数据混搭虽然为用户提供了更便捷的方式来探索、聚合和丰富来自不同异构源的数据，但也带来了独特的性能挑战。由于数据混搭对数据源没有严格限制，数据源往往具有不同的更新频率、数据量和性能等特点。而且，由于数据混搭是为非专业用户设计的，一个混搭平台上通常会托管大量的混搭应用，因此确保混搭的质量十分必要。在混搭质量的各种属性中，数据新鲜度被认为是数据消费者最重要的属性之一。

三、动机与新鲜度指标

对于一些混搭应用，如应急管理监控应用，数据对终端用户的新鲜度至关重要。数据新鲜度根据应用的不同目标有多种定义和指标。Michael将混搭分为几种模式，对于“收获模式”“组装模式”和“管理模式”的混搭，需要反映数据源的变化。如果底层数据源频繁变化，可以使用货币指标（衡量源数据变化后未在混搭应用中反映的时间）来定义新鲜度指标；如果数据源相对稳定，及时性指标（衡量查询时间与最后更新时间的差异）则更合适。本文聚焦于底层数据源频繁变化的混搭应用，因此