42、基于RFM评分的加权挖掘关联规则与优先级虚拟机实时迁移

基于RFM评分的加权挖掘关联规则与优先级虚拟机实时迁移

1. 基于RFM评分的加权挖掘关联规则

在电商推荐系统中，为了提高推荐的准确性和商品的可购买性，采用基于RFM（Recency, Frequency, Monetary）评分的加权数量项挖掘关联规则的方法。这种方法相较于原始方法和现有系统，在性能上有显著提升。

为验证该推荐方法的性能提升，在一个化妆品网购商城收集的相同数据集上进行了实验。在普适计算环境下，为个性化u - 电商推荐系统提出一种使用基于RFM评分的加权数量项的新挖掘技术具有重要意义。后续研究将通过神经网络聚类方法，在语义网环境中寻找个性化推荐，以提高普适计算环境下的效率和可扩展性。

2. 优先级虚拟机实时迁移概述

2.1 虚拟机实时迁移背景

虚拟机（VM）的实时迁移是一种强大的工具，可用于系统维护、负载均衡、容错和节能。传统的预复制方法在桌面虚拟化环境中，当VM中有多个应用程序运行时，由于系统内存写入率高，会产生大量脏页，导致在低速网络中服务停机时间长和总迁移时间长。

2.2 优先级虚拟机实时迁移方法提出

为了解决上述问题，提出了一种基于优先级的VM迁移方法。该方法基于预复制机制，优先迁移对停机时间敏感的应用程序。具体操作如下：
- 设计了一种在不修改客户操作系统（Guest OS）的情况下，在虚拟机监控器（VMM）下管理不同应用程序的方案，从而能够分离VM中不同应用程序产生的脏页。
- 迁移时，先转移高优先级应用程序产生的脏页，低优先级应用程序产生的脏页暂时记录在本地主机，在适当的时候再传输到目标主机。
- 当高优先级应用程序的脏页数量减少