缓存数据预取技术
随着信息技术的迅速发展，网络规模随着用户数呈指数级增长，也越来越庞大，为了支持断接操作，数据要预先存储到缓存中，由于在断接过程中只能使用本地的数据，所以要提高用户的访问速度，主要采用缓存预取技术来减少网络延迟，因此这个数据预先存储的过程是必需的。
对于预先存储的数据进行选择是预取技术的关键，现在比较流行的预取算法主要有六种：
1、基于访问概率的预取模型，由于用户对Web的访问具有一定的规律，且具有历史性和相对集中的爱好，因此提出了基于组的兴趣和访问行为对未来将要访问的资源进行预测。
2、基于数据挖掘的预取模型，利用数据挖掘技术挖掘用户的兴趣关联规则，作为对用户即将访问的页面进行预取的依据。
3、基于Web语义的预取模型，通过提炼用户会话特征，按语义对用户会话进行分类，服务器确定用户会话所属的类别，预送用户可能使用的文档并发送到客户端。
4、基于网络性能的预取模型，在对Web代理服务器上的业务进行分析和对网络RTT进行测量分析的基础上，对URL的未来访问进行预测。
5、基于流行度的预取模型，定期地统计网页的访问次数，并选取访问次数较多的网页组成流行页面集。然后根据客户最近发出的请求量的大小，从每个服务器上的流行页面集中预取相当于用户最近发出的请求量的页面放在缓存或直接送给用户。利用Zipf第1定律和第2定律对访问流行度建模，提出了基于Web流行度的预取模型。
6、基于神经网络的预取模型，采用基于神经网络的预取模型，利用BP或MA等算法进行学习并预测。通过抽取网页超链描述文字信息中的关键词作为神经网络的输入，神经网络输出结果作为预取依据，用户浏览路径页面作为训练样本反馈给神经网络进行学习。
