1.一种面向移动Web服务的CPU资源自适应调度系统，其特征在于，包括有Web特征采集模块、线下机器学习模块、网络状态感知模块和CPU资源调度模块；所述Web特征采集模块，用于采集Web架构及样式特征信息；所述线下机器学习模块，遍历不同CPU配置组合加载海量网页，根据用户需求标记最优配置，通过支持向量机分类算法，构建相应的CPU资源调度模型；所述网络状态感知模块，用于判断网络类型和当前网络通讯质量；CPU资源调度模块，利用线下学习好的调度模块，根据网页负载、网络状态和用户需求来动态调度CPU资源；

所述的Web架构与HTML相关；所述的样式特征与CSS相关；所述的用户需求为最低能耗，最快浏览速度或最优EDP；所述的网络类型为2G，3G，4G或WiFi；

所述Web特征采集模块包括：

1)浏览器插件，用于实时采集海量Web架构及样式特征信息；

2)特征处理算法，对特征进行归一化处理，为下一步的机器学习模块提供特征输入值；

在将特征值输入到学习算法之前，为了均衡不同特征对分类结果的影响程度，通过公式(1)min‑max标准化对特征值进行归一化处理；然后将处理好的特征信息输入SVM分类算法构建预测模型；在实际使用阶段，也需先提取特征值进行归一化处理，然后输入分类模型进行分类预测，

x为输入特征的原始值，max(x)为某一类特征的最大特征值，min(x)为某一类特征的最小特征值，x′为规一化后的新的特征值；

所述线下机器学习模块包含：

1)CPU控制器：用于自动遍历异构CPU大小核任意组合频率，并自动标记不同优化目标下的最优配置，最优配置包括加载时间，能耗和EDP；

2)SVM分类算法：利用支持向量机分类算法，根据Web特征采集模块采集到的信息，对应最优CPU配置，构建不同特征信息的最优配置模型；

所述网络状态感知模块包含网络状态感知插件，网络状态感知插件：判断当前移动设备网络通讯技术2G、3G、4G或WiFi，在网页加载期间测量当前链路下行带宽、上行带宽及延迟，带入公式(2)，获得综合评分值，并根据已有的不同网络环境的参数确定当前所处网络环境，最终根据网络环境和用户期望选择最优的CPU配置模型，d＝α|dbm‑db|+β|ubm‑ub|+γ|dm‑d|    (2)其中dbm为测量得到的下行带宽，ubm为上行带宽，dm为延迟，α，β，γ为权重，根据获得数据，对当前网络状态进行定义，α，β，γ分别为0.3，0.1，0.6，延迟具有较大权重，分别带入不同环境进行计算，d值最小的为当前环境；

所述CPU资源调度模块，CPU资源调度器：根据线下机器学习模块采集的网络状态特征信息、根据网络状态感知模块构建的CPU资源预测模型，动态调度CPU资源。

2.面向移动Web服务的CPU资源自适应调度系统的使用方法，其特征在于，包括以下步骤：

1)采集海量Web特征信息；

2)遍历CPU配置，根据不同优化目标，标记对应的最优配置；

3)基于支持向量机算法，根据步骤1)、步骤2)采集内容，通过支持向量机寻找网页特征同加载能耗和加载时间的关系，构建CPU配置预测模型；

4)获取当前网络状态和用户需求，选择最优的资源配置模型；

5)采集Web特征信息，并输入步骤4)选择的配置模型，调度CPU资源；

所述步骤1)又包括步骤11)，步骤12)和步骤13)：步骤11)，遍历海量网页，浏览器解析过程中遍历DOM树，获取HTML标签及数量、HTML标签及数量、DOM结点数及DOM树深度；

步骤12)，遍历海量网页，获取CSS特性及数量、CSS规则及数量及CSS选择器模式及数量；

步骤13)，均衡不同特征对分类结果的影响程度，对特征值按照公式(1)进行归一化处理：

x为输入特征的原始值，max(x)为某一类特征的最大特征值，min(x)为某一类特征的最小特征值，x′为规一化后的新的特征值；

所述步骤2)还包括步骤21)和步骤22)：步骤21)，利用Shell脚本，加载海量网页，将浏览器进程放在异构处理器大小核上分别执行，遍历大小核所有组合配置；

步骤22)，收集加载功耗和加载时间，标记对应特征的最优加载功耗配置和最优加载时间配置以及最优EDP，EDP为能耗和时间的乘积；

所述步骤3)，将步骤S1的特征值以及S2样本标签输入SVM‑RBF算法，然后利用网格搜索法确定SVM‑RBF错分代价参数C和gamma值，自动搜索，确定最佳预测结果后停止搜索，保存参数C和gamma值，确定基于不同优化目标的CPU资源调度模型；

所述步骤4)包括：步骤41)、步骤42)、步骤43)和步骤44)：步骤41)，将步骤3)获得的CPU资源调度模块部署在浏览器插件中；

步骤42)，判断当前移动设备网络通讯技术是2G、3G、4G还是WiFi，在网页加载期间测量当前链路下行带宽、上行带宽及延迟，带入公式(2)，获得综合评分值，并根据已有的不同网络环境的参数确定当前所处网络环境，最终根据网络环境和用户期望选择最优的CPU配置模型，

d＝α|dbm‑db|+β|ubm‑ub|+γ|dm‑d|    (2)其中dbm为测量得到的下行带宽，ubm为上行带宽，dm为延迟，α，β，γ为权重，根据获得数据，对当前网络状态进行定义，α，β，γ分别为0.3，0.1，0.6，延迟具有较大权重，分别带入不同环境进行计算，d值最小的为当前环境；

步骤43)，收集即将浏览网页特征信息；

步骤44)，将步骤43)获得的信息输入CPU配置预测模型，并输出预测结果；

所述的步骤5)，将步骤44)输出结果输入CPU调度器，根据CPU预测值调度浏览进程。