1.一种大数据场景下面向群组的服务可靠性预测方法，其特征在于，包括以下步骤：

第一步、收集用户的服务信息—建立面向群组的服务可靠性预测应用模型，在模型中搭建信息收集系统，信息收集系统内嵌信息收集功能，用于采集用户使用服务的数据；转至第二步；

第二步、离线分析—对采集的所有用户使用服务的数据进行初步的数据处理后进行清洗；转至第三步；

第三步、离线计算与预测补全—对清洗后的数据进行用户相似度计算，得到用户相似度阈值，然后根据用户相似度阈值选择不同数据预测方式获取用户的服务可靠性矩阵；转至第四步；

第四步、CDN网络分发—将用户的服务可靠性矩阵根据不同的地址段分发到对应的CDN服务器。

2.根据权利要求1所述大数据场景下面向群组的服务可靠性预测方法，其特征在于，第一步中，采集用户使用服务数据的具体方法如下：用户访问面向群组的服务可靠性预测应用模型的接口时，接口对用户当前指派服务的响应时间以及网络吞吐量、成功调用Web服务的概率进行统计，以用户为行，服务响应时间为列形成用户的服务可靠性矩阵，记为PRE-Mu-s。

3.根据权利要求2所述大数据场景下面向群组的服务可靠性预测方法，其特征在于，第二步中，离线分析的方法由以下步骤构成：：

2.1基于用户的服务可靠性矩阵PRE-Mu-s进行去重操作，以去除电脑和网络配置完全相同的用户的服务数据，减少重复计算量；

2.2对去重后的用户服务可靠性矩阵PRE-Mu-s进行脏数据清洗，以删除评分差异过大或内容缺失部分。

4.根据权利要求3所述大数据场景下面向群组的服务可靠性预测方法，其特征在于，第三步中，离线计算与预测补全的具体方法如下：

3.1假定目标服务为Serverj，目标用户为useri，设定最低预测值精确度为PT，且PT＝

0.3，在此情况下计算用户相似度，得到用户相似度阈值St；设第一步中收集的用户集中满足与目标用户useri相似度高于St全部用户中与目标用户useri相似度最高的用户为userk，将用户集下的用户userk与目标用户useri进行相似度比较，并判断二者相似度是否高于St，若二者相似度高于St，则该用户userk满足条件，若二者相似度低于St，则该用户userk不满足条件；然后根据用户集下是否有用户userk满足与目标用户useri相似度高于St将用户集分为存在满足条件用户的用户集和不存在满足条件用户的用户集两种；

3.2当用户集为存在满足条件用户的用户集时，将用户集下满足条件的用户userk组合在一起形成用户集User[k]；在用户集User[k]下选取与目标用户useri相似度最高的用户并记为users，使用用户users下选取目标服务Serverj产生可靠度，并将该可靠度作为目标用户useri使用目标服务Serverj的可靠度预测值；

3.3当用户集为不存在满足条件用户的用户集时，设服务为Serverv，且v≠j，当目标用户useri下有使用服务Serverv的信息时，计算目标服务Serverj与服务Serverv的相似度，基于该服务相似度选取与目标服务Serverj最相近的k个邻服务，并将这k个邻服务组成服务集合S，记S＝{…}，在集合S上根据服务相似度为目标用户useri填充其未使用过的服务Serverp的可靠性评分；选取服务集合S中所有使用过目标服务Serverj的用户，并计算该用户与目标用户useri的相似度，然后根据该用户相似度从服务合集S中选择与目标用户useri最相近的K个用户，最后根据这K个用户使用服务合集S中的服务的使用信息来预测目标服务Serverj的可靠性评分。

5.根据权利要求4所述大数据场景下面向群组的服务可靠性预测方法，其特征在于，

3.1步中，计算用户相似度阈值St的方法如下：从用户群组中随机提取100份数据形成新的群组，并将新群组分为两部分，其中用户user1～70作为训练集UserB，user71～100作为计算相似度阈值训练数据集UserT，通过计算相似度阈值训练数据集UserT采用TCFS算法得到用户相似度阈值St。

6.根据权利要求5所述大数据场景下面向群组的服务可靠性预测方法，其特征在于，

3.1步中采用梯形模糊评分模型计算用户userk与目标用户useri相似度，3.3步中采用梯形模糊评分模型计算服务集合S中使用过目标服务Serverj的用户与目标用户useri的相似度；梯形模糊评分模型计算模糊相似度的公式如下：或

其中， 为梯形模糊数相似度，k为标记梯形顶峰常数项，ai,k为梯形 的第

k个顶点，aj,k为梯形 的第k个顶点， 为梯形 的重心， 为梯

形 的重心， 为群组用户与目标用户相似度总和，u为目标用户，v为群组中

的单个用户，sim(u，v)为最终计算的用户之间的模糊相似度，S(Ru,i,Rv,i)为单个用户与目标用户的相似度，n为群组中的用户数量。

7.根据权利要求6所述大数据场景下面向群组的服务可靠性预测方法，其特征在于，

3.3步中计算目标服务Serverj与服务Serverv相似度的具体过程如下：将目标服务Serverj简称Sj，服务Serverv简称Sv，根据(2)式计算Sj与Sv的相似性，其中，simsum(Sv,Sj)为Sj与Sv的相似性值，mum(Sv,Sj)为Sj与Sv两个服务的相同调用者的数量，mum(Sj)为调用服务Sj的用户数量。

8.根据权利要求7所述大数据场景下面向群组的服务可靠性预测方法，其特征在于，

3.3步中，在集合S上根据服务相似度为目标用户useri填充其未使用过的服务Serverp的可靠性评分的具体方法如下：假设目标用户useri使用服务Serverp的可靠度为r′i，j，根据(3)式计算的r′i，j值，其中，为目标服务sj在所有用户调用的时候产生的可靠度平均值,simn,j为目标服务sj与服务sn的相似度，n为0～服务集中服务数量，t′i,n表示用户在使用当前服务Sn的可靠性信息， 表示服务Sj的可靠性平均信息。

9.根据权利要求8所述大数据场景下面向群组的服务可靠性预测方法，其特征在于，

3.3步中，根据K个用户使用服务合集S中服务的使用信息预测目标用户目标useri调用服务Serverj的可靠性评分的具体方法如下：假设ri，j为用户目标useri调用服务Serverj的可靠度预测值，根据(4)式计算ri，j的值，其中， 为目标用户useri下所有服务的可靠度平均值,simn，i为目标用户useri与用户集中单个用户usern的相似度，t′j,n为表示用户在使用当前服务Sn的可靠性信息， 表示服务集中单个服务Sn的可靠性平均信息。