A World Wide Web tem apresentado um constante e intenso crescimento, causando um grande congestionamento. Muitas pesquisas têm sido feitas para garantir suas funcionalidades. A prática de cache na Web é uma das formas mais utilizadas para permitir escalabilidade dos serviços da WWW e melhorar seu desempenho, diminuindo os pontos de contenção e mantendo os objetos mais próximos dos clientes. Todavia, os benefícios de cache são limitados e têm diminuído por causa da grande quantidade e diversidade de características dos objetos Web. Prébusca surge nesse contexto, como uma prática complementar ao uso de caches, antecipando a busca dos objetos que serão requisitados e deixando-os disponíveis em um cache, permitindo a diminuição da latência percebida pelo usuário. O uso de pré-busca na Web dá-se de formas bastante diversas, variando seus resultados quanto à implementação de estratégias, cenários, modelos preditores e parametrização das técnicas. A estratégia de pré-busca com predição estatística mostra-se como a mais promissora das abordagens. Este trabalho de mestrado objetiva avaliar o impacto da pré-busca com predição estatística, utilizando simulação de um modelo preditor baseado no algoritmo Prediction by Partial Matching (PPM), por meio da análise das consequências dos ajustes de parâmetros do modelo adotado. Os resultados obtidos mostram que a pré-busca é uma técnica efetiva e valiosa na melhora do desempenho da Web e no incremento da taxa de acerto do cache.

The World Wide Web has experienced an intense and sustained growth which has caused traffic congestion, therefore much research has been conducted aiming at guaranteeing its availability. Web caching is one of the most used approaches for improving web services scalability and performance. It minimizes contention and brings requested objects closer to the clients. However, caching benefits are limited and have been less helpful recently due to the diversity of web objects characteristics. Prefetching arises in this scenario as a further technique to caching, anticipating the fetching of objects that will be requested in the future. Those objects become available in cache, thus minimizing the latency perceived by the user. Prefetching is employed in several ways with different parameters, strategies, scenarios and prediction models. Statistical prefetching arises as the most promising approach. This dissertation aims at evaluating the impact of statistical prefetching by simulating a prediction model based on the Prediction by Partial Matching (PPM) algorithm. The consequences of tuning the parameters of the adopted model are analyzed. The results show that prefetching is a valuable and efficient technique for improving web performance and cache hit rate.