体验可用性（Experience Availability）,该性能评估指标用于对在线云服务进行可用性和响应时间两方面的综合评估。响应慢的服务也是不可用的服务,换句话说,从用户体验质量（QoE）的角度来看,在线云服务不仅在不可访问时,即故障时,被认为是不可用的,在尾延迟很高的情况下,也应被认为是不可用。传统可用性只考虑前一点,而体验可用性同时考虑以上两方面。然而,在当前学术界,仍然缺乏用于评估在线云服务体验可用性的分析模型。在本文中,首先提出了一种有效的体验可用性分析模型,该模型使用随机回报网（SRN）来建模在线云服务在不同负载和故障发生下的尾延迟性能,不仅可以预测在线云服务的体验可用性,还可以对传统可用性和平均响应时间进行分析。此外,本文将此模型应用于Apache Solr分布式搜索服务,并通过将模型得出的理论结果与实际实验结果进行比较,来评估模型预测的准确性。实验结果表明,本文所提出的模型在低百分位时,高估了在线云服务的响应时间;在高百分位时,低估了响应时间。针对模型的预测误差,本文进行了详尽的归因分析,列出所有可能影响模型准确性的实验因素,并通过相关对比实验,确定最主要的误差影响因素。最后,通过调整影响因子的配置,排除实验的误差影响,重新进行模拟实验,将95^th百分位下的尾延迟预测误差降低至2.45%。