[发明专利]面向用户需求变化的多版本并存的微服务自适应方法有效
| 申请号: | 202010275656.X | 申请日: | 2020-04-09 |
| 公开(公告)号: | CN111541746B | 公开(公告)日: | 2022-04-15 |
| 发明(设计)人: | 贺祥;涂志莹;刘磊;王忠杰;徐晓飞 | 申请(专利权)人: | 哈尔滨工业大学 |
| 主分类号: | H04L67/61 | 分类号: | H04L67/61;H04L67/1097;H04L67/10;H04L67/51;H04L67/566 |
| 代理公司: | 哈尔滨龙科专利代理有限公司 23206 | 代理人: | 高媛 |
| 地址: | 150001 黑龙*** | 国省代码: | 黑龙江;23 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 面向 用户 需求 变化 版本 并存 微服 自适应 方法 | ||
1.一种面向用户需求变化的多版本并存的微服务自适应方法,其特征在于所述方法包括如下步骤:
步骤S1、构建微服务依赖模型:
通过分析微服务源代码自动构建多版本共存的微服务依赖模型,具体步骤如下:
通过微服务编程框架的配合,让微服务具备指定版本的依赖表达以及请求能力,并让系统能够按照源代码自动构建出包含以下三种类型的微服务依赖模型:1)指定服务名称,接口以及版本;2)指定服务名称,接口以及期望的SLA;3)指定期望的功能以及SLA;
步骤S2、收集服务系统信息:
收集系统中用户需求信息以及微服务实例相关信息,具体步骤如下:
(1)在每个用户可以直接发送请求的服务器节点上,均部署一个网关服务实例;
(2)通过使用框架、网关,对服务系统运行时的用户需求信息、微服务实例相关信息进行收集;
(3)通过分析所有的微服务实例相关信息,构建微服务之间的版本依赖模型;
步骤S3、分析、处理信息:
通过对步骤S2中收集到的服务系统信息的处理,预测出未来一段时间内需要进行调整的用户需求变化,判断是否需要进行服务系统的演化,如需进行演化,则执行步骤S4,否则等待固定时间窗口后,执行步骤S2,具体步骤如下:
(1)针对每个用户需求进行分析,如果用户需求在服务系统中没有得到响应,则将该需求标记为待调整;
(2)利用全局用户需求信息,通过利用最近若干个时间窗口的历史数据,对后续若干个时间窗口内系统中各种需求类型的数量进行预测,具体预测时间长度视集群规模由系统维护者手动指定;
(3)结合未来的用户需求数量以及待调整用户需求,得到未来一段时间内需要处理的用户需求;
步骤S4、计算系统演化方案:
对整个服务系统进行建模,考量可能的基本演化操作,并计算出演化方案,得到微服务实例部署情况,具体步骤如下:
(1)利用步骤S2所获取到的收集到的服务系统信息,构建模型以对服务系统现状进行刻画,其中:所述模型包括:1)服务:用来描述服务系统的每个服务的相关信息,包括服务所包含的所有接口,对应的请求路径,接口传入传出的数据量的大小,接口所提供的功能描述,接口所提供的服务等级,该服务的容器镜像地址,该服务的代码仓库地址,服务版本信息,以及该服务正常运行所需要的资源大小;2)微服务依赖模型:用来描述不同微服务不同版本之间的依赖关系;3)服务器节点:用来描述云—边缘—端中云端以及边缘端服务器的相关信息,包括服务器的地理位置,服务器所具备的资源能力以及每个服务器对应的节点标识;4)服务实例:用来描述服务系统中所有服务的实例,包括该实例对应的服务名称,该实例所在服务器节点标识信息;5)用户需求:用来描述用户需求的分配情况,包括用户的唯一标识,以及步骤S1中所描述的微服务依赖模型;
(2)利用步骤S3中得到的未来一段时间内需要处理的用户需求,在考量不同微服务不同版本之间的依赖关系情况下,计算出演化方案,得到微服务实例部署情况,其中:使用目标优化算法进行实例部署方案的计算,该算法的优化目标为:1)服务系统的平均相应时间最短;2)演化的时间代价最小;3)保整多版本并存的微服务依赖关系;演化方案主要分为:1)服务相关:服务依赖的变更;2)服务实例相关:服务实例的部署、删除;3)用户需求的重新分配;
步骤S5、实施演化方案:
对步骤S4所得到的微服务实例部署情况进行自动化实施,以从当前的微服务实例部署情况在尽可能不影响用户的情况下转变为目标部署情况,具体步骤为:
(1)利用步骤S4计算出的微服务实例部署情况和当前实际的微服务实例部署情况进行对比,结合具体的服务演化手段,得到代价最小的演化方案,其中:服务演化手段主要包括:1)服务实例相关:服务实例的部署、删除;2)服务相关:服务之间依赖关系的调整;
(2)实施具体的演化方案。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010275656.X/1.html,转载请声明来源钻瓜专利网。





