[发明专利]一种基于吸引子模型的终端微服务发现方法

权利要求书

1.一种基于吸引子模型的终端微服务发现方法，其特征在于，包括以下步骤：

S1：根据输入参数基于吸引子模型计算得到所有微服务实例的选择概率，其中选择概率为每个微服务实例被选择来承载业务的动作所对应的概率；

S2：根据所有微服务实例的选择概率利用算法筛选得到目标选择概率，将目标选择概率所对应的微服务实例作为承载用户请求的微服务实例。

2.根据权利要求1所述的一种基于吸引子模型的终端微服务发现方法，其特征在于，所述S2中将选择概率所对应的微服务实例作为承载用户请求的微服务实例的步骤具体包括：

确定目标选择概率所对应的目标动作，其中目标动作为目标微服务实例被选择来承载业务的动作；

将目标动作所对应的目标微服务实例作为承载用户请求的微服务实例。

3.根据权利要求2所述的一种基于吸引子模型的终端微服务发现方法，其特征在于，还包括以下步骤：

记录目标动作所对应的资源碎片数，将所述资源碎片数作为下一次吸引子模型的输入参数。

4.根据权利要求1-3任一所述的一种基于吸引子模型的终端微服务发现方法，其特征在于，所述吸引子模型为模拟大肠杆菌乳糖代谢动力学过程的模型，所述S1步骤具体包括：

S11：T₀时刻时，并初始化所有微服务实例的选择概率；

S12：在T_t时刻时，根据输入参数基于吸引子模型计算所有微服务实例的选择概率，其中：吸引子模型包括基因表达水平计算公式和大肠杆菌的生长速度计算公式；

所述基因表达水平的计算公式的表达式为：

其中：每个实例被选择来承载业务的动作记为一个基因x，选择概率记为一个基因表达水平x_i，η_i表示高斯噪声，v_g表示大肠杆菌的生长速度，w_ij表示基因表达水平x_j对x_i的影响系数；

所述大肠杆菌的生长速度计算公式的表达式为：

其中：γ、δ、为固定参数，r被记为系统中产生的资源碎片个数。

5.根据权利要求4所述的一种基于吸引子模型的终端微服务发现方法，其特征在于，所述基因表达水平的计算公式的表达式中：θ_i和μ分别设置为0.5和10。

6.根据权利要求5所述的一种基于吸引子模型的终端微服务发现方法，其特征在于，所述大肠杆菌的生长速度计算公式的表达式中：γ和δ都设置为100，和κ设置为0.1和10。

7.根据权利要求1所述的一种基于吸引子模型的终端微服务发现方法，其特征在于，所述S2步骤中的算法为概率选择算法、重心选择算法和随机选择算法中的一种。

8.根据权利要求7所述的一种基于吸引子模型的终端微服务发现方法，其特征在于，所述算法为概率选择算法时，概率选择公式的表达为：

其中：每个实例被选择来承载业务的动作记为一个基因x，动作所对应的概率记为一个基因表达水平x_i。