[发明专利]一种自动化机器学习模型灰度上线方法

说明书

本发明涉及人工智能技术领域，尤其为一种自动化机器学习模型灰度上线方法，包括微服务支撑框架、微服务集群、自动化机器学习模块和持续增量学习人工智能技术底座，所述微服务支撑框架包括动态服务发现与配置模块、均衡负载模块、TLS终止模块、断路器控制模块、代理模块、Ngi nx健康检查模块和故障注入模块，本发明中，通过设置的持续交付流水线模块获取的数据信息和所述大数据的流量分割模块分割的数据信息均汇总于数据库的内部，由数据信息服务模块进行分配提供至用户服务模块进行使用，通过用户反馈模块反馈的数据信息再次进入大数据的流量分割模块进行反复筛选，能够提高数据筛选的精度。

技术领域

本发明涉及自动化机器学习模型灰度上线方法，具体为一种自动化机器学习模型灰度上线方法。

背景技术

灰度上线即按产品需求优先级，抽出核心需求，在满足用户基本要求的情况下快速上线，并通过限制流量、白名单等机制进行产品试用，以此收集用户的意见，从而萃取出用户潜在的需求，形成后续更有针对性的设计方案。

云计算与容器技术的发展带动了目前整个软件工业的云原生浪潮，软件工程中的各大技术领域不约而同地形成了云化、容器化的部署形式，软件研发和集成模式也更加敏捷，云原生形态下的软件以容器为部署单位，具有秒级启停、滚动升级、故障隔离、弹性伸缩等高级特性，而传统软件的部署以实体计算机或虚拟计算机为单位，应用扩容缩容周期长，资源利用率低，停机恢复时间长，难以度数据筛选精度进行持续提高。

因此需要一种自动化机器学习模型灰度上线方法对上述问题做出改善。

发明内容

本发明的目的在于提供一种自动化机器学习模型灰度上线方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种自动化机器学习模型灰度上线方法，包括微服务支撑框架、微服务集群、自动化机器学习模块和持续增量学习人工智能技术底座，所述微服务支撑框架包括动态服务发现与配置模块、均衡负载模块、TLS终止模块、断路器控制模块、代理模块、Nginx健康检查模块和故障注入模块，所述代理模块的输出端与HTTP代理模块和GRPC代理模块的输入端电性连接，所述GRPC代理模块的输出端与持续交付流水线模块的输入端电性连接，所述持续交付流水线模块的输出端与大数据的流量分割模块的输入端电性连接，所述大数据的流量分割模块的输出端与数据库的输入端电性连接，所述Nginx健康检查模块的输出端分别与秒级启停模块、滚动升级模块、故障隔离模块和弹性伸缩模块的输入端电性连接，所述数据库的输出端分别与数据信息服务模块和用户服务模块的输入端电性连接，所述数据信息服务模块的输出端与用户服务模块的输入端电性连接，所述数据库的输入端分别与大数据的流量分割模块和GIS可视化服务模块的输入端电性连接，所述微服务集群包括数据信息服务模块、GIS可视化服务模块和用户服务模块，所述用户服务模块的输出端与用户反馈模块的输入端电性连接，所述用户反馈模块的输出端与大数据的流量分割模块电性连接，所述自动化机器学习模块包括机器学习流水线设计模块、算法模型选择模块和参数调优模块，所述持续增量学习人工智能技术底座包括交互式数据探索分析模块和机器学习模型自动化持续集成框架。

作为本发明优选的方案，所述持续交付流水线模块和用户反馈模块的输出端均与大数据的流量分割模块的输入端电性连接，所述持续交付流水线模块获取的数据信息和所述大数据的流量分割模块分割的数据信息均汇总于数据库的内部，由数据信息服务模块进行分配提供至用户服务模块进行使用，通过用户反馈模块反馈的数据信息再次进入大数据的流量分割模块进行反复筛选，能够提高数据筛选的精度。

作为本发明优选的方案，所述微服务支撑框架通过使用云原生方式构建，通过设置的微服务支撑框架将组件以及部分大数据存储计算中间件均使用云原生方式构建，并且通过订制Nginx健康检查模块、代理模块、微服务集群、自动化机器学习模块、交互式数据探索分析模块和机器学习模型自动化持续集成框架，实现了基于流量拦截的非侵入权限控制中心，应用无需引入平台权限管理相关依赖即可使用权限管理能力，提高了系统的可扩展性。