[发明专利]有状态应用实例运维组件的生成方法、装置、设备及介质

权利要求书

1.一种有状态应用实例的运维组件的生成方法，其特征在于，包括：

获取学习数据，所述学习数据包括Kubernetes Operator的编写语法、应用状态的原理以及有状态应用实例的运维数据；

采用深度学习算法分析所述学习数据，得到Kubernetes Operator对象的特征数据，根据所述特征数据生成Kubernetes Operator的软件包，所述特征数据包括KubernetesOperator对象的全生命周期活动的抽象特征。

2.如权利要求1所述的有状态应用实例的运维组件的生成方法，其特征在于，采用深度学习算法分析所述学习数据，得到Kubernetes Operator对象的特征数据，包括：

采用无监督学习算法分析所述学习数据，得到Kubernetes Operator对象的特征数据。

3.如权利要求2所述的有状态应用实例的运维组件的生成方法，其特征在于，采用无监督学习算法分析所述学习数据，得到Kubernetes Operator对象的特征数据，包括：

将采用所述无监督学习算法分析所述学习数据得到的Kubernetes Operator对象的特征数据输入高斯混合模型，所述高斯混合模型输出所述特征数据中各个特征的概率；

根据概率的大小确定出表示Kubernetes Operator运行异常的抽象特征；

从所述特征数据中确定出表示Kubernetes Operator运行异常的抽象特征对应的异常处理抽象特征。

4.如权利要求1至3中任一项所述的有状态应用实例的运维组件的生成方法，其特征在于，所述Kubernetes Operator对象的全生命周期活动包括创建、扩缩容、日志处理、监控指标以及异常处理。

5.一种有状态应用实例的运维组件的生成装置，其特征在于，包括：

数据获取模块，用于获取学习数据，所述学习数据包括Kubernetes Operator的编写语法、应用状态的原理以及有状态应用实例的运维数据；

组件生成模块，用于采用深度学习算法分析所述学习数据，得到Kubernetes Operator对象的特征数据，根据所述特征数据生成Kubernetes Operator的软件包，所述特征数据包括Kubernetes Operator对象的全生命周期活动的抽象特征。

6.如权利要求5所述的有状态应用实例的运维组件的生成装置，其特征在于，所述组件生成模块，包括：

学习单元，用于采用无监督学习算法分析所述学习数据，得到Kubernetes Operator对象的特征数据。

7.如权利要求6所述的有状态应用实例的运维组件的生成装置，其特征在于，所述学习单元，还用于将采用所述无监督学习算法分析所述学习数据得到的Kubernetes Operator对象的特征数据输入高斯概率模型，所述高斯概率模型输出所述特征数据中各个特征的概率；根据概率的大小确定出表示Kubernetes Operator运行异常的抽象特征；从所述特征数据中确定出表示Kubernetes Operator运行异常的抽象特征对应的异常处理抽象特征。

8.如权利要求5至7中任一项所述的有状态应用实例的运维组件的生成装置，其特征在于，所述Kubernetes Operator对象的全生命周期活动包括创建、扩缩容、日志处理、监控指标以及异常处理。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的有状态应用实例的运维组件的生成方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4中任一项所述的有状态应用实例的运维组件的生成方法的计算机程序。