[发明专利]一种基于高效全局优化算法的微服务划分及优化方法

权利要求书

1.一种基于高效全局优化算法的微服务划分及优化方法，其特征在于，基于流程数据流图，构建基于微服务的业务系统性能仿真模型，运用DACE模型以及高效全局优化算法，在预设样本数量的仿真和验证实验结果下，构建出描绘业务系统的响应曲面预测函数，根据微服务应用需求，对微服务架构进行有效划分及性能优化；

所述微服务划分及优化方法包括以下步骤：

S1.流程数据收集，通过构建流程数据流图，以业务处理过程为中心，描述完整的业务和数据流程；

S2.基于流程数据流图，构建基于微服务的业务系统性能仿真模型；

S3.通过空间填充实验设计指定一组仿真初始点，运行业务系统性能仿真模型；

S4.进行DACE模型验证，对未通过验证的DACE模型重新拟合；

S5.运用高效全局优化算法对DACE模型进行优化；

S6.基于不同的目标指标，分别运用高效全局优化算法进行优化，得出不同的微服务架构和划分设计方案；

步骤S3包括以下子步骤：

将仿真得出的结果运用DACE模型进行拟合，使用如下所示的特殊加权距离公式：

其中θ_m≥0，p_m∈[1,2]，参数θ_m为测量变量x_m的重要性或活动性，值越大代表该处测量变量x_m对函数预测值的影响最大；参数p_m为光滑系数，值越接近2则函数越平滑；同时，运用以下的相关性公式：

Corr[∈(x⁽ⁱ⁾),∈(x^(j))]＝exp[-d(x⁽ⁱ⁾,x^(j))]

当x⁽ⁱ⁾和x^(j)之间的距离越小时，相关性越接近于1；当x⁽ⁱ⁾和x^(j)之间的距离越大时，相关性越接近于0；

DACE模型共有2k+2个参数：μ,σ²,θ₁,…,θ_k和p₁,…,p_k，采用Latin-Hypercube方法进行初始值选取，以估计DACE模型的参数；

步骤S4包括以下子步骤：

如果交叉验证的标准化残差值小于3，则DACE模型令人满意；如果大于3则是不满意，即运用标准化残值率预估函数：

其中，s_-i(x⁽ⁱ⁾)为在x⁽ⁱ⁾处的交差验证标准差，y(x⁽ⁱ⁾)、分别为在x⁽ⁱ⁾处的实际值和模型预测值；如果DACE模型有效，则标准化残差值应在区间[-3，+3]内；如果标准化残差值无法达到设定值，则应用对数或逆变换重新拟合DACE模型；

步骤S5包括以下子步骤：运用高效全局优化算法获得基于DACE模型的最大改进预期点位置即对应的参数值，重新通过业务系统性能仿真模型对这些预期点的结果进行验证，利用验证结果对DACE模型进行优化；使用分支定界算法最大化预期，如果预期的改进小于最佳函数值的1％，则停止迭代；如果不小于1％，则在预期改进最大化的地方对函数进行抽样，然后重新估算DACE模型参数使其具有最大的可能性，并进行迭代；

基于不同的目标指标，分别运用高效全局优化算法进行优化，得出不同的微服务架构和划分设计方案，供决策方进行筛选；所述目标指标包括服务独立程度、系统响应时间、系统故障率和微服务复用度。

2.根据权利要求1所述的一种基于高效全局优化算法的微服务划分及优化方法，其特征在于，流程数据流图基于IDEF0图，包括：数据输入，即为当前业务活动所需的、来源于上游业务活动的信息；数据输出，即为当前业务活动产生的或改变的信息，供下游业务活动使用；当前业务活动的所有者、责任人和部门信息；当前业务活动的管理控制信息，包括当前业务活动所对应的绩效。