[发明专利]一种微服务架构下中性能资源成本优化方法及系统在审
申请号: | 202310002221.1 | 申请日: | 2023-01-03 |
公开(公告)号: | CN116149855A | 公开(公告)日: | 2023-05-23 |
发明(设计)人: | 窦晖;贾成成;张以文 | 申请(专利权)人: | 安徽大学 |
主分类号: | G06F9/50 | 分类号: | G06F9/50;G06N3/126 |
代理公司: | 合肥市浩智运专利代理事务所(普通合伙) 34124 | 代理人: | 朱文振 |
地址: | 230039 *** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 微服 架构 性能 资源 成本 优化 方法 系统 | ||
1.一种微服务架构下中性能资源成本优化方法,其特征在于,所述方法包括:
S1、对微服务调用链路以及服务指标,据以识别获取所述请求链路中的关键路径,据以调优所述关键服务的配置参数;
S2、初始化所述配置参数并运行微服务系统;
S3、针对所述微服务系统,进行压力测试并收集压测系统性能指标,所述步骤S3包括:
S31、对处于运行状态的所述微服务系统进行压力测试,以得到所述压测系统性能指标;
S32、在发送网络请求数量达到预置上限阈值时,请求所述微服务调用链路覆盖所述微服务系统中的所述微服务;
S33、处理当前的所述微服务系统的配置方案的资源成本开销;
S4、使用多目标调优算法生成新的配置方案,并变更应用至微服务系统,其中,所述多目标调优算法包括:遗传算法,动态维度搜索算法、粒子群优化算法、贝叶斯优化算法,所述步骤S4包括:
S41、利用所述遗传算法模仿自然选择,根据预置目标函数值选择一个候选解决方案子集;
S42、进行突变操作以及交叉操作,随机改变特定参数配置和组合候选方案配置,据以产生新的候选方案,其中,所述遗传算法包括:NSGA-Ⅱ算法;
S43、将当前的配置方案作为所述NSGA-II算法的输入数据,在该所述配置方案下,将所述压测系统性能指标以及所述成本开销作为目标函数;
S44、根据所述配置方案以及所述目标函数,产生新配置方案;
S45、将所述新配置方案应用于所述微服务系统,以变更预置应用至所述微服务系统,使所述微服务系统在所述新配置方案下运行;
S5、循环执行所述步骤S3及所述步骤S4,直至循环的次数达到预置重复次数阈值,将目前最优配置应用于微服务系统,以作为后续执行配置方案。
2.根据权利要求1所述的一种微服务架构下中性能资源成本优化方法,其特征在于,所述步骤S1包括:
S11、将所述关键路径上的微服务作为关键服务;
S12、调优所述关键服务的所述配置参数。
3.根据权利要求2所述的一种微服务架构下中性能资源成本优化方法,其特征在于,所述步骤S12中,通过调优所述配置参数。并降低所述关键服务的配置参数搜索空间。
4.根据权利要求1所述的一种微服务架构下中性能资源成本优化方法,其特征在于,所述步骤S2中,通过获取用户信息,以联合优化所述关键服务的所述配置参数。。
5.根据权利要求1所述的一种微服务架构下中性能资源成本优化方法,其特征在于,所述步骤S2中,所述配置参数包括:微服务系统硬件资源配置参数以及微服务系统软件配置参数。
6.根据权利要求5所述的一种微服务架构下中性能资源成本优化方法,其特征在于,针对所述关键服务,设置所述硬件资源配置参数以及所述软件配置参数,据以控制所述关键服务的所述微服务系统运行。
7.根据权利要求6所述的一种微服务架构下中性能资源成本优化方法,其特征在于,获取预设软件的所述软件配置参数,其中,所述预设软件包括:Redis、Mongodb、Nginx。
8.根据权利要求1所述的一种微服务架构下中性能资源成本优化方法,其特征在于,所述步骤S32还包括:
S321、以不同的调用次数调用每一所述微服务,收集所述压测系统性能指标;
S322、在所述微服务请求链路延迟时,以相同的调用次数请求每秒处理的请求数。
9.根据权利要求1所述的一种微服务架构下中性能资源成本优化方法,其特征在于,所述步骤S33中,所述成本开销包括:硬件资源用量产生的费用。
10.一种微服务架构下中性能资源成本优化系统,其特征在于,所述系统包括:
关键服务识别模块,用以对微服务调用链路以及服务指标,据以识别获取所述请求链路中的关键路径,据以调优所述关键服务的配置参数;
参数初始及微系统运行模块,用以初始化所述配置参数并运行微服务系统,所述参数初始及微系统运行模块与所述关键服务识别模块连接;
测试及值班收集模块,用以针对所述微服务系统,进行压力测试并收集压测系统性能指标,所述测试及值班收集模块与所述参数初始及微系统运行模块连接,所述测试及值班收集模块包括:
压力测试模块,用以对处于运行状态的所述微服务系统进行压力测试,以得到所述压测系统性能指标;
链路覆盖模块,用以在发送网络请求数量达到预置上限阈值时,请求所述微服务调用链路覆盖所述微服务系统中的所述微服务,所述链路覆盖模块与所述压力测试模块连接;
成本获取模块,用以处理当前的所述微服务系统的配置方案的资源成本开销,所述成本获取模块与所述链路覆盖模块连接;
多目标调优模块,用以使用多目标调优算法生成新的配置方案,并变更应用至微服务系统,所述多目标调优模块与所述测试及值班收集模块连接,其中,所述多目标调优算法包括:遗传算法,动态维度搜索算法、粒子群优化算法、贝叶斯优化算法,所述多目标调优模块包括:
方案子集选择模块,用以利用遗传算法模仿自然选择,根据预置目标函数值选择一个候选解决方案子集;
候选方案产生模块,用以进行突变操作以及交叉操作,随机改变特定参数配置和组合候选方案配置,据以产生新的候选方案,其中,所述遗传算法包括:NSGA-Ⅱ算法,所述候选方案产生模块与所述方案子集选择模块连接;
目标函数设置模块,用以将当前的配置方案作为所述NSGA-II算法的输入数据,在该所述配置方案下,将所述压测系统性能指标以及所述成本开销作为目标函数,所述目标函数设置模块与所述候选方案产生模块连接;
新方案产生模块,用以根据所述配置方案以及所述目标函数,产生新配置方案,所述新方案产生模块与所述目标函数设置模块连接;
应用更新运行模块,用以将所述新配置方案应用于所述微服务系统,以变更预置应用至所述微服务系统,使所述微服务系统在所述新配置方案下运行,所述应用更新运行模块与所述新方案产生模块连接;
后续执行模块,用以循环执行压力测试并收集系统性能指标及生成新的配置方案并变更应用到微服务系统的操作,直至循环的次数达到预置重复次数阈值,将目前最优配置应用于微服务系统,以作为后续执行配置方案,并将所述适用配置应用于所述微服务系统,以作为后续执行配置方案,所述后续执行模块与所述多目标调优模块连接。
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安徽大学,未经安徽大学许可,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/202310002221.1/1.html,转载请声明来源钻瓜专利网。