[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

说明书

本发明提供一种微服务架构下中性能资源成本优化方法及系统，方法包括：对微服务调用链路以及服务指标，据以识别获取请求链路中的关键路径，据以调优关键服务的配置参数；初始化配置参数并运行微服务系统；针对微服务系统，进行压力测试并收集压测系统性能指标；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；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，将最优配置应用于微服务系统，以作为后续执行配置方案。本发明进行性能指标与成本开销的多目标优化，对微服务资源配置参数和微服务自身软件参数协同调优，通过降维方案对配置参数进行降维处理。

技术领域

本发明涉及微服务技术领域，具体涉及一种微服务架构下中性能资源成本优化方法及系统。

背景技术

随着微服务技术的发展，微服务(Microservices)的概念早已深入人心，越来越多的公司开始使用微服务架构来开发业务应用。O’Reilly 2020年的调研报告显示77％的用户已经使用微服务架构的开发模式，并且其中92％获得了成功经验。

容器是微服务架构的绝佳示例，现代云原生应用通常使用容器构建为微服务。借助容器良好的隔离，资源分配特性，能够为各服务分配相应资源以满足其性能需求。随着云基础设施的日益普及，开发者更加倾向于在云上部署基于微服务的应用程序，以利用云基础设施的弹性。

公布号为CN114924887A的现有发明专利申请文献《一种电力交易平台的微服务资源配置参数优化方法》，方法包括：获取实时的网络运行参数数据、平台系统运行参数数据以及微服务性能参数数据，分别对应地构造网络配置向量、系统感知向量以及微服务性能观测向量，输入预先训练的序列到序列模型seq2seq进行计算推理；根据seq2seq模型的输出，确定优化后的微服务资源配置参数，进而对电力交易平台进行微服务资源参数配置。seq2seq模型的训练样本为已知微服务资源配置向量的平台处理性能向量的连续时间序列数据，微服务资源配置参数包括CPU核数量、内存大小、带宽和实例数。在前述现有方案中，尽管公有云产品可被认为拥有无限的资源，但微服务应用程序在现实世界中的部署通常受到成本开销的限制。如何通过适当地分配给微服务有限的资源(如CPU使用时间，内存容量，微服务副本数量)以满足特定的性能目标是微服务领域重要的研究问题。

保证端到端服务质量的同时优化资源分配对云服务供应商和用户来说都是非常重要的课题。从云服务供应商的角度来说关系到公司利润与产品声誉，从用户角度来看优化资源分配关系到基础设施的持有成本与服务性能(如延迟)。公布号为CN111913800A的现有发明专利申请文献《基于L-ACO的云中微服务成本优化的资源分配方法》，包括：将整个组合服务的完成服务最后期限分配给每一个任务，计算每一个任务的概率向上秩，形成子最后期限；把概率向上秩作为蚁群中的启发式信息，进行迭代计算，迭代计算过程中信息素权重、启发式信息权重和信息素挥发率进行动态更新，根据迭代过程中的局部最优解来更新信息素轨迹；根据子最后期限，依次为每个任务的执行者，即服务实例选择满足其子最后期限的资源配置，找出成本优化的全局最优解。持有成本和服务性能之间需要根据情况做出相应的权衡，如前述现有技术中，通过缩减资源分配的方式降低持有成本，那么微服务响应延迟则可能会有所增加。由于保障服务性能通常比降低持有成本有着更高的优先级，常见的做法是过分配资源以保障服务性能。这种方式根据峰时负载所需资源数量进行分配，导致在大部分时间资源未得到充分的利用，对持有成本造成了负面影响。

此外，现有的调优技术方案还存在以下性能问题：

(1)多目标优化问题: