基于动态路由的微服务资源管理方法、系统和电子设备技术方案

本申请涉及服务资源管理领域，其具体地公开了一种基于动态路由的微服务资源管理方法、系统和电子设备，其基于深度学习的神经网络模型来基于微服务资源的服务属性和请求属性对微服务资源进行合理分组，通过这样的方式，使得控制接口能够精确请求到期望的服务器上，来降低整体运维操作复杂度和降低运维成本。降低整体运维操作复杂度和降低运维成本。降低整体运维操作复杂度和降低运维成本。

【技术实现步骤摘要】
基于动态路由的微服务资源管理方法、系统和电子设备


[0001]本专利技术涉及运动监控领域，且更为具体地，涉及一种基于动态路由的微服务资源管理方法、基于动态路由的微服务资源管理系统和电子设备。

技术介绍

[0002]Motan是用于高性能分布式服务快速开发的RPC框架，其偏重于简单实用的服务治理功能和优秀的RPC协议扩展能力，既可以提供高效的RPC远程调用，又能提供服务发现、服务高可用、负载均衡、管理等服务治理功能。现行的一种技术方案是基于动态路由来配置和管理Motan微服务资源，以解决网关高并发量、API动态路由、数据包加密、请求鉴权、请求黑白名单、灰度发布、网关缓存等问题。
[0003]但是，现有的基于动态路由的微服务资源管理系统无法高效管理微服务资源，且存在不能通过类似金丝雀发布方式进行微服务发布等问题，尤其是其不能控制接口精准请求到期望的服务器上。并且，由于其无法控制接口精准请求到期望的服务器上，会导致无法做到灰度发布服务并且可能存在服务发布期间服务版本不一致导致的异常问题。
[0004]因此，期待一种优化的微服务资源管理方案。
[0005]目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
[0006]近年来，深度学习以及神经网络的发展，为微服务资源的管理提供了解决思路和方案。

技术实现思路

[0007]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于动态路由的微服务资源管理方法、基于动态路由的微服务资源管理系统和电子设备，其基于深度学习的神经网络模型来基于微服务资源的服务属性和请求属性对微服务资源进行合理分组，通过这样的方式，使得控制接口能够精确请求到期望的服务器上，来降低整体运维操作复杂度和降低运维成本。
[0008]根据本申请的一个方面，提供了一种基于动态路由的微服务资源管理方法，其包括：获取微服务资源的服务属性的描述文本；对所述描述文本进行分词处理后通过语义理解模型以获得文本特征向量序列；获取与所述微服务资源对应的所有请求的请求属性数据；将所述所有所述请求的请求属性数据中每个请求的请求属性数据中的各个数据项分别通过隐马尔可夫模型进行向量编码以获得多个嵌入式向量；将所述多个嵌入式向量排列为矩阵后通过第一卷积神经网络以获得第一特征图；将所述文本特征向量序列中的每个文本特征向量作为第一分类向量以获得多个第一分类向量；对所述第一特征图进行沿通道维度的全局池化处理以获得第二特征矩阵并沿着数据项维度对所述第二特征矩阵进行划分以获得多个第二分类向量；计算所述多个第一分类向量中的各个第一分类特征向量与所述多
个第二分类向量中各个第二分类特征向量之间的转移矩阵，以获得多个转移矩阵，所述转移矩阵的数量为所述第一分类向量的数目与所述第二分类向量的数目之间的乘积；将所述多个转移矩阵输入第二卷积神经网络以获得第二特征图；将所述第二特征图通过分类器以获得所述微服务资源归属于每个分组的概率；以及基于所述微服务资源归属于每个分组的概率，确定所述微服务资源所属的分组。
[0009]在根据本申请的基于动态路由的微服务资源管理方法中，对所述描述文本进行分词处理后通过语义理解模型以获得文本特征向量序列，包括：对所述描述文本进行基于知识图谱的分词处理以获得多个词；使用词嵌入模型将所述多个词中的每个词转化为词向量以获得由多个词向量组成的词向量序列；以及，将所述词向量序列输入所述语义理解模型以获得所述文本特征向量序列。
[0010]在根据本申请的基于动态路由的微服务资源管理方法中，将所述词向量序列输入所述语义理解模型以获得所述文本特征向量序列，包括：使用所述语义理解模型的Bert模型将所述词向量序列中的各个词向量转化为词特征向量，以获得由多个词特征向量组成的词特征向量序列；以及，使用所述语义理解模型的双向LSTM模型对所述词特征向量序列进行基于描述文本的上下文编码以获得所述文本特征向量序列。
[0011]在根据本申请的基于动态路由的微服务资源管理方法中，对所述第一特征图进行沿通道维度的全局池化处理以获得第二特征矩阵并沿着数据项维度对所述第二特征矩阵进行划分以获得多个第二分类向量，包括：对所述第一特征图进行沿通道维度的全局平均值池化或者全局最大值池化处理以获得所述第二特征矩阵。
[0012]在根据本申请的基于动态路由的微服务资源管理方法中，计算所述多个第一分类向量中的各个第一分类特征向量与所述多个第二分类向量中各个第二分类特征向量之间的转移矩阵，包括：以如下公式计算所述多个第一分类向量中的各个第一分类特征向量与所述多个第二分类向量中各个第二分类特征向量之间的转移矩阵；所述公式为：y
j
=M
i,j
*x
i
，其中，x
i
表示所述多个第一分类向量中的各个第一分类向量，y
j
表示所述多个第二分类向量中的各个第二分类向量，M
i,j
表示所述转移矩阵。
[0013]在根据本申请的基于动态路由的微服务资源管理方法中，将所述第二特征图通过分类器以获得所述微服务资源归属于每个分组的概率，包括：使用所述分类器的一个或多个全连接层对所述第二特征图进行全连接编码以获得分类特征向量；以及，计算所述分类特征向量分别归属于各个分组的Softmax分类函数值作为所述分类特征向量分别归属于各个分组的概率。
[0014]在根据本申请的基于动态路由的微服务资源管理方法中，基于所述微服务资源归属于每个分组的概率，确定所述微服务资源所属的分组，包括：将所述分类特征向量分别归属于各个分组的概率中的最大者对应的分组，确定为所述微服务资源所属的分组。
[0015]根据本申请的另一方面，还提供了一种基于动态路由的微服务资源管理系统，其包括：服务属性单元，用于获取微服务资源的服务属性的描述文本；语义理解单元，用于对所述描述文本进行分词处理后通过语义理解模型以获得文本特征向量序列；请求属性单元，用于获取与所述微服务资源对应的所有请求的请求属性数据；向量构造单元，用于将所述所有所述请求的请求属性数据中每个请求的请求属性数据中的各个数据项分别通过隐马尔可夫模型进行向量编码以获得多个嵌入式向量；第一神
经网络单元，用于将所述多个嵌入式向量排列为矩阵后通过第一卷积神经网络以获得第一特征图；第一分类向量指定单元，用于将所述文本特征向量序列中的每个文本特征向量作为第一分类向量以获得多个第一分类向量；全局池化单元，用于对所述第一特征图进行沿通道维度的全局池化处理以获得第二特征矩阵并沿着数据项维度对所述第二特征矩阵进行划分以获得多个第二分类向量；转移矩阵计算单元，用于计算所述多个第一分类向量中的各个第一分类特征向量与所述多个第二分类向量中各个第二分类特征向量之间的转移矩阵，以获得多个转移矩阵，所述转移矩阵的数量为所述第一分类向量的数目与所述第二分类向量的数目之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于动态路由的微服务资源管理方法，其特征在于，包括：获取微服务资源的服务属性的描述文本；对所述描述文本进行分词处理后通过语义理解模型以获得文本特征向量序列；获取与所述微服务资源对应的所有请求的请求属性数据；将所述所有所述请求的请求属性数据中每个请求的请求属性数据中的各个数据项分别通过隐马尔可夫模型进行向量编码以获得多个嵌入式向量；将所述多个嵌入式向量排列为矩阵后通过第一卷积神经网络以获得第一特征图；将所述文本特征向量序列中的每个文本特征向量作为第一分类向量以获得多个第一分类向量；对所述第一特征图进行沿通道维度的全局池化处理以获得第二特征矩阵并沿着数据项维度对所述第二特征矩阵进行划分以获得多个第二分类向量；计算所述多个第一分类向量中的各个第一分类特征向量与所述多个第二分类向量中各个第二分类特征向量之间的转移矩阵，以获得多个转移矩阵，所述转移矩阵的数量为所述第一分类向量的数目与所述第二分类向量的数目之间的乘积；将所述多个转移矩阵输入第二卷积神经网络以获得第二特征图；将所述第二特征图通过分类器以获得所述微服务资源归属于每个分组的概率；以及基于所述微服务资源归属于每个分组的概率，确定所述微服务资源所属的分组。2.根据权利要求1所述的基于动态路由的微服务资源管理方法，其中，对所述描述文本进行分词处理后通过语义理解模型以获得文本特征向量序列，包括：对所述描述文本进行基于知识图谱的分词处理以获得多个词；使用词嵌入模型将所述多个词中的每个词转化为词向量以获得由多个词向量组成的词向量序列；以及将所述词向量序列输入所述语义理解模型以获得所述文本特征向量序列。3.根据权利要求2所述的基于动态路由的微服务资源管理方法，其中，将所述词向量序列输入所述语义理解模型以获得所述文本特征向量序列，包括：使用所述语义理解模型的Bert模型将所述词向量序列中的各个词向量转化为词特征向量，以获得由多个词特征向量组成的词特征向量序列；以及使用所述语义理解模型的双向LSTM模型对所述词特征向量序列进行基于描述文本的上下文编码以获得所述文本特征向量序列。4.根据权利要求1所述的基于动态路由的微服务资源管理方法，其中，对所述第一特征图进行沿通道维度的全局池化处理以获得第二特征矩阵并沿着数据项维度对所述第二特征矩阵进行划分以获得多个第二分类向量，包括：对所述第一特征图进行沿通道维度的全局平均值池化或者全局最大值池化处理以获得所述第二特征矩阵。5.根据权利要求1所述的基于动态路由的微服务资源管理方法，其中，计算所述多个第一分类向量中的各个第一分类特征向量与所述多个第二分类向量中各个第二分类特征向量之间的转移矩阵，包括：以如下公式计算所述多个第一分类向量中的各个第一分类特征向量与所述多个第二分类向量中各个第二分类特征向量之间的转移矩阵；所述公式为：y
j
=M
i,j
*x
i
，其中，x
i
表示所述多个第一分类向量中的各个第一分类向量，y

【专利技术属性】
技术研发人员：张雪涛，
申请(专利权)人：深圳万顺叫车云信息技术有限公司，
类型：发明
国别省市：