【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 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
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
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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。