分布式微服务架构的服务组件管理系统及其方法技术方案

本发明专利技术涉及智能化管理技术领域，其具体地公开了一种分布式微服务架构的服务组件管理系统及其方法，其获取业务场景的文本描述；采用基于深度学习的人工智能技术，挖掘业务场景的文本描述中的深层隐含语义理解特征信息，并通过文本描述中的深层隐含语义理解特征信息得到复杂业务场景的业务功能描述的语义信息，进而通过基于扩散模型的生成器来生成服务组件组合模型。这样，可以准确地对于服务组件组合模型进行构建，以此来提高知识产权成果共享运营平台的服务效果。运营平台的服务效果。运营平台的服务效果。

【技术实现步骤摘要】
分布式微服务架构的服务组件管理系统及其方法


[0001]本专利技术涉及智能化管理
，并且更具体地，涉及一种分布式微服务架构的服务组件管理系统及其方法。

技术介绍

[0002]由于知识产权成果共享运营平台业务场景的复杂化，存储规模也会不断扩大，将业务进行拆分并分而治之成为更好的选择。大型的业务场景被细分为单个更小的业务子场景，按照系统业务功能进行划分，对于知识产权成果共享运营平台，按功能维度可以拆分为数据供应链中心、交易中心、需求中心等子应用服务组件。每个子应用服务组件模块可进行独立开发、部署、运维。
[0003]对业务场景越来越细的划分，模块越来越多，整个应用的复杂度也越来越高，大量的独立子应用对数据库的独立访问，导致后端数据库的压力越来越大，需要将各个子应用的重叠逻辑再进行抽取为独立子服务，子应用服务之间通过RPC或者消息系统进行相互通信，因此采用分布式应用，以便于能够应对大部分高并发，大流量的业务场景。
[0004]微服务架构通过业务拆分实现服务组件化，通过组件组合快速开发系统。知识产权成果共享运营平台从业务和架构层面，按照微服务架构模式进行研发。业务单一的服务组件又可以独立部署，使得整个系统变得清晰灵活。
[0005]但是大量的分布式服务又使得架构实现面临问题，如服务注册发现，服务统一接入和权限控制，服务的负载均衡，服务配置的集中管理，服务熔断，服务监控等。所以知识产权成果共享运营平台在微服务架构中除了子应用服务组件外，引入服务注册发现组件来进行服务治理，引入服务网关组件来提供统一入口和权限控制，引入负载均衡组件来提供客户端或服务器端的负载均衡，引入集中配置组件来提供服务集中管理，引入熔断器组件来提供服务熔断，引入服务追踪组件来提供服务监控等。
[0006]知识产权成果共享运营平台架构是由基础的服务组件和业务微服务组件共同组成，然而，对于复杂业务场景来说，其不需要全部的服务组件，应基于复杂业务场景的应用层面来进行服务组件模型的任意适宜组合。但是，现有的方案并不能够较好地对于复杂业务场景进行分析来确定服务组件组合模型，导致知识产权成果共享运营平台的服务效果质量较低，不能满足客户应有需求。
[0007]因此，期望一种分布式微服务架构的服务组件管理系统。

技术实现思路

[0008]为了解决上述技术问题，提出了本专利技术。本专利技术的实施例提供了一种分布式微服务架构的服务组件管理系统及其方法，其获取业务场景的文本描述；采用基于深度学习的人工智能技术，挖掘业务场景的文本描述中的深层隐含语义理解特征信息，并通过文本描述中的深层隐含语义理解特征信息得到复杂业务场景的业务功能描述的语义信息，进而通过基于扩散模型的生成器来生成服务组件组合模型。这样，可以准确地对于服务组件组合
模型进行构建，以此来提高知识产权成果共享运营平台的服务效果。
[0009]第一方面，提供了一种分布式微服务架构的服务组件管理系统，其包括：业务场景文本获取模块，用于获取业务场景的文本描述；嵌入编码模块，用于对所述业务场景的文本描述进行分词处理后通过词嵌入层以得到词嵌入向量的序列；第一尺度业务场景语义理解模块，用于将所述词嵌入向量的序列通过基于转换器的上下文编码器以得到第一尺度业务场景语义理解特征向量；第二尺度业务场景语义理解模块，用于将所述词嵌入向量的序列进行二维排列为词嵌入输入矩阵后通过文本卷积神经网络模型以得到第二尺度业务场景语义理解特征向量；业务场景语义理解特征融合模块，用于融合所述第一尺度业务场景语义理解特征向量和所述第二尺度业务场景语义理解特征向量以得到业务场景语义理解特征向量；场景语义优化模块，用于基于所述第一尺度业务场景语义理解特征向量和所述第二尺度业务场景语义理解特征向量，对所述业务场景语义理解特征向量进行特征值区分度强化以得到优化业务场景语义理解特征向量；以及模型生成模块，用于将所述优化业务场景语义理解特征向量通过基于扩散模型的生成器以得到服务组件组合模型。
[0010]在上述分布式微服务架构的服务组件管理系统中，所述第一尺度业务场景语义理解模块，包括：上下文语义编码单元，用于使用所述基于转换器的上下文编码器对所述词嵌入向量的序列进行基于全局的上下文语义编码以得到多个语义理解特征向量；以及，级联单元，用于将所述多个语义理解特征向量进行级联以得到所述第一尺度业务场景语义理解特征向量。
[0011]在上述分布式微服务架构的服务组件管理系统中，所述上下文语义编码单元，包括：查询向量构造子单元，用于将所述词嵌入向量的序列进行一维排列以得到全局词序列特征向量；自注意子单元，用于计算所述全局词序列特征向量与所述词嵌入向量的序列中各个词嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及，注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述词嵌入向量的序列中各个词嵌入向量进行加权以得到所述多个语义理解特征向量。
[0012]在上述分布式微服务架构的服务组件管理系统中，所述第二尺度业务场景语义理解模块，用于：使用所述文本卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述文本卷积神经网络模型的最后一层输出所述第二尺度业务场景语义理解特征向量，其中，所述文本卷积神经网络模型的第一层的输入为所述词嵌入输入矩阵。
[0013]在上述分布式微服务架构的服务组件管理系统中，所述业务场景语义理解特征融合模块，用于：以如下公式来融合所述第一尺度业务场景语义理解特征向量和所述第二尺度业务场景语义理解特征向量以得到业务场景语义理解特征向量；其中，所述公式为：，其中，，表示所述第一尺度业务场景语义理解特征向量和所述第二尺度业务场景语义理解特征向量，表示级联函数，表示所述业务场景语义理解特征向量。
[0014]在上述分布式微服务架构的服务组件管理系统中，所述场景语义优化模块，包括：关联特征编码单元，用于计算所述第一尺度业务场景语义理解特征向量和所述第二尺度业务场景语义理解特征向量之间的关联特征矩阵；加权特征提取单元，用于将所述关联特征矩阵通过通道数与所述业务场景语义理解特征向量的长度相同的卷积神经网络模型以得到加权特征图；区分单元，用于对所述加权特征图进行特征相关性累积区分机制建模以获得加权特征向量；以及，加权优化单元，用于将所述加权特征向量与所述业务场景语义理解特征向量进行点乘以得到所述优化业务场景语义理解特征向量。
[0015]在上述分布式微服务架构的服务组件管理系统中，所述加权特征提取单元，用于:使用所述卷积神经网络模型的各层在层的正向传递中对输入数据进行卷积处理、均值池化处理和非线性激活以由所述卷积神经网络模型的最后一层生成所述加权特征图，其中，所述卷积神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分布式微服务架构的服务组件管理系统，其特征在于，包括：业务场景文本获取模块，用于获取业务场景的文本描述；嵌入编码模块，用于对所述业务场景的文本描述进行分词处理后通过词嵌入层以得到词嵌入向量的序列；第一尺度业务场景语义理解模块，用于将所述词嵌入向量的序列通过基于转换器的上下文编码器以得到第一尺度业务场景语义理解特征向量；第二尺度业务场景语义理解模块，用于将所述词嵌入向量的序列进行二维排列为词嵌入输入矩阵后通过文本卷积神经网络模型以得到第二尺度业务场景语义理解特征向量；业务场景语义理解特征融合模块，用于融合所述第一尺度业务场景语义理解特征向量和所述第二尺度业务场景语义理解特征向量以得到业务场景语义理解特征向量；场景语义优化模块，用于基于所述第一尺度业务场景语义理解特征向量和所述第二尺度业务场景语义理解特征向量，对所述业务场景语义理解特征向量进行特征值区分度强化以得到优化业务场景语义理解特征向量；以及模型生成模块，用于将所述优化业务场景语义理解特征向量通过基于扩散模型的生成器以得到服务组件组合模型。2.根据权利要求1所述的分布式微服务架构的服务组件管理系统，其特征在于，所述第一尺度业务场景语义理解模块，包括：上下文语义编码单元，用于使用所述基于转换器的上下文编码器对所述词嵌入向量的序列进行基于全局的上下文语义编码以得到多个语义理解特征向量；以及级联单元，用于将所述多个语义理解特征向量进行级联以得到所述第一尺度业务场景语义理解特征向量。3.根据权利要求2所述的分布式微服务架构的服务组件管理系统，其特征在于，所述上下文语义编码单元，包括：查询向量构造子单元，用于将所述词嵌入向量的序列进行一维排列以得到全局词序列特征向量；自注意子单元，用于计算所述全局词序列特征向量与所述词嵌入向量的序列中各个词嵌入向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化子单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算子单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过Softmax分类函数以得到多个概率值；以及注意力施加子单元，用于分别以所述多个概率值中各个概率值作为权重对所述词嵌入向量的序列中各个词嵌入向量进行加权以得到所述多个语义理解特征向量。4.根据权利要求3所述的分布式微服务架构的服务组件管理系统，其特征在于，所述第二尺度业务场景语义理解模块，用于：使用所述文本卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述文本卷积神经网络模型的最后一层输出所述第二尺度业务场景语义理解特征向量，其中，所述文本卷积神经网络模型的第一层的输入为所述词嵌入输入矩阵。5.根据权利要求4所述的分布式微服务架构的服务组件管理系统，其特征在于，所述业务场景语义理解特征融合模块，用于：以如下公式来融合所述第一尺度业务场景语义理解特征向量和所述第二尺度业务场景语义理解特征向量以得到业务场...

【专利技术属性】
技术研发人员：李义开，夏傲福，王婷，于瀚，贾晓丽，韩方森，刘刚，
申请(专利权)人：山东文衡科技股份有限公司山东知比特数据科技有限公司，
类型：发明
国别省市：