一种面向微服务系统治理的效能预测方法及系统技术方案

本申请公开了一种面向微服务系统治理的效能预测方法及系统，属于计算机服务技术领域。上述方法首先获取微服务信息，根据所述微服务信息构建微服务系统模型，并得到系统有向图，然后得到针对单一微服务实例的效能预测值，最后得到效能预测模型，通过效能预测模型对整体微服务系统效能进行预测。本申请提供的效能预测方法及系统能够支持多种微服务治理手段以及治理手段之间的组合，通过对微服务系统历史数据的学习，采集过去一段时间内面对不同治理手段的运行数据，最终预测出在某些治理手段组合下微服务系统多种性能指标的响应结果，从而帮助帮助微服务系统治理人员及时调整治理方案，节约实际部署的时间与成本。适用于指导微服务系统的治理。指导微服务系统的治理。指导微服务系统的治理。

【技术实现步骤摘要】
一种面向微服务系统治理的效能预测方法及系统


[0001]本申请涉及一种面向微服务系统治理的效能预测方法及系统，属于计算机服务


技术介绍

[0002]近年来，微服务架构的出现逐渐取代了传统的单体架构和SOA架构，成为软件系统的主流设计模式。微服务架构以专注于单一责任与功能的小型功能模块为基础，利用模块化的方式组合出复杂的大型应用程序，各个模块之间高度解耦，能够各自独立的进行开发、测试、部署、拓展等而不影响其它模块。微服务技术的使用，能够让服务系统可以针对用户需求，对特定的服务进行合理的调整，而不影响其它服务的正常运行，降低了服务系统调整的复杂性。容器是应用程序级别的虚拟化，允许单个内核上有多个独立的用户空间实例。它提供了将应用程序的代码、运行时、系统工具、系统库和配置打包到一个实体中的标准方法。相较于传统的虚拟机技术，容器在体积上十分轻量；能够快速启动；具备高弹性，能够更加有效的使用服务器中的资源；具备更高的性能。容器技术的应用，能够让服务在各种异构的服务器环境中，快速的启动和稳定的运行，进一步降低了服务系统调整的复杂性。Kubernetes(K8S)是为容器服务而生的一个可移植容器的编排管理工具，其搭配微服务，从服务部署，服务监控，应用扩容和故障处理等微服务治理方面，都提供了很好的解决方案。
[0003]虽然K8S提供了一套微服务系统治理方案，但其大多集中在容器管理方面，忽略了容器中运行的微服务的业务属性，为应对更多更复杂的治理场景，治理人员不得不开发更具个性化的微服务系统治理方案，上线、运行以观测治理效果，以使得治理人员在治理方案上线之前观测到治理效果以快速调整治理方案，节省时间与资源。但目前已有的微服务效能预测方法，大多基于传统的数学方法，通过数学建模方法计算数学公式，得到对应的效能(QOS)预测结果，然而已有的方法存在一些缺陷。首先，类似的一些预测方法未能很好地与微服务治理手段相结合，忽略了在微服务系统运行过程中，治理手段给微服务系统带来的变化；其次基于数学建模的方法需要对微服务本身具有一定的了解，与真实情况下微服务系统的运行实际并不相符，且无法保护服务提供者的隐私，影响服务提供者提供相应信息的积极性，也对微服务的效能预测带来了困扰。

技术实现思路

[0004]本申请的目的在于提供一种面向微服务系统治理的效能预测方法及系统，能够支持多种微服务治理手段以及治理手段之间的组合，通过对微服务系统历史数据的学习，最终预测出在某些治理手段组合下微服务系统多种性能指标的响应结果，从而帮助帮助微服务系统治理人员及时调整治理方案。
[0005]为实现上述目的，本申请第一方面提供了一种面向微服务系统治理的效能预测方法，微服务系统包括服务器集群，每个服务器均部署有若干微服务实例，所述效能预测方法包括：
[0006]获取微服务信息，其中，所述微服务信息包括微服务系统信息、治理手段信息与用户请求信息；
[0007]根据所述微服务信息构建微服务系统模型，并得到系统有向图；
[0008]基于所述系统有向图和所述微服务信息分别对各微服务实例进行效能预测，分别得到针对单一微服务实例的效能预测值；
[0009]通过图神经网络训练方式，结合各所述效能预测值、所述系统有向图和所述微服务信息得到效能预测模型，通过所述效能预测模型对整体微服务系统效能进行预测。
[0010]在一种实施方式中，所述微服务系统信息包括微服务系统的性能指标，所述治理手段信息包括与各所述微服务实例的服务部署和请求转发相关的治理手段，所述用户请求信息包括输入所述微服务系统的用户请求数量、请求数据大小和用户特定属性。
[0011]在一种实施方式中，所述微服务系统模型包括：服务器模型、微服务模型、微服务实例模型、治理手段模型和用户请求模型。
[0012]在一种实施方式中，所述根据所述微服务信息构建微服务系统模型包括：
[0013]根据所述微服务系统信息构建所述服务器模型和所述微服务模型，其中，所述服务器模型用于描述各服务器的物理位置、各服务器的所有资源以及各服务器所部署的微服务实例，所述微服务模型用于描述各微服务实例所包含的所有接口，对应的请求路径，接口传入传出的数据量的大小，接口所提供的功能描述，以及各微服务实例正常运行所需要的资源；
[0014]根据所述微服务系统信息和所述用户请求信息构建所述微服务实例模型，用于描述与各微服务实例相关的用户请求、各服务器上的资源分配以及单一微服务实例的效能指标；
[0015]根据所述治理手段信息构建所述治理手段模型，用于描述与各所述微服务实例的服务部署和请求转发相关的治理手段；
[0016]根据所述用户请求信息构建所述用户请求模型，用于描述输入所述微服务系统的用户请求数量、请求数据大小和用户特定属性。
[0017]在一种实施方式中，所述得到系统有向图包括：
[0018]根据所述微服务系统模型确定各微服务实例之间的请求依赖关系和与各微服务实例相对应的各服务器之间的请求调用关系，根据所述请求依赖关系和所述请求调用关系构建所述系统有向图，其中，在所述系统有向图中，各节点表征各服务器，各节点上的属性表征各服务器所部署的微服务实例，有向边表征各服务器所部署的各微服务实例之间的请求依赖关系。
[0019]在一种实施方式中，所述基于所述系统有向图和所述微服务信息分别对各微服务实例进行效能预测包括：
[0020]将各微服务实例所包含的各接口的用户数量和服务器对相应微服务实例的资源分配作为输入特征，并根据所述单一微服务实例的效能指标，采用机器学习方法将多维的单一微服务实例的输入特征表征为所述效能指标，得到各所述针对单一微服务实例的效能预测值。
[0021]在一种实施方式中，所述通过图神经网络训练方式，结合各所述效能预测值、所述系统有向图和所述微服务信息得到效能预测模型包括：
[0022]将各所述针对单一微服务实例的效能预测值作为特征嵌入到所述系统有向图中的各个节点上，然后将所述系统有向图作为输入，将所述微服务系统的性能指标作为输出，采用图神经网络进行训练，得到所述效能预测模型。
[0023]本申请第二方面提供了一种面向微服务系统治理的效能预测系统，包括：
[0024]微服务系统监控模块，用于获取微服务信息，其中，所述微服务信息包括微服务系统信息、治理手段信息与用户请求信息；
[0025]微服务系统建模模块，用于根据所述微服务信息构建微服务系统模型，并得到系统有向图；
[0026]单一微服务预测模块，用于基于所述系统有向图和所述微服务信息分别对各微服务实例进行效能预测，分别得到针对单一微服务实例的效能预测值；
[0027]整体微服务预测模块，用于通过图神经网络训练方式，结合各所述效能预测值、所述系统有向图和所述微服务信息得到效能预测模型，通过所述效能预测模型对整体微服务系统效能进行预测。
[0028]本申请第三方面提供了一种面向微服务系统治理的效能预测装置，包括：存储器、处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向微服务系统治理的效能预测方法，微服务系统包括服务器集群，每个服务器均部署有若干微服务实例，其特征在于，所述效能预测方法包括：获取微服务信息，其中，所述微服务信息包括微服务系统信息、治理手段信息与用户请求信息；根据所述微服务信息构建微服务系统模型，并得到系统有向图；基于所述系统有向图和所述微服务信息分别对各微服务实例进行效能预测，分别得到针对单一微服务实例的效能预测值；通过图神经网络训练方式，结合各所述效能预测值、所述系统有向图和所述微服务信息得到效能预测模型，通过所述效能预测模型对整体微服务系统效能进行预测。2.如权利要求1所述的效能预测方法，其特征在于，所述微服务系统信息包括微服务系统的性能指标，所述治理手段信息包括与各所述微服务实例的服务部署和请求转发相关的治理手段，所述用户请求信息包括输入所述微服务系统的用户请求数量、请求数据大小和用户特定属性。3.如权利要求2所述的效能预测方法，其特征在于，所述微服务系统模型包括：服务器模型、微服务模型、微服务实例模型、治理手段模型和用户请求模型。4.如权利要求3所述的效能预测方法，其特征在于，所述根据所述微服务信息构建微服务系统模型包括：根据所述微服务系统信息构建所述服务器模型和所述微服务模型，其中，所述服务器模型用于描述各服务器的物理位置，各服务器的所有资源以及各服务器所部署的微服务实例，所述微服务模型用于描述各微服务实例所包含的所有接口，对应的请求路径，接口传入传出的数据量的大小，接口所提供的功能描述，以及各微服务实例正常运行所需要的资源；根据所述微服务系统信息和所述用户请求信息构建所述微服务实例模型，用于描述与各微服务实例相关的用户请求、各服务器上的资源分配以及单一微服务实例的效能指标；根据所述治理手段信息构建所述治理手段模型，用于描述与各所述微服务实例的服务部署和请求转发相关的治理手段；根据所述用户请求信息构建所述用户请求模型，用于描述输入所述微服务系统的用户请求数量、请求数据大小和用户特定属性。5.如权利要求4所述的效能预测方法，其特征在于，所述得到系统有向图包括：根据所述微服务系统模型确定各微服务实例之间的请求依赖关系和与各微服务实例相对应的各服务器之间的...

【专利技术属性】
技术研发人员：邵子豪，贺祥，王忠杰，苏统华，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：