【技术实现步骤摘要】
本专利技术涉及云原生架构挖掘和异味检测，具体指一种基于规则驱动的云原生架构挖掘与异味检测方法。
技术介绍
1、云原生是一种构建和运行应用程序的方法，即应用在云上构建，且充分利用云资源的优势运行。随着docker和kubernetes等容器化技术的发展，各种服务和资源通过容器的形式组织了起来，为应用提供了灵活高效、稳定可靠的开发、部署和运行环境，解决了微服务架构应用难以部署和管理的缺陷，因此，云原生架构逐渐代替微服务架构，成为开发人员构建应用的首要选择。然而，在进行云原生架构设计时，开发人员未遵循设计原则，提出了一些不良的架构决策，这些架构决策可能会对系统质量产生负面影响，产生架构异味。这些架构异味不仅会破坏架构的完整性，造成架构的腐化，而且可能在整个开发周期中引发源源不断的问题，甚至导致后续开发失败。
2、现有的研究中，云原生架构挖掘和异味检测主要存在以下问题。首先，在数据源方面，大部分研究只考虑了系统的静态信息或者动态运行时信息，只有少数研究综合考虑了静态信息和动态信息，且针对云原生系统的研究更是极少。其次，绝大多数研究未给出规范的云原生架构定义，有些研究给出了云原生架构的元模型定义，但是给出的元模型定义不够全面，尤其是缺乏对配置等信息的定义，且忽略了对于架构中各节点重要性的讨论。再次，大多数研究的异味选择较为片面，仅考虑依赖或者仅考虑服务层面相关异味，缺乏针对云原生架构完整性的异味检测研究。
技术实现思路
1、为了解决现有研究云原生架构定义不完整，输入源不全面、异味
2、为了解决上述技术问题，本专利技术的技术方案为：
3、一种基于规则驱动的云原生架构挖掘与异味检测方法，包括如下步骤：
4、s1.从静态和动态两方面出发，获取目标云原生系统源代码及其运行时的调用链数据，具体包括以下子步骤：
5、s11.从云原生系统在线地址获取源代码，以正则匹配的方式，从系统中提取kubernetes部署文件；
6、s12.部署云原生项目以及监控服务，收集运行时调用链数据，并保存为json文件。
7、s2.提取云原生架构相关信息，构建服务调用图，具体包括以下子步骤：
8、s21.根据kubernetes部署规范，云原生系统每个服务应有一个deployment类型部署文件用于资源部署，一个service类型部署文件用于提供访问入口。利用kubernetes的标签选择器机制，从s1中提取的kubernetes部署文件对deployment类型的部署文件和service类型的部署文件进行匹配；
9、s22.对于系统中任意一个节点ni(i∈[1,n])，利用正则匹配，从匹配后的部署文件提取元数据名称作为节点ni的全局唯一标识namei；
10、对于系统中任意一个节点ni(i∈[1,n])，利用正则匹配，从匹配后的部署文件提取镜像名称(image)、监控信息(mi)、部署类型(dtype)，存入字典：
11、deployi＝{imagei,mii,dtypei}(i∈[1,n])
12、对于系统中任意一个节点ni(i∈[1,n])，利用正则匹配，从匹配后的部署文件提取配置信息(ci)、数据来源信息(dsi)，利用xml解析模块elementtree，从系统源代码提取依赖信息(deps)，存入字典：
13、envi＝{cii,dsii,depsi}(i∈[1,n])
14、对于系统中任意一个节点ni(i∈[1,n])，利用ast树解析，从系统源代码提取导入信息(imps)、注解信息(anns)、方法名(meths)，存入字典：
15、codei＝{impsi,annsi,methsi}(i∈[1,n])
16、s23.将s22中提取出来的节点ni(i∈[1,n])信息的组合起来，存入字典ni＝{namei,deployi,envi,codei}(i∈[1,n])；
17、s24.在调用链中，span串联了一条完整的调用链数据。根据父子span的对应关系，从s1中提取的调用链数据中获取调用关系(spani→spanj)(spani是spanj的父span)，依据s22中提取的节点监控信息mi与span名称的映射关系f→(ni.deploy.mi,span.spanname)，将span和节点对应起来，从而获得节点ni,nj(i∈[1,n])的调用关系，存入字典ei,j＝{(ni→nj)}(i,j∈[1,n])；
18、s25.根据s23和s24的结果，构建服务调用图g＝{ni,ei,j}(i,j∈[1,n])。
19、s3.提出完整的云原生架构元模型定义，基于此定义挖掘系统云原生架构，并对架构进行可视化，具体包括以下子步骤：
20、s31.完整的云原生架构元模型定义如下：一个云原生架构系统(cloud-nativesystem，简称cs)，由节点(node)和交互关系(relationship，简)组成，即cs＝{n,r}。其中节点按类型分为服务(service)、中间件(middleware)和存储(storage)，即type＝{service,middleware,storage}。中间件的具体实例有网关、服务注册发现、配置中心，即instance＝{api gateway,service discovery,configuration server}。存储的具体实例有数据库。交互关系由容错(fault tolerance)和动态发现(dynamic discovery)组成，即r＝{faulttolerance,dynamicdiscovery}；
21、s32.对于服务调用图g中任意一个节点ni(i∈[1,n])，根据typei＝ftype(ni.deploy.image,ni.deploy.dtype,ni.env.dsi)判断节点类型，存入系统架构cs.n＝{(ni,typei)|i＝1,2,3...,n}；
22、s33.对于服务调用图g中的任意一条调用边ei,j(i,j∈[1,n])，根据ri＝frelationship(ni.env.deps,ni.code)判断调用携带的交互关系，存入系统架构cs.r＝{(ei,j,ri)|i＝1,2,...,n}；
23、s34.利用pagerank算法，计算系统架构cs＝{n,r}中各节点的重要程度。计算公式为其中pr(a)i+1表示当前节点a第本文档来自技高网...
【技术保护点】
1.一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，所述步骤S1中，Kubernetes部署文件提取方法为：正则匹配缀为.yaml和.yml的文件，调用链数据收集方式为：部署Skywalking监控服务，调用graphql接口获取数据。
3.根据权利要求1所述的一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，所述步骤S3中具体方法为：
4.根据权利要求3所述的一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，所述步骤3-4中，宠物医院系统架构中各节点的重要程度的计算方法为：
5.根据权利要求1所述的一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，所述步骤S4具体方法为：
6.根据权利要求1所述的一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，所述步骤S5具体方法为：
7.根据权利要求6所述的一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，所述
...【技术特征摘要】
1.一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，所述步骤s1中，kubernetes部署文件提取方法为：正则匹配缀为.yaml和.yml的文件，调用链数据收集方式为：部署skywalking监控服务，调用graphql接口获取数据。
3.根据权利要求1所述的一种基于规则驱动的云原生架构挖掘与异味检测方法，其特征在于，所述步骤s3中具体方法为：
4.根据权利要求3所述的一种...
【专利技术属性】
技术研发人员：王思轩，程淑涵，俞东进，金宝清，陈信，梁雄杰，
申请(专利权)人：杭州电子科技大学，
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。