[發(fā)明專利]適用于金融業(yè)務(wù)的多框架微服務(wù)應(yīng)用的云配置方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202011464293.0
• 申請日: 2020-12-14
• 公開（公告）號: CN112612603A
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計）人: 蔣蔚;嚴(yán)文杰;孔偉
• 申請（專利權(quán)）人: 江蘇蘇州農(nóng)村商業(yè)銀行股份有限公司
• 主分類號: G06F9/50
• 分類號: G06F9/50
• 代理公司: 蘇州創(chuàng)元專利商標(biāo)事務(wù)所有限公司 32103
• 代理人: 吳芳

1.一種適用于金融業(yè)務(wù)的多框架微服務(wù)應(yīng)用的云配置方法，其特征在于，包括以下步驟：

S1、接受任務(wù)的處理請求，并計算請求中的任務(wù)與已知任務(wù)之間的相似度；

S2、根據(jù)相似度計算結(jié)果，判斷請求中的任務(wù)類型屬于已知任務(wù)類型、相似任務(wù)類型或未知任務(wù)類型，若屬于已知任務(wù)類型，則執(zhí)行S31和S4，若屬于相似任務(wù)類型，則執(zhí)行S32和S4，若屬于未知任務(wù)類型，則執(zhí)行S33和S4；

S31、對于已知任務(wù)類型，使用匹配的已知初始模型并在線優(yōu)化，生成新的任務(wù)模型；

S32、對于相似任務(wù)類型，在線優(yōu)化器加載最相似任務(wù)的初始模型，并使用遷移學(xué)習(xí)來引導(dǎo)建立新任務(wù)的新的任務(wù)模型；

S33、對于未知任務(wù)類型，基于基準(zhǔn)測試構(gòu)建新的任務(wù)模型；

S4、利用所述新的任務(wù)模型，丟棄預(yù)測執(zhí)行時間與當(dāng)前最佳配置的最佳預(yù)測執(zhí)行時間相比更長的配置，構(gòu)建配置候選集合，在其中選擇一個配置用于下一次執(zhí)行，并從其余的候選中選擇模型預(yù)測的最佳云配置。

2.根據(jù)權(quán)利要求1所述的適用于金融業(yè)務(wù)的多框架微服務(wù)應(yīng)用的云配置方法，其特征在于，步驟S31包括以下三個階段：

初始化階段：優(yōu)化器首先使用預(yù)先指定的配置執(zhí)行分析任務(wù)，以獲得初始性能樣本；

資源增加階段：分析運(yùn)行順序，分配給每個框架的實例數(shù)量的數(shù)量根據(jù)監(jiān)測的CPU和內(nèi)存利用率而增加；若CPU的平均利用率和內(nèi)存利用率之和超過閾值，則實例數(shù)量增加一倍，否則實例數(shù)量增加一個常數(shù)；當(dāng)以上兩種情況中的任何一種出現(xiàn)時，優(yōu)化器檢查是否找到多個有效的配置，若是，則通過返回具有最佳執(zhí)行時間的配置來終止，否則優(yōu)化器進(jìn)入細(xì)粒度的資源調(diào)整階段；

資源調(diào)整階段：若CPU并且內(nèi)存使用率小于閾值，則實例數(shù)量減半；若CPU和內(nèi)存使用率大于閾值，則實例數(shù)量翻倍；其他情況下，實例數(shù)量減去一個常數(shù)；若利用率指標(biāo)超出預(yù)設(shè)的高臨界值，則將實例數(shù)量減半，若利用率指標(biāo)低于預(yù)設(shè)的低臨界值，則將實例數(shù)量加倍。

3.根據(jù)權(quán)利要求1所述的適用于金融業(yè)務(wù)的多框架微服務(wù)應(yīng)用的云配置方法，其特征在于，步驟S33進(jìn)一步包括：

選擇先前執(zhí)行的配置作為質(zhì)心，將執(zhí)行時間在當(dāng)前最低執(zhí)行時間的范圍內(nèi)的有效配置作為相鄰配置，使用評分函數(shù)將選擇擴(kuò)展到滿足執(zhí)行時間約束的先前執(zhí)行的配置，并根據(jù)其執(zhí)行成本表示優(yōu)化選擇。

4.根據(jù)權(quán)利要求3所述的適用于金融業(yè)務(wù)的多框架微服務(wù)應(yīng)用的云配置方法，其特征在于，步驟S33進(jìn)一步包括：

與不滿足成本約束的配置相比，為滿足成本約束的配置分配較高的分?jǐn)?shù)，所分配的分?jǐn)?shù)與超出約束的數(shù)量成比例，使得在滿足時間約束的配置中，優(yōu)先搜索具有較低執(zhí)行時間的有效配置的鄰域。

5.根據(jù)權(quán)利要求3所述的適用于金融業(yè)務(wù)的多框架微服務(wù)應(yīng)用的云配置方法，其特征在于，針對未知任務(wù)類型，步驟S4中的構(gòu)建配置候選集合包括：

基于質(zhì)心集合，形成一組未經(jīng)測試的候選配置，該集合從每個質(zhì)心的鄰域并通過當(dāng)前最佳配置的實例類型變化繪制的配置；對于每個質(zhì)心，選擇距質(zhì)心距離d內(nèi)的每個配置，基于CPU和內(nèi)存容量的差異來定義距離度量。

6.根據(jù)權(quán)利要求1所述的適用于金融業(yè)務(wù)的多框架微服務(wù)應(yīng)用的云配置方法，其特征在于，步驟S32進(jìn)一步包括：

當(dāng)新的任務(wù)到達(dá)時，在初始配置上執(zhí)行，并根據(jù)與以前執(zhí)行任務(wù)的相似性進(jìn)行評分；如果該任務(wù)與現(xiàn)有任務(wù)相似度達(dá)到預(yù)設(shè)的相似度閾值，則將該任務(wù)傳遞給在線優(yōu)化器，并在線優(yōu)化器加載最相似任務(wù)的性能模型，并使用遷移學(xué)習(xí)來引導(dǎo)建立新任務(wù)的性能模型，該模型作為在線優(yōu)化器的初始狀態(tài)以搜索新任務(wù)的適當(dāng)配置。

7.根據(jù)權(quán)利要求1所述的適用于金融業(yè)務(wù)的多框架微服務(wù)應(yīng)用的云配置方法，其特征在于，步驟S1中兩個任務(wù)之間的相似度為對應(yīng)兩個配置向量小于CPU數(shù)量且內(nèi)存總量大于兩個任務(wù)之間的向量距離。