微服务组合优化方法和电子设备与流程

文档序号:37677310发布日期:2024-04-18 20:50阅读:28来源:国知局
微服务组合优化方法和电子设备与流程

本申请属于互联网领域,具体涉及一种微服务组合优化方法和电子设备。


背景技术:

1、微服务是可以被独立开发和部署的自治业务组件,将不同类型和包含不同功能的微服务组合在一起,在微服务之间通过消息进行交互,可以完成某一复杂任务,满足用户的功能和质量要求。在确定能够满足用户所需功能的微服务组合后,对于微服务组合中的每个微服务节点,需要从微服务节点对应的大量候选微服务实例集合中选取微服务实例组成实际可运行的微服务实例组合。

2、相关技术中,一般采用诸如灰狼算法(grey wolf optimizer,gwo)、蚁群算法(antcolony optimization,aco)、北极熊算法(polar bear optimization,pbo)等群体智能优化算法,对微服务组合进行寻优,可以从一个微服务组合对应的多种微服务实例组合中,寻找质量指标(quality of service,qos)最优的微服务实例组合。其中,群体智能优化算法在迭代过程中一般包含全局搜索和局部搜索,一部分的迭代过程用于全局搜索,另一部分的迭代过程用于局部搜索,最终搜索得到qos最优的微服务实例组合。

3、然而,相关技术中采用群体智能优化算法寻找qos最优的微服务实例组合,容易陷入局部最优,存在找到的微服务实例组合不是全局最优解的问题。举例而言,以标准的gwo算法为例,在每次迭代的过程中,只将α狼、β狼和δ狼的信息共享给其他灰狼个体ω,ω不断逼近α狼、β狼和δ狼,但此时主导搜索的α狼、β狼和δ狼不一定是全局最优和次优的个体,这就导致gwo算法在求解过程中容易陷入局部最优,找到的微服务实例组合不是最优解。


技术实现思路

1、本申请实施例提供一种微服务组合优化方法和电子设备,能够解决相关技术中采用群体智能优化算法寻找qos最优的微服务实例组合,容易陷入局部最优,找到的微服务实例组合不是全局最优解的问题。

2、第一方面,本申请实施例提供了一种微服务组合优化方法,所述微服务组合包括多个微服务节点,每个微服务节点对应多个功能相同且服务质量指标值不同的候选微服务实例,相应的,所述微服务组合对应于多个服务质量指标值不同的微服务实例组合,其特征在于,所述方法包括:

3、获取多个目标个体中各目标个体的位置向量和目标函数值;其中,各个目标个体的位置向量所指示的微服务实例组合不同,各个目标个体的目标函数值所指示的微服务实例组合的服务质量指标值不同;

4、采用目标智能优化算法对所述多个目标个体进行多次迭代计算,确定出目标函数值最大的目标个体;其中,所述目标智能优化算法是基于交叉策略对群体智能优化算法中的目标个体进行修正得到的算法;

5、根据所述目标函数值最大的目标个体的位置向量,从多个微服务实例组合中确定服务质量指标值最大的微服务实例组合。

6、第二方面,本申请实施例提供了一种电子设备,该电子设备包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

7、在本申请实施例中,通过获取多个目标个体中各目标个体的位置向量和目标函数值;其中,各个目标个体的位置向量所指示的微服务实例组合不同,各个目标个体的目标函数值所指示的微服务实例组合的服务质量指标值不同;采用目标智能优化算法对所述多个目标个体进行多次迭代计算,确定出目标函数值最大的目标个体;其中,所述目标智能优化算法是基于交叉策略对群体智能优化算法中的目标个体进行修正得到的算法;根据所述目标函数值最大的目标个体的位置向量,从多个微服务实例组合中确定服务质量指标值最大的微服务实例组合。这样,在优化微服务组合的场景下,采用目标智能优化算法确定目标函数值最大的微服务实例组合,由于目标智能优化算法采用交叉策略对群体智能优化算法中的目标个体进行修正,交叉策略可以使目标个体跳出局部最小值,在一定程度上可以避免群体智能优化算法求解的优化结果易陷入局部最优,找到的微服务实例组合不是最优解的问题。



技术特征:

1.一种微服务组合优化方法,所述微服务组合包括多个微服务节点,每个微服务节点对应多个功能相同且服务质量指标值不同的候选微服务实例,相应的,所述微服务组合对应于多个服务质量指标值不同的微服务实例组合,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述交叉策略包括针对目标个体的垂直交叉运算;所述采用目标智能优化算法对所述多个目标个体进行多次迭代计算,确定出目标函数值最大的目标个体,包括:

3.根据权利要求2所述的方法,其特征在于,所述从当前种群的各个目标个体中抽取得到父代个体,对所述父代个体进行垂直交叉运算,得到子代个体,包括:

4.根据权利要求3所述的方法,其特征在于,子代个体由以下公式计算得到:

5.根据权利要求2所述的方法,其特征在于,所述交叉策略还包括针对目标个体的水平交叉运算;

6.根据权利要求5所述的方法,其特征在于,在对所述父代个体进行水平交叉运算的情况下,所述父代个体包括第一父代个体和第二父代个体,所述子代个体包括第一子代个体和第二子代个体,从当前种群的各个目标个体中抽取得到父代个体,对所述父代个体进行水平交叉运算,得到子代个体,包括:

7.根据权利要求6所述的方法,其特征在于,第一子代个体和第二子代个体分别由以下公式计算得到:

8.根据权利要求2所述的方法,其特征在于,所述方法还包括:

9.根据权利要求1-8任一项所述的方法,其特征在于,

10.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求1-9任一项所述的方法的步骤。


技术总结
本申请公开了一种微服务组合优化方法和电子设备,属于互联网领域,本申请提供的微服务组合优化方法包括:获取多个目标个体中各目标个体的位置向量和目标函数值;各个目标个体的位置向量所指示的微服务实例组合不同,各个目标个体的目标函数值所指示的微服务实例组合的服务质量指标值不同;采用目标智能优化算法对多个目标个体进行多次迭代计算,确定出目标函数值最大的目标个体;目标智能优化算法是基于交叉策略对群体智能优化算法中的目标个体进行修正得到的算法;根据所述目标函数值最大的目标个体的位置向量,从多个微服务实例组合中确定服务质量指标值最大的微服务实例组合。本申请用于寻找服务质量指标值最佳的微服务实例组合。

技术研发人员:郝晋,张克运
受保护的技术使用者:人保信息科技有限公司
技术研发日:
技术公布日:2024/4/17
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1