一種基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法及系統(tǒng)與流程

本發(fā)明涉及微服務(wù)架構(gòu)，具體為一種基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法及系統(tǒng)。

背景技術(shù)：

1、隨著電力行業(yè)數(shù)字化轉(zhuǎn)型的加速，國(guó)網(wǎng)云作為關(guān)鍵支撐平臺(tái)，其穩(wěn)定性和可靠性對(duì)于保障電力供應(yīng)的連續(xù)性和安全性至關(guān)重要。數(shù)字化轉(zhuǎn)型要求國(guó)網(wǎng)云系統(tǒng)具備高效、穩(wěn)定、可擴(kuò)展的能力，以應(yīng)對(duì)日益復(fù)雜的業(yè)務(wù)需求。這包括在硬件、軟件、網(wǎng)絡(luò)多個(gè)層面實(shí)現(xiàn)冗余、容錯(cuò)、備份機(jī)制，以確保在單點(diǎn)故障或異常情況下能夠迅速恢復(fù)服務(wù)。

2、隨著信息技術(shù)的飛速發(fā)展，微服務(wù)架構(gòu)在現(xiàn)代軟件開(kāi)發(fā)中得到了廣泛應(yīng)用。微服務(wù)架構(gòu)通過(guò)將單體應(yīng)用拆分為多個(gè)獨(dú)立的服務(wù)模塊，每個(gè)模塊獨(dú)立部署和管理，從而提高了系統(tǒng)的靈活性和可擴(kuò)展性。近年來(lái)，云計(jì)算技術(shù)的進(jìn)步進(jìn)一步推動(dòng)了微服務(wù)架構(gòu)的普及，使得企業(yè)能夠靈活地部署和管理復(fù)雜的應(yīng)用系統(tǒng)。kubernetes(k8s)作為容器編排工具，結(jié)合docker容器技術(shù)，成為實(shí)現(xiàn)微服務(wù)架構(gòu)的主流解決方案。此外，istio作為服務(wù)網(wǎng)格技術(shù)，提供了流量管理、服務(wù)發(fā)現(xiàn)和故障處理等高級(jí)功能，大大增強(qiáng)了微服務(wù)架構(gòu)的穩(wěn)定性和可控性。

3、然而，現(xiàn)有的微服務(wù)架構(gòu)在實(shí)際應(yīng)用中仍然面臨一些挑戰(zhàn)。首先，傳統(tǒng)的負(fù)載均衡策略難以應(yīng)對(duì)復(fù)雜的業(yè)務(wù)流量，常常導(dǎo)致資源分配不均，影響系統(tǒng)性能。其次，缺乏有效的流量控制和熔斷機(jī)制，在高并發(fā)或異常流量情況下，系統(tǒng)容易出現(xiàn)過(guò)載甚至崩潰。此外，現(xiàn)有的關(guān)聯(lián)規(guī)則挖掘方法在大數(shù)據(jù)環(huán)境下效率較低，難以實(shí)時(shí)提供有價(jià)值的業(yè)務(wù)洞察。盡管已有一些解決方案嘗試通過(guò)改進(jìn)負(fù)載均衡算法和引入熔斷機(jī)制來(lái)緩解這些問(wèn)題，但仍未能徹底解決微服務(wù)架構(gòu)中存在的高可靠性和高效能管理難題。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述存在的問(wèn)題，提出了本發(fā)明。

2、因此，本發(fā)明解決的技術(shù)問(wèn)題是：現(xiàn)有技術(shù)項(xiàng)目高度依賴(lài)于kubernetes、docker開(kāi)源技術(shù)，以及自身的技術(shù)解決方案。一旦這些技術(shù)或解決方案出現(xiàn)安全漏洞、兼容性問(wèn)題或更新迭代滯后，會(huì)對(duì)整個(gè)云平臺(tái)造成重大影響。傳統(tǒng)負(fù)載均衡策略難以應(yīng)對(duì)復(fù)雜的業(yè)務(wù)流量，常導(dǎo)致資源分配不均。現(xiàn)有系統(tǒng)在高并發(fā)或異常流量情況下，容易出現(xiàn)過(guò)載甚至崩潰。

3、為解決上述技術(shù)問(wèn)題，本發(fā)明提供如下技術(shù)方案：一種基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法，包括：建立高可靠云環(huán)境，部署k8s、docker，配置網(wǎng)格能力服務(wù)。

4、初始化網(wǎng)格服務(wù)，通過(guò)istioctl命令，設(shè)置路由策略和流量控制規(guī)則。

5、采集前端瀏覽器數(shù)據(jù)并存儲(chǔ)，生成數(shù)據(jù)標(biāo)記。

6、使用apriori關(guān)聯(lián)規(guī)則算法進(jìn)行數(shù)據(jù)洞察，實(shí)現(xiàn)業(yè)務(wù)流量控制。

7、作為本發(fā)明所述的基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法的一種優(yōu)選方案，其中：所述建立高可靠云環(huán)境，部署k8s、docker包括在電力業(yè)務(wù)系統(tǒng)的多云集群服務(wù)中安裝k8s，在k8s集群中安裝istio工具，初始化istio控制面板的路由策略、流量控制，通過(guò)envoy組件實(shí)現(xiàn)應(yīng)用服務(wù)發(fā)現(xiàn)，形成了應(yīng)用服務(wù)的網(wǎng)格。部署docker并使用cilium插件，配置高性能容器網(wǎng)絡(luò)。

8、作為本發(fā)明所述的基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法的一種優(yōu)選方案，其中：所述配置網(wǎng)格能力服務(wù)包括，搭建微服務(wù)環(huán)境，在多云平臺(tái)上搭建kubernetes集群，使用kubernetes工具創(chuàng)建并配置多云集群環(huán)境，通過(guò)helm包管理工具在kubernetes集群中安裝istio軟件，作為服務(wù)網(wǎng)格的基礎(chǔ)組件。

9、對(duì)istio控制平面進(jìn)行配置，初始化istiod組件及ingress?gateway，形成完整的服務(wù)治理架構(gòu)。

10、使用虛擬服務(wù)和目標(biāo)規(guī)則定義服務(wù)版本間的流量分配規(guī)則，在istio中配置負(fù)載均衡策略，支持最小連接數(shù)算法，將請(qǐng)求分配到當(dāng)前活動(dòng)連接數(shù)最少的服務(wù)實(shí)例，實(shí)現(xiàn)流量的均勻分配，表示為：

11、

12、其中，ci表示第i個(gè)服務(wù)實(shí)例的當(dāng)前連接數(shù)。

13、配置kiali組件，通過(guò)kiali展示服務(wù)之間的通信關(guān)系、負(fù)載均衡狀態(tài)及健康狀況，進(jìn)行實(shí)時(shí)監(jiān)控和故障檢測(cè)。

14、作為本發(fā)明所述的基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法的一種優(yōu)選方案，其中：所述通過(guò)istioctl命令，設(shè)置路由策略和流量控制規(guī)則包括根據(jù)請(qǐng)求類(lèi)型的路由策略、基于請(qǐng)求優(yōu)先級(jí)的路由策略、基于流量峰值的限流策略和基于資源使用率的熔斷策略。

15、根據(jù)請(qǐng)求類(lèi)型的路由策略包括將請(qǐng)求標(biāo)頭中的類(lèi)型信息作為匹配條件，將讀請(qǐng)求路由至只讀實(shí)例，將寫(xiě)請(qǐng)求路由至只寫(xiě)實(shí)例。

16、基于請(qǐng)求優(yōu)先級(jí)的路由策略包括設(shè)定請(qǐng)求標(biāo)頭中的優(yōu)先級(jí)信息，當(dāng)優(yōu)先級(jí)高于優(yōu)先級(jí)閾值時(shí)，將請(qǐng)求路由至高優(yōu)先級(jí)實(shí)例組。否則，路由至普通實(shí)例組。

17、優(yōu)先級(jí)閾值通過(guò)計(jì)算得到，首先構(gòu)建基礎(chǔ)優(yōu)先級(jí)閾值公式，歸一化函數(shù)將請(qǐng)求優(yōu)先級(jí)標(biāo)準(zhǔn)化，指數(shù)函數(shù)描述請(qǐng)求優(yōu)先級(jí)的增長(zhǎng)，表示為：

18、

19、引入請(qǐng)求復(fù)雜性、系統(tǒng)負(fù)載影響和歷史數(shù)據(jù)權(quán)重，優(yōu)化基礎(chǔ)優(yōu)先級(jí)閾值，表示為：

20、

21、其中，popt表示優(yōu)化后的請(qǐng)求優(yōu)先級(jí)閾值，x表示當(dāng)前請(qǐng)求的原始優(yōu)先級(jí)值，min(x)表示所有請(qǐng)求中最低的優(yōu)先級(jí)值，max(x)表示所有請(qǐng)求中最高的優(yōu)先級(jí)值，c表示請(qǐng)求的復(fù)雜性系數(shù)，l表示系統(tǒng)當(dāng)前負(fù)載系數(shù)，e-l表示負(fù)載系數(shù)的指數(shù)衰減，表示歷史請(qǐng)求的加權(quán)優(yōu)先級(jí)和，表示歷史請(qǐng)求的加權(quán)總和，hi表示歷史請(qǐng)求的權(quán)重，pi表示歷史請(qǐng)求的優(yōu)先級(jí)值，λ表示優(yōu)先級(jí)增長(zhǎng)速率。

22、基于流量峰值的限流策略包括設(shè)定流量閾值。當(dāng)實(shí)時(shí)流量超過(guò)流量閾值時(shí)，自動(dòng)觸發(fā)限流，將超過(guò)部分的請(qǐng)求延遲處理。當(dāng)實(shí)時(shí)流量未超過(guò)流量閾值時(shí)，取消限流。

23、基于資源使用率的熔斷策略包括設(shè)定cpu和內(nèi)存使用率監(jiān)控指標(biāo)，當(dāng)cpu和內(nèi)存任一一個(gè)使用率超過(guò)對(duì)應(yīng)的閾值時(shí)，自動(dòng)觸發(fā)熔斷，將新請(qǐng)求路由至其他負(fù)載輕的實(shí)例。當(dāng)cpu和內(nèi)存使用率均未超過(guò)對(duì)應(yīng)的閾值時(shí)，取消熔斷。

24、作為本發(fā)明所述的基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法的一種優(yōu)選方案，其中：所述采集前端瀏覽器數(shù)據(jù)并存儲(chǔ)，生成數(shù)據(jù)標(biāo)記包括，從前端瀏覽器采集數(shù)據(jù)，包括cpu使用率cpu_usage、內(nèi)存使用率memory_usage、網(wǎng)絡(luò)帶寬使用率network_bandwidth、用戶(hù)請(qǐng)求頻率request_frequency和請(qǐng)求響應(yīng)時(shí)間response_time。

25、對(duì)采集到的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，表示為：

26、

27、其中，x表示原始數(shù)據(jù)，μ表示數(shù)據(jù)的均值，σ表示數(shù)據(jù)的標(biāo)準(zhǔn)差，xnorm表示標(biāo)準(zhǔn)化后的數(shù)據(jù)。

28、綜合數(shù)據(jù)進(jìn)行聚類(lèi)，使用多維空間中的距離度量?jī)?yōu)化聚類(lèi)結(jié)果，表示為：

29、

30、其中，dij表示數(shù)據(jù)點(diǎn)i和j之間的歐氏距離，xik表示數(shù)據(jù)點(diǎn)i在第k個(gè)維度上的值，xjk表示數(shù)據(jù)點(diǎn)j在第k個(gè)維度上的值。

31、使用主成分分析進(jìn)行數(shù)據(jù)降維，減少數(shù)據(jù)的維度，提高聚類(lèi)算法的效率和準(zhǔn)確性，pca降維表示為：

32、z＝xw

33、其中，z表示降維后的數(shù)據(jù)，x表示原始數(shù)據(jù)矩陣，w表示特征向量矩陣。

34、先使用層次聚類(lèi)方法對(duì)數(shù)據(jù)進(jìn)行初步聚類(lèi)，得到不同層次的聚類(lèi)結(jié)果，再選擇層次較深的簇作為初始的k個(gè)聚類(lèi)中心，進(jìn)一步優(yōu)化k-means聚類(lèi)過(guò)程。

35、層次聚類(lèi)方法為使用最小距離、最大距離、平均距離鏈接方法計(jì)算兩個(gè)簇之間的距離，將最近的兩個(gè)簇合并，形成新的簇，重復(fù)該過(guò)程直到所有數(shù)據(jù)點(diǎn)都聚為一個(gè)簇。

36、使用層次聚類(lèi)的結(jié)果選擇初始聚類(lèi)中心，進(jìn)行k-means迭代優(yōu)化，計(jì)算數(shù)據(jù)點(diǎn)到質(zhì)心的距離，并將數(shù)據(jù)點(diǎn)分配到最近的質(zhì)心對(duì)應(yīng)的簇中，更新質(zhì)心位置，直到質(zhì)心不再變化，表示為：

37、

38、其中，μk表示第k個(gè)簇的質(zhì)心，∣ck∣表示第k個(gè)簇中的數(shù)據(jù)點(diǎn)數(shù)量，xi表示屬于第k個(gè)簇的數(shù)據(jù)點(diǎn)。

39、作為本發(fā)明所述的基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法的一種優(yōu)選方案，其中：所述生成數(shù)據(jù)標(biāo)記還包括，為實(shí)現(xiàn)智能標(biāo)記調(diào)整，使用基于圖神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行優(yōu)化。將數(shù)據(jù)點(diǎn)視為圖中的節(jié)點(diǎn)，節(jié)點(diǎn)之間的關(guān)系作為圖中的邊，充分利用數(shù)據(jù)之間的復(fù)雜關(guān)系進(jìn)行優(yōu)化。

40、每個(gè)節(jié)點(diǎn)包含多種數(shù)據(jù)，使用gnn中的消息傳遞機(jī)制，將鄰居節(jié)點(diǎn)的信息傳遞到當(dāng)前節(jié)點(diǎn)，進(jìn)行特征更新，傳遞公式表示為：

41、

42、其中，表示節(jié)點(diǎn)v在第k層的特征表示，表示節(jié)點(diǎn)v的鄰居節(jié)點(diǎn)集合，w(k)表示第k層的權(quán)重矩陣，b(k)表示第k層的偏置項(xiàng)，σ表示激活函數(shù)。

43、通過(guò)多層消息傳遞和特征更新，聚合鄰居節(jié)點(diǎn)的信息，得到每個(gè)節(jié)點(diǎn)的最終特征表示，聚合公式表示為：

44、

45、其中，hv表示節(jié)點(diǎn)v的最終特征表示，aggregate(`)表示聚合函數(shù)。

46、使用聚合后的節(jié)點(diǎn)特征表示，通過(guò)一個(gè)全連接層進(jìn)行分類(lèi)，將節(jié)點(diǎn)標(biāo)記為不同的類(lèi)別，表示為：

47、y＝softmax(wfhv+bf)

48、其中，y表示節(jié)點(diǎn)的分類(lèi)結(jié)果，wf表示全連接層的權(quán)重矩陣，bf表示全連接層的偏置項(xiàng)，softmax(`)表示歸一化函數(shù)，將輸出轉(zhuǎn)化為概率分布。

49、分類(lèi)結(jié)果y包含熔斷、限流和正常情況，當(dāng)y≥0.8時(shí)，表示檢測(cè)到極高的風(fēng)險(xiǎn)，判斷為熔斷情況，立即中斷服務(wù)。0.5≤y<0.80時(shí)，表示檢測(cè)到較高的風(fēng)險(xiǎn)，判斷為限流情況，限制流量。當(dāng)y<0.5時(shí)，表示系統(tǒng)運(yùn)行正常，無(wú)需采取額外措施。

50、作為本發(fā)明所述的基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化方法的一種優(yōu)選方案，其中：所述使用apriori關(guān)聯(lián)規(guī)則算法進(jìn)行數(shù)據(jù)洞察，實(shí)現(xiàn)業(yè)務(wù)流量控制包括，使用分類(lèi)結(jié)果y作為apriori算法的輸入數(shù)據(jù)，包括三種狀態(tài)：熔斷、限流和正常。

51、使用apriori算法從數(shù)據(jù)集中生成頻繁項(xiàng)集，頻繁項(xiàng)集是指在數(shù)據(jù)集中頻繁出現(xiàn)的項(xiàng)集，滿(mǎn)足一定的支持度閾值，支持度計(jì)算公式表示為：

52、

53、其中，support(a)表示項(xiàng)集a的支持度，count(a)表示項(xiàng)集a在數(shù)據(jù)集中出現(xiàn)的次數(shù)，n表示數(shù)據(jù)集中的總事務(wù)數(shù)。

54、從頻繁項(xiàng)集中生成關(guān)聯(lián)規(guī)則，包括置信度、提升度，關(guān)聯(lián)規(guī)則的形式為表示若項(xiàng)集a出現(xiàn)，則項(xiàng)集b也很可能出現(xiàn)。

55、置信度計(jì)算公式表示為：

56、

57、其中，表示關(guān)聯(lián)規(guī)則的置信度，support(a∪b)表示項(xiàng)集a和b同時(shí)出現(xiàn)的支持度。

58、提升度計(jì)算公式表示為：

59、

60、其中，表示關(guān)聯(lián)規(guī)則的提升度，衡量a和b之間的關(guān)聯(lián)強(qiáng)度。

61、根據(jù)生成的關(guān)聯(lián)規(guī)則，進(jìn)行數(shù)據(jù)洞察，識(shí)別關(guān)鍵的業(yè)務(wù)行為模式和流量特征，結(jié)合分類(lèi)結(jié)果y，實(shí)現(xiàn)業(yè)務(wù)流量控制。

62、一種基于微服務(wù)架構(gòu)的業(yè)務(wù)應(yīng)用高可靠?jī)?yōu)化系統(tǒng)，其特征在于：包括，

63、搭建環(huán)境模塊，建立高可靠云環(huán)境，部署k8s、docker，配置網(wǎng)格能力服務(wù)。

64、設(shè)置規(guī)則模塊，初始化網(wǎng)格服務(wù)，通過(guò)istioctl命令，設(shè)置路由策略和流量控制規(guī)則。

65、生成數(shù)據(jù)標(biāo)記模塊，采集前端瀏覽器數(shù)據(jù)并存儲(chǔ)，生成數(shù)據(jù)標(biāo)記。

66、數(shù)據(jù)洞察模塊，使用apriori關(guān)聯(lián)規(guī)則算法進(jìn)行數(shù)據(jù)洞察，實(shí)現(xiàn)業(yè)務(wù)流量控制。

67、一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上所述的方法的步驟。

68、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述的方法的步驟。

69、本發(fā)明的有益效果：提升了系統(tǒng)可靠性與性能。通過(guò)適配高可靠性的云服務(wù)器、操作系統(tǒng)、數(shù)據(jù)庫(kù)以及國(guó)產(chǎn)芯片基礎(chǔ)軟硬件，減少故障，提高業(yè)務(wù)的連續(xù)性和可用性，滿(mǎn)足大規(guī)模數(shù)據(jù)處理和高并發(fā)訪問(wèn)的需求。提升技術(shù)自主可控水平，保障國(guó)家信息安全，并推動(dòng)相關(guān)產(chǎn)業(yè)鏈的發(fā)展。采用先進(jìn)的數(shù)據(jù)預(yù)處理技術(shù)和層次聚類(lèi)方法，對(duì)前端數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理和聚類(lèi)分析。結(jié)合主成分分析(pca)和圖神經(jīng)網(wǎng)絡(luò)(gnn)優(yōu)化，生成了高精度的數(shù)據(jù)標(biāo)記。此步驟實(shí)現(xiàn)了對(duì)用戶(hù)行為和系統(tǒng)狀態(tài)的精確監(jiān)控和分析，為后續(xù)的業(yè)務(wù)流量控制提供了基礎(chǔ)數(shù)據(jù)支持。通過(guò)apriori算法從數(shù)據(jù)集中提取頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則，結(jié)合前一步的數(shù)據(jù)標(biāo)記結(jié)果，識(shí)別出關(guān)鍵的業(yè)務(wù)行為模式。利用這些規(guī)則進(jìn)行實(shí)時(shí)流量控制，通過(guò)熔斷、限流和智能路由策略，實(shí)現(xiàn)了業(yè)務(wù)流量的動(dòng)態(tài)調(diào)節(jié)和優(yōu)化，確保系統(tǒng)在高負(fù)載和異常情況下的穩(wěn)定運(yùn)行。