本申請(qǐng)屬于計(jì)算機(jī)科學(xué)，尤其涉及一種面向微服務(wù)的網(wǎng)絡(luò)流量分配方法。

背景技術(shù)：

1、微服務(wù)架構(gòu)將龐大的單體應(yīng)用分解為多個(gè)小巧、獨(dú)立的服務(wù)單元，具有優(yōu)越的可維護(hù)性、出色的可擴(kuò)展性、開發(fā)效率較高以及支持持續(xù)交付和部署等優(yōu)勢。然而，由于服務(wù)數(shù)量的增加，不同服務(wù)之間可能會(huì)爭搶有限的網(wǎng)絡(luò)帶寬，導(dǎo)致網(wǎng)絡(luò)資源分配不均以及關(guān)鍵服務(wù)由于無法獲得足夠的網(wǎng)絡(luò)資源造成響應(yīng)時(shí)間延長等問題；且服務(wù)之間的網(wǎng)絡(luò)帶寬分配不均衡，可能還會(huì)影響整體性能，在極端情況下，資源爭用可能導(dǎo)致某些服務(wù)無法正常運(yùn)行，甚至出現(xiàn)服務(wù)中斷的現(xiàn)象。

2、然而現(xiàn)有的流量分配策略，未能充分利用歷史流量記錄對(duì)網(wǎng)絡(luò)寬帶資源進(jìn)行智能調(diào)度，缺乏智能化和自動(dòng)化的流量預(yù)測和管理機(jī)制，無法根據(jù)不斷變化的實(shí)時(shí)數(shù)據(jù)進(jìn)行及時(shí)的調(diào)整與優(yōu)化分配。

3、因此，如何解決上述現(xiàn)有技術(shù)存在的問題，是目前研究的重點(diǎn)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明主要解決的技術(shù)問題是提供一種面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，解決現(xiàn)有的流量分配策略，未能充分利用歷史流量記錄對(duì)網(wǎng)絡(luò)寬帶資源進(jìn)行智能調(diào)度，缺乏智能化和自動(dòng)化的流量預(yù)測和管理機(jī)制，無法根據(jù)不斷變化的實(shí)時(shí)數(shù)據(jù)進(jìn)行及時(shí)的調(diào)整與優(yōu)化分配的問題。

2、為解決上述技術(shù)問題，本發(fā)明采用的一個(gè)技術(shù)方案是提供一種面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，該方法包括：

3、步驟一，根據(jù)各微服務(wù)的內(nèi)容，設(shè)置各微服務(wù)的優(yōu)先級(jí)順序。

4、步驟二，獲取流量數(shù)據(jù)，并對(duì)流量數(shù)據(jù)進(jìn)行預(yù)處理得到訓(xùn)練數(shù)據(jù)集以及測試數(shù)據(jù)集。

5、步驟三，構(gòu)建網(wǎng)絡(luò)流量預(yù)測模型，并利用訓(xùn)練數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)流量預(yù)測模型。

6、步驟四，將測試數(shù)據(jù)集輸入至訓(xùn)練后的網(wǎng)絡(luò)流量預(yù)測模型，得到預(yù)測結(jié)果。

7、步驟五，根據(jù)預(yù)測結(jié)果以及各微服務(wù)的優(yōu)先級(jí)順序，為各微服務(wù)制定相應(yīng)的網(wǎng)絡(luò)流量限流策略。

8、在一些實(shí)施例中，根據(jù)各微服務(wù)的內(nèi)容，設(shè)置各微服務(wù)的優(yōu)先級(jí)順序，方法為：計(jì)算各微服務(wù)的權(quán)重；根據(jù)各微服務(wù)的權(quán)重計(jì)算各微服務(wù)的權(quán)重占比；根據(jù)各微服務(wù)的權(quán)重占比獲得各微服務(wù)的優(yōu)先級(jí)順序。

9、在一些實(shí)施例中，計(jì)算各微服務(wù)的權(quán)重wi，計(jì)算方法為：

10、wi＝ωf·fi+ωd·di+ωe·ei；

11、根據(jù)各微服務(wù)的權(quán)重計(jì)算各微服務(wù)的權(quán)重占比wi，計(jì)算方法為：

12、

13、根據(jù)各微服務(wù)的權(quán)重占比獲得各微服務(wù)的優(yōu)先級(jí)順序hi，計(jì)算方法為：

14、hi＝f×wi×ρ；

15、其中，ωf表示第i個(gè)微服務(wù)的歷史流量權(quán)重fi的權(quán)重系數(shù)，ωd表示第i個(gè)微服務(wù)的依賴關(guān)系權(quán)重di的權(quán)重系數(shù)，ωe表示第i個(gè)微服務(wù)的交互情況權(quán)重ei的權(quán)重系數(shù)，wi表示第i個(gè)微服務(wù)的權(quán)重，表示所有微服務(wù)的權(quán)重總和，m表示微服務(wù)的總數(shù)量，f表示系統(tǒng)可以分配的總流量，ρ表示流量調(diào)整因子。

16、在一些實(shí)施例中，獲取流量數(shù)據(jù)，并對(duì)流量數(shù)據(jù)進(jìn)行預(yù)處理得到訓(xùn)練數(shù)據(jù)集以及測試數(shù)據(jù)集，包括步驟：

17、根據(jù)封包工具獲取路由器、節(jié)點(diǎn)之間各鏈路的流量數(shù)據(jù)，形成原始數(shù)據(jù)集。

18、將原始數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化以及格式轉(zhuǎn)換，得到標(biāo)準(zhǔn)數(shù)據(jù)集。

19、將標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行拆分，分別得到訓(xùn)練數(shù)據(jù)集以及測試數(shù)據(jù)集。

20、在一些實(shí)施例中，網(wǎng)絡(luò)流量預(yù)測模型包括依次連接的輸入模塊、預(yù)測模塊、線性回歸模塊以及限流策略模塊；輸入模塊用于輸入流量數(shù)據(jù)；預(yù)測模塊用于根據(jù)流量數(shù)據(jù)對(duì)各微服務(wù)進(jìn)行流量預(yù)測，并輸出初始數(shù)據(jù)至線性回歸模塊；線性回歸模塊用于對(duì)初始數(shù)據(jù)進(jìn)行歸一化處理，得到歸一化數(shù)據(jù)；限流策略模塊根據(jù)歸一化數(shù)據(jù)制定相應(yīng)的網(wǎng)絡(luò)流量限流策略。

21、在一些實(shí)施例中，構(gòu)建網(wǎng)絡(luò)流量預(yù)測模型，并利用訓(xùn)練數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)流量預(yù)測模型，還包括：優(yōu)化網(wǎng)絡(luò)流量預(yù)測模型。

22、在一些實(shí)施例中，優(yōu)化網(wǎng)絡(luò)流量預(yù)測模型，包括：

23、第一步，隨機(jī)初始化量子粒子群中的每個(gè)粒子的位置ψr，方法為：

24、

25、其中，|explore>和|exploit>分別表示搜索狀態(tài)和利用狀態(tài)，r表示粒子索引；

26、第二步，對(duì)每個(gè)粒子進(jìn)行量子旋轉(zhuǎn)門操作，得到量子旋轉(zhuǎn)結(jié)果uθ，方法為：

27、

28、其中，θ表示旋轉(zhuǎn)角度；

29、第三步，根據(jù)量子旋轉(zhuǎn)結(jié)果更新所述粒子的位置，方法為：

30、ψr'＝uθψr；

31、其中，ψr'表示更新后的粒子的位置；

32、第四步，根據(jù)更新后的粒子的位置，更新網(wǎng)絡(luò)流量預(yù)測模型的網(wǎng)絡(luò)參數(shù)，方法為：

33、v'r＝ωvr+c1e1(pbest-ψ'r)+c2e2(gbest-ψ'r)；

34、

35、ψr”＝ψr'+v'r；

36、其中，ω表示慣性權(quán)重，vr表示粒子的速度，pbest表示粒子的歷史最佳位置，c1和c2表示加速系數(shù)，e1和e2為[0,1]區(qū)間內(nèi)的隨機(jī)數(shù)，gbest表示量子粒子群中的全局最佳位置，v'r表示更新后的粒子的速度，ψ'r'表示再次更新后的粒子的位置；

37、第五步，重復(fù)上述步驟對(duì)網(wǎng)絡(luò)流量預(yù)測模型進(jìn)行迭代訓(xùn)練，直至輸出最優(yōu)解。

38、在一些實(shí)施例中，還包括步驟：應(yīng)用網(wǎng)絡(luò)流量限流策略，得到應(yīng)用數(shù)據(jù)；根據(jù)應(yīng)用數(shù)據(jù)，動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)流量限流策略。

39、在一些實(shí)施例中，應(yīng)用網(wǎng)絡(luò)流量限流策略步驟之前，包括：添加限流實(shí)現(xiàn)依賴、創(chuàng)建限流標(biāo)識(shí)、配置限流速率；對(duì)請(qǐng)求網(wǎng)絡(luò)流量限流的接口進(jìn)行刷新測試，當(dāng)刷新頻率滿足設(shè)定條件，則應(yīng)用網(wǎng)絡(luò)流量限流策略。

40、有益效果：本申請(qǐng)公開了一種面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其中，該方法包括步驟：根據(jù)各微服務(wù)的內(nèi)容，設(shè)置各微服務(wù)的優(yōu)先級(jí)順序；獲取流量數(shù)據(jù)，并對(duì)流量數(shù)據(jù)進(jìn)行預(yù)處理得到訓(xùn)練數(shù)據(jù)集以及測試數(shù)據(jù)集；構(gòu)建網(wǎng)絡(luò)流量預(yù)測模型，并利用訓(xùn)練數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)流量預(yù)測模型；將測試數(shù)據(jù)集輸入至訓(xùn)練后的網(wǎng)絡(luò)流量預(yù)測模型，得到預(yù)測結(jié)果；根據(jù)預(yù)測結(jié)果以及各微服務(wù)的優(yōu)先級(jí)順序，為各微服務(wù)制定相應(yīng)的網(wǎng)絡(luò)流量限流策略。本申請(qǐng)的方法利用流量數(shù)據(jù)以及網(wǎng)絡(luò)流量預(yù)測模型，能夠?qū)Σ粩嘧兓木W(wǎng)絡(luò)數(shù)據(jù)進(jìn)行及時(shí)的調(diào)整，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)寬帶資源的智能調(diào)度。

技術(shù)特征：

1.一種面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，所述根據(jù)各微服務(wù)的內(nèi)容，設(shè)置各微服務(wù)的優(yōu)先級(jí)順序，方法為：

3.根據(jù)權(quán)利要求2所述的面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，所述計(jì)算各微服務(wù)的權(quán)重wi，計(jì)算方法為：

4.根據(jù)權(quán)利要求1所述的面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，所述獲取流量數(shù)據(jù)，并對(duì)所述流量數(shù)據(jù)進(jìn)行預(yù)處理得到訓(xùn)練數(shù)據(jù)集以及測試數(shù)據(jù)集，包括步驟：

5.根據(jù)權(quán)利要求1所述的面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，所述網(wǎng)絡(luò)流量預(yù)測模型包括依次連接的輸入模塊、預(yù)測模塊、線性回歸模塊以及限流策略模塊；

6.據(jù)權(quán)利要求1所述的面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，所述構(gòu)建網(wǎng)絡(luò)流量預(yù)測模型，并利用所述訓(xùn)練數(shù)據(jù)集訓(xùn)練所述網(wǎng)絡(luò)流量預(yù)測模型，還包括：優(yōu)化所述網(wǎng)絡(luò)流量預(yù)測模型。

7.根據(jù)權(quán)利要求6所述的面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，所述優(yōu)化所述網(wǎng)絡(luò)流量預(yù)測模型，包括：

8.根據(jù)權(quán)利要求1所述的面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，還包括步驟：

9.根據(jù)權(quán)利要求8所述的面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其特征在于，所述應(yīng)用所述網(wǎng)絡(luò)流量限流策略步驟之前，包括：

技術(shù)總結(jié)
本申請(qǐng)公開了一種面向微服務(wù)的網(wǎng)絡(luò)流量分配方法，其中，該方法包括步驟：根據(jù)各微服務(wù)的內(nèi)容，設(shè)置各微服務(wù)的優(yōu)先級(jí)順序；獲取流量數(shù)據(jù)，并對(duì)流量數(shù)據(jù)進(jìn)行預(yù)處理得到訓(xùn)練數(shù)據(jù)集以及測試數(shù)據(jù)集；構(gòu)建網(wǎng)絡(luò)流量預(yù)測模型，并利用訓(xùn)練數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)流量預(yù)測模型；將測試數(shù)據(jù)集輸入至訓(xùn)練后的網(wǎng)絡(luò)流量預(yù)測模型，得到預(yù)測結(jié)果；根據(jù)預(yù)測結(jié)果以及各微服務(wù)的優(yōu)先級(jí)順序，為各微服務(wù)制定相應(yīng)的網(wǎng)絡(luò)流量限流策略。本申請(qǐng)的方法利用流量數(shù)據(jù)以及網(wǎng)絡(luò)流量預(yù)測模型，能夠?qū)Σ粩嘧兓木W(wǎng)絡(luò)數(shù)據(jù)進(jìn)行及時(shí)的調(diào)整，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)寬帶資源的智能調(diào)度。

技術(shù)研發(fā)人員：徐明亮,夏志鵬,李書攀,賀碩,姜曉恒,王華
受保護(hù)的技術(shù)使用者：鄭州大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/12