本發(fā)明涉及云原生，尤其是一種云原生環(huán)境下的微服務(wù)部署方法和系統(tǒng)。

背景技術(shù)：

1、云原生技術(shù)從根本上改變了應(yīng)用程序的開發(fā)和運(yùn)行方式。微服務(wù)架構(gòu)是一種設(shè)計(jì)理念，通過(guò)將單個(gè)應(yīng)用程序分解為多個(gè)輕量級(jí)微服務(wù)來(lái)實(shí)現(xiàn)解耦。這些微服務(wù)通常以容器的形式整合，具有持續(xù)集成，輕量級(jí)和易于部署的優(yōu)點(diǎn)。云計(jì)算在涉及物聯(lián)網(wǎng)設(shè)備和移動(dòng)的設(shè)備的場(chǎng)景中被廣泛采用。它通過(guò)將計(jì)算任務(wù)從本地設(shè)備卸載到云，在提高性能和降低本地設(shè)備能耗方面發(fā)揮著重要作用。由于云原生計(jì)算的火熱，近年來(lái)中央云和邊緣云的微服務(wù)管理和編排得到了廣泛的研究。盡管微服務(wù)設(shè)計(jì)模式是基于模塊化和邊界概念的軟件和系統(tǒng)架構(gòu)的一種方法，但微服務(wù)之間的請(qǐng)求使得服務(wù)之間的依賴關(guān)系更加復(fù)雜。此外，微服務(wù)系統(tǒng)中基于微服務(wù)的應(yīng)用程序?qū)τ谙嗨频墓δ芄蚕硐嗤奈⒎?wù)集在面向微服務(wù)的計(jì)算平臺(tái)中，一個(gè)根本問(wèn)題是如何在資源受限的服務(wù)器上高效地部署具有復(fù)雜依賴關(guān)系的微服務(wù)，以滿足用戶的服務(wù)質(zhì)量(qos，quality?of?service)約束。

2、公開號(hào)為cn116233262a的中國(guó)專利文獻(xiàn)提出了一種基于邊緣網(wǎng)絡(luò)架構(gòu)的微服務(wù)部署與請(qǐng)求路由方法及系統(tǒng)，其方法包括：基于邊緣網(wǎng)絡(luò)架構(gòu)確定微服務(wù)部署策略和路由請(qǐng)求策略，邊緣網(wǎng)絡(luò)架構(gòu)包括多個(gè)基站和多臺(tái)邊緣服務(wù)器，任一基站連接多臺(tái)邊緣服務(wù)器，多種微服務(wù)部署在任一邊緣服務(wù)器上，根據(jù)微服務(wù)部署策略和路由請(qǐng)求策略確定微服務(wù)部署與請(qǐng)求路由方法。相較于現(xiàn)有技術(shù)服務(wù)部署和請(qǐng)求路由被認(rèn)為是兩個(gè)獨(dú)立部分，會(huì)使服務(wù)質(zhì)量的提升陷入局部最優(yōu)，對(duì)全局性能優(yōu)化是不利的，該方法基于邊緣網(wǎng)絡(luò)架構(gòu)確定微服務(wù)部署策略和路由請(qǐng)求策略，并充分利用二者的強(qiáng)耦合關(guān)系，使系統(tǒng)在一定約束下能支持不同類型的請(qǐng)求業(yè)務(wù)，同時(shí)應(yīng)對(duì)海量的移動(dòng)用戶請(qǐng)求，從而有效降低系統(tǒng)對(duì)用戶請(qǐng)求的響應(yīng)延遲。然而，該方法在優(yōu)化目標(biāo)的多樣性收斂速度、計(jì)算資源消耗等方面存在一定的局限性，以及并未考慮微服務(wù)之間依賴調(diào)用關(guān)系。

3、公開號(hào)為cn115052033a的中國(guó)專利文獻(xiàn)提出了一種智能工廠基于資源共享的微服務(wù)有效容器化部署方法，該方法基于微服務(wù)的分層結(jié)構(gòu)和微服務(wù)鏈建立系統(tǒng)的鏡像拉取延遲模型和通訊開銷模型，將優(yōu)化問(wèn)題建模為整數(shù)二次規(guī)劃問(wèn)題并可以通過(guò)商業(yè)求解器進(jìn)行求解。該方法通過(guò)基于資源共享的微服務(wù)部署方案，可以達(dá)到降低鏡像拉取延遲和通訊開銷從而提高微服務(wù)響應(yīng)效率的目的。然而，該方法將微服務(wù)之間的調(diào)用依賴關(guān)系轉(zhuǎn)換為功能鏈，這忽略了跨不同功能鏈的服務(wù)之間的資源沖突。

4、公開號(hào)為cn117041330a的中國(guó)專利文獻(xiàn)提出了一種基于強(qiáng)化學(xué)習(xí)的邊緣微服務(wù)細(xì)粒度部署方法及系統(tǒng)，該方法包括：分別構(gòu)建邊緣服務(wù)器、微服務(wù)種類、應(yīng)用請(qǐng)求和移動(dòng)設(shè)備的集合，定義各集合中元素信息；建立微服務(wù)訪問(wèn)模型，并將最小化訪問(wèn)時(shí)延作為優(yōu)化目標(biāo)；構(gòu)建基于獎(jiǎng)勵(lì)記憶塑造的深度確定性策略梯度算法學(xué)習(xí)最優(yōu)的微服務(wù)部署和路由策略，基于重放池和目標(biāo)網(wǎng)絡(luò)來(lái)提高學(xué)習(xí)效率和穩(wěn)定性；通過(guò)批量樣本策略梯度更新actor網(wǎng)絡(luò)，最小化損失函數(shù)更新critic網(wǎng)絡(luò)，利用指數(shù)平滑更新目標(biāo)網(wǎng)絡(luò)；基于最小微服務(wù)訪問(wèn)時(shí)延的優(yōu)化目標(biāo)輸出最終的微服務(wù)部署策略，并更新微服務(wù)部署狀態(tài)。通過(guò)該方法能實(shí)現(xiàn)微服務(wù)節(jié)點(diǎn)資源合理分配，可以有效降低微服務(wù)間通信開銷，并方便動(dòng)態(tài)調(diào)整微服務(wù)部署和路由路徑。然而，該方法強(qiáng)化學(xué)習(xí)模型需要通過(guò)與環(huán)境的多次交互來(lái)學(xué)習(xí)最優(yōu)策略，這可能導(dǎo)致訓(xùn)練過(guò)程耗時(shí)較長(zhǎng)，影響快速部署和響應(yīng)能力。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的發(fā)明目的在于：針對(duì)上述存在的全部或部分問(wèn)題，提供一種云原生環(huán)境下的微服務(wù)部署方法和系統(tǒng)，以更為快速和全面地部署微服務(wù)。

2、本發(fā)明采用的技術(shù)方案如下：

3、一種云原生環(huán)境下的微服務(wù)部署方法，其包括：

4、構(gòu)建微服務(wù)部署模型，該微服務(wù)部署模型中包含多個(gè)優(yōu)化目標(biāo)；

5、利用快速可行解優(yōu)化算法優(yōu)化出所述微服務(wù)部署模型中的一個(gè)優(yōu)化目標(biāo)；

6、利用多目標(biāo)優(yōu)化算法優(yōu)化所述服務(wù)部署模型的所有優(yōu)化目標(biāo)，所述多目標(biāo)優(yōu)化以所述快速可行解優(yōu)化算法優(yōu)化出的優(yōu)化目標(biāo)為初始解。

7、進(jìn)一步的，所述微服務(wù)部署模型中的優(yōu)化目標(biāo)至少包括部署方案成本和平均響應(yīng)時(shí)間。

8、進(jìn)一步的，所述部署方案成本包括部署成本和通信成本。

9、進(jìn)一步的，所述部署成本包括所有微服務(wù)的部署成本之和，各微服務(wù)的部署成本根據(jù)該微服務(wù)在每個(gè)節(jié)點(diǎn)上所部署的微服務(wù)實(shí)例數(shù)以及各實(shí)例所使用資源量計(jì)算得到。

10、進(jìn)一步的，所述微服務(wù)部署模型以最小化部署方案成本和平均響應(yīng)時(shí)間之和為目標(biāo)函數(shù)，以各服務(wù)器的計(jì)算資源上限和各微服務(wù)的服務(wù)能力上限為約束條件。

11、進(jìn)一步的，所述快速可行解優(yōu)化算法為貪心算法。

12、進(jìn)一步的，所述多目標(biāo)優(yōu)化算法為多目標(biāo)遺傳算法。

13、進(jìn)一步的，所述遺傳算法的算法參數(shù)中，交叉率和變異率均在0.3之上。

14、進(jìn)一步的，所述遺傳算法的算法參數(shù)中，種群規(guī)模為50-300。

15、為解決上述全部或部分問(wèn)題，本發(fā)明還提供了一種云原生環(huán)境下的微服務(wù)部署系統(tǒng)，包括處理器和存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器被配置為執(zhí)行所述存儲(chǔ)介質(zhì)中的計(jì)算機(jī)程序，以執(zhí)行上述的云原生環(huán)境下的微服務(wù)部署方法。

16、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

17、與現(xiàn)有技術(shù)相比，本發(fā)明在微服務(wù)部署優(yōu)化中具有以下優(yōu)勢(shì)：

18、1、多目標(biāo)優(yōu)化能力：本發(fā)明結(jié)合貪心算法等快速可行解優(yōu)化算法和多目標(biāo)遺傳算法等多目標(biāo)優(yōu)化算法，能夠在單一目標(biāo)(如響應(yīng)時(shí)間或成本)基礎(chǔ)上，進(jìn)一步優(yōu)化多個(gè)目標(biāo)。這種能力使得部署方案在多種性能指標(biāo)(如平均響應(yīng)時(shí)間、部署方案成本、資源利用率等)上均能達(dá)到優(yōu)化效果，提供了更全面的系統(tǒng)性能提升。

19、2、優(yōu)秀的優(yōu)化效率和速度：通過(guò)利用貪心算法快速生成的初始解，本發(fā)明加速了多目標(biāo)遺傳算法的收斂過(guò)程。這種方法顯著提高了優(yōu)化效率，減少了計(jì)算時(shí)間，特別適用于大規(guī)模復(fù)雜的微服務(wù)部署場(chǎng)景，滿足了在線部署方案設(shè)計(jì)算法的快速要求。

20、3、考慮了微服務(wù)依賴關(guān)系和多實(shí)例支持：本發(fā)明在優(yōu)化過(guò)程中專注于微服務(wù)之間的依賴調(diào)用關(guān)系，構(gòu)建調(diào)用關(guān)系圖并進(jìn)行相應(yīng)優(yōu)化。這種方法能夠有效減少微服務(wù)之間的通信開銷，提高系統(tǒng)整體性能。此外，本發(fā)明支持多實(shí)例微服務(wù)的部署優(yōu)化，確保不同實(shí)例間的負(fù)載均衡和資源合理分配。

21、4、能夠適應(yīng)復(fù)雜多變環(huán)境：本發(fā)明的方法適用于云邊環(huán)境，能夠根據(jù)動(dòng)態(tài)變化的網(wǎng)絡(luò)和資源狀況調(diào)整微服務(wù)部署方案。這種動(dòng)態(tài)適應(yīng)能力使得系統(tǒng)在復(fù)雜多變的環(huán)境中仍能保持高效的資源利用和服務(wù)質(zhì)量。

22、總的來(lái)講，本發(fā)明通過(guò)結(jié)合貪心算法和多目標(biāo)遺傳算法，為微服務(wù)部署方案提供了一種高效、全面的優(yōu)化方法。它不僅在多個(gè)目標(biāo)上實(shí)現(xiàn)優(yōu)化，提升系統(tǒng)性能和資源利用率，還加速了優(yōu)化過(guò)程，適用于大規(guī)模復(fù)雜的微服務(wù)場(chǎng)景。該方法在處理微服務(wù)依賴關(guān)系和多實(shí)例支持方面表現(xiàn)出色，并具備在動(dòng)態(tài)環(huán)境中適應(yīng)變化的能力，為微服務(wù)系統(tǒng)的高效部署和運(yùn)行提供了可靠的解決方案。