申请/专利权人：湖南科技大学

申请日：2023-11-27

公开（公告）日：2024-04-09

公开（公告）号：CN117311801B

主分类号：G06F8/72

分类号：G06F8/72;G06F18/23213;G06N5/01

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明公开了一种基于网络化结构特征的微服务拆分方法，其步骤为：采用静态代码分析方法获取系统中的类与方法之间的静态关联信息；利用动态链路追踪方法获取业务操作的执行链路信息，包括业务操作与业务操作、业务操作与数据库之间的交互信息；根据获得的业务类与方法之间的静态关联信息以及业务操作的执行链路信息构建参数矩阵；根据参数矩阵，构建网络模型;采用基于改进的K‑means算法进行聚类，完成微服务拆分。本发明不仅仅能够解决人工拆分中拆分成本高、拆分粒度大等问题，而且相较于其他微服务拆分方法，其拆分效率也有很大的提高。

主权项：1.一种基于网络化结构特征的微服务拆分方法，其特征在于，包括以下步骤：S1，采用静态代码分析方法获取系统中类与方法之间的静态关联信息，进而获取单个服务其内部业务操作与数据库之间的交互信息，以及外部服务与服务之间的交互所产生的数据信息；S2，利用动态链路追踪方法获取业务操作的执行链路信息，包括业务操作与业务操作、业务操作与数据库之间的交互信息；S3，根据步骤S1获得的业务类与方法之间的静态关联信息以及步骤S2获取业务操作的执行链路信息构建参数矩阵；S4，根据步骤S3所构建的参数矩阵来构建网络模型：其中以对业务功能所进行的操作与各服务所包含的数据库作为网络中的节点，以业务操作之间以及业务操作与数据库之间所交互次数的倒数作为网络中边的权值；S5，根据步骤S4所构建网络模型中边的权值，以此权值作为聚合过程中的聚合因子，采用K-means算法进行聚类，经过数次迭代之后得到聚类结果，即微服务的拆分方案；具体步骤如下：初始有n个聚类中心Un，2≤n≤k，k表示最终将划分成k个簇，根据步骤S1，S2中获取的信息，确定微服务拆分个数为k个，且设：dxy=Wxy（1）；dxy表示网络结构图中节点x与节点y之间的距离，Wxy表示节点x与y之间边的权值；选取网络结构中dxy值最大的两个节点，将这两个节点作为聚类中心，根据中心与周围各节点的接近程度来划分成两个集合；分别计算出两个集合中的dmin（xy），dmin（xy）表示聚类集合中聚类中心节点与其余节点距离的最小值，求出两个集合中距离周围邻居节点最近的节点，设为b1，b2，作为新的聚类中心，进行下一轮聚类； ；dnewxy表示当前一轮的聚类过程中，距离当前聚类中心节点最远的节点到聚类中心节点之间的距离，并以此节点作为下一聚类过程中的聚类中心，m表示矩阵中的参数个数，μ表示在聚类过程中所参与计算的节点，根据式（2）计算出距离b1、b2最远的节点，记为c1；根据这几个节点与周围节点的距离划分成3个集合，再次求出三个集合的dmin，以此来确定c1、c2、c3作为新的聚类中心，进一步聚类形成3个簇； ；同理当需要聚类成4个簇时，按照式3选取距离上述步骤中3个聚类中心最远的节点作为新的聚类中心，同样按照与周围各个节点距离长度来进行集合的划分，最终分为4个集合；当集合划分个数等于微服务最终划分个数k时，停止继续添加新的聚类节点，确定此k个节点作为聚类的中心节点，将整个网络划分成k个集合，每个集合最终形成一个微服务的候选集。

全文数据：

权利要求：

百度查询： 湖南科技大学 一种基于网络化结构特征的微服务拆分方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD