【摘 要】
：
微服务设计模式通过业务解耦将复杂业务拆分为多个小粒度的微服务,且各微服务独立进行版本迭代和部署,可有效改善复杂分布式系统的开发与运维。开发人员遵循特定的微服务设计原则进行系统设计,但后续版本迭代升级过程中,可能会向微服务系统内引入架构异味。这些架构异味通常不会对微服务系统造成功能故障,但它们的存在会影响微服务系统的可持续性、可扩展性,同时可能对微服务系统运行态的数据表现产生影响。但现有研究缺少对架
论文部分内容阅读
微服务设计模式通过业务解耦将复杂业务拆分为多个小粒度的微服务,且各微服务独立进行版本迭代和部署,可有效改善复杂分布式系统的开发与运维。开发人员遵循特定的微服务设计原则进行系统设计,但后续版本迭代升级过程中,可能会向微服务系统内引入架构异味。这些架构异味通常不会对微服务系统造成功能故障,但它们的存在会影响微服务系统的可持续性、可扩展性,同时可能对微服务系统运行态的数据表现产生影响。但现有研究缺少对架构异味与运行态数据表现相关性的研究,此外,现有的架构异味检测技术大多基于静态检测方案,忽略了运行态数据这一重要指标。大部分研究在检测出架构异味后直接提出消除方案,却并未考虑该架构异味造成的运行态数据指标的负面影响,缺少消除架构异味的必要性证明。因此本文针对该问题进行研究,提出基于运行态数据监控的微服务系统架构异味检测与消除方法,并从以下三个方面进行阐述。（1）为了研究架构异味与运行态数据的关联性,本文首先对现有微服务架构异味分为两类:设计层次的架构异味（DABS）和运行态下的架构异味（RABS）,并在现存的微服务系统上进行两类架构异味的注入和消除,在控制微服务系统运行时的其他变量后,探究架构异味与微服务系统运行时数据指标的关联性。该研究将为基于运行态数据对上层架构异味研究提供理论依据。（2）为了研究基于运行态数据架构异味的检测、评估与优化方案,本文在结合已有研究的基础上,通过静态数据辅助动态数据的方式对架构异味进行检测并获取架构异味特征,通过从非功能性质量缺失以及性能损耗两个方面对涉及架构异味的服务进行质量腐化程度的评估,最后根据架构异味特征和质量腐化程度提出相应的系统优化方案。（3）为了对一个长期演化的微服务系统进行持续的质量腐化监控和检测,本文提出了一个支持服务静态数据获取、运行态数据收集以及动态压测的技术框架DASDF。此外提出了一个自动检测算法框架DAEA,依次使用检测、评估和优化算法对各个时间段内的微服务系统产生的数据指标进行分析处理。实验表明,架构异味的存在会对运行态数据产生一定的正面或负面影响。本文提供的检测算法对注入和消除的异味能够进行有效的检测和特征描绘,质量腐化分析算法能够实时性分析架构异味对服务造成的质量腐化程度。本文根据DAEA给予的优化方案对微服务系统进行优化,最后得到的微服务系统运行质量也高于优化前。
其他文献
图像去噪是一项基础且重要的任务,常用于从美学角度提升图像的视觉质量,同时也有助于改善下游任务的效果。在当前阶段,得益于深度神经网络的强大拟合能力,通常会训练单一模型来处理不同噪声水平甚至不同类型的真实图像噪声。然而,由于深度网络主要通过拟合训练数据来实现对各种图像噪声的去除,当模型被应用于训练集中未涉及的噪声水平或噪声类型时,去噪性能通常会显著下降。同时,现有的方法对于图像中的高频纹理信息没有过多
标题党新闻是人们生活中常见的一种低质资讯,标题党新闻过多地充斥会影响人们阅读新闻的主动性,压缩优质内容生产者的生存空间,也对新闻本身强调的真实性和可靠性有所影响,如果不对标题党新闻加以限制,未来将会成为谣言和虚假新闻的温床。本文针对标题党新闻泛滥的现象,就标题党新闻检测方法进行了探索。意在研究出一种面向真实新闻能够有效识别出新闻是否是标题党新闻的算法。通过比较国内外对于标题党新闻整治所采用的方法,
心血管疾病已成为全球人口死亡主要原因之一,严重影响着人类健康和社会发展。有效的预防、检测及治疗可显著地降低心血管疾病的死亡率。而血管内光学相干断层扫描技术（Intravascular Optical Coherence Tomography,IVOCT）作为现今前沿的血管成像技术之一,由于相比于其他成像技术,对血管组织的成像具有分辨率高等特点,从而在临床中得到广泛应用。然而,在成像过程中牵引探头的
随着深度学习技术的不断发展,并且深度学习也成功应用于单智能体强化学习中,多智能体协同强化学习也在这个浪潮中得到了非常广泛的发展和应用。多智能体协同算法的主要目的是通过智能体群环境的不断交互,寻找到一个获取总体目标最大价值的最佳策略。强化学习在训练过程中通过不断和环境交互的方式进行收集经验,并根据这些经验进行学习。这些经验数据一般需要与环境进行大量的交互,这些对智能体的训练都带来了严峻的挑战。加速这
动态目标追逃问题是一类主要受军事需求牵引而提出的问题,尤其在搜潜反潜、飞机拦截、卫星发射等军事细分领域得到了非常广泛应用。当前针对动态目标进行高效搜索追逃,国内外研究人员提出了微分博弈、经验方法等多种方法加以解决。但是当前研究对信息缺失条件下的动态目标搜索追踪策略研究不够充分,对各种搜索追踪策略缺乏一定的综合分析,尚未整合各类动态目标的搜索追踪策略,没有形成一套行之有效、可在实践中实际使用的操作集
随着服务计算的发展,海量的服务互联互通形成了复杂的服务网络,海量的服务资源在给我们的生产生活带来遍历的同时也变得更加难以管理。知识图谱的结构与复杂网络十分契合,构建服务知识图谱管理海量的服务资源成为一种选择。服务知识图谱在构建过程中需要使用到很多自动化技术,如命名实体识别技术、关系抽取技术、模式匹配,知识图谱自动化构建技术在提高知识图谱构建效率、减小构建知识图谱的代价的同时,也不可避免地引入了很多
理解自然语言是人工智领域面临的一项艰巨挑战,近年来热门的机器阅读理解（Machine Reading Comprehension,MRC）任务以“问-答”的形式检测模型对自然语言的理解能力。尽管各类模型在多个数据集上的性能已经超越人类表现,但是与真实场景的应用还有一定差距。针对中文机器阅读理解任务的数据和模型,本文主要研究内容如下:1)提出一种中文机器阅读理解问答对数据生成方法。机器阅读理解任务的
时序动作提名生成,输入是一段未分割的长视频,根据其内容来定位动作片段,包括其开始时间、结束时间和动作类别,可应用于视频推荐,智能安防,智慧广电等场景。现有的时序动作提名生成算法已取得了瞩目的成绩,但仍难以满足现实场景中的应用,因此是当前计算机视觉领域的热点研究问题之一。具体的说,目前的方法大多致力于生成灵活的动作边界与高质量的置信度,但是仍然受限于匮乏的视频时序依赖和动作边界建模,导致了充满噪声的
随着软件产品在我们的生活中有着越来越广泛的应用,程序的规模也急剧地上升,软件错误的产生可能会导致可怕的后果,而程序修复工作消耗了大量的资源。所以,自动化程序修复不仅可以降低程序开发人员的时间开销,还可以减少浪费在程序调试上面的时间。但是,真实世界的程序规模较大,当前修复方法对其支持效果不是很好,错误的修复率较低。程序补丁中的修复成分常常来源于被修复的程序自身,并且很多人工补丁的大体模式比较类似,存
软件漏洞对于软件来说具有重大危险,影响着软件系统的安全。随着当今开源软件的发展,软件开发中往往进行代码逻辑的共享以及代码库的复用,使得漏洞也在开源软件中广泛传播。在实际应用软件中功能的不断增加以及软件版本的不断迭代,使得软件的复杂度随着软件的规模不断提升,漏洞函数在版本的迭代中已经和原有的漏洞函数具有很大的差别。而对于刚修复完成的漏洞函数,其和补丁函数之间往往只具有微小差别。这种漏洞与漏洞的低相似