买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：云南师范大学

申请日：2024-12-26

公开（公告）日：2025-01-24

公开（公告）号：CN119356801A

专利技术分类：...仿真；注释；软件模拟，例如：应用程序或操作系统执行引擎的虚拟化或仿真[2018.01]

专利摘要：本发明涉及一种基于超启发式算法的微服务资源自适应调整方法，属于微服务资源动态管理技术领域。该方法能够精细管理CPU核数、内存大小、IO大小等关键资源，首先，运行基准测试工具模拟真实应用运行场景，收集云原生架构下的微服务节点在不同工作负载下的资源使用数据集，其次，利用生成对抗网络增强已有的资源‑性能数据，生成辅助标签训练样本，随后，构建一个“自训练‑半监督”的微服务节点性能预测模型，实现微服务节点资源的性能预测，最后，构建基于超启发式算法的微服务资源调整模型，实现微服务节点资源的自适应调整，从而达到在满足任务端到端的服务质量的同时，提高微服务节点的资源利用率的目的。

专利权项：1.一种基于超启发式算法的微服务资源自适应调整方法，其特征在于，所述的方法包括：Step1：运行基准测试工具模拟真实应用运行场景；Step2：在所述应用运行场景中利用监测工具采集微服务“资源-性能”数据；Step3：结合所采集的微服务“资源-性能”数据，构建SMPP模型预测微服务节点的响应时间；Step4：当所述预测微服务节点的响应时间不满足预设服务质量要求时，结合AWSH模型生成资源调整决策；Step5：基于所述资源调整决策，利用资源管理工具对CPU资源、内存资源和IO资源实施调度；所述Step3具体为：Step3.1：基于GAN模型，引入回归器，形成优化后的CTAB-GAN+模型；Step3.2：优化CTAB-GAN+模型中的生成器和鉴别器，所述生成器和所述鉴别器结构相同，均由CNN卷积神经网络构成，其中，生成器的输入为一个条件向量和一个从标准正态分布中随机采样的噪声向量，生成器输出的是生成的合成数据，作为鉴别器的输入，鉴别器的输出为对输入属于真实数据分布的置信度评估，通过计算生成器和鉴别器的损失函数来优化生成器和鉴别器；Step3.3：优化CTAB-GAN+模型中的回归器，所述回归器的输入是生成器生成的合成数据中经过编码和处理的特征向量，回归器的输出是对于给定输入特征的连续预测值，并优化下游任务的性能，通过计算回归器的损失函数来优化回归器；Step3.4：重复Step3.2-Step3.3，不断优化生成器、鉴别器与回归器，当生成数据分布与真实数据分布相同时，或者达到预定的训练迭代次数，则进入步骤Step3.5，且CTAB-GAN+模型输出与所述微服务“资源-性能”数据呈一致性的高斯分布的带标签的辅助数据集；Step3.5：构建SMPP模型的自训练部分，学习得到各微服务资源调用之间的潜在语义表征；Step3.6：利用所述带标签的辅助数据集及所述潜在语义表征，构建SMPP模型的半监督部分，从而完成整个SMPP模型的构建，实现对微服务节点响应时间的预测。

百度查询： 云南师范大学 一种基于超启发式算法的微服务资源自适应调整方法