CN111651191B - 应用于微服务构架的单应用打包方法及系统 - Google Patents

Abstract

本发明实施例提供一种应用于微服务构架的单应用打包方法及系统，该方法包括：获取用户数据和代码模块信息，所述用户数据包括用户信息和用户端的设备信息；将所述用户数据，输入预设的机器学习模型，获取候选代码模块的映射字典；根据所述候选代码模块的映射字典，和所述代码模块信息，获取对应的候选代码模块进行打包，得到应用数据包。该方法通过用户数据，基于预设的机器学习模型，获取候选代码模块的映射字典，可以自动为客户生成准确的专属应用数据包；只打包有用代码模块，从而降低传输成本，基于机器学习模型实现，无需人工指定打包规则，降低了复杂的系统中维护软件包的人力成本。

Description

应用于微服务构架的单应用打包方法及系统

技术领域

本发明涉及互联网领域，尤其涉及一种应用于微服务构架的单应用打包方法及系统。

背景技术

微服务架构是一项在云中部署应用和服务的新技术，微服务的基本思想在于考虑围绕着业务领域组件来创建应用，这些应用可独立地进行开发、管理和加速。在分散的组件中使用微服务云架构和平台，使部署、管理和服务功能交付变得更加简单。

在微服务架构中，开发人员团队是高度自治的，具有独立的代码存储库，开发周期，交付流程等，从而导致前端交付分散。单页应用程序(SPA)集中了所有资源(JavaScript，CSS，HTML，字体等)，需要在一个网页中平衡分散的资源和集中运行的资源。常见的解决方案是在每个代码存储库中生成一个或多个程序包。构建完成后，通过前端将多个程序包发布到内容分发网络(CDN)中，客户可以在其客户端(混合应用程序或浏览器)中获取最新版本。目前，主要由开发人员或项目所有者制定政策来创建配置文件，以此通过多个代码模块构建应用的最终应用数据包。此方法无法为每个客户提供准确的应用打包，开发人员或项目所有者无法对所有代码模块进行精细划分，导致发布的应用数据包中有过多无用数据包，从而影响单页应用程序的加载速度。

发明内容

为了解决上述问题，本发明实施例提供一种应用于微服务构架的单应用打包方法及系统。

第一方面，本发明实施例提供一种应用于微服务构架的单应用打包方法，包括：获取用户数据和代码模块信息，所述用户数据包括用户信息和用户端的设备信息；将所述用户数据，输入预设的机器学习模型，获取候选代码模块的映射字典；根据所述候选代码模块的映射字典，和所述代码模块信息，获取对应的候选代码模块进行打包，得到应用数据包；其中，所述预设的机器学习模型，以样本用户的用户信息和设备信息作为模型输入，用户所需的代码模块所对应的映射字典作为标签，进行训练后得到。

进一步地，将所述用户数据，输入预设的机器学习模型之前，还包括：获取样本用户的用户信息和设备信息，并获取样本用户所需的代码模块；将用户所需代码模块的映射字典作为标签，以样本用户的用户数据作为输入参数，对建立的机器学习模型进行训练，得到所述预设的机器学习模型。

进一步地，所述获取样本用户所需的代码模块，包括：获取用户对初始应用数据包的点击行为数据，并获取初始应用数据包的所有代码模块信息，通过数据分析得到样本用户所需的代码模块。

进一步地，所述用户信息包括用户角色信息，用户对代码模块的访问次数以及页面流信息。

进一步地，所述方法还包括：接收新发布的代码模块自动化测试后生成的测试报告；对所述测试报告进行格式化和数据清洗，得到新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

进一步地，所述得到应用数据包之后，还包括：将所述应用数据包发送到自动化测试中心进行自动化测试；接收测试完成后生成的第二测试报告；对所述第二测试报告进行格式化和数据清洗，获得新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

第二方面，本发明实施例提供一种应用于微服务构架的单应用打包系统，包括：数据处理中心，用于获取用户数据，所述用户数据包括用户信息和用户端的设备信息；机器学习中心，用于根据所述用户数据，和预设的机器学习模型，获取候选代码模块的映射字典；模块打包中心，用于根据所述代码模块的映射字典，获取对应的代码模块进行打包，得到应用数据包；其中，所述预设的机器学习模型，以样本用户的用户信息和设备信息作为模型输入，用户需要的代码模块所对应的映射字典作为标签，进行训练后得到。

进一步地，该系统还包括：自动化测试中心，用于对所述应用数据包进行自动化测试，并生成第二测试报告；相应地，所述数据处理中心，还用于对所述第二测试报告进行格式化和数据清洗，获得新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现本发明第一方面应用于微服务构架的单应用打包方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本发明第一方面应用于微服务构架的单应用打包方法的步骤。

本发明实施例提供的应用于微服务构架的单应用打包方法及系统，通过用户数据，基于预设的机器学习模型，获取候选代码模块的映射字典，可以自动为客户生成准确的专属应用数据包；只打包有用代码模块，从而降低传输成本，基于机器学习模型实现，无需人工指定打包规则，降低了复杂的系统中维护软件包的人力成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的应用于微服务构架的单应用打包方法流程图；

图2为本发明实施例提供的应用于微服务构架的单应用打包系统结构图；

图3为本发明实施例提供的一种电子设备的实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

目前，在微服务架构中，主要通过开发人员或项目所有者制定政策来创建配置文件以构建程序包。该过程取决于以下三个关键因素：团队，存储库和职能。每个团队总是选择每个功能维度的存储库来创建程序包，但实际上始终存在着交叉功能。例如，虽然销售订单团队只需要一个客户列表视图，但是必须导入整个客户端的应用数据包才能获取订单中的客户列表视图。此外，由于依赖代码模块间的关系很复杂，因此很难管理模块间的依赖关系，难以为用户创建精简的应用包。

图1为本发明实施例提供的应用于微服务构架的单应用打包方法流程图，如图1所示，本发明实施例提供一种应用于微服务构架的单应用打包方法，包括：

101、获取用户数据和代码模块信息，用户数据包括用户信息和用户端的设备信息。

本发明实施例中可通过分别设置数据处理中心、机器学习中心和模块打包中心来实施方法的各步骤。对于每个中心(包括后文的自动化测试中心)，可通过分别设置多个服务器来一一实现对应的功能，也可集成于一个服务器实现所有功能。考虑到计算开销，本实施例中每个中心均设置一个服务器，以执行该方法的相应步骤。

在101中，首先由数据处理中心获取原始数据，原始数据包括：从用户的客户端获取的数据，用户访问服务器后服务器端反馈的数据，开发端和测试端等收集的所有代码模块信息(包括代码模块的版本、支持的设备和语言)，角色信息，用户的访问次数(相应页面的访问次数)和页面流信息(页面转换中的百分比，可参阅PIWIK的快照)。本发明实施例中，在机器学习模型的使用过程中，主要使用的是数据处理中心获取的用户信息和用户端的设备信息。用户信息包括角色信息(如销售人员或财务人员)，用户端的设备信息(如移动终端或个人PC，安卓设备或IOS设备)。

数据处理中心，用于处理数据格式化，提取和清洗，设置不同的处理插件可以处理不同的原始数据。例如，代码模块信息原始数据是JavaScript代码和JSON数据，可以提取为模块名称，路径/命名空间映射等。通过数据处理中心，可以将处理后的数据保留在数据库中，用于机器学习中心的训练。

102、将用户数据，输入预设的机器学习模型，获取候选代码模块的映射字典；其中，预设的机器学习模型，以样本用户的用户信息和设备信息作为模型输入，用户所需的代码模块所对应的映射字典作为标签，进行训练后得到。

通过机器学习中心提供算法来训练模型，训练后的模型以根据用户数据查找可以将哪些模块打包在一起，最终自动生成打包的应用数据，并从多个维度生成打包规则，无需手动编写。机器学习中心，根据数据处理中心发送的用户数据，基于已经训练好的机器学习模型，得到该用户所需的候选代码模块的映射字典，该字典描述了代码模块和打包之间的映射关系。

103、根据候选代码模块的映射字典，和代码模块信息，获取对应的候选代码模块进行打包，得到应用数据包；

一般的打包策略考虑了3个主要方面：团队、存储库和职能。每个团队有不同的存储库，也有不同的职能。模块打包中心在打包时，根据代码模块信息，从不同团队的存储库中获取代码模块，最终打包成应用数据包。模块打包中心，根据映射字典和代码模块信息，从每个团队的代码存储库中，获取相应的候选代码模块，同时结合基本的软件模块包，共同打包成应用数据包发送给客户端。基本的软件模块包，包括通用框架代码和基本入口功能代码，如主页和菜单等。

本发明实施例提供的应用于微服务构架的单应用打包方法，通过用户数据，基于预设的机器学习模型，获取候选代码模块的映射字典，可以自动为客户生成准确的专属应用数据包；只打包有用代码模块，从而降低传输成本，基于机器学习模型实现，无需人工指定打包规则，降低了复杂的系统中维护软件包的人力成本。

基于上述实施例的内容，作为一种可选实施例，将用户数据，输入预设的机器学习模型之前，还包括：获取样本用户的用户信息和设备信息，并获取样本用户所需的代码模块；将用户所需代码模块的映射字典作为标签，以样本用户的用户数据作为输入参数，对建立的机器学习模型进行训练，得到预设的机器学习模型。

首先，选取一定的样本用户，样本用户指其所需的代码模块是已确定或已知的。例如，对用户信息和用户端的设备信息进行分析，确定应该给样本用户提供哪些代码模块，根据这些代码模块得到对应的映射字典。以每个样本用户的用户信息和用户端的设备信息作为机器学习模型的输入，映射字典作为标签，对建立的机器学习模型进行训练，从而得到能够用于预测的预设的机器学习模型，可采用常规的决策树算法来构建机器学习模型。

虽然可能无法在初始阶段获得最佳模型，例如不同维度组的用户数据的打包结果相同。可以通过添加更多的用户数据，并将其作为维度来训练更准确的模型。

基于上述实施例的内容，作为一种可选实施例，获取样本用户所需的代码模块，包括：获取用户对初始应用数据包的点击行为数据，并获取初始应用数据包的所有代码模块信息，通过数据分析得到样本用户所需的代码模块。

初始应用数据包，可以是将所有潜在需求的代码模块均加入后得到的数据包。用户通过前端访问时，会对初始应用数据包进行交互，从而在交互过程中产生点击行为数据，如对功能模块的访问次数以及页面流的访问信息。采用数据分析的方法，对点击行为数据分析进行分析，从而得到用户所需的代码模块。

本发明实施例提通过获取用户对初始应用数据包的点击行为数据，并获取初始应用数据包的所有代码模块信息，通过数据分析得到样本用户所需的代码模块，从而得到准确的训练样本。

基于上述实施例的内容，作为一种可选实施例，用户信息包括用户角色信息，用户对代码模块的访问次数以及页面流信息。角色信息和页面流信息，上述实施例已作说明。用户对代码模块的访问次数，可通过用户对页面的点击行为数据分析得到。

基于上述实施例的内容，作为一种可选实施例，方法还包括：接收新发布的代码模块自动化测试后生成的测试报告；对测试报告进行格式化和数据清洗，得到新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

由于代码是不断的更新的，更新后的代码模块需要进行自动化测试，本发明实施例直接根据自动化测试报告来获取更新的代码模块的信息。自动化测试中心可采用目前的自动化测试平台，在此基础上，通过数据处理中心对自动化测试中心得到的测试报告进行格式化和数据清洗，得到新的代码模块的信息，包括新的代码模块与其它现有的代码模块之间的匹配关系信息。例如，新的代码模块信息包括，代码模块的版本，代码模块支持的语言，以及新的代码模块需要和其它团队的哪些代码模块进行匹配。

本实施例通过对测试报告进行格式化和数据清洗，得到新的代码模块信息，并将新的代码模块信息更新到代码模块信息库，从而有利于根据候选代码模块的映射字典，和代码模块信息，获取准确的候选代码模块并进行打包。

基于上述实施例的内容，作为一种可选实施例，得到应用数据包之后，还包括：将应用数据包发送到自动化测试中心进行自动化测试；接收测试完成后生成的第二测试报告；对第二测试报告进行格式化和数据清洗，获得新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

获取对应的候选代码模块并进行打包得到应用数据包后，本实施例中通过自动化测试中心对打包后的应用数据包进行测试。例如，采用模拟用户点击习惯的方式进行测试。根据得到的第二测试报告进行格式化和数据清洗，数据处理中心能够得到应用数据包的各模块之间的功能是否正常，代码模块间是否正确匹配，以此生成新的代码模块信息，更新到代码模块信息库中。模块打包中心，可根据候选代码模块的映射字典，和更新后的代码模块信息，获取正确的候选代码模块进行打包。

本实施例通过将应用数据包发送到自动化测试中心进行自动化测试，得到新的代码模块信息，并将新的代码模块信息更新到代码模块信息库，从而有利于根据候选代码模块的映射字典，和代码模块信息，获取对应的候选代码模块进行打包。

图2为本发明实施例提供的应用于微服务构架的单应用打包系统结构图，如图2所示，该应用于微服务构架的单应用打包系统包括：数据处理中心201、机器学习中心202和模块打包中心203。其中，数据处理中心201用于获取用户数据，用户数据包括用户信息和用户端的设备信息；机器学习中心202用于根据用户数据，和预设的机器学习模型，获取候选代码模块的映射字典；模块打包中心203用于根据代码模块的映射字典，获取对应的代码模块进行打包，得到应用数据包；其中，预设的机器学习模型，以样本用户的用户信息和设备信息作为模型输入，用户需要的代码模块所对应的映射字典作为标签，进行训练后得到。

基于上述实施例的内容，作为一种可选实施例，系统还包括：自动化测试中心204，用于对应用数据包进行自动化测试，并生成第二测试报告；相应地，数据处理中心201还用于对第二测试报告进行格式化和数据清洗，获得新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

本发明实施例提供的系统实施例是为了实现上述各方法实施例的，具体流程和详细内容请参照上述方法实施例，此处不再赘述。

本发明实施例提供的应用于微服务构架的单应用打包系统，通过机器学习中心，基于预设的机器学习模型，获取候选代码模块的映射字典，可以自动为客户生成准确的专属应用数据包；只打包有用代码模块，从而降低传输成本，基于机器学习模型实现，无需人工指定打包规则，降低了复杂的系统中维护软件包的人力成本。

图3为本发明实施例提供的一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和总线304，其中，处理器301，通信接口302，存储器303通过总线304完成相互间的通信。通信接口302可以用于电子设备的信息传输。处理器301可以调用存储器303中的逻辑指令，以执行包括如下的方法：获取用户数据和代码模块信息，用户数据包括用户信息和用户端的设备信息；将用户数据，输入预设的机器学习模型，获取候选代码模块的映射字典；根据候选代码模块的映射字典，和代码模块信息，获取对应的候选代码模块进行打包，得到应用数据包；其中，预设的机器学习模型，以样本用户的用户信息和设备信息作为模型输入，用户所需的代码模块所对应的映射字典作为标签，进行训练后得到。

此外，上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明上述各方法实施例的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：获取用户数据和代码模块信息，用户数据包括用户信息和用户端的设备信息；将用户数据，输入预设的机器学习模型，获取候选代码模块的映射字典；根据候选代码模块的映射字典，和代码模块信息，获取对应的候选代码模块进行打包，得到应用数据包；其中，预设的机器学习模型，以样本用户的用户信息和设备信息作为模型输入，用户所需的代码模块所对应的映射字典作为标签，进行训练后得到。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种应用于微服务构架的单应用打包方法，其特征在于，包括：

获取用户数据和代码模块信息，所述用户数据包括用户信息和用户端的设备信息；

将所述用户数据，输入预设的机器学习模型，获取候选代码模块的映射字典；

根据所述候选代码模块的映射字典，和所述代码模块信息，获取对应的候选代码模块进行打包，得到应用数据包；

其中，所述预设的机器学习模型，以样本用户的用户信息和设备信息作为模型输入，用户所需的代码模块所对应的映射字典作为标签，进行训练后得到。

2.根据权利要求1所述的应用于微服务构架的单应用打包方法，其特征在于，将所述用户数据，输入预设的机器学习模型之前，还包括：

获取样本用户的用户信息和设备信息，并获取样本用户所需的代码模块；

将用户所需代码模块的映射字典作为标签，以样本用户的用户数据作为输入参数，对建立的机器学习模型进行训练，得到所述预设的机器学习模型。

3.根据权利要求2所述的应用于微服务构架的单应用打包方法，其特征在于，所述获取样本用户所需的代码模块，包括：

获取用户对初始应用数据包的点击行为数据，并获取初始应用数据包的所有代码模块信息，通过数据分析得到样本用户所需的代码模块。

4.根据权利要求1所述的应用于微服务构架的单应用打包方法，其特征在于，所述用户信息包括用户角色信息，用户对代码模块的访问次数以及页面流信息。

5.根据权利要求1所述的应用于微服务构架的单应用打包方法，其特征在于，所述方法还包括：

接收新发布的代码模块自动化测试后生成的测试报告；

对所述测试报告进行格式化和数据清洗，得到新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

6.根据权利要求1所述的应用于微服务构架的单应用打包方法，其特征在于，所述得到应用数据包之后，还包括：

将所述应用数据包发送到自动化测试中心进行自动化测试；

接收测试完成后生成的第二测试报告；

对所述第二测试报告进行格式化和数据清洗，获得新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

7.一种应用于微服务构架的单应用打包系统，其特征在于，包括：

数据处理中心，用于获取用户数据，所述用户数据包括用户信息和用户端的设备信息；

机器学习中心，用于根据所述用户数据，和预设的机器学习模型，获取候选代码模块的映射字典；

模块打包中心，用于根据所述代码模块的映射字典，获取对应的代码模块进行打包，得到应用数据包；

其中，所述预设的机器学习模型，以样本用户的用户信息和设备信息作为模型输入，用户需要的代码模块所对应的映射字典作为标签，进行训练后得到。

8.根据权利要求7所述的应用于微服务构架的单应用打包系统，其特征在于，所述系统还包括：

自动化测试中心，用于对所述应用数据包进行自动化测试，并生成第二测试报告；

相应地，所述数据处理中心，还用于对所述第二测试报告进行格式化和数据清洗，获得新的代码模块信息，并将新的代码模块信息更新到代码模块信息库。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述应用于微服务构架的单应用打包方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6任一项所述应用于微服务构架的单应用打包方法的步骤。

Images