CN113821351A - 远程过程调用方法及装置、可读存储介质及电子设备 - Google Patents
远程过程调用方法及装置、可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN113821351A CN113821351A CN202011223647.2A CN202011223647A CN113821351A CN 113821351 A CN113821351 A CN 113821351A CN 202011223647 A CN202011223647 A CN 202011223647A CN 113821351 A CN113821351 A CN 113821351A
- Authority
- CN
- China
- Prior art keywords
- remote procedure
- procedure call
- information
- call server
- server
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 470
- 238000012545 processing Methods 0.000 claims abstract description 87
- 238000010801 machine learning Methods 0.000 claims abstract description 42
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims description 23
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- BUGBHKTXTAQXES-UHFFFAOYSA-N Selenium Chemical compound [Se] BUGBHKTXTAQXES-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000004366 reverse phase liquid chromatography Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
- 239000011669 selenium Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/547—Remote procedure calls [RPC]; Web services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/54—Indexing scheme relating to G06F9/54
- G06F2209/544—Remote
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开涉及计算机技术领域,提供了一种远程过程调用方法及装置、计算机可读存储介质和电子设备。其中,上述方法包括:响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;将各所述性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;根据所述处理效率,确定所述远程过程调用指令所对应的目标远程过程调用服务端。本方案基于处理效率和预先训练的机器学习模型可以自动的根据获取的性能参数实现远程过程调用服务端的确定,从而提升远程过程调用服务请求的处理效率、提高远程过程调用服务的调用准确性。
Description
技术领域
本公开涉及计算机技术领域,具体而言,涉及一种远程过程调用方法、远程过程调用装置、计算机可读存储介质及电子设备。
背景技术
目前,微服务架构在各种项目开发中具有广泛的应用,而RPC(Remote ProcedureCall,远程过程调用)作为微服务架构的一种主要通信方式,在项目开发中也显得尤为至关重要。
一般而言,RPC服务是分布式多节点部署的,即RPC服务分布在网络的各个地点上。相关技术中,在进行RPC服务的调用时,通常采用的是随机调用或轮询的方式。
然而,现有的这种RPC服务的调用方式,会存在客户端的请求被距离客户端更远的地点的RPC服务进行处理的可能性,从而降低RPC服务的调用处理效率,造成资源的不合理使用和浪费。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种远程过程调用方法及装置、计算机可读存储介质及电子设备,进而至少在一定程度上改善RPC服务的调用不合理和调用效率低下的问题。
本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。
根据本公开的第一方面,提供了一种远程过程调用方法,应用于远程过程调用客户端,包括:
响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;
将各所述性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;
根据所述处理效率,确定所述远程过程调用指令所对应的目标远程过程调用服务端。
在本公开的一种示例性实施例中,基于前述方案,各所述远程过程调用服务端的性能参数包括:所述远程过程调用客户端和各所述远程过程调用服务端之间的距离信息;
所述远程过程调用客户端和各所述远程过程调用服务端之间的距离信息通过以下方式确定:
接收远程过程调用注册中心发送的各远程过程调用服务端的注册信息,所述注册信息包括第一位置信息,所述第一位置信息为各所述远程过程调用服务端的位置信息;
获取第二位置信息,所述第二位置信息为所述远程过程调用客户端的位置信息;
根据所述第一位置信息和所述第二位置信息,确定所述远程过程调用客户端和各所述远程过程调用服务端之间的距离信息。
在本公开的一种示例性实施例中,基于前述方案,接收远程过程调用注册中心发送的各远程过程调用服务端的注册信息之前,所述方法还包括:
远程过程调用服务端向所述远程过程调用注册中心发送注册信息,以进行所述远程过程调用服务端的注册。
在本公开的一种示例性实施例中,基于前述方案,任意所述位置信息包括经度信息和纬度信息。
在本公开的一种示例性实施例中,基于前述方案,所述注册信息还包括远程过程调用服务端的标识、分组信息、接口信息、端口信息、通信协议中的至少一种。
在本公开的一种示例性实施例中,基于前述方案,所述性能参数包括所述远程过程调用服务端的硬件配置信息和/或负载信息;
在获取各远程过程调用服务端的性能参数之前,所述方法还包括:
接收远程过程调用注册中心发送的远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息,以确定各远程过程调用服务端的性能参数。
在本公开的一种示例性实施例中,基于前述方案,接收远程过程调用注册中心发送的远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息之前,所述方法还包括:
所述远程过程调用注册中心实时接收远程过程调用服务端发送的所述远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息。
在本公开的一种示例性实施例中,基于前述方案,所述预先训练的机器学习模型通过如下训练步骤得到:
通过多组性能参数,测试各预设远程过程调用服务端的处理效率;
根据所述处理效率的测试结果,确定多组性能参数样本;
利用所述多组性能参数样本对预设机器学习模型进行训练,以得到所述预先训练的机器学习模型。
在本公开的一种示例性实施例中,基于前述方案,所述通过多组性能参数对各预设远程过程调用服务端进行处理效率测试包括:
在和各预设远程过程调用服务端相距不同距离的多个节点处部署多个远程过程调用客户端,以确定多组距离参数;
根据所述多组距离参数,测试所述各预设远程过程调用服务端的处理效率。
在本公开的一种示例性实施例中,基于前述方案,所述通过多组性能参数对各预设远程过程调用服务端进行处理效率测试包括:
确定各预设远程过程调用服务端的多组硬件配置参数和/或多组负载参数;
根据所述多组硬件配置参数和/或多组负载参数,测试所述各预设远程过程调用服务端的处理效率。
在本公开的一种示例性实施例中,基于前述方案,其特征在于,所述预先训练的机器学习模型包括预先训练的决策树模型。
在本公开的一种示例性实施例中,基于前述方案,其特征在于,所述处理效率包括各所述远程过程调用服务端的执行时间;
所述根据所述处理效率,确定所述远程过程调用指令所对应的目标远程过程调用服务端,包括:
确定所述执行时间最小的远程过程调用服务端为所述目标远程过程调用服务端。
根据本公开的第二方面,提供了一种远程过程调用装置,应用于远程过程调用客户端,包括:
性能参数获取模块,被配置为响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;
处理效率确定模块,被配置为将各所述性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;
目标远程过程调用服务端确定模块,被配置为根据所述处理效率,确定所述远程过程调用指令所对应的目标远程过程调用服务端。
根据本公开的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中第一方面所述的远程过程调用方法。
根据本公开实施例的第四方面,提供了一种电子设备,包括:处理器;以及,存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中第一方面所述的远程过程调用方法。
由上述技术方案可知,本公开示例性实施例中的远程过程调用方法、远程过程调用装置,以及实现所述远程过程调用方法的计算机可读存储介质及电子设备,至少具备以下优点和积极效果:
在本公开的一些实施例所提供的技术方案中,首先,响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;其次,将获取的各性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;最后,根据所述处理效率,可以确定远程过程调用指令所对应的目标远程过程调用服务端。与相关技术相比,一方面,本公开基于获取的各远程过程调用服务端的性能参数和预先训练的机器学习模型可以实现远程过程调用的自动合理分配,从而可以提高远程过程调用服务端的调用准确性;另一方面,本公开可以基于处理效率选择远程过程调用服务端,从而可以提高远程过程调用服务请求的处理效率。
本公开应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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示出本公开一示例性实施例中远程过程调用系统的结构示意图;
图2示出本公开一示例性实施例中远程过程调用方法的流程示意图;
图3示出本公开一示例性实施例中远程过程调用服务端进行注册的方法的流程示意图;
图4示出本公开一示例性实施例中确定距离信息的方法的流程示意图;
图5示出本公开一示例性实施例中的确定位置信息的方法的流程示意图;
图6示出本公开一示例性实施例中得到预先训练的机器学习模型的方法的流程示意图;
图7示出本公开一示例性实施例中预先训练的机器学习模型的结构示意图;
图8示出本公开一示例性实施例中远程过程调用装置的结构示意图;
图9示出本公开示例性实施例中计算机可读存储介质的结构示意图;以及,
图10示出本公开示例性实施例中电子设备的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本公开将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中,提供许多具体细节从而给出对本公开的实施方式的充分理解。然而,本领域技术人员将意识到,可以实践本公开的技术方案而省略所述特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。
本说明书中使用用语“一个”、“一”、“该”和“所述”用以表示存在一个或多个要素/组成部分/等;用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等;用语“第一”和“第二”等仅作为标记使用,不是对其对象的数量限制。
此外,附图仅为本公开的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
如今,项目的开发基本都使用微服务架构,而微服务架构的实现,离不开基于底层网络的RPC技术。
RPC(Remote Procedure Call Protocol,远程过程调用)是一种通过网络从远程计算机程序上请求服务,而不需要了解底层网络技术的协议。RPC协议假定某些传输协议的存在,如TCP/IP或UDP,为通信程序之间携带信息数据。RPC将原来的本地调用转变为调用远端的服务器上的方法,给系统的处理能力和吞吐量带来了近似于无限制提升的可能。在OSI网络通信模型中,RPC跨域了传输层和应用层。RPC使得开发包括网络分布式多程序在内的应用程序更加容易。
RPC服务是分布式多节点部署的,RPC服务分布在网络的各个地点上。相关技术中,在使用RPC服务时,一般的RPC组件都有自己的负载均衡策略,例如,采用随机算法或者轮询的方式,进行RPC服务的调用。
然而,相关技术中的调用分配方法,不可避免的会出现RPC请求远距离访问的问题,即,当前客户端的请求被距离该客户端调用地点更远的RPC服务处理,从而降低了RPC服务的调用效率,无法使RPC资源得到合理的使用,降低RPC服务端的使用率。
可见,如何提高RPC接口的调用效率,对微服务性能的提升有着至关重要的作用。因为,如果能让每次的RPC调用快速的完成,这无疑能极大的提升微服务系统的吞吐量,并且,能使RPC服务端的资源得到合理的使用。
图1示出本公开一示例性实施例中远程过程调用系统的结构示意图。
如图1所示,该远程过程调用系统可以包括远程过程调用服务端11、远程过程调用注册中心12、远程过程调用客户端13、定位子系统14、子性能参数收集装置15。
其中,远程过程调用服务端11可以包括部署了RPC服务的应用所属的服务端,其可以用来提供RPC服务;远程过程调用客户端13可以包括需要调用RPC服务的应用所属的客户端;远程过程调用注册中心12可以用于集中管理各远程过程调用服务端11,同时,将各远程过程调用服务端的变化信息通知给远程过程调用客户端13;定位子系统14可以预先配置在各远程过程调用服务端和远程过程调用客户端,以用于其位置信息的获取;子性能参数收集装置15可以预先配置在各远程过程调用服务端,以实时收集各远程过程调用服务端的子性能参数。
示例性的,远程过程调用服务端11可以用来发布RPC服务,接收要发布的RPC服务的服务信息,例如接口、分组、协议等信息,获取发布服务器的IP地址,并利用定位子系统14获取发布RPC服务的当前服务器的位置信息,根据获取的服务信息和位置信息向远程过程调用注册中心12发送注册信息,以进行该远程过程调用服务端的注册。同时,远程过程调用服务端11中安装子性能参数收集装置15,以收集远程过程调用服务端11的子性能参数,例如硬件配置信息、负载信息等,并将收集的子性能参数实时发送给远程过程调用注册中心12。
远程过程调用注册中心12可以用来实时更新各远程过程调用服务端的注册信息和子性能参数信息,并将其发送给远程过程调用客户端13。
远程过程调用客户端13可以订阅远程过程调用注册中心的通知,接收远程过程调用注册中心的通知信息,以得到由各远程调用服务端组成的服务列表。同时,远程过程调用客户端13也可以根据定位子系统14确定自己的位置信息,然后根据接收的通知信息中的各远程过程调用服务端的位置信息和自己的位置信息计算各远程过程调用服务端和自己之间的距离参数,并将计算的各距离信息对应的更新保存在上述的服务列表中。
进一步的,远程过程调用客户端13可以通过订阅消息实时接收远程过程调用注册中心发送的各远程过程调用服务端的子性能参数,以实时更新上述的服务列表中各远程过程调用服务端的子性能参数。
当远程过程调用客户端13接收到RPC调用指令时,可以获取上述的服务列表中的距离参数和/或子性能参数。然后将获取的距离参数和/或子性能参数输入到预先训练的机器学习模型中,以得到各远程过程调用服务端的处理效率,选择处理效率最快的远程过程调用服务端为当前RPC调用指令的目标远程过程调用服务端,从而实现RPC服务的调用。
图2示出本公开一示例性实施例中远程调用的方法的流程示意图,该方法应用远程过程调用客户端。参考图2,该方法包括:
步骤S210,响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;
步骤S220,将各性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;
步骤S230,根据处理效率,确定远程过程调用指令所对应的目标远程过程调用服务端。
在图2所示实施例所提供的技术方案中,首先,响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;其次,将获取的各性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;最后,根据所述处理效率,可以确定远程过程调用指令所对应的目标远程过程调用服务端。与相关技术相比,一方面,本公开基于获取的各远程过程调用服务端的性能参数和预先训练的机器学习模型可以实现远程过程调用的自动合理分配,从而可以提高远程过程调用服务端的调用准确性;另一方面,本公开可以基于处理效率选择远程过程调用服务端,从而可以提高远程过程调用服务请求的处理效率。
以下对图2所示实施例中各个步骤的具体实施方式进行详细阐述:
在步骤S210中,响应于远程过程调用指令,获取各远程过程调用服务端的性能参数。
在示例性的实施方式中,各远程过程调用服务端可以包括在远程过程调用注册中心进行注册的RPC服务端,且在响应时间戳对应的时刻注册有效的RPC服务端。其中,远程过程调用注册中心可以包括任何的具有集中管理RPC服务的功能的服务,例如zookeeper、Redis等。
示例性的,图3示出本公开一示例性实施例中远程过程调用服务端进行注册的方法的流程示意图。参考图3,该方法可以包括步骤S310-步骤S310-S340。
在步骤S310中,接收使用RPC服务的应用发布的服务信息。
在示例性的实施方式中,使用RPC服务的应用可以包括任何的发布RPC服务的应用。
在接收使用RPC服务的应用发布的服务信息之前,需要发布RPC服务的应用可以引入RPC服务软件包,例如jar(Java语言)格式的RPC服务软件包。引入RPC服务软件包后,需要发布RPC服务的应用可以使用RPC服务软件包提供的API(Application ProgrammingInterface,应用程序接口)来发布待发布的RPC服务的服务信息。
使用RPC服务的应用发布了RPC服务的服务信息后,RPC服务软件包可以接收其发布的服务信息。其中,发布的服务信息可以包括接口信息、分组信息、端口信息、通信协议信息中的至少一种。
需要说明的是,如果有预设的默认通信协议的话,发布的服务信息中也可以不包括通信协议信息,本示例性实施方式对此不做任何限定。
RPC服务软件包接收了使用RPC服务的应用发布的服务信息后,在步骤S320中,获取发布服务器的服务端标识。
在示例性的实施方式中,发布服务器可以包括使用RPC服务的应用所属的服务器。发布服务器的服务端标识可以包括发布服务器的IP(Internet Protocol Address,互联网协议地址)信息。
示例性的,步骤S320的具体实施方式可以是,RPC服务软件包获取使用RPC服务的应用所属的服务器的IP信息。
接下来,在步骤S330中,获取发布服务器的位置信息。
示例性的,步骤S330的具体实施方式可以是,RPC服务软件包利用定位子系统获取发布服务器的位置信息。其中,步骤S330中的发布服务器和上述的步骤S320中的发布服务器相同。具体的,发布服务器的位置信息可以包括经度信息和纬度信息。
继续参考图3,在步骤S340中,向远程过程调用注册中心发送服务信息、服务端标识和位置信息,以根据该服务信息、服务端标识和位置信息进行远程过程调用服务端的注册。
示例性的,RPC服务软件包获取到要发布的服务信息、发布服务器的服务端标识、发布服务器的位置信息后,可以将其作为注册信息发送给远程过程调用注册中心,以实现远程过程调用服务端的注册。
注册成功后,使用RPC服务的应用所属的服务器就成为了RPC服务端,即远程过程调用服务端。
通过上述的步骤S310-步骤S340,可以实现远程过程调用服务端的注册,根据该注册信息可以确定能够提供RPC服务的各远程过程调用服务端,同时便于远程过程调用注册中心可以集中管理能够提供RPC服务的各远程过程调用服务端。例如,集中管理远程过程调用服务端的新增、下线、以及注册信息中的注册信息的更新、修改等。
进一步的,远程过程调用注册中心可以将注册的变化信息发送给远程过程调用客户端。例如,将上述的远程过程调用服务端的新增、下线、注册信息的更新、修改等实时发送给远程过程调用客户端。
举例而言,远程过程调用客户端可以订阅远程过程调用注册中心的消息通知,以接收远程过程调用注册中心发送的各远程过程调用服务端的注册信息,从而确定远程过程调用服务列表。远程过程调用客户端可以根据该服务列表确定各远程过程调用服务端的性能参数,以进行RPC服务的调用。
在示例性的实施方式中,各远程过程调用服务端的性能参数可以包括当前远程过程调用客户端和各远程过程调用服务端之间的距离信息、各远程过程调用服务端的负载信息、各远程过程调用服务端的硬件配置信息中的至少一种。其中,硬件配置信息可以包括处理器配置能和运行内存配置,例如2核4G、4核8G,8核16G等。
示例性的,当各远程过程调用服务端的性能参数包括当前远程过程调用客户端和各远程过程调用服务端之间的距离信息时,参考图4,确定距离信息的方法可以包括步骤S410-步骤S430。
在步骤S410中,接收远程过程调用注册中心发送的各远程过程调用服务端的注册信息,该注册信息包括第一位置信息。其中,第一位置信息为各远程过程调用服务端的位置信息。
在示例性的实施方式中,注册信息可以是在上述的步骤S310-步骤S340中进行远程过程调用服务端注册时的注册信息,即注册信息除了包括远程过程调用服务端的位置信息,还包括远程过程调用服务端的标识、分组信息、接口信息、端口信息、通信协议中的至少一种。其中,远程过程调用服务端的标识可以包括服务端的IP信息。
在接收远程过程调用注册中心发送的各远程过程调用服务端的注册信息之前,远程过程调用服务端可以向远程过程调用注册中心发送注册信息,以进行各远程过程调用服务端的注册。远程过程调用服务端的注册的方法已在上述的图3中进行说明,此处不再进行赘述。
如前所述,远程过程调用注册中心接收到注册信息后,可以将注册信息通知给远程过程调用客户端。这样,远程过程调用客户端就可以得到各远程过程调用服务端的位置信息。
接下来,在步骤S420中,获取第二位置信息,该第二位置信息为远程过程调用客户端的位置信息。
接收各远程过程调用服务端的注册信息,得到各远程过程调用服务端的位置信息后,可以获取当前远程过程调用客户端的位置信息。
示例性的,位置信息可以包括经度信息和纬度信息,获取当前远程过程调用客户端的位置信息的方法可以如图5所示,参考图5,该方法可以包括步骤S510-步骤S530。
在步骤S510中,响应于远程过程调用客户端的位置信息获取指令,启动模拟浏览器;
在步骤S520中,执行超文本标记语言中的定位服务;
在步骤S530中,根据定位服务获取远程过程调用客户端的经度信息和纬度信息,以确定远程过程调用客户端的位置信息。
举例而言,可以预先在远程过程调用客户端中配置上述的图1中的定位子系统14。当远程过程调用客户端接收到位置信息获取指令时,可以启动模拟浏览器,例如selenium模拟浏览器,以执行超文本标记语言中的定位服务,例如,执行Html5定位服务,从而获取到远程过程调用客户端的经度信息和纬度信息,以根据该经度信息和纬度信息确定远程过程调用客户端的位置信息。
需要说明的是,上述的步骤S410中的第一位置信息,即远程过程调用服务端的位置信息的获取方法和远程过程调用客户端的位置信息的获取方法的具体实施方式类似,可以预先在各远程过程调用服务端配置定位子系统,以和步骤S510-步骤S530类似的方法,实现远程过程调用服务端的位置信息的获取。
当然,也可以通过其它的任何定位方法确定远程过程调用服务端和远程过程调用客户端的位置信息,例如,使用GPS(Global Positioning System,全球定位系统)装置进行位置信息的获取等。
继续参考图4,远程过程调用客户端获取到自身位置信息,即第二位置信息后,在步骤S430中,根据第一位置信息和第二位置信息,确定远程过程调用客户端和各远程过程调用服务端之间的距离信息。
通过上述的步骤S410-步骤S430,可以确定当前远程过程调用客户端和各远程过程调用服务端之间的距离信息。
示例性的,当性能参数包括远程过程调用服务端的硬件配置信息和/或负载信息时,在获取各远程过程调用服务端的性能参数之前,还包括:接收远程过程调用注册中心发送的远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息,以确定各远程过程调用服务端的性能参数。
进一步的,接收远程过程调用注册中心发送的远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息之前,还包括:远程过程调用注册中心实时接收远程过程调用服务端发送的各远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息。
举例而言,可以预先在各远程过程调用服务端中配置上述的图1中的子性能参数收集装置,以通过该子性能参数收集装置获取远程过程调用服务端的硬件配置信息和/或实时获取对应的远程过程调用服务端的负载信息。
子性能参数收集装置获取到远程过程调用服务端的硬件配置信息后,连同该远程过程调用服务端的标识,例如,IP信息,一起发送给远程过程调用注册中心,然后远程过程调用注册中心,将接收的IP信息和其对应的硬件配置信息通知给远程过程调用客户端。远程过程调用客户端根据IP信息将对应的硬件配置信息保存在本地服务列表中。
与此同时,子性能参数收集装置可以实时获取远程过程调用服务端的负载信息,连同该远程过程调用服务端的标识,例如,IP信息,一起发送给远程过程调用注册中心,然后,远程过程调用注册中心,将接收到的IP信息和其对应的负载信息通知给远程过程调用客户端。远程过程调用客户端根据IP信息将对应的负载信息更新保存在本地服务列表中。
需要说明的是,通过子性能参数收集装置可以实现硬件配置信息的自动获取。然而,在实际应用中,硬件配置信息也可以不通过子性能参数收集装置自动获取,而通过发布RPC服务时,用户手动输入发布服务器的硬件配置信息,从而根据硬件配置信息和上述的注册信息,在远程过程调用注册中心进行远程过程调用服务端的注册。远程调用注册中心将接收的注册信息和对应的硬件配置信息发送给远程过程调用客户端,以使远程过程调用客户端确定各远程过程调用服务端的硬件配置信息。
示例性的,步骤S210的具体实施方式可以是,远程过程调用客户端响应于远程过程调用指令com.test.rpc.Aservice.methodA(),获取本地服务列表中的各远程过程调用服务端的性能参数。
继续参考图2,在步骤S220中,将各性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率。
在示例性的实施方式中,预先训练的机器学习模型可以是任何的能够进行决策的机器学习模型,包括但不限于决策树模型,例如,决策树C5.0模型。
预先训练的机器学习模型可以通过如图6所示的方法进行训练得到。参考图6,该方法可以包括步骤S610-步骤S630。
在步骤S610中,通过多组性能参数,测试各预设远程过程调用服务端的处理效率。
在示例性的实施方式中,多组性能参数表示的是多个不同取值的性能参数,其中,性能参数的不同取值和取值的个数可以根据需求进行用户自定义。
示例性的,步骤S610的具体实施方式可以是,在和各预设远程过程调用服务端相距不同距离的多个节点处部署多个远程过程调用客户端,以确定多组距离参数;根据多组距离参数,测试各预设远程过程调用服务端的处理效率。
例如,在距离0km-50km内取多个不同的距离参数,以在对应的距离处部署远程过程调用客户端,进行远程过程调用,测试不同距离参数的远程过程调用服务端对应的处理效率。
通过多组不同的距离参数,测试各预设远程过程调用服务端的处理效率,以对机器学习进行训练,这样可以使得预先训练的机器学习模型能够根据距离参数自动的确定远程过程调用服端,进而提升远程过程调用的准确性,避免远距离调用而造成的资源浪费。
示例性的,步骤S610的具体实施方式还可以是,确定各预设远程过程调用服务端的多组硬件配置参数和/或多组负载参数;根据多组硬件配置参数和/或多组负载参数,测试各预设远程过程调用服务端的处理效率。
通过多组硬件配置参数和/或多组负载参数,可以使得预习训练的机器学习模型能够根据各远程过程调用服务端的配置情况和/或当前负载情况进行合理的远程过程调用,提升远程过程调用服务的调用处理效率。
示例性的,步骤S610的具体实施方式还可以是,首先,在具有不同硬件配置信息的服务器上部署RPC服务,例如,在2核4G,4核8G,8核16G等服务器上部署RPC服务,然后,在距离各RPC服务不同的地点,部署RPC客户端,最后测试RPC服务在不同负载下的处理效率。
测试完成后,在步骤S620中,根据处理效率的测试结果,确定多组性能参数样本。
在示例性的实施方式中,性能参数样本中包括不同的性能参数和其对应的处理效率。例如,服务器配置为2核4G、负载参数为0.6,距离0.9KM时,处理效率为23ms,则“2核4G、0.6、0.9KM,23ms”为一组性能参数样本;或者距离1KM时,服务器配置为2核4G时,处理效率为44ms,为8核16G时,处理效率为22ms,则“2核4G,44ms”为一组性能参数样本、“8核16G,22ms”为一组性能参数样本。
示例性的,根据处理效率的测试结果,确定的多组性能参数样本可以如表1所示。在表1中为了便于展示多组性能参数样本,对性能参数样本进行了预处理,根据预处理后的结果展示多组性能参数样本。
以服务器IP是115.238.43.82:22300,其对应的性能参数为“小于1km、2核4G、小于0.7、[13ms,23ms]”时为例,该性能参数样本表示,在小于1km的距离内取不同的距离,在服务器负载小于0.7的范围内取不同负载数据,对该服务器的处理效率进行了多次测试,其中,处理效率最快是13ms,最慢是23ms。而在实际中,是类似于“0.1km、2核4G、0.3,15ms”这样的形式为一组性能参数样本。此处采用区间的形式,是为了便于同时展示更多的性能参数样本。
表1以区间形式展示的多组性能参数样本
需要说明的是,表1中的性能参数样本中距离参数的区间是[0,20km],且服务器配置只涉及到了3种,在实际测试时,可以根据需要设置不同的更大区间范围内的距离参数、不同更多种类的服务器配置来进行处理效率测试,以确定多组性能参数样本,本示例性实施方式对此不做特殊限定。
确定多组性能参数样本后,在步骤S630中,利用多组性能参数样本对预设机器学习模型进行训练,以得到预先训练的机器学习模型。
在示例性的实施方式中,预设机器学习模型可以是初始状态的机器学习模型。以决策树模型为例,可以利用上述的多组性能参数样本对决策树模型进行训练,以从多组性能参数样本中确定出各性能参数的最佳分割点,从而生成远程过程调用服务访问模型,进而得到预先训练的机器学习模型。
图7示出了可以根据上述的步骤S610-步骤S630进行训练得到的一种预先训练的决策树模型结构。在图7中,距离表示各远程调用服务端和远程调用客户端之间的距离参数,服务器硬件配置代表各远程调用服务端的硬件配置参数,服务器负载代表各远程调用服务端的服务器负载参数。
图7中的预先训练的决策树模型在进行训练时,其性能参数样本中的距离参数样本都小于1km、服务器硬件配置参数样本都为8核16G、负载参数样本为任意非负值。与此同时,在图7中,距离为[1km,10km]和[10km,20km]时服务器硬件配置没有分支,代表训练数据中的距离参数没有属于[1km,10km]和[10km,20km]范围内的数据,其它没有分支的决策树子节点亦是如此。这表明决策树模型是可以根据训练数据的取值范围进行动态生成与调整的。即用户可以根据自己的需求测试不同取值范围内的性能参数的处理效率,以得到自定义性能参数样本,进而根据自定义性能参数样本训练生成符合自己需求的决策树模型。
得到预先训练的机器学习模型后,在需要进行远程过程调用时,可以将先获取各远程过程调用服务端的性能参数,然后将其输入到预先训练的机器学习模型中,以得到各远程过程调用服务端的处理效率。
得到各远程过程调用服务端的处理效率后,继续参考图2,在步骤S230中,根据处理效率,确定远程过程调用指令所对应的目标远程过程调用服务端。
其中,处理效率包括各远程过程调用服务端的执行时间。目标远程过程调用服务端可以包括为当前远程过程调用客户端提供RPC服务的远程过程调用服务端。
示例性的,步骤S230的具体实施方式可以是,确定执行时间最小的远程过程调用服务端为目标远程过程调用服务端。
当然,处理效率也可以使用其它的指标表示,本示例性实施方式对此不做特殊限定。
通过上述的步骤S210-步骤S230,可以根据获取的各远程过程调用服务端的性能参数和预先训练的机器学习模型,实现远程过程调用服务端的自动合理确定。可以根据获取的距离性能参数、硬件配置性能参数、负载性能参数,提升远程过程调用服务的调用准确性,为远程过程调用请求分配合理的RPC服务端,避免远距离调用造成的RPC服务端资源浪费的问题,同时提升各RPC服务请求的处理效率。
进一步的,由于RPC服务请求的处理效率的提升,使得使用RPC技术的微服务系统的吞吐量也得到了提升,提高了微服务系统的工作效率。
本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由CPU执行的计算机程序。在该计算机程序被CPU执行时,执行本发明提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中,该存储介质可以是只读存储器,磁盘或光盘等。
此外,需要注意的是,上述附图仅是根据本发明示例性实施方式的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
图8示出本公开示例性实施例中远程过程调用装置的结构示意图。参考图8,该远程过程调用装置800包括性能参数获取模块810、处理效率确定模块820、目标远程过程调用服务端确定模块830。其中:
上述性能参数获取模块810,被配置为响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;
上述处理效率确定模块820,被配置为将各性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;
上述目标远程过程调用服务端确定模块830,被配置为根据处理效率,确定远程过程调用指令所对应的目标远程过程调用服务端。
在本公开的一种示例性实施例中,基于前述实施例,上述的性能参数获取模块810中的性能参数包括:远程过程调用客户端和各远程过程调用服务端之间的距离信息;
远程过程调用客户端和各远程过程调用服务端之间的距离信息通过以下方式确定:
接收远程过程调用注册中心发送的各远程过程调用服务端的注册信息,注册信息包括第一位置信息,第一位置信息为各远程过程调用服务端的位置信息;
获取第二位置信息,第二位置信息为远程过程调用客户端的位置信息;
根据第一位置信息和第二位置信息,确定远程过程调用客户端和各远程过程调用服务端之间的距离信息。
在本公开的一种示例性实施例中,基于前述实施例,上述的性能参数获取模块810中的性能参数包括:
远程过程调用服务端的硬件配置信息和/或负载信息。
在本公开的一种示例性实施例中,基于前述实施例,上述的处理效率确定模块820中的预先训练的机器学习模型通过如下训练步骤得到:
通过多组性能参数,测试各预设远程过程调用服务端的处理效率;
根据处理效率的测试结果,确定多组性能参数样本;
利用多组性能参数样本对预设机器学习模型进行训练,以得到预先训练的机器学习模型。
在本公开的一种示例性实施例中,基于前述实施例,上述处理效率包括各远程过程调用服务端的执行时间,上述的目标远程过程调用服务端确定模块830中还被具体配置为:
确定执行时间最小的远程过程调用服务端为所述目标远程过程调用服务端。
上述远程过程调用装置中各单元的具体细节已经在对应的远程过程调用方法中进行了详细的描述,因此此处不再赘述。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。
在本公开示例性实施方式中,还提供了一种能够实现上述方法的计算机存储介质。其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施例中,本公开的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。
参考图9所示,描述了根据本公开的实施方式的用于实现上述方法的程序产品900,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本公开的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,在本公开的示例性实施例中,还提供了一种能够实现上述方法的电子设备。
所属技术领域的技术人员能够理解,本公开的各个方面可以实现为系统、方法或程序产品。因此,本公开的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图10来描述根据本公开的这种实施方式的电子设备1000。图10显示的电子设备1000仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示,电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于:上述至少一个处理单元1010、上述至少一个存储单元1020、连接不同系统组件(包括存储单元1020和处理单元1010)的总线1030以及显示单元1040。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元1010执行,使得所述处理单元1010执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如,所述处理单元1010可以执行如图2中所示的:步骤S210,响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;步骤S220,将各性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;步骤S230,根据处理效率,确定远程过程调用指令所对应的目标远程过程调用服务端。
又如,所述处理单元1010可以执行如图3至图6中所示的各个步骤。
存储单元1020可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)10201和/或高速缓存存储单元10202,还可以进一步包括只读存储单元(ROM)10203。
存储单元1020还可以包括具有一组(至少一个)程序模块10205的程序/实用工具10204,这样的程序模块10205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线1030可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备1000也可以与一个或多个外部设备1100(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备1000交互的设备通信,和/或与使得该电子设备1000能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1050进行。并且,电子设备1000还可以通过网络适配器1060与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器1060通过总线1030与电子设备1000的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备1000使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。
此外,上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由权利要求指出。
Claims (15)
1.一种远程过程调用方法,应用于远程过程调用客户端,其特征在于,包括:
响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;
将各所述性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;
根据所述处理效率,确定所述远程过程调用指令所对应的目标远程过程调用服务端。
2.根据权利要求1所述的远程过程调用方法,其特征在于,各所述远程过程调用服务端的性能参数包括:所述远程过程调用客户端和各所述远程过程调用服务端之间的距离信息;
所述远程过程调用客户端和各所述远程过程调用服务端之间的距离信息通过以下方式确定:
接收远程过程调用注册中心发送的各远程过程调用服务端的注册信息,所述注册信息包括第一位置信息,所述第一位置信息为各所述远程过程调用服务端的位置信息;
获取第二位置信息,所述第二位置信息为所述远程过程调用客户端的位置信息;
根据所述第一位置信息和所述第二位置信息,确定所述远程过程调用客户端和各所述远程过程调用服务端之间的距离信息。
3.根据权利要求2所述的远程过程调用方法,其特征在于,接收远程过程调用注册中心发送的各远程过程调用服务端的注册信息之前,所述方法还包括:
远程过程调用服务端向所述远程过程调用注册中心发送注册信息,以进行所述远程过程调用服务端的注册。
4.根据权利要求2所述的远程过程调用方法,其特征在于,任意所述位置信息包括经度信息和纬度信息。
5.根据权利要求2所述的远程过程调用方法,其特征在于,所述注册信息还包括远程过程调用服务端的标识、分组信息、接口信息、端口信息、通信协议中的至少一种。
6.根据权利要求1所述的远程过程调用方法,其特征在于,所述性能参数包括所述远程过程调用服务端的硬件配置信息和/或负载信息;
在获取各远程过程调用服务端的性能参数之前,所述方法还包括:
接收远程过程调用注册中心发送的远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息,以确定各远程过程调用服务端的性能参数。
7.根据权利要求6所述的远程过程调用方法,其特征在于,接收远程过程调用注册中心发送的远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息之前,所述方法还包括:
所述远程过程调用注册中心实时接收远程过程调用服务端发送的所述远程过程调用服务端的标识和其所对应的硬件配置信息和/或负载信息。
8.根据权利要求1所述的远程过程调用方法,其特征在于,所述预先训练的机器学习模型通过如下训练步骤得到:
通过多组性能参数,测试各预设远程过程调用服务端的处理效率;
根据所述处理效率的测试结果,确定多组性能参数样本;
利用所述多组性能参数样本对预设机器学习模型进行训练,以得到所述预先训练的机器学习模型。
9.根据权利要求8所述的远程过程调用方法,其特征在于,所述通过多组性能参数对各预设远程过程调用服务端进行处理效率测试包括:
在和各预设远程过程调用服务端相距不同距离的多个节点处部署多个远程过程调用客户端,以确定多组距离参数;
根据所述多组距离参数,测试所述各预设远程过程调用服务端的处理效率。
10.根据权利要求8所述的远程过程调用方法,其特征在于,所述通过多组性能参数对各预设远程过程调用服务端进行处理效率测试包括:
确定各预设远程过程调用服务端的多组硬件配置参数和/或多组负载参数;
根据所述多组硬件配置参数和/或多组负载参数,测试所述各预设远程过程调用服务端的处理效率。
11.根据权利要求1至10中任一项所述的远程过程调用方法,其特征在于,所述预先训练的机器学习模型包括预先训练的决策树模型。
12.根据权利要求1至10中任一项所述的远程过程调用方法,其特征在于,所述处理效率包括各所述远程过程调用服务端的执行时间;
所述根据所述处理效率,确定所述远程过程调用指令所对应的目标远程过程调用服务端,包括:
确定所述执行时间最小的远程过程调用服务端为所述目标远程过程调用服务端。
13.一种远程过程调用装置,应用于远程过程调用客户端,其特征在于,包括:
性能参数获取模块,被配置为响应于远程过程调用指令,获取各远程过程调用服务端的性能参数;
处理效率确定模块,被配置为将各所述性能参数输入预先训练的机器学习模型,以得到各远程过程调用服务端的处理效率;
目标远程过程调用服务端确定模块,被配置为根据所述处理效率,确定所述远程过程调用指令所对应的目标远程过程调用服务端。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至12中任一项所述的远程过程调用方法。
15.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至12中任一项所述的远程过程调用方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011223647.2A CN113821351B (zh) | 2020-11-05 | 2020-11-05 | 远程过程调用方法及装置、可读存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011223647.2A CN113821351B (zh) | 2020-11-05 | 2020-11-05 | 远程过程调用方法及装置、可读存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113821351A true CN113821351A (zh) | 2021-12-21 |
CN113821351B CN113821351B (zh) | 2024-07-16 |
Family
ID=78924753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011223647.2A Active CN113821351B (zh) | 2020-11-05 | 2020-11-05 | 远程过程调用方法及装置、可读存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113821351B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8555297B1 (en) * | 2008-09-29 | 2013-10-08 | Emc Corporation | Techniques for performing a remote procedure call using remote procedure call configuration information |
KR20150012682A (ko) * | 2013-07-26 | 2015-02-04 | 서울시립대학교 산학협력단 | 원격 데이터 연산 방법 및 시스템 |
CN106790092A (zh) * | 2016-12-23 | 2017-05-31 | 北京奇艺世纪科技有限公司 | 远程过程调用服务端控制系统及方法 |
CN108134766A (zh) * | 2016-12-01 | 2018-06-08 | 阿里巴巴集团控股有限公司 | 一种服务发布的方法、装置、系统、服务器及客户端 |
CN109218369A (zh) * | 2017-07-05 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 远程过程调用请求控制方法及装置 |
CN109495559A (zh) * | 2018-11-06 | 2019-03-19 | 用友网络科技股份有限公司 | 微服务客户端的服务注册及调用方法、注册及调用系统 |
CN110750342A (zh) * | 2019-05-23 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 调度方法、装置、电子设备及可读存储介质 |
-
2020
- 2020-11-05 CN CN202011223647.2A patent/CN113821351B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8555297B1 (en) * | 2008-09-29 | 2013-10-08 | Emc Corporation | Techniques for performing a remote procedure call using remote procedure call configuration information |
KR20150012682A (ko) * | 2013-07-26 | 2015-02-04 | 서울시립대학교 산학협력단 | 원격 데이터 연산 방법 및 시스템 |
CN108134766A (zh) * | 2016-12-01 | 2018-06-08 | 阿里巴巴集团控股有限公司 | 一种服务发布的方法、装置、系统、服务器及客户端 |
CN106790092A (zh) * | 2016-12-23 | 2017-05-31 | 北京奇艺世纪科技有限公司 | 远程过程调用服务端控制系统及方法 |
CN109218369A (zh) * | 2017-07-05 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 远程过程调用请求控制方法及装置 |
CN109495559A (zh) * | 2018-11-06 | 2019-03-19 | 用友网络科技股份有限公司 | 微服务客户端的服务注册及调用方法、注册及调用系统 |
CN110750342A (zh) * | 2019-05-23 | 2020-02-04 | 北京嘀嘀无限科技发展有限公司 | 调度方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113821351B (zh) | 2024-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11755452B2 (en) | Log data collection method based on log data generated by container in application container environment, log data collection device, storage medium, and log data collection system | |
CN111045911B (zh) | 性能测试方法、性能测试装置、存储介质与电子设备 | |
CN110391938B (zh) | 用于部署服务的方法和装置 | |
CN111913818A (zh) | 一种确定服务间依赖关系的方法及相关装置 | |
CN108696400A (zh) | 网络监测方法和装置 | |
CN111680799B (zh) | 用于处理模型参数的方法和装置 | |
CN111221572A (zh) | 一种自动适配运行环境的方法、装置、介质和设备 | |
CN111818194A (zh) | 基于域名的访问系统和方法 | |
CN113821352A (zh) | 一种远程服务的调用方法和装置 | |
CN113010405A (zh) | 一种应用程序的测试方法和装置 | |
CN113204425A (zh) | 供进程管理内部线程的方法、装置、电子设备及存储介质 | |
CN111865914A (zh) | 用于检查云主机健康状态的系统、方法、设备及存储介质 | |
CN104270443B (zh) | 一种能够动态解析Web应用的云计算系统及方法 | |
CN110912771B (zh) | 加速节点的测试方法、装置、电子设备及计算机可读介质 | |
CN111382058B (zh) | 一种服务的测试方法、装置,服务器及存储介质 | |
CN112152879A (zh) | 网络质量确定方法、装置、电子设备和可读存储介质 | |
CN113821351B (zh) | 远程过程调用方法及装置、可读存储介质及电子设备 | |
CN111198853B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN115185667B (zh) | 可视化应用的加速方法、装置、电子设备和存储介质 | |
CN112148847B (zh) | 一种语音信息的处理方法及装置 | |
CN111694672B (zh) | 资源分配方法、任务提交方法、装置、电子设备和介质 | |
CN114125066B (zh) | 一种处理业务请求的方法和装置 | |
CN111382057B (zh) | 测试用例生成方法,测试方法及装置,服务器及存储介质 | |
CN111309367B (zh) | 一种管理服务发现的方法、装置、介质和电子设备 | |
CN114756301A (zh) | 日志处理方法、装置和系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |