CN115576534A - 原子服务的编排方法、装置、电子设备及存储介质 - Google Patents
原子服务的编排方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115576534A CN115576534A CN202211216692.4A CN202211216692A CN115576534A CN 115576534 A CN115576534 A CN 115576534A CN 202211216692 A CN202211216692 A CN 202211216692A CN 115576534 A CN115576534 A CN 115576534A
- Authority
- CN
- China
- Prior art keywords
- service
- atomic
- arrangement
- type
- orchestration
- 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 56
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 7
- 125000002015 acyclic group Chemical group 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 30
- 238000005516 engineering process Methods 0.000 abstract description 14
- 230000004044 response Effects 0.000 abstract description 11
- 230000010354 integration Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 15
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/31—Programming languages or programming paradigms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/60—Software deployment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/72—Code refactoring
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种原子服务的编排方法、装置、设备及存储介质,涉及计算机领域,尤其涉及人工智能技术。该方法包括:根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性;根据不同原子服务之间的关联性,为所述原子服务分配服务器;根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务。通过上述技术方案能够提高编排服务的响应速率。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及微服务技术领域,具体涉及一种原子服务的编排方法、装置、电子设备及存储介质。
背景技术
随着人工智能技术的蓬勃发展,人工智能已经覆盖结构化数据、图像、语音、视频等多种数据类型,涵盖从数据处理、模型训练、模型推理、业务编排和模型评估全流程。
然而,人工智能的应用场景是多样的,用户对于模型训练、模型推理的需求也是多样的,无法使用统一的方案满足所有的需求。编排服务用于按照一定的逻辑关系将多个原子服务组织起来形成综合的AI(Artificial Intelligence,人工智能)能力,原子服务是指单一功能的AI能力。如何对原子服务进行编排是业内重要问题。
发明内容
本公开提供了一种原子服务的编排方法、装置、电子设备以及存储介质。
根据本公开的一方面,提供了一种原子服务的编排方法,该方法包括:
根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性;
根据不同原子服务之间的关联性,为所述原子服务分配服务器;
根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务。
根据本公开的一方面,提供了一种原子服务的编排装置,该装置包括:
关联性确定模块,用于根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性;
原子服务分配模块,用于根据不同原子服务之间的关联性,为所述原子服务分配服务器;
编排服务发送模块,用于根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务。
根据本公开的另一方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开任意实施例所述的原子服务的编排方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行本公开任意实施例所述的原子服务的编排方法。
根据本公开的技术,能够提高编排服务的响应速率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种原子服务的编排方法的流程图;
图2a是根据本公开实施例提供的另一种原子服务的编排方法的流程图;
图2b是根据本公开实施例提供的一种编排服务对原子服务的调用信息示意图;
图3a是根据本公开实施例提供的又一种原子服务的编排方法的流程图;
图3b是根据本公开实施例提供的一种编排服务的DAG图的示意图;
图3c是根据本公开实施例提供的另一种编排服务的DAG图的示意图;
图4是根据本公开实施例提供的一种原子服务的编排装置的结构示意图;
图5是用来实现本公开实施例的原子服务的编排方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例提供的一种原子服务的编排方法的流程图。该方法适用于对原子服务进行统一编排的情况。该方法可以由原子服务的编排装置来执行,该装置可以采用软件和/或硬件的方式实现,可配置于AI(Artificial Intelligence,人工智能)中台。如图1所示,本实施例的原子服务的编排方法可以包括:
S101,根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性;
S102,根据不同原子服务之间的关联性,为所述原子服务分配服务器;
S103,根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务。
AI中台是将人工智能技术模块化、组件化、可插拔化并将其作用在中台,集约硬件的计算能力、算法的训练能力、模型的部署能力、基础业务的展现能力等人工智能能力,密切结合中台的数据资源,封装成整体中台系统,也可称为AI服务管理平台。在AI中台内,可将模型封装成预测服务,通过HTTP(Hyper Text Transfer Protocol,超文本传输协议)、WebSocket(全双工通信协议)等对外提供预测功能。模型是指能够实现某个预测功能的一组文件,例如人脸识别、物体检测等模型,模型类型按照功能可分为回归模型、图像分类模型、物体检测模型、实例分割模型、人脸识别模型等。AI中台也可部署第三方预测服务,第三方预测服务可注册到AI中台,并通过AI中台暴露服务端口供业务方调用,业务方可调用AI中台的端口访问第三方预测服务,即AI中台可将相应调用请求转发给第三方预测服务。
原子服务是指单一的AI能力,可为AI中台中的预测服务,也可为第三方预测服务。由于各原子服务都是单一功能的,而大部分的应用场景都需要按照一定的逻辑关系将多个原子服务组织起来形成一个综合的AI能力,即编排服务。也就是说,各原子服务的功能不同,单个编排服务可包括至少两个原子服务。
其中,编排服务对原子服务的调用信息可包括编排服务所调用的原子服务,以及编排服务对原子服务的调用次数,例如编排服务甲对原子服务A、原子服务B、原子服务C的调用次数依次为3、5和1;编排服务乙对原子服务B、原子服务C、原子服务F的调用次数依次为3、5和1。其中,不同原子服务之间的关联性可与调用的编排服务之间的重叠度呈正相关,调用两个原子服务对应的公共编排服务越多,两个原子服务之间的关联性越大;原子服务与编排服务之间的关联性可与编排服务对原子服务的调用次数呈正相关,编排服务对原子服务的调用次数越大,编排服务与原子服务之间的关联性越大。
在本公开实施例中,可优先将关联性大的原子服务调度、部署到同一个服务器上,在部署有原子服务的服务器上还部署编排执行器,并确定与服务器中原子服务关联性较大的编排服务,且将关联性较大的编排服务转发到服务器中的编排执行器上,从而实现服务器中编排执行器与原子服务之间的本地调用,相比于基于负载均衡将各原子服务调度到不同服务器上,能够大幅度降低编排执行器与原子服务之间的网络通信延时和I/O消耗,从而提高编排服务的响应速率。
本公开实施例的技术方案,通过确定不同原子服务之间的关联性,以及原子服务与编排服务之间的关联性,并将关联性大的原子服务调度到同一服务器上,能够降低网络通信延时和I/O消耗,从而提高编排服务的响应速率。
图2a是根据本公开实施例提供的另一种原子服务的编排方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图2a,本实施例的原子服务的编排方法可以包括:
S201,根据编排服务对原子服务的调用信息,分别对原子服务和编排服务进行聚类得到原子服务类型和编排服务类型,且根据所述原子服务所属的原子服务类型确定不同原子服务之间的关联性;
S202,确定所述编排服务类型与所述原子服务类型之间的关联关系,并根据所述编排服务所属的编排服务类型、所述原子服务所属的原子服务类型和所述关联关系确定所述原子服务与所述编排服务之间的关联性;
S203,根据不同原子服务之间的关联性,为所述原子服务分配服务器;
S204,根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务。
在本公开实施例中,以原子服务和编排服务作为两个维度,针对原子服务维度,根据编排服务对原子服务的调用信息,确定原子服务的特征信息,并根据原子服务的特征信息对原子服务进行聚类得到原子服务类型;以及,针对编排服务维度,根据编排服务对原子服务的调用信息,确定编排服务的特征信息,并根据编排服务的特征信息对编排服务进行聚类得到编排服务类型。另外,还可根据编排服务对原子服务的调用信息,确定编排服务类型与原子服务类型之间的关联关系。如果某编排服务类型对第一原子服务类型的调用次数大于该编排服务类型对第二原子服务类型的调用次数,则该编排服务类型与第一原子服务类型之间的关联性大于该编排服务类型与第二原子服务类型之间的关联性;可根据该编排服务类型与各原子服务类型之间的关联性对各原子服务类型进行排序,并将关联性最大的原子服务类型作为该编排服务类型所关联的原子服务类型。
在调度方面,可将属于同一原子服务类型的各原子服务优先调度到同一服务器上,得到服务器所对应的原子服务类型,在服务器中部署编排执行器;并且,可根据编排服务类型与原子服务类型之间的关联关系,将与服务器中原子服务类型所关联的编排服务类型作为与服务器关联的编排服务类型,并将属于该编排服务类型中的编排服务发送到服务器中的编排执行器。通过优先将同一类的原子服务调度到同一个服务器上,且将对应类型的编排服务转发到该服务器中的编排执行器上,从而实现服务器中编排执行器与原子服务之间的本地调用,提高响应速率。
在一种可选实施方式中,所述根据编排服务对原子服务的调用信息,分别对原子服务和编排服务进行聚类得到原子服务类型和编排服务类型,包括:针对每个原子服务,将该原子服务在各编排服务中的被调用次数作为该原子服务的特征信息,并根据该原子服务的特征信息对该原子服务进行聚类,得到该原子服务所属的原子服务类型;针对每个编排服务,将该编排服务对各原子服务的调用次数作为该编排服务的特征信息,并根据该编排服务的特征信息对该编排服务进行聚类,得到该编排服务所属的编排服务类型。
具体的,针对每一原子服务,可将该原子服务在各编排服务中的调用次数作为该原子服务的特征信息,并根据各原子服务的特征信息对各原子服务进行主成分分析、采用Kmeans(K均值)等聚类算法进行聚类得到原子服务所属的原子服务类型;针对每一编排服务,可将该编排服务对各原子服务的调用次数作为该编排服务的特征信息,并根据编排服务的特征信息对各编排服务进行主成分分析、采用kmeans等聚类算法进行聚类得到编排服务所属的编排服务类型。
参考图2b,以编排服务甲对原子服务A、原子服务B、原子服务C的调用次数依次为3、5、1,编排服务乙对原子服务B、原子服务C、原子服务F的调用次数依次为3、5、1,编排服务丙对原子服务G、原子服务H、原子服务I的调用次数依次为3、5、1为例,通过分别对各原子服务聚类得到原子服务A、原子服务B、原子服务C属于第一原子服务类型,原子服务G、原子服务F、原子服务H属于第二原子服务类型;通过分别对各编排服务聚类得到编排服务甲、编排服务乙属于第一编排服务类型,编排服务丙属于第二编排服务类型。通过对原子服务、编排服务这两个维度分别进行聚类得到原子服务类型、编排服务类型,能够提高聚类结果的准确性,从而降低服务器中原子服务与编排服务之间的网络通信开销。
在一种可选实施方式中,所述确定所述编排服务类型与所述原子服务类型之间的关联关系包括:针对每一编排服务类型,根据该编排服务类型中调用各类原子服务类型的编排服务数量,得到各类原子服务类型在该编排服务类型中出现的权重;根据各类原子服务类型在该编排服务类型中出现的权重,确定该编排服务类型所关联的原子服务类型。
具体的,针对每一编排服务类型,可确定属于该编排服务类型且调用各原子服务类型的编排服务数量,作为各原子服务类型在该编排服务类型中出现的权限;可将权重最高的原子服务类型作为与该编排服务类型关联的原子服务类型。
仍以图2b为例,针对每一编排服务类型,可确定属于该编排服务类型且调用第一原子服务类型的编排服务数量,作为第一原子服务类型在该编排服务类型中出现的权重;以及,确定属于该编排服务类型且调用第二原子服务类型的编排服务数量,作为第二原子服务类型在该编排服务类型中出现的权重;基于权重得到第一原子服务类型与第一编排服务类型关联,第二原子服务类型与第二编排服务类型关联。通过根据出现的权重能够准确地确定编排服务类型与原子服务类型之间的关联性。
在一种可选实施方式中,同一原子服务类型中各原子服务被分配至服务器的分配优先级由高到低依次为:分配至同一服务器、分配至同一机架和分配至同一机房。
具体的,在集群部署过程中,可给服务器按照所在机架、所在机房打上标签。同一类的原子服务优先调度到同一个服务器上,如果服务器的资源不够,则调度到同一个机架上的其他服务器上;如果同一机架上的其他服务器资源还不够,则调度到同一个机房的其他服务器上。相应地,在部署有原子服务的服务器上,还部署编排执行器,将对应类型的编排服务请求都转发到服务器中的编排执行器上。
仍以图2b为例,基于调度优化策略,可将属于第一原子服务类型的原子服务A、原子服务B、原子服务C调度到同一服务器M上,将属于第二原子服务类型的原子服务G、原子服务F、原子服务H调度到同一服务器N上;通过调度模块,在服务器M、服务器N上分别启动编排执行器;通过编排模块,将编排服务甲、编排服务器乙发送到服务器M中的编排执行器,将编排服务丙发送到服务器N中的编排执行器;通过网关模块,将对编排服务甲、编排服务乙的调用请求转发到服务器M,将对编排服务丙的调用请求转发到服务器N上。通过调度优化,能够降低服务器中编排执行器与原子服务之间的网络通信开销,例如,编排服务甲、编排服务乙对原子服务A、原子服务B、原子服务C的调用变成了本地调用,编排服务丙对原子服务G、原子服务F、原子服务H的调用也变成了本地调用,从而降低了网络通信开销,提高对编排服务的调用效率。
本公开实施例的技术方案,通过将属于同一原子服务类型的各原子服务优先调度到同一服务器,能够降低服务器中编排执行器与原子服务之间的网络通信开销,提高了对编排服务的调用速率。
在一种可选实施方式中,所述方法还包括:获取待增加的新编排服务,以及新编排服务调用的原子服务;根据所述新编排服务调用的原子服务,确定新编排服务所属的编排服务类型;将所述新编排服务发送到所属的编排服务类型所分配的服务器中。
在本公开实施例中,还可预测新编排服务预测所属的编排服务类型,并基于所属的编排服务类型将新编排服务发送到对应的服务器上。仍以图2b为例,新编排服务丁对原子服务A、原子服务B、原子服务C、原子服务F、原子服务H的调用次数依次为2、6、4、1、1,可确定编排服务丁的特征信息,并根据编排服务丁的特征信息和编排服务甲、乙、丙之间的聚类关系确定新编排服务丁与编排服务甲、乙同属于第一编排服务类型;将新编排服务丁发送到第一编排服务类型所对应服务器中,且将对新编排服务丁的调用请求转发到该服务器。通过根据已有编排服务之间的聚类关系,预测新编排服务所属的编排服务类型,并将新编排服务器发送到该编排服务类型所对应的服务器上,能够提高新编排服务的调用效率。
在一种可选实施方式中,所述方法还包括:响应于对任一编排服务的伸缩指令,根据该编排服务对至少两个原子服务的调用次数,确定对所述至少两个原子服务的伸缩比例。
在原子服务创建过程中,可设置原子服务单副本支持的QPS(Queries PerSecond,每秒查询率)、可填写原子服务的伸缩触发条件,如QPS、响应延时、CPU使用率、GPU使用率等。
编排集成平台可通过代码、可视化方式等将原子服务按照业务逻辑编排成DAG图得到编排服务,如果DAG图包括具有至少两个分支的条件节点,则DAG图可对应至少两个执行链路。由于DAG图中执行链路可能与输入参数、调用的原子服务有关,因此无法直接得到DAG图中原子服务的调用次数与编排服务的调用次数之间的比例关系。在对编排服务进行弹性伸缩例如扩容或缩容时,可通过数据分析任务周期性地对DAG图的调用数据进行分析,得到编排服务对各原子服务的调用次数,并按照对各原子服务的调用次数,确定各原子服务的伸缩比例。仍以编排服务甲对原子服务A、原子服务B、原子服务C的调用次数依次为3、5和1为例,则在对编排服务甲进行弹性伸缩时,原子服务A、原子服务B、原子服务C之间可按照3:5:1等比例调整。通过根据原子服务的伸缩触发条件,自动化调整原子服务的副本数;并且,根据编排服务对至少两个原子服务的调用次数,确定编排服务对各原子服务的伸缩比例,不仅能够提高编排服务的执行效率,还能够节省计算机资源。
图3a是根据本公开实施例提供的又一种原子服务的编排方法的流程图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3a,本实施例的原子服务的编排方法可以包括:
S301,根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性;
S302,根据不同原子服务之间的关联性,为所述原子服务分配服务器;
S303,根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务;
S304,响应于对任一编排服务的调用请求,获取该编排服务对应的有向无环DAG图;所述DAG图中的节点为原子服务;
S305,若所述DAG图中执行链路的任一子路径满足幂等条件,则从缓存中读取该子路径的调用结果,并根据该子路径的调用结果确定该编排服务的调用结果。
在本公开实施例中,编排集成平台可通过代码、可视化方式等将原子服务按照业务逻辑编排成DAG(Directed Acyclic Graph)图,DAG图中的节点为原子服务,DAG图中节点之间的路径为原子服务的执行链路。DAG图可发布成前台服务提供对外调用接口,也可发布成后台运行的服务。DAG图运行时,获得运行参数,运行参数流转到DAG图中的各个节点,根据各节点的输入参数得到节点的输出参数,直到DAG图运行完成,将最后一个节点的输出参数作为DAG的运行结果返回调用方。
编排集成平台本身是一个编排服务产品,支持通过代码、可视化两种模式来编排AI中台内的原子服务、第三方系统注册到AI平台的第三方服务,提供串行、并行、选择、循环、传递、任务等组件(语法)、数据转换器与内置函数。支持语法、语意检查、在线调试、版本管理、发布服务、服务监控、流控、鉴权等功能。并提供实践模板、组件与数据转换器使用模板等。编排使用者使用编排集成平台,通过编排集成平台的语法,即可开发涉及所有被集成系统相关服务的编排应用。应用内部的数据流可以在各被集成系统之间无障碍的流动,各被集成系统提供的服务都能在应用内部被调用。
被集成系统可将自身编排好的物料和相关物料都打包成镜像上传到编排集成平台,编排集成平台提供配套的管理功能可将相关镜像都启动成原子服务,使得被集成系统在编排集成系统内运行起来。第三方服务可被集成系统可以部署在编排集成平台之外,通过第三方接口方式,将相关服务注册到编排集成平台。被集成系统的相关服务、第三方服务均可直接暴露给客户调用,也可参与编排。
被集成系统提供给编排集成平台的服务接口可以是控制面接口,也可以是数据面接口,也可以即有控制功能也有数据面接口。也就是说,编排集成平台允许被集成平台的数据面独立于编排集成平台的数据面。在被集成系统提供的原子服务为数据面的情况下,业务数据的流转就在DAG图中;在被集成系统提供的原子服务为控制面的情况下,业务数据的流转不在DAG图中。被集成系统的各个原子服务之间可以使用编排集成平台提供的消息队列、存储、数据库等公共组件作为数据中转组件或者数据持久化组件。在被集成系统提供的原子服务即有控制面又有数据面的情况下,业务数据的流转部分在DAG图中。
在安全帽预警场景中,摄像头采集现场视频流,需要检测视频中的人物是否佩戴安全帽,如果发现有人没带安全帽则通告报警系统。参考图3b,在安全帽预警场景的编排服务中,拉流-解码-抽帧可为视频系统提供的控制面服务,安全帽检测可为算法系统提供的服务,报警可为第三方接口注册的服务,其余为编排集成平台的内置服务。
具体的,DAG图运行到拉流-解码-抽帧节点时,会调用视频系统提供的拉流-解码-抽帧服务启动拉流-解码-抽帧任务,并提供流式消息队列地址与主题信息作为参数,拉流任务将视频流拉回来并抽帧,然后将图片发送到流式消息队列。DAG图运行到查看拉流任务状态时,会调用编排集成平台的接口去查询拉流-解码-抽着任务的状态,如果正常,则继续向下执行,如果已经停止,则退出DAG图。DAG图运行到获取帧图时,编排集成平台会根据流式消息队列地址与主题信息从流式消息队列中拉取帧图,如果获取到了数据,则调用安全帽检测服务,经过安全帽检测后,如果发现有未佩戴安全帽的人员,则调用报警系统报警。
在原子服务的部署过程中,还可设置原子服务是否幂等、幂等维持时间。如果原子服务幂等,只要原子服务的请求参数相同,响应结果也一定相同。可对原子服务的热点数据做缓存,在幂等维持时间内,响应于对原子服务的调用请求,从缓存中获取结果,则无需重新执行原子服务。并且,以小于幂等维持时间的周期,访问原子服务更新缓存。
在本公开实施例中,执行链路中的子路径可为单个原子节点,也可为至少两个原子节点。以子路径的起点为A节点、终点为B节点为例,只要A节点的输出相同,则B节点的输出也相同。可将满足幂等条件的子路径的起终点、起点的输出与终点的输出缓存记录下来。响应于对DAG图的调用请求,如果A的输出匹配缓存数据,则直接使用缓存得到B节点的输出,并根据B节点的输出继续执行。如果没有缓存或者缓存数据过期,则不满足幂等条件,调用子路径的原子服务即可。需要说明的是,如果DAG图中的所有节点都满足幂等条件,那么只要DAG图中执行链路的输入与缓存匹配,那么整个执行链路的执行路径、每个节点的输出参数也确定,可直接使用。通过根据执行链路中的任一子路径满足幂等条件,则直接从缓存中读取该子路径的子路径结果,并根据子路径结果继续执行位于该子路径之后的节点,无需重新调用子路径对应的原子服务,能够进一步提高调用效率,减少原子服务调用、节约系统资源。
参考图3b,在“文字识别”到“返回值判断”这段子路径满足幂等条件的情况下,编排执行器可利用OCR的输出结果从缓存中匹配到“返回值判断”的输出结果,然后继续执行,避免了重复调用“格式化输出”、“自然语言处理分析类型”、“返回值判断”节点,加速了链路执行速率,降低了对原子服务的查询率。
本公开实施例的技术方案,通过确定编排服务的DAG图中满足幂等条件的子路径,直接从缓存中读取子路径结果,并根据子路径结果继续执行剩余节点,能够避免重复调用满足幂等条件的子路径,降低对满足幂等条件的原子服务的查询率,提高了对编排服务的响应效率。
在一种可选实施方式中,所述方法还包括:响应于对任一编排服务的调用请求,获取该编排服务对应的DAG图;所述DAG图中的节点为原子服务;若探测到所述DAG图中执行链路的任一原子服务异常,则拒绝所述调用请求和/或返回链路异常提醒。
在本公开实施例中,还提供有执行链路预测接口,用于探测DAG图中的执行链路,以及分析执行链路中原子服务的QPS是否达上限、原子服务是否异常。针对执行链路中不支持弹性伸缩或只支持有限弹性伸缩的原子服务,在部署过程中可配置有该原子服务的QPS上限。如果超出原子服务能力的请求可能会导致原子能力出现异常。
具体的,响应于对任一编排服务的调用请求,调用执行链路预测接口分析DAG图中可能的执行链路,并确定执行链路中的节点是否异常,如果有节点异常或者QPS已经打满,则拒绝执行调用请求,并返回链路异常与QPS限流提醒。在DAG图包括条件节点的情况下,执行链路预测接口无法立即判断执行链路,每执行一个节点均可做路径预测,如果到某个节点可判定一定会走到异常或者QPS已经打满的节点,则立即拒绝执行调用请求,并返回链路异常与QPS限流提醒。通过对DAG图进行执行链路探测,并确定执行链路中是否存在异常的原子服务,能够及时拒绝异常的调用请求,降低资源消耗。
图4是根据本公开实施例提供的一种原子服务的编排装置的结构示意图。本实施例适用于对原子服务进行统一编排的情况。该装置可以采用软件和/或硬件的方式实现。如图4所示,本实施例的原子服务的编排装置400可以包括:
关联性确定模块410,用于根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性;
原子服务分配模块420,用于根据不同原子服务之间的关联性,为所述原子服务分配服务器;
编排服务发送模块430,用于根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务。
在一种可选实施方式中,所述关联性确定模块410包括:
服务聚类单元,用于根据编排服务对原子服务的调用信息,分别对原子服务和编排服务进行聚类得到原子服务类型和编排服务类型,且根据所述原子服务所属的原子服务类型确定不同原子服务之间的关联性;
关联关系单元,用于确定所述编排服务类型与所述原子服务类型之间的关联关系,并根据所述编排服务所属的编排服务类型、所述原子服务所属的原子服务类型和所述关联关系确定所述原子服务与所述编排服务之间的关联性。
在一种可选实施方式中,所述服务聚类单元包括:
原子服务子单元,用于针对每个原子服务,将该原子服务在各编排服务中的被调用次数作为该原子服务的特征信息,并根据该原子服务的特征信息对该原子服务进行聚类,得到该原子服务所属的原子服务类型;
编排服务子单元,用于针对每个编排服务,将该编排服务对各原子服务的调用次数作为该编排服务的特征信息,并根据该编排服务的特征信息对该编排服务进行聚类,得到该编排服务所属的编排服务类型。
在一种可选实施方式中,所述关联关系单元包括:
权重子单元,用于针对每一编排服务类型,根据该编排服务类型中调用各类原子服务类型的编排服务数量,得到各类原子服务类型在该编排服务类型中出现的权重;
关联关系子单元,用于根据各类原子服务类型在该编排服务类型中出现的权重,确定该编排服务类型所关联的原子服务类型。
在一种可选实施方式中,同一原子服务类型中各原子服务被分配至服务器的分配优先级由高到低依次为:分配至同一服务器、分配至同一机架和分配至同一机房。
在一种可选实施方式中,该原子服务的编排装置400还包括新编排服务模块,所述新编排服务模块包括:
服务获取单元,用于获取待增加的新编排服务,以及新编排服务调用的原子服务;
编排服务类型单元,用于根据所述新编排服务调用的原子服务,确定新编排服务所属的编排服务类型;
新编排服务发送单元,用于将所述新编排服务发送到所属的编排服务类型所分配的服务器中。
在一种可选实施方式中,该原子服务的编排装置400还包括:
服务伸缩模块,用于响应于对任一编排服务的伸缩指令,根据该编排服务对至少两个原子服务的调用次数,确定对所述至少两个原子服务的伸缩比例。
在一种可选实施方式中,该原子服务的编排装置400还包括链路优化模块,所述链路优化模块包括:
第一链路获取单元,用于响应于对任一编排服务的调用请求,获取该编排服务对应的有向无环DAG图;所述DAG图中的节点为原子服务;
链路优化单元,用于若所述DAG图中执行链路的任一子路径满足幂等条件,则从缓存中读取该子路径的调用结果,并根据该子路径的调用结果确定该编排服务的调用结果。
在一种可选实施方式中,该原子服务的编排装置400还包括异常链路模块,所述异常链路模块包括:
第二链路获取单元,用于响应于对任一编排服务的调用请求,获取该编排服务对应的DAG图;所述DAG图中的节点为原子服务;
链路异常提醒单元,用于若探测到所述DAG图中执行链路的任一原子服务异常,则拒绝所述调用请求和/或返回链路异常提醒。
本公开实施例的技术方案,提供了一种开放的编排系统,可集成其他编排系统和第三方服务,通过统一的编排语言对原子服务进行编排,支持多种协议;数据可在各个被集成系统之间流动,打破数据孤岛;提供多种消息中间件,存储、数据库作为数据流转或者持久化的通道;提供公共的鉴权、限流、预警中心、服务管控等系统组件,通过编排可以使得被集成系统使用上述编排集成系统的能力;以及,通过将原子服务、编排执行器、关联的编排服务调度到同一服务器的方式,避免了网络通信,消除了延时和带宽消耗;通过弹性伸缩,实现了编排服务与原子服务在弹性伸缩时的联动;通过推理执行链路、反压、短路和缓存等加速了编排服务的执行过程;通过聚类算法优化了原子能力的部署策略和编排服务的转发策略,大大加速了编排服务的响应速度,降低了网络消耗。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图5是用来实现本公开实施例的原子服务的编排方法的电子设备的框图。图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,电子设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储电子设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505,包括:输入单元506,例如键盘、鼠标等;输出单元507,例如各种类型的显示器、扬声器等;存储单元508,例如磁盘、光盘等;以及通信单元509,例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如原子服务的编排方法。例如,在一些实施例中,原子服务的编排方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的原子服务的编排方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行原子服务的编排方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备调用或与指令执行系统、装置或设备结合地调用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作系统、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以调用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (21)
1.一种原子服务的编排方法,包括:
根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性;
根据不同原子服务之间的关联性,为所述原子服务分配服务器;
根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务。
2.根据权利要求1所述的方法,其中,所述根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性,包括:
根据编排服务对原子服务的调用信息,分别对原子服务和编排服务进行聚类得到原子服务类型和编排服务类型,且根据所述原子服务所属的原子服务类型确定不同原子服务之间的关联性;
确定所述编排服务类型与所述原子服务类型之间的关联关系,并根据所述编排服务所属的编排服务类型、所述原子服务所属的原子服务类型和所述关联关系确定所述原子服务与所述编排服务之间的关联性。
3.根据权利要求2所述的方法,其中,所述根据编排服务对原子服务的调用信息,分别对原子服务和编排服务进行聚类,得到原子服务类型和编排服务类型,包括:
针对每个原子服务,将该原子服务在各编排服务中的被调用次数作为该原子服务的特征信息,并根据该原子服务的特征信息对该原子服务进行聚类,得到该原子服务所属的原子服务类型;
针对每个编排服务,将该编排服务对各原子服务的调用次数作为该编排服务的特征信息,并根据该编排服务的特征信息对该编排服务进行聚类,得到该编排服务所属的编排服务类型。
4.根据权利要求2所述的方法,其中,所述确定所述编排服务类型与所述原子服务类型之间的关联关系,包括:
针对每一编排服务类型,根据该编排服务类型中调用各类原子服务类型的编排服务数量,得到各类原子服务类型在该编排服务类型中出现的权重;
根据各类原子服务类型在该编排服务类型中出现的权重,确定该编排服务类型所关联的原子服务类型。
5.根据权利要求2所述的方法,其中,
同一原子服务类型中各原子服务被分配至服务器的分配优先级由高到低依次为:分配至同一服务器、分配至同一机架和分配至同一机房。
6.根据权利要求2所述的方法,所述方法还包括:
获取待增加的新编排服务,以及新编排服务调用的原子服务;
根据所述新编排服务调用的原子服务,确定新编排服务所属的编排服务类型;
将所述新编排服务发送到所属的编排服务类型所分配的服务器中。
7.根据权利要求1-6中任一项所述的方法,还包括:
响应于对任一编排服务的伸缩指令,根据该编排服务对至少两个原子服务的调用次数,确定对所述至少两个原子服务的伸缩比例。
8.根据权利要求1-6中任一项所述的方法,还包括:
响应于对任一编排服务的调用请求,获取该编排服务对应的有向无环DAG图;所述DAG图中的节点为原子服务;
若所述DAG图中执行链路的任一子路径满足幂等条件,则从缓存中读取该子路径的调用结果,并根据该子路径的调用结果确定该编排服务的调用结果。
9.根据权利要求1-6中任一项所述的方法,还包括:
响应于对任一编排服务的调用请求,获取该编排服务对应的DAG图;所述DAG图中的节点为原子服务;
若探测到所述DAG图中执行链路的任一原子服务异常,则拒绝所述调用请求和/或返回链路异常提醒。
10.一种原子服务的编排装置,包括:
关联性确定模块,用于根据编排服务对原子服务的调用信息,确定不同原子服务之间的关联性,以及所述原子服务与所述编排服务之间的关联性;
原子服务分配模块,用于根据不同原子服务之间的关联性,为所述原子服务分配服务器;
编排服务发送模块,用于根据所述原子服务与所述编排服务之间的关联性,确定与所述服务器关联的编排服务,并向所述服务器发送关联的编排服务。
11.根据权利要求10所述的装置,其中,所述关联性确定模块包括:
服务聚类单元,用于根据编排服务对原子服务的调用信息,分别对原子服务和编排服务进行聚类得到原子服务类型和编排服务类型,且根据所述原子服务所属的原子服务类型确定不同原子服务之间的关联性;
关联关系单元,用于确定所述编排服务类型与所述原子服务类型之间的关联关系,并根据所述编排服务所属的编排服务类型、所述原子服务所属的原子服务类型和所述关联关系确定所述原子服务与所述编排服务之间的关联性。
12.根据权利要求11所述的装置,其中,所述服务聚类单元包括:
原子服务子单元,用于针对每个原子服务,将该原子服务在各编排服务中的被调用次数作为该原子服务的特征信息,并根据该原子服务的特征信息对该原子服务进行聚类,得到该原子服务所属的原子服务类型;
编排服务子单元,用于针对每个编排服务,将该编排服务对各原子服务的调用次数作为该编排服务的特征信息,并根据该编排服务的特征信息对该编排服务进行聚类,得到该编排服务所属的编排服务类型。
13.根据权利要求11所述的装置,其中,所述关联关系单元包括:
权重子单元,用于针对每一编排服务类型,根据该编排服务类型中调用各类原子服务类型的编排服务数量,得到各类原子服务类型在该编排服务类型中出现的权重;
关联关系子单元,用于根据各类原子服务类型在该编排服务类型中出现的权重,确定该编排服务类型所关联的原子服务类型。
14.根据权利要求11所述的装置,其中,
同一原子服务类型中各原子服务被分配至服务器的分配优先级由高到低依次为:分配至同一服务器、分配至同一机架和分配至同一机房。
15.根据权利要求11所述的装置,所述装置还包括新编排服务模块,所述新编排服务模块包括:
服务获取单元,用于获取待增加的新编排服务,以及新编排服务调用的原子服务;
编排服务类型单元,用于根据所述新编排服务调用的原子服务,确定新编排服务所属的编排服务类型;
新编排服务发送单元,用于将所述新编排服务发送到所属的编排服务类型所分配的服务器中。
16.根据权利要求10-15中任一项所述的装置,还包括:
服务伸缩模块,用于响应于对任一编排服务的伸缩指令,根据该编排服务对至少两个原子服务的调用次数,确定对所述至少两个原子服务的伸缩比例。
17.根据权利要求10-15中任一项所述的装置,还包括链路优化模块,所述链路优化模块包括:
第一链路获取单元,用于响应于对任一编排服务的调用请求,获取该编排服务对应的有向无环DAG图;所述DAG图中的节点为原子服务;
链路优化单元,用于若所述DAG图中执行链路的任一子路径满足幂等条件,则从缓存中读取该子路径的调用结果,并根据该子路径的调用结果确定该编排服务的调用结果。
18.根据权利要求10-15中任一项所述的装置,还包括异常链路模块,所述异常链路模块包括:
第二链路获取单元,用于响应于对任一编排服务的调用请求,获取该编排服务对应的DAG图;所述DAG图中的节点为原子服务;
链路异常提醒单元,用于若探测到所述DAG图中执行链路的任一原子服务异常,则拒绝所述调用请求和/或返回链路异常提醒。
19.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-9中任一项所述的原子服务的编排方法。
20.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-9中任一项所述的原子服务的编排方法。
21.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的原子服务的编排方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211216692.4A CN115576534B (zh) | 2022-09-30 | 2022-09-30 | 原子服务的编排方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211216692.4A CN115576534B (zh) | 2022-09-30 | 2022-09-30 | 原子服务的编排方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115576534A true CN115576534A (zh) | 2023-01-06 |
CN115576534B CN115576534B (zh) | 2024-02-20 |
Family
ID=84583543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211216692.4A Active CN115576534B (zh) | 2022-09-30 | 2022-09-30 | 原子服务的编排方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115576534B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881027A (zh) * | 2023-09-08 | 2023-10-13 | 国网信息通信产业集团有限公司 | 原子服务组合通信方法、装置、电子设备和介质 |
CN117793428A (zh) * | 2023-12-27 | 2024-03-29 | 北京中科大洋科技发展股份有限公司 | 一种流程化设备驱动的系统和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108429787A (zh) * | 2018-01-30 | 2018-08-21 | 中经社控股有限公司 | 容器部署方法及装置、计算机存储介质、终端 |
CN112068812A (zh) * | 2020-09-02 | 2020-12-11 | 数字广东网络建设有限公司 | 一种微服务生成方法、装置、计算机设备和存储介质 |
CN112286567A (zh) * | 2020-09-24 | 2021-01-29 | 上海航天化工应用研究所 | 一种基于语义匹配的微服务生成方法及系统 |
KR20210040332A (ko) * | 2020-06-16 | 2021-04-13 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 애플리케이션 구축 방법, 장치, 전자기기, 저장매체 및 컴퓨터 프로그램 |
CN113239127A (zh) * | 2021-05-13 | 2021-08-10 | 北方工业大学 | 科技服务关联网络的构建、依赖关系的识别方法及计算机产品 |
-
2022
- 2022-09-30 CN CN202211216692.4A patent/CN115576534B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108429787A (zh) * | 2018-01-30 | 2018-08-21 | 中经社控股有限公司 | 容器部署方法及装置、计算机存储介质、终端 |
KR20210040332A (ko) * | 2020-06-16 | 2021-04-13 | 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. | 애플리케이션 구축 방법, 장치, 전자기기, 저장매체 및 컴퓨터 프로그램 |
CN112068812A (zh) * | 2020-09-02 | 2020-12-11 | 数字广东网络建设有限公司 | 一种微服务生成方法、装置、计算机设备和存储介质 |
CN112286567A (zh) * | 2020-09-24 | 2021-01-29 | 上海航天化工应用研究所 | 一种基于语义匹配的微服务生成方法及系统 |
CN113239127A (zh) * | 2021-05-13 | 2021-08-10 | 北方工业大学 | 科技服务关联网络的构建、依赖关系的识别方法及计算机产品 |
Non-Patent Citations (1)
Title |
---|
杨冬菊: "基于服务关联网络的服务依赖关系识别", 计算机集成制造系统, vol. 27, no. 9, pages 2691 - 2700 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116881027A (zh) * | 2023-09-08 | 2023-10-13 | 国网信息通信产业集团有限公司 | 原子服务组合通信方法、装置、电子设备和介质 |
CN116881027B (zh) * | 2023-09-08 | 2024-01-16 | 国网信息通信产业集团有限公司 | 原子服务组合通信方法、装置、电子设备和介质 |
CN117793428A (zh) * | 2023-12-27 | 2024-03-29 | 北京中科大洋科技发展股份有限公司 | 一种流程化设备驱动的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115576534B (zh) | 2024-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10462300B2 (en) | Technologies for monitoring interaction between customers and agents using sentiment detection | |
CN115576534A (zh) | 原子服务的编排方法、装置、电子设备及存储介质 | |
CN108776934B (zh) | 分布式数据计算方法、装置、计算机设备及可读存储介质 | |
Ali et al. | RES: Real-time video stream analytics using edge enhanced clouds | |
US8756209B2 (en) | Computing resource allocation based on query response analysis in a networked computing environment | |
CN107944000B (zh) | 航班运价更新方法、装置、电子设备、存储介质 | |
CN112508768B (zh) | 单算子多模型流水线推理方法、系统、电子设备及介质 | |
CN114201278B (zh) | 任务处理方法、任务处理装置、电子设备以及存储介质 | |
CN113762906A (zh) | 任务周期延迟的告警方法、装置、设备及存储介质 | |
JP6981427B2 (ja) | 解析ノード、リソース管理方法およびリソース管理プログラム | |
CN108415765B (zh) | 任务调度方法、装置及智能终端 | |
US11736619B2 (en) | Automated indication of urgency using Internet of Things (IoT) data | |
CN113132479B (zh) | 流量切换、模型生成方法、装置、设备、存储介质及程序 | |
CN113961289A (zh) | 一种数据处理方法、装置、设备以及存储介质 | |
CN112615795A (zh) | 流量控制方法、装置、电子设备、存储介质及产品 | |
CN110245120A (zh) | 流式计算系统及流式计算系统的日志数据处理方法 | |
CN115774602A (zh) | 一种容器资源的分配方法、装置、设备及存储介质 | |
CN113033475B (zh) | 目标对象追踪方法、相关装置及计算机程序产品 | |
CN114936089A (zh) | 资源调度方法、系统、设备及存储介质 | |
CN115187364A (zh) | 银行分布式场景下保证金风险监控的方法及装置 | |
CN114035906A (zh) | 虚拟机迁移方法、装置、电子设备及存储介质 | |
CN113627412A (zh) | 目标区域的检测方法、装置、电子设备和介质 | |
US20240055004A1 (en) | Methods and systems for propagating a stopping condition in a distributed multiple-producer, multiple-consumer system | |
KR102448702B1 (ko) | 엣지 서비스 증설 제어 시스템 및 그 제어방법 | |
CN114203204A (zh) | 尾点检测方法、装置、设备和存储介质 |
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 |