CN115914403A - 分布式服务注册处理方法及装置 - Google Patents
分布式服务注册处理方法及装置 Download PDFInfo
- Publication number
- CN115914403A CN115914403A CN202211433881.7A CN202211433881A CN115914403A CN 115914403 A CN115914403 A CN 115914403A CN 202211433881 A CN202211433881 A CN 202211433881A CN 115914403 A CN115914403 A CN 115914403A
- Authority
- CN
- China
- Prior art keywords
- service
- growth rate
- expected
- registration
- sufficiency
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 239000003795 chemical substances by application Substances 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 101150107986 CGR2 gene Proteins 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 101150051404 CGR1 gene Proteins 0.000 description 2
- 101100243090 Candida glabrata (strain ATCC 2001 / CBS 138 / JCM 3761 / NBRC 0622 / NRRL Y-65) PDH1 gene Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 101150054999 cgrA gene Proteins 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 101100383386 Neurospora crassa (strain ATCC 24698 / 74-OR23-1A / CBS 708.71 / DSM 1257 / FGSC 987) cgr-1 gene Proteins 0.000 description 1
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明可用于大数据技术在金融方面应用的技术领域,本发明提供了一种分布式服务注册处理方法及装置,对应的方法包括:根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定服务调用方增长速率对于服务调用增长速率的影响比重;根据影响比重以及多个周期下的服务调用增长速率预测预期服务并发数;根据预期服务并发数以及当前服务并发数调整服务的注册节点数量。本发明通过对各服务提供方的服务使用频率监控,识别出被调用服务的调用频率和服务节点的压力阈值。进而降低服务消费方监听的低频服务数量,降低注册中心注册的服务数量。从而达到服务注册中心和服务消费方设备利用率最优化。
Description
技术领域
本申请属于大数据技术领域,具体涉及一种分布式服务注册处理方法及装置。
背景技术
现有技术中的分布式服务体系下,应用节点对外暴露的服务都是在服务注册中心注册。对于服务注册中心来说,注册的服务节点及服务数量越多,注册中心缓存服务注册信息的压力越大。具体地,影响注册中心注册服务数量的主要因素有如下三个方面:一是注册的服务群组数量越多,注册中心的服务压力越大;二是各服务群组的节点数量越多,注册中心注册的服务数量越多;三是各服务群组注册的服务数量越多,注册中心的压力越大。注册中心注册的服务数量是所有接入注册中心的应用服务群组上的服务(服务节点数×注册服务数量)之和。
对于服务消费方服务群组来说,消费方群组监听的服务信息都需要在消费方本地内存缓存订阅的服务信息,缓存的服务数量越多,服务消费方群组内存压力越大。调用方缓存订阅的服务信息数量处决于两个方面:一是调用方服务群组引用的服务数量;另一个是服务提供方注册的服务节点数,可以理解的是,服务提供方注册的服务节点数量越多,则消费方服务群组本地订阅的数据量越大,消耗的内存越大。
随着分布式应用服务群组数、服务群组规模和服务数量增加,注册中心服务注册及订阅的压力越来越大,进而影响到注册中心的安全运行。同时消费方订阅服务数量的增加,消费方服务节点缓存订阅服务信息的内存消耗越来越大,对设备要求越来越高,导致生产大量设备的都要大幅提升配置。
对一个应用群组来说,其提供的服务有高频服务、也有低频访问服务,随着其提供的高频服务的访问量增加,需要增加相应的服务节点,由于其低频服务和高频服务同时部署在同一个节点,以增加应用节点后,低频服务的注册数量也同时增多。
在现有技术条件下,面对上述场景只能采用应用群组拆分方法,把应用群组的服务按照高频服务拆分部署到一个服务群组,服务群组节点部署多一些,低频服务部署到一个服务群组,服务节点部署较少,从而达到降低服务注册中心的服务注册压力的目的。但这种做法存在以下技术缺点:
一方面是服务的调用频率和分类在业务设计阶段不容易识别,在系统上线运行后,再根据服务调用量及调用频率进行拆分,需要对服务节点进行拆分改造,改造过程费时费力。例如,一个企业涉及的服务群组数量较多,如果按高低频服务群组拆分,涉及的改造成本非常大。
另一方面部署在同一应用群组的服务一般在业务上都存在一定的耦合性,按高低频进行服务节点拆分后,服务群组之间耦合部分又需要增加新的服务调用,对服务节点影响较大。
发明内容
本发明可用于大数据技术在金融方面应用的技术领域,也可用于除金融领域之外的任意领域,本发明通过对各服务提供方的服务使用频率监控,识别出被调用服务的调用频率和服务节点的压力阈值。并通过订阅服务节点压力控制参数,联动注册中心调整高低频服务注册的服务节点数量,降低服务消费方监听的低频服务数量,降低注册中心注册的服务数量。从而达到服务注册中心和服务消费方设备利用率最优化。
第一方面,本发明提供一种分布式服务注册处理方法,该方法包括:
根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重;
根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数;
根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量。
一实施例中,分布式服务注册处理方法还包括:
根据服务调用历史数据生成所述多个周期下的服务调用增长速率以及服务调用方增长速率。
一实施例中,所述根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重,包括:
根据所述服务调用历史数据确定所述多个周期下的各个服务调用方增长速率对于所述服务调用增长速率的影响占比;
根据所述调用关系数据、各个服务调用方对应的影响占比以及服务调用方增长速率确定所述影响比重。
一实施例中,所述根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数,包括:
根据所述影响比重以及多个周期下的服务调用增长速率,生成用于表征预期服务调用增长速率与所述服务调用增长速率之间关系的关系向量;
根据所述关系向量以及所述服务调用方增长速率确定所述预期服务调用增长速率;
根据所述预期服务调用增长速率确定所述预期服务并发数。
一实施例中,所述根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量包括:
根据所述预期服务并发数计算服务的预期需求充足率;
根据所述当前服务并发数以及当前的服务调用方数量计算服务的当前服务提供方充足率;
根据所述预期需求充足率以及所述当前服务提供方充足率调整所述注册节点数量。
一实施例中,所述根据所述预期需求充足率以及所述当前服务提供方充足率调整所述注册节点数量,包括:
当所述预期需求充足率与所述当前服务提供方充足率的差值大于预设阈值时,增加所述注册节点数量;
当所述预期需求充足率与所述当前服务提供方充足率的差值小于预设阈值时,减少所述注册节点数量。
一实施例中,所述增加所述注册节点包括:
按照节点负载率对未注册的注册节点排序,以生成第一排序结果;
按照所述第一排序结果增加所述注册节点;
所述减少所述注册节点包括:
按照节点负载率对已注册的注册节点排序,以生成第二排序结果;
按照所述第二排序结果减少加所述注册节点。
第二方面,本发明提供一种分布式服务注册处理装置,该装置包括:
影响比重确定模块,用于根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重;
预期并发数预测模块,用于根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数;
注册节点数量调整模块,用于根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量。
一实施例中,分布式服务注册处理装置还包括:
历史增长率生成模块,用于根据服务调用历史数据生成所述多个周期下的服务调用增长速率以及服务调用方增长速率。
一实施例中,所述影响比重确定模块包括:
影响占比确定单元,用于根据所述服务调用历史数据确定所述多个周期下的各个服务调用方增长速率对于所述服务调用增长速率的影响占比;
影响比重确定单元,用于根据所述调用关系数据、各个服务调用方对应的影响占比以及服务调用方增长速率确定所述影响比重。
一实施例中,所述预期并发数预测模块包括:
关系向量生成单元,用于根据所述影响比重以及多个周期下的服务调用增长速率,生成用于表征预期服务调用增长速率与所述服务调用增长速率之间关系的关系向量;
预期增长率确定单元,用于根据所述关系向量以及所述服务调用方增长速率确定所述预期服务调用增长速率;
预期并发数预测单元,用于根据所述预期服务调用增长速率确定所述预期服务并发数。
一实施例中,所述注册节点数量调整模块包括:
预期充足率计算单元,用于根据所述预期服务并发数计算服务的预期需求充足率;
当前充足率计算单元,用于根据所述当前服务并发数以及当前的服务调用方数量计算服务的当前服务提供方充足率;
节点数调整单元,用于根据所述预期需求充足率以及所述当前服务提供方充足率调整所述注册节点数量。
一实施例中,所述节点数调整单元包括:
节点数增加单元,用于当所述预期需求充足率与所述当前服务提供方充足率的差值大于预设阈值时,增加所述注册节点数量;
节点数减少单元,用于当所述预期需求充足率与所述当前服务提供方充足率的差值小于预设阈值时,减少所述注册节点数量。
一实施例中,所述节点数增加单元包括:
第一结果生成单元,用于按照节点负载率对未注册的注册节点排序,以生成第一排序结果;
节点数增加子单元,用于按照所述第一排序结果增加所述注册节点;
所述节点数减少单元包括:
第二结果生成单元,用于按照节点负载率对已注册的注册节点排序,以生成第二排序结果;
节点数减少子单元,用于按照所述第二排序结果减少加所述注册节点。
第五方面,本发明提供一种电子设备,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分布式服务注册处理方法的步骤。
第六方面,本发明提供一种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分布式服务注册处理方法的步骤。
从上述描述可知,本发明实施例提供一种分布式服务注册处理方法及装置,包括:首先,根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定服务调用方增长速率对于服务调用增长速率的影响比重;接着,根据影响比重以及多个周期下的服务调用增长速率预测预期服务并发数;最后根据预期服务并发数以及当前服务并发数调整服务的注册节点数量。本发明通过对各服务提供方的服务使用频率监控,识别出被调用服务的调用频率和服务节点的压力阈值。并通过订阅服务节点压力控制参数,联动注册中心调整高低频服务注册的服务节点数量,降低服务消费方监听的低频服务数量,降低注册中心注册的服务数量。从而达到服务注册中心和服务消费方设备利用率最优化。
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为本发明的实施例中分布式服务注册处理方法的流程示意图一;
图2为本发明的实施例中分布式服务注册处理方法的流程示意图二;
图3为本发明的实施例中分布式服务注册处理方法的步骤100的流程示意图;
图4为本发明的实施例中分布式服务注册处理方法的步骤200的流程示意图;
图5为本发明的实施例中分布式服务注册处理方法的步骤300的流程示意图;
图6为本发明的实施例中分布式服务注册处理方法的步骤303的流程示意图;
图7为本发明的实施例中分布式服务注册处理方法的步骤3031的流程示意图;
图8为本发明的实施例中分布式服务注册处理方法的步骤3032的流程示意图;
图9为本发明的具体实施方式中分布式服务注册处理系统的结构示意图;
图10为本发明的具体实施方式中分布式服务注册协调装置的结构示意图;
图11为本发明的具体实施方式中分布式服务注册协调方法的流程示意图;
图12为本发明的具体实施方式中服务调用频度预测方法的流程示意图;
图13为本发明的具体实施方式中分布式服务注册处理装置的方块一;
图14为本发明的具体实施方式中分布式服务注册处理装置的方块二;
图15为本发明的实施例中影响比重确定模块10的方块图;
图16为本发明的实施例中预期并发数预测模块20的方块图;
图17为本发明的实施例中注册节点数量调整模块30的方块图;
图18为本发明的实施例中节点数调整单元303的方块图;
图19为本发明的实施例中节点数调整单元3031的方块图;
图20为本发明的实施例中节点数减少单元3032的方块图;
图21为本发明的实施例中的电子设备的结构示意图。
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、完整的描述,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。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
基于现有技术中的技术痛点,本发明的实施例提供一种分布式服务注册处理方法的具体实施方式,参见图1,该方法具体包括如下内容:
步骤100:根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重;
优选地,多个周期包括:年、月、日、时、30分钟、15分钟,可以理解的是,多个周期可以满足多种服务的要求。步骤100在实施时,首先对调用该服务的调用方增长率以及该服务的服务调用增长率(均为数据),并按照上述多个周期进行统计分析,以此确定服务调用方增长速率对于所述服务调用增长速率的影响(影响比重)。
步骤200:根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数;
具体地,首先根据多个周期、多个周期所对应的向量参数、影响比重以及其对应的向量参数建立用于表征各服务预期增加速率与该服务的服务调用方增长速率(历史调用增长速率)之间关系的关系向量;接着将下一预测周期内的时间片、服务调用方增长率以及该关系向量预测步骤200中的预期服务并发数。
步骤300:根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量。
具体地,根据预期服务并发数以及当前服务并发数分别确定预期需求充足率与当前服务提供方充足率,并计算两者差值,将该差值与预设的阈值进行比较,根据比较结果决定对注册节点数量或者减少。
从上述描述可知,本发明实施例提供一种分布式服务注册处理方法,包括:首先,根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定服务调用方增长速率对于服务调用增长速率的影响比重;接着,根据影响比重以及多个周期下的服务调用增长速率预测预期服务并发数;最后根据预期服务并发数以及当前服务并发数调整服务的注册节点数量。本发明通过对各服务提供方的服务使用频率监控,识别出被调用服务的调用频率和服务节点的压力阈值。并通过订阅服务节点压力控制参数,联动注册中心调整高低频服务注册的服务节点数量,降低服务消费方监听的低频服务数量,降低注册中心注册的服务数量。从而达到服务注册中心和服务消费方设备利用率最优化。
一些实施例中,参见图2,分布式服务注册处理方法还包括:
步骤400:根据服务调用历史数据生成所述多个周期下的服务调用增长速率以及服务调用方增长速率。
首先,从服务监控中心获取服务调用历史数据,该历史数据包括:历史服务调用增长速率以及历史服务调用方增长速率,接着,按照多个周期将历史服务调用增长速率以及历史服务调用方增长速率进行分类统计,以生成服务调用增长速率以及服务调用方增长速率。
一些实施例中,参见图3,步骤100包括:
步骤101:根据所述服务调用历史数据确定所述多个周期下的各个服务调用方增长速率对于所述服务调用增长速率的影响占比;
通过对调用该服务的调用方历史增长率进行统计,得到各服务调用方增长率CGR对服务调用增长率的影响占比:A1、A2、……,An(各个调用方增长率占该服务增长率的比重)。
步骤102:根据所述调用关系数据、各个服务调用方对应的影响占比以及服务调用方增长速率确定所述影响比重。
接着,按照下式确定步骤102中的影响比重。
CGRA=∑(CGR1×A1,CGR2×A2,...,CGRn×An)其中CGR1、CGR2、……、CGRn为该服务各调用方的增长率。上式中,CGRn为该服务各调用方的增长率。
一些实施例中,参见图4,步骤200包括:
步骤201:根据所述影响比重以及多个周期下的服务调用增长速率,生成用于表征预期服务调用增长速率与所述服务调用增长速率之间关系的关系向量;
具体地,通过对服务调用的历史数据进行计算,得到各服务预期增加速率与该服务的历史调用增长速率之间的关系向量SGRI,例如某服务的预期增长率向量为SGRI=(YSGR×B1,MSGR×B2,DSGR×B3,ADSGR×B4,TSGR×B5,QSGR×B6,FSGR×B7,CGRA×B8)其中YSGR、MSGR、DSGR、TSGR、QSGR、FSGR,分别为该服务年、月、日、时、30分、15分、5分钟等历史周期内的服务调用增长速率,B1、B2、B3、B4、B5、B6、B7、B8等为经计算后得到该服务增长率的向量参数。
步骤202:根据所述关系向量以及所述服务调用方增长速率确定所述预期服务调用增长速率;
具体地,通过将下一预测周期内的时间片及服务调用方增长率代入上述SGRI向量数组,经计算得到当前服务在下一周期内的预期服务需求增长率为ESGR。
步骤203:根据所述预期服务调用增长速率确定所述预期服务并发数。
具体地,将当前时间片最大并发数CCS乘以预期服务需求增长率ESGR,得到该服务在下一周期内的预期服务并发数。
一些实施例中,参见图5,步骤300包括:
步骤301:根据所述预期服务并发数计算服务的预期需求充足率;
预期需求充足率:根据服务并发调用的历史数据,和最近周期的服务并发数,计算得到下一个周期的服务需求并发数。如某服务有4个服务节点,每个节点提供并发数为2,最新预测下一周期内最大服务并发数为8,则服务提供方充足率为4×2/4=100%。
步骤302:根据所述当前服务并发数以及当前的服务调用方数量计算服务的当前服务提供方充足率;
服务提供方充足率:为服务提供方节点提供的服务并发数,除以最近一个统计周期内该服务的调用最大并发数之间的比值,如某服务有4个服务节点,每个节点提供并发数为2,最近统计周期内最大服务并发数为4,则服务提供方充足率为4×2/4=200%。
步骤303:根据所述预期需求充足率以及所述当前服务提供方充足率调整所述注册节点数量。
具体地,计算出服务的预期需求充足率与当前服务提供方充足率之间的差值,并使用该差值跟预期需求充足率阈值下限及预期需求充足率阈值上线等参数进行比较,并根据该比较结果决定增加或者减少注册节点数量。
一些实施例中,参见图6,步骤303包括:
步骤3031:当所述预期需求充足率与所述当前服务提供方充足率的差值大于预设阈值时,增加所述注册节点数量;
预期需求充足率阈值下限反映对预期需求变化响应的灵敏度而设置的参数,当预期需求充足率与当前服务提供方充足率之差小于该阈值时,则说明服务预期并发能力不足,需要增加服务节点注册。
步骤3032:当所述预期需求充足率与所述当前服务提供方充足率的差值小于预设阈值时,减少所述注册节点数量。
预期需求充足率阈值上限为反映对预期需求变化响应的灵敏度而设置的参数,当预期需求充足率与当前服务提供方充足率之差大于该上限,则标明该服务当前注册节点过多,可以对注册服务节点进行下线。
一些实施例中,参见图7,步骤3031包括:
步骤30311:按照节点负载率对未注册的注册节点排序,以生成第一排序结果;
步骤30312:按照所述第一排序结果增加所述注册节点;
在步骤30311以及步骤30312中,将节点列表中各节点的按负载率升序排列,从低到高挑选需要注册的服务节点,作为该服务优先注册节点,将该服务的上述服务节点,添加到服务注册中心。
一些实施例中,参见图8,步骤3032包括:
步骤30321:按照节点负载率对已注册的注册节点排序,以生成第二排序结果;
步骤30322:按照所述第二排序结果减少加所述注册节点。
在步骤30321以及步骤30322中,将节点列表中各节点的按负载率降序排列,从高到低挑选需要减少的服务节点,作为下线该服务的节点,将该服务的上述服务节点,从服务注册中心下线。
在一种具体实施方式中,本发明还提供一种分布式服务注册处理方法的具体实施方式,具体包括以下内容。
术语解释:
服务:服务是一种可发现的、可调用的、可复用的、经过封装的软件资源。服务是通过规范化的服务说明进行显式发布的,其内部技术实现对于其消费方来说是透明的。
分布式服务:通过分布式服务框架实现,一般指采用面向对象的思想对业务活动进行识别、抽象和封装,形成的一对一映射到具体程序中的接口类。
服务节点:分布式系统中一组提供处理逻辑的程序并能够独立部署运行,在整个分布式系统中既可以与其他服务协作,也可以独立完成业务请求处理操作。
服务集群:在分布式系统中,为了提升服务的并发处理能力,部署多个节点提供相同的一组业务服务操作,这多个提供服务的节点组成一个服务集群,服务集群与服务节点的关系,是一对多的关系。
注册中心:在分布式技术框架中,提供分布式服务注册、发现、状态监控及订阅等服务的一类装置,用来协调分布式服务的调用过程。
提供者:启动后向注册中心注册自己提供的服务信息,并提供具体服务调用。
消费者:向注册中心订阅服务,注册中心会将对应服务的所有提供者地址列表发送给消费者,并且定期更新。
服务提供方充足率:为服务提供方节点提供的服务并发数,除以最近一个统计周期内该服务的调用最大并发数之间的比值。
预期需求充足率:根据服务并发调用的历史数据,和最近周期的服务并发数,计算得到下一个周期的服务需求并发数。
预期需求充足率阈值下限:该阈值为反映对预期需求变化响应的灵敏度而设置的参数,当预期需求充足率与当前服务提供方充足率之差小于该阈值时,则说明服务预期并发能力不足,需要增加服务节点注册。
预期需求充足率阈值上限:该阈值为反映对预期需求变化响应的灵敏度而设置的参数,当预期需求充足率与当前服务提供方充足率之差大于该上限,则标明该服务当前注册节点过多,可以对注册服务节点进行下线。
参见图9,首先,本发明具体实施方式提供一种分布式服务注册处理系统,该系统包括:分布式服务注册中心1、服务注册协调中心2、服务监控中心3、服务提供方4、服务消费方5等构成,上述装置和服务器设备均通过万兆光纤/有线网络进行联通,具体地:
服务注册中心1,可以是部署有主流服务注册中心中间件的服务集群,中间件包括但不限于Zookeeper、Nacos、ETCD中的任意一种,用于提供功能有接收服务注册协调装置提供的服务注册信息、在本地缓存维护所有注册的服务信息、持续监听各服务提供方节点心跳状态、维护本地可用的注册服务信息、提供已注册服务的订阅服务,以及将服务节点的状态变化及时同步给已订阅的服务消费方服务节点,以维护服务可用性。
服务注册协调中心2,是一组服务节点集群,用于提供分布式服务注册代理,分布式服务调用趋势预测,分布式服务节点服务注册协调,分布式服务节点心跳检测等服务。
服务监控中心3,是一组部署有服务调用日志收集及分析的服务节点集群,该服务群组通过手机服务消费方的服务调用日志,对日志进行格式化处理后,从日志中抽取结构化的服务调用历史数据,为服务注册协调中心的服务调用预测服务,提供基础数据。
服务提供方4,启动后向服务注册中心1注册自己提供的服务信息,并提供具体服务调用自由。对于一个企业应用来说可以存在多个这样的服务集群,一个服务集群存在多个高可用的等效服务节点,每个服务节点都对外暴露相同的应用服务。
服务消费方5,向服务注册中心1订阅服务,服务注册中心1会将对应服务的所有提供者地址列表发送给消费者,并且定期更新。一个服务消费方服务节点会对多个应用服务提供方节点存在依赖,消费方依赖的每个服务都会在本地缓存维护一个该服务的服务节点列表。
另一方面,参见图10,本发明具体实施方式还提供一种分布式服务注册协调装置,该装置由服务注册代理模块201、服务节点管理模块202、服务管理模块203、服务调用频度预测模块204、服务注册协调模块205等几个部分组成,具体地:
分布式服务注册代理模块201是一个分布式服务注册代理,该模块提供一套等价于服务注册中心1的服务注册接口,服务提供方4通过内部有线网络,向服务注册中心2发起服务注册,该模块代理接收到服务节点的发起的服务注册请求,记录包括但不限于服务节点信息、注册服务名称、方法名及参数类型;并按服务节点。
服务节点管理模块202,存储并管理服务节点基本信息、服务节点可用性、服务节点负载信息等。根据服务注册代理模块201接收的服务注册请求,存储并管理已注册服务的服务节点清单;跟服务提供方1节点建立心跳检测机制,对服务节点进行可用性管理,当服务节点出现心跳检测失败,则判断为服务节点失效,查找出该节点已注册的所有服务信息,通知服务注册协调模块,将该节点信息,从该服务在注册中心注册的节点列表中断开;通过从服务监控中心3获取当前服务节点的服务调用情况,对服务节点的负载信息进行管理,根据服务节点的服务调用量更新各服务节点当前的负载率。
服务管理模块203,存储已注册的服务基本信息;该基本信息包括服务名称、服务方法、节点服务并发数、服务已注册节点数、预期需求充足率阈值上限、预期需求充足率阈值下限等信息。
接着,服务管理模块203根据服务注册代理模块201接收的服务注册请求,存储并管理已发起注册的服务清单、维护服务的状态。服务管理模块203对已登记到服务注册清单的服务,通过调用服务调用频度监测模块204,得到当前服务并发数及预期服务并发数,并根据本地服务已注册节点数及节点服务并发数,计算出服务提供方充足率,预期需求充足率,并得到该服务的预期需求充足率-服务提供方充足率之间的差值,当该差值<预期需求充足率阈值下限,则需要增加服务节点,增加的服务节点数=向上取整[(服务提供方充足率+预期需求充足率阈值下限)×预期服务并发数/节点服务并发数-已注册节点数];当该差值方大于期充足率阈值上限时,则需要减少服务节点,减少的服务节点数=向下取整[已注册节点数-(预期需求充足率-预期需求充足率阈值上限)×预期服务并发数/节点服务并发数]。增加服务节点时,服务管理模块从该服务的提供方服务节点中挑选出尚未在注册中心注册的节点列表。
进一步,该发明的还可以根据该服务节点列表中各节点的节点负载率,选择节点负载率较低的节点作为优先注册服务节点。调用服务注册协调模块205,由服务注册协调模块将该服务的上述服务节点,添加到服务注册中心,详见本发明提供的一种分布式服务注册协调方法流程图(如图11)。减少服务注册节点时,从已经注册的服务节点列表中,根据各节点的节点负载率排序,挑选该负载率最高的节点服务进行下线。
服务调用频度预测模块204,订阅服务监控中心3的服务监控信息,主要提供当前服务的并发数及预期服务并发数的计算。首先从服务监控中心3获取该服务当前时间片最大并发数,调用增长速率等信息;然后利用该服务调用频度历史数据,包括但不限于服务年、月、日、时、30分钟、15分钟等历史周期内的服务调用增长速率、服务关联调用方增长速率等信息,本发明提供的一种服务调用频度预测方法(如图12),通过线性回归分析计算并预测出该服务在下一个周期内的预期服务并发数,并以该预期服务并发数作为计算预期服务注册需求的依据。
服务注册协调模块205用于为具体的服务注册协调,负责管理并启动服务注册协调作业,提供向注册中心1注册服务节点、下线服务注册节点等服务注册协调工作。服务注册协调模块205通过定时启动服务注册管理作业,来协调服务注册;当服务注册节点数满足不了服务预期需求节点数时,通过该服务注册协调模块,向注册中心完成服务注册节点的注册处理;当服务注册节点数超过预期需求较多时,通过向注册中心发起服务注册节点下线操作,来减少服务的注册的服务提供方节点数。
基于上述的分布式服务注册处理系统以及分布式服务注册协调装置,本发明具体实施方式提供一种分布式服务注册协调方法以及一种服务调用频度预测方法,其具体实施方式分别参见图11以及图12,分布式服务注册协调方法包括:
步骤S301:服务注册协调模块205定时启动服务注册协调作业,并发调度服务注册管理模块203按服务分组,完成已经通过代理发起注册的服务清单,并获取清单中各服务的注册信息,该注册信息包括但不限于服务名、服务方法、节点服务并发数、服务已注册节点数、预期需求充足率阈值上限、预期需求充足率阈值下限等信息。
步骤S302:对于上述任务扫描的服务清单,根据服务名称,调用服务调用频度监测模块204,得到当前服务并发数及预期服务并发数,并根据本地服务已注册节点数及节点服务并发数,计算出服务提供方充足率以及预期需求充足率。
步骤S303:根据步骤S302的计算结果,计算出该服务的预期需求充足率与当前服务提供方充足率之间的差值,并使用该差值跟预期需求充足率阈值下限及预期需求充足率阈值上线等参数进行比较。
步骤S304:如果预期需求充足率与服务提供方充足率之间的差值大于预期需求充足率阈值下限,则继续跳转到S306;相反的,如果该差值小于预期需求充足率阈值下限,则表示该服务预期需求已经接近阈值,需要增加该服务的注册节点,以增加服务的并发数,需增加注册的服务节点数=向上取整[(服务提供方充足率+预期需求充足率阈值下限)×预期服务并发数/节点服务并发数-已注册节点数];
步骤S305:服务管理模块203从该服务的提供方服务节点中挑选出尚未在注册中心注册的节点列表,通过服务节点管理模块202将该节点列表中各节点的按负载率升序排列,从低到高挑选需要注册的服务节点,作为该服务优先注册节点,由服务注册协调模块205将该服务的上述服务节点,添加到服务注册中心2,并继续执行步骤S308。
步骤S306:如果预期需求充足率与服务提供方充足率之间的差值小于预期需求充足率阈值上限,则继续跳转到S308。如果该差值大于预期需求充足率阈值上限,则表示该服务已注册的服务节点已经远超预期需求,可以减少部分服务节点的注册,需减少注册的服务节点数=向下取整[已注册节点数-(预期需求充足率-预期需求充足率阈值上限)×预期服务并发数/节点服务并发数];
步骤S307:服务管理模块203从该服务的提供方服务节点中挑选出已经在注册中心注册的节点列表,通过服务节点管理模块202将该节点列表中各节点的按负载率降序排列,从高到低挑选需要减少的服务节点,作为下线该服务的节点,由服务注册协调模块205将该服务的上述服务节点,从服务注册中心2下线,并继续执行S308。
步骤S308:服务注册协调模块205判断当前作业扫描到的服务列表是否已经完全处理完毕,如果未处理完毕则跳转到S302对下一服务执行上面相同处理。如果已经处理完毕则作业进入休眠并等待下一批次服务扫描作业唤醒。
参见图12,服务调用频度预测方法包括如下步骤。
步骤S401:服务调用频度预测模块204,从服务监控中心3收集并获取各服务当前时间片最大并发数CCS(Current Currency of Service)、调用增长速率以及各服务之间的调用关系数据。
步骤S402:将上述数据经过加工统计并形成各服务在年、月、日、时、30分、15分、5分钟等历史周期内的服务调用增长速率记为SGR(Service Growth Rate),服务调用方增长速率CGR(Called Growth Rate)等历史数据。
步骤S403:通过对调用该服务的调用方历史增长率进行统计,得到各服务调用方增长率CGR对服务调用增长率的影响,CGRA=其中CGR1、CGR2、……、CGRn为该服务各调用方的增长率,A1、A2、……,An为各调用方增长率占该服务增长率的比重。
步骤S404:通过对服务调用的历史数据进行计算,得到各服务预期增加速率与该服务的历史调用增长速率之间的关系向量SGRI,例如某服务的预期增长率向量为SGRI=(YSGR×B1,MSGR×B2,DSGR×B3,ADSGR×B4,TSGR×B5,QSGR×B6,FSGR×B7,CGRA×B8)其中YSGR、MSGR、DSGR、TSGR、QSGR、FSGR,分别为该服务年、月、日、时、30分、15分、5分钟等历史周期内的服务调用增长速率,B1、B2、B3、B4、B5、B6、B7、B8等为经计算后得到该服务增长率的向量参数。
步骤S405:通过将下一预测周期内的时间片及服务调用方增长率代入上述SGRI向量数组,经计算得到当前服务在下一周期内的预期服务需求增长率为ESGR。
步骤S406:将当前时间片最大并发数CCS乘以预期服务需求增长率ESGR,得到该服务在下一周期内的预期服务并发数。
从上述描述可知,本发明实施例提供一种分布式服务注册处理方法,通过对各服务提供方的服务使用频率监控,识别出被调用服务的调用频率和服务节点的压力阈值。并通过订阅服务节点压力控制参数,联动注册中心调整高低频服务注册的服务节点数量,降低服务消费方监听的低频服务数量,降低注册中心注册的服务数量。从而达到服务注册中心和服务消费方设备利用率最优化。具体地,本发明具有以下有益效果:
1、本发明可以大幅度降低服务注册中心低频服务的注册节点数量,降低服务注册中心的缓存压力,提高注册中心对服务群组的容纳能力。
2、本发明应可以大幅降低服务消费方订阅服务的缓存数据量,降低服务消费方服务器配置要求,使得消费方服务器有更多的空间用于应用运行。
3、本发明可以通过调配服务群组内各节点的服务注册数量,动态调节服务群组内各节点的交易压力,最大限度提升应用服务节点的利用率,降低服务器需求。
基于同一发明构思,本申请实施例还提供了一种分布式服务注册处理装置,可以用于实现上述实施例所描述的方法,如下面的实施例。由于分布式服务注册处理装置解决问题的原理与分布式服务注册处理方法相似,因此分布式服务注册处理装置的实施可以参见分布式服务注册处理方法实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
本发明的实施例首先提供一种能够实现分布式服务注册处理方法的分布式服务注册处理装置的具体实施方式,参见图13,分布式服务注册处理装置具体包括如下内容:
影响比重确定模块10,用于根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重;
预期并发数预测模块20,用于根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数;
注册节点数量调整模块30,用于根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量。
一实施例中,参见图14,分布式服务注册处理装置还包括:
历史增长率生成模块40,用于根据服务调用历史数据生成所述多个周期下的服务调用增长速率以及服务调用方增长速率。
一实施例中,参见图15,所述影响比重确定模块10包括:
影响占比确定单元101,用于根据所述服务调用历史数据确定所述多个周期下的各个服务调用方增长速率对于所述服务调用增长速率的影响占比;
影响比重确定单元102,用于根据所述调用关系数据、各个服务调用方对应的影响占比以及服务调用方增长速率确定所述影响比重。
一实施例中,参见图16,所述预期并发数预测模块20包括:
关系向量生成单元201,用于根据所述影响比重以及多个周期下的服务调用增长速率,生成用于表征预期服务调用增长速率与所述服务调用增长速率之间关系的关系向量;
预期增长率确定单元202,用于根据所述关系向量以及所述服务调用方增长速率确定所述预期服务调用增长速率;
预期并发数预测单元203,用于根据所述预期服务调用增长速率确定所述预期服务并发数。
一实施例中,参见图17,所述注册节点数量调整模块30包括:
预期充足率计算单元301,用于根据所述预期服务并发数计算服务的预期需求充足率;
当前充足率计算单元302,用于根据所述当前服务并发数以及当前的服务调用方数量计算服务的当前服务提供方充足率;
节点数调整单元303,用于根据所述预期需求充足率以及所述当前服务提供方充足率调整所述注册节点数量。
一实施例中,参见图18,所述节点数调整单元303包括:
节点数增加单元3031,用于当所述预期需求充足率与所述当前服务提供方充足率的差值大于预设阈值时,增加所述注册节点数量;
节点数减少单元3032,用于当所述预期需求充足率与所述当前服务提供方充足率的差值小于预设阈值时,减少所述注册节点数量。
一实施例中,参见图19,所述节点数调整单元3031包括:
第一结果生成单元30311,用于按照节点负载率对未注册的注册节点排序,以生成第一排序结果;
节点数增加子单元30312,用于按照所述第一排序结果增加所述注册节点;
一实施例中,参见图20,所述节点数减少单元3032包括:
第二结果生成单元30321,用于按照节点负载率对已注册的注册节点排序,以生成第二排序结果;
节点数减少子单元30322,用于按照所述第二排序结果减少加所述注册节点。
从上述描述可知,本发明实施例提供一种分布式服务注册处理装置,包括:首先,根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定服务调用方增长速率对于服务调用增长速率的影响比重;接着,根据影响比重以及多个周期下的服务调用增长速率预测预期服务并发数;最后根据预期服务并发数以及当前服务并发数调整服务的注册节点数量。本发明通过对各服务提供方的服务使用频率监控,识别出被调用服务的调用频率和服务节点的压力阈值。并通过订阅服务节点压力控制参数,联动注册中心调整高低频服务注册的服务节点数量,降低服务消费方监听的低频服务数量,降低注册中心注册的服务数量。从而达到服务注册中心和服务消费方设备利用率最优化。
本申请的实施例还提供能够实现上述实施例中的分布式服务注册处理方法中全部步骤的一种电子设备的具体实施方式,参见图21,电子设备具体包括如下内容:
处理器(processor)1201、存储器(memory)1202、通信接口(CommunicationsInterface)1203和总线1204;
其中,处理器1201、存储器1202、通信接口1203通过总线1204完成相互间的通信;通信接口1203用于实现服务器端设备以及客户端设备等相关设备之间的信息传输;
处理器1201用于调用存储器1202中的计算机程序,处理器执行计算机程序时实现上述实施例中的分布式服务注册处理方法中的全部步骤,例如,处理器执行计算机程序时实现下述步骤:
步骤100:根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重;
步骤200:根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数;
步骤300:根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量。
本申请的实施例还提供能够实现上述实施例中的分布式服务注册处理方法中全部步骤的一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的分布式服务注册处理方法的全部步骤,例如,处理器执行计算机程序时实现下述步骤:
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于硬件+程序类实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
虽然本申请提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
以上所述仅为本说明书实施例的实施例而已,并不用于限制本说明书实施例。对于本领域技术人员来说,本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书实施例的权利要求范围之内。
Claims (10)
1.一种分布式服务注册处理方法,其特征在于,包括:
根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重;
根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数;
根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量。
2.如权利要求1所述的分布式服务注册处理方法,其特征在于,还包括:
根据服务调用历史数据生成所述多个周期下的服务调用增长速率以及服务调用方增长速率。
3.如权利要求2所述的分布式服务注册处理方法,其特征在于,所述根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重,包括:
根据所述服务调用历史数据确定所述多个周期下的各个服务调用方增长速率对于所述服务调用增长速率的影响占比;
根据所述调用关系数据、各个服务调用方对应的影响占比以及服务调用方增长速率确定所述影响比重。
4.如权利要求1所述的分布式服务注册处理方法,其特征在于,所述根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数,包括:
根据所述影响比重以及多个周期下的服务调用增长速率,生成用于表征预期服务调用增长速率与所述服务调用增长速率之间关系的关系向量;
根据所述关系向量以及所述服务调用方增长速率确定所述预期服务调用增长速率;
根据所述预期服务调用增长速率确定所述预期服务并发数。
5.如权利要求1所述的分布式服务注册处理方法,其特征在于,所述根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量包括:
根据所述预期服务并发数计算服务的预期需求充足率;
根据所述当前服务并发数以及当前的服务调用方数量计算服务的当前服务提供方充足率;
根据所述预期需求充足率以及所述当前服务提供方充足率调整所述注册节点数量。
6.如权利要求5所述的分布式服务注册处理方法,其特征在于,所述根据所述预期需求充足率以及所述当前服务提供方充足率调整所述注册节点数量,包括:
当所述预期需求充足率与所述当前服务提供方充足率的差值大于预设阈值时,增加所述注册节点数量;
当所述预期需求充足率与所述当前服务提供方充足率的差值小于预设阈值时,减少所述注册节点数量。
7.如权利要求6所述的分布式服务注册处理方法,其特征在于,所述增加所述注册节点包括:
按照节点负载率对未注册的注册节点排序,以生成第一排序结果;
按照所述第一排序结果增加所述注册节点;
所述减少所述注册节点包括:
按照节点负载率对已注册的注册节点排序,以生成第二排序结果;
按照所述第二排序结果减少加所述注册节点。
8.一种分布式服务注册处理装置,其特征在于,包括:
影响比重确定模块,用于根据多个周期下的服务调用增长速率、服务调用方增长速率以及各服务之间的调用关系数据,确定所述服务调用方增长速率对于所述服务调用增长速率的影响比重;
预期并发数预测模块,用于根据所述影响比重以及所述多个周期下的服务调用增长速率预测预期服务并发数;
注册节点数量调整模块,用于根据所述预期服务并发数以及当前服务并发数调整服务的注册节点数量。
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权利要求1至7任一项所述分布式服务注册处理方法的步骤。
10.一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,该计算机程序被处理器执行时实现权利要求1至7任一项所述分布式服务注册处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211433881.7A CN115914403A (zh) | 2022-11-16 | 2022-11-16 | 分布式服务注册处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211433881.7A CN115914403A (zh) | 2022-11-16 | 2022-11-16 | 分布式服务注册处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115914403A true CN115914403A (zh) | 2023-04-04 |
Family
ID=86477329
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211433881.7A Pending CN115914403A (zh) | 2022-11-16 | 2022-11-16 | 分布式服务注册处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115914403A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017012383A1 (zh) * | 2015-07-22 | 2017-01-26 | 华为技术有限公司 | 一种服务注册方法、使用方法及相关装置 |
CN108633311A (zh) * | 2017-01-26 | 2018-10-09 | 华为技术有限公司 | 一种基于调用链的并发控制的方法、装置及控制节点 |
CN111782386A (zh) * | 2020-03-17 | 2020-10-16 | 新浪网技术(中国)有限公司 | 一种基于历史业务流量的数据库调度方法及系统 |
CN112910708A (zh) * | 2021-02-07 | 2021-06-04 | 中国工商银行股份有限公司 | 分布式服务调用方法及装置 |
-
2022
- 2022-11-16 CN CN202211433881.7A patent/CN115914403A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017012383A1 (zh) * | 2015-07-22 | 2017-01-26 | 华为技术有限公司 | 一种服务注册方法、使用方法及相关装置 |
CN108633311A (zh) * | 2017-01-26 | 2018-10-09 | 华为技术有限公司 | 一种基于调用链的并发控制的方法、装置及控制节点 |
CN111782386A (zh) * | 2020-03-17 | 2020-10-16 | 新浪网技术(中国)有限公司 | 一种基于历史业务流量的数据库调度方法及系统 |
CN112910708A (zh) * | 2021-02-07 | 2021-06-04 | 中国工商银行股份有限公司 | 分布式服务调用方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112162865B (zh) | 服务器的调度方法、装置和服务器 | |
CN106547578B (zh) | 终端应用app的加载方法及装置 | |
US10678602B2 (en) | Apparatus, systems and methods for dynamic adaptive metrics based application deployment on distributed infrastructures | |
CN109814994B (zh) | 一种动态调度线程池的方法及终端 | |
US10884801B2 (en) | Server resource orchestration based on application priority | |
CN1952898A (zh) | 采用进程线程的自适应分区的进程调度程序 | |
CN110990138A (zh) | 资源调度方法、装置、服务器及存储介质 | |
US10884800B2 (en) | Server resource balancing using a suspend-resume strategy | |
CN109669773B (zh) | 金融数据处理方法、装置、设备和存储介质 | |
US11126466B2 (en) | Server resource balancing using a fixed-sharing strategy | |
CN112272203A (zh) | 一种集群业务节点选择方法、系统、终端及存储介质 | |
US11307898B2 (en) | Server resource balancing using a dynamic-sharing strategy | |
EP3702917B1 (en) | Intelligent server task balancing based on server capacity | |
WO2016101996A1 (en) | Allocating cloud computing resources in a cloud computing environment | |
CN109614227A (zh) | 任务资源调配方法、装置、电子设备及计算机可读介质 | |
CN112698952A (zh) | 计算资源统一管理方法、装置、计算机设备及存储介质 | |
CN111857990B (zh) | 一种加强yarn长类型服务调度的方法、系统 | |
Mehta et al. | A modified delay strategy for dynamic load balancing in cluster and grid environment | |
CN115914403A (zh) | 分布式服务注册处理方法及装置 | |
CN112099937A (zh) | 一种资源治理方法和装置 | |
CN114489978A (zh) | 资源调度方法、装置、设备及存储介质 | |
CN114035940A (zh) | 资源分配方法以及装置 | |
CN106210120A (zh) | 一种服务器的推荐方法及其装置 | |
CN111782364A (zh) | 服务调用方法、装置、电子设备及存储介质 | |
Candra et al. | Modeling elasticity trade-offs in adaptive mixed systems |
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 |