CN116881027B - 原子服务组合通信方法、装置、电子设备和介质 - Google Patents
原子服务组合通信方法、装置、电子设备和介质 Download PDFInfo
- Publication number
- CN116881027B CN116881027B CN202311153811.0A CN202311153811A CN116881027B CN 116881027 B CN116881027 B CN 116881027B CN 202311153811 A CN202311153811 A CN 202311153811A CN 116881027 B CN116881027 B CN 116881027B
- Authority
- CN
- China
- Prior art keywords
- information
- atomic service
- target
- service information
- atomic
- 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.)
- Active
Links
- 230000006854 communication Effects 0.000 title claims abstract description 116
- 238000004891 communication Methods 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000013507 mapping Methods 0.000 claims abstract description 73
- 238000012545 processing Methods 0.000 claims abstract description 50
- 238000013075 data extraction Methods 0.000 claims abstract description 12
- 239000013598 vector Substances 0.000 claims description 123
- 230000004044 response Effects 0.000 claims description 71
- 238000001514 detection method Methods 0.000 claims description 33
- 238000012544 monitoring process Methods 0.000 claims description 33
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000010365 information processing Effects 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 17
- 230000002159 abnormal effect Effects 0.000 description 40
- 230000009471 action Effects 0.000 description 26
- 230000006870 function Effects 0.000 description 20
- 239000011159 matrix material Substances 0.000 description 20
- 230000018109 developmental process Effects 0.000 description 15
- 230000015654 memory Effects 0.000 description 13
- 230000005856 abnormality Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000007704 transition Effects 0.000 description 6
- 230000002035 prolonged effect Effects 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002372 labelling Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
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
- 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)
- Data Exchanges In Wide-Area Networks (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本公开的实施例公开了原子服务组合通信方法、装置、电子设备和介质。该方法的一具体实施方式包括:对目标需求信息进行实体识别,得到原子服务实体信息集;确定原子服务信息集;获取接口请求信息,得到接口请求信息集;对接口请求信息进行数据提取处理,得到目标请求数据集;对目标需求信息进行内容提取,得到对比条件信息;确定原子服务信息子集之间的关联映射关系组;对原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及生成原子服务知识图谱。该实施方式通过服务编排界面,对原子服务信息进行组合得到满足业务的组合后原子服务信息,可以减少原子服务组件的重复开发,提高开发效率和组合灵活性,提高用户体验感。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及原子服务组合通信方法、装置、电子设备和介质。
背景技术
微服务架构可以是将应用程序分解成多个更小颗粒的原子服务,各个原子服务可以由不同的团队独立开发和部署。原子服务的组合编排可以是通过一个请求依次调用多个原子服务。对于原子服务组合通信,通常采用的方式为:通过硬编码的方式对多个原子服务进行组合通信,并对监控信息集进行基于距离、密度的异常检测,以及对原子服务信息和关联映射关系进行真伪判断后生成知识图谱。
然而,发明人发现,当采用上述方式来组合通信原子服务,经常会存在如下技术问题:
第一,由于通过硬编码的方式,会出现原子服务组件的重复开发,业务逻辑冗长,代码量激增,造成内存资源的大量浪费,导致组合服务调用响应时长,降低组合服务的稳定性。
第二,由于基于距离、密度的异常检测方法需要专家经验,并且只能检测到已知异常情况,不能检测出未知异常情况,导致漏检率和误检率较高,进而导致组合服务的系统安全性较低和提高组合服务组件的损坏程度。
第三,由于仅通过判断原子服务信息和关联映射关系构成的三元组真伪,会忽略掉可以通过距离推理得到的三元组,造成知识图谱内容缺失,造成组合服务组件的组合灵活性较差,导致用户体验感较差。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了原子服务组合通信方法、装置、电子设备和介质,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种原子服务组合通信方法,包括:响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集;确定与上述原子服务实体信息集对应的原子服务信息集;响应于检测到针对服务编排界面的原子服务信息处理操作,获取上述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集;对于上述接口请求信息集中的每个接口请求信息,执行以下确定步骤:对上述接口请求信息进行数据提取处理,得到目标请求数据集;对上述目标需求信息进行内容提取,得到对比条件信息;根据上述目标请求数据集和上述对比条件信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组;根据所得到的关联映射关系组集,对上述原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及根据上述关联映射关系组集和上述原子服务信息集生成原子服务知识图谱。
第二方面,本公开的一些实施例提供了一种原子服务组合通信装置,包括:实体识别单元,被配置成响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集;确定单元,被配置成确定与上述原子服务实体信息集对应的原子服务信息集;获取单元,被配置成响应于检测到针对服务编排界面的原子服务信息处理操作,获取上述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集;执行单元,被配置成对于上述接口请求信息集中的每个接口请求信息,执行以下确定步骤:对上述接口请求信息进行数据提取处理,得到目标请求数据集;对上述目标需求信息进行内容提取,得到对比条件信息;根据上述目标请求数据集和上述对比条件信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组;组合通信处理单元,被配置成根据所得到的关联映射关系组集,对上述原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及根据上述关联映射关系组集和上述原子服务信息集生成原子服务知识图谱。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的原子服务组合通信方法通过服务编排界面,对原子服务信息进行组合得到满足业务的组合后原子服务信息,可以减少原子服务组件的重复开发,提高开发效率和组合灵活性,提高用户体验感。具体来说,造成相关的延长组合服务调用响应时长,降低组合服务的稳定性的原因在于:由于通过硬编码的方式,会出现原子服务组件的重复开发,业务逻辑冗长,代码量激增,造成内存资源的大量浪费,导致延长组合服务调用响应时长,降低组合服务的稳定性。基于此,本公开的一些实施例的原子服务组合通信方法可以首先,响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集。在这里,实体识别可以确定新需求需要的原子服务信息,提高后续原子服务新组合的准确性。其次,确定与上述原子服务实体信息集对应的原子服务信息集。在这里,便于后续在服务编排界面进行操作。再次,响应于检测到针对服务编排界面的原子服务信息处理操作,获取上述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集。在这里,通过可视化的方式进行原子服务信息的组合,可以减少后端代码的编写,减低原子服务组合难度。然后,对于上述接口请求信息集中的每个接口请求信息,执行以下确定步骤:对上述接口请求信息进行数据提取处理,得到目标请求数据集。对上述目标需求信息进行内容提取,得到对比条件信息。根据上述目标请求数据集和上述对比条件信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组。在这里,对接口请求信息的解析,得到接口请求数据,可以建立原子服务信息对应的原子服务组件之间的关联关系,可以解决接口返回数据错乱、格式不统一的问题,提高原子服务组件之间接口调用的准确性。最后,根据所得到的关联映射关系组集,对上述原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及根据上述关联映射关系组集和上述原子服务信息集生成原子服务知识图谱。在这里,通过关联映射关系进行组合通信可以减少原子服务的重复开发,满足业务需求的灵活变化,提高开发效率,生成原子服务知识图谱可以充分展示原子服务信息集之间的关系,提高原子服务知识谱图的准确性。由此可得,该原子服务组合通信方法通过服务编排界面,对原子服务信息进行组合得到满足业务的组合后原子服务信息,可以减少原子服务组件的重复开发,提高开发效率和组合灵活性,以及用户体验感。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的原子服务组合通信方法的一些实施例的流程图;
图2是根据本公开的原子服务组合通信装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1示出了根据本公开的原子服务组合通信方法的一些实施例的流程100。该原子服务组合通信方法,包括以下步骤:
步骤101,响应于接收到目标需求信息,对目标需求信息进行实体识别,得到原子服务实体信息集。
在一些实施例中,上述原子服务组合通信方法的执行主体(例如,电子设备)可以响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集。其中,上述目标需求信息可以是目标用户规定软件信息系统需要完成的业务功能需求文件的信息。上述原子服务实体信息集中的原子服务实体信息可以是组合成目标需求信息对应的组合服务所需要的原子服务的名称信息。例如,上述原子服务实体信息可以是执行查询用户信息程序的组件的名称信息。上述原子服务可以表征不可再分的、可独立部署的程序。例如,上述原子服务可以是用户下单的组合服务中的查询用户信息的服务。
作为示例,上述执行主体可以响应于接收到目标需求信息,采用BERT(Bidirectional Encoder Representations from Transformers,基于transformers的双向编码器)模型,对目标需求信息进行实体识别,得到原子服务实体信息集。
在一些实施例的一些可选的实现方式中,上述执行主体可以响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集,可以包括以下步骤:
第一步,对上述目标需求信息中的字符进行字典嵌入处理,以生成字典向量,得到字典向量集。其中,上述字典向量集中的字典向量可以表征字符在对应的词中的位置信息的嵌入向量。
作为示例,上述执行主体可以对于目标需求信息中的字符,执行以下步骤:首先,确定上述字符对应的匹配词集。其中,上述匹配词集中的匹配词可以是对字符所在文本使用不同分词方式得到的匹配词。其次,确定上述字符在对应匹配词集的四位序列标注法中每个位置对应的数量,得到数量序列。其中,上述四位序列标注法可以是按照词首位置、中间位置、末尾位置和单独字词的位置对字符进行标注的方法。然后,确定上述匹配词集中每个匹配词在上述目标需求信息中的出现频率。最后,通过上述出现频率,对上述数量序列中的每个数量进行加权处理,得到加权后数量序列,作为字符的字典向量。
第二步,对上述目标需求信息中的字符进行部首特征提取,以生成字形特征向量,得到字形特征向量集。其中,上述字形特征向量集中的字形特征向量可以表征字符的偏旁部首。
作为示例,上述执行主体可以采用双向长短期记忆网络,对上述目标需求信息中的字符进行部首特征提取,以生成字形特征向量,得到字形特征向量集。
第三步,对上述目标需求信息中的字符进行特征提取,以生成字符特征向量,得到字符特征向量集。其中,上述字符特征向量可以表征字符的向量表示。上述特征提取可以是独热编码。
第四步,对上述字典向量集、上述字形特征向量集和上述字符特征向量集进行拼接处理,得到拼接向量集。
第五步,对上述拼接向量集进行语义提取处理,得到包含上下文信息的拼接向量集,作为语义拼接向量集。其中,上述语义提取处理可以是采用过门控卷积网络进行的语义提取处理。上述门控卷积网络可以是包括两种不同的卷积神经网络窗口进行特征提取的神经网络。第一种卷积神经网络窗口的大小和步长均为1,以便调整输入拼接向量集的通道数。第二种卷积神经网络窗口的大小和步长均为2,以便提取拼接向量集中的潜在词并融合到对应位置。
第六步,对上述语义拼接向量集进行序列特征提取,得到包含字符依赖关系的语义拼接向量集,作为序列拼接向量集。其中,上述序列特征提取可以是采用长短期记忆网络进行的序列特征提取。
第七步,对上述序列拼接向量集进行标签分类预测,得到原子服务实体信息集。其中,上述标签分类预测可以是将上述序列拼接向量集输入至全连接层后输入至条件随机场模型进行的标签分类预测。
步骤102,确定与原子服务实体信息集对应的原子服务信息集。
在一些实施例中,上述执行主体可以确定与上述原子服务实体信息集对应的原子服务信息集。其中,上述原子服务信息集中的原子服务信息可以表征原子服务对应的原子服务组件的信息。例如,上述原子服务组件可以是执行原子级服务的组件。例如,上述原子服务组件可以是执行订单组合服务中查询用户信息程序的服务器。
步骤103,响应于检测到针对服务编排界面的原子服务信息处理操作,获取原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集。
在一些实施例中,上述执行主体可以响应于检测到针对服务编排界面的原子服务信息处理操作,获取上述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集。其中,上述服务编排界面可以是用于目标用户对原子服务信息进行组合编排的前端界面。上述目标用户可以是可以对上述服务编排界面进行操作的用户。上述处理操作可以是对原子服务信息进行的操作。例如,上述处理操作可以是拖拽操作。上述接口请求信息可以是原子服务信息对应的原子服务组件的接口接收的通信请求信息。
步骤104,对于接口请求信息集中的每个接口请求信息,执行以下确定步骤:
步骤1041,对接口请求信息进行数据提取处理,得到目标请求数据集。
在一些实施例中,上述执行主体可以对上述接口请求信息进行数据提取处理,得到目标请求数据集。其中,上述目标请求数据集中的目标请求数据可以是接口请求信息中包括的数据。例如,上述目标请求数据可以是用户用电数据。
作为示例,上述执行主体可以通过查询语句,对接口请求信息进行数据提取处理,得到目标请求数据集。
步骤1042,对目标需求信息进行内容提取,得到对比条件信息。
在一些实施例中,上述执行主体可以对上述目标需求信息进行内容提取,得到对比条件信息。其中,上述对比条件信息可以是上述目标请求信息中的存在对比条件的信息。上述对比条件信息可以包括以下至少一项:对比阈值和对比字段信息。
作为示例,上述执行主体可以通过关键字提取方法,对上述目标请求信息进行内容提取,得到对比条件信息。
步骤1043,根据目标请求数据集和对比条件信息,确定接口请求信息对应的原子服务信息子集之间的关联映射关系组。
在一些实施例中,上述执行主体可以根据上述目标请求数据集和上述对比条件信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组。其中,上述关联映射关系组中的关联映射关系可以表征原子服务信息子集之间可以通过通信协议进行通信的关联关系。上述通信协议可以包括以下至少一项:消息队列、RPC(Remote ProcedureCall,远程过程调用)协议、HTTP(Hyper Text Transfer Protocol,超文本传输协议)。
作为示例,上述执行主体可以首先,对上述目标请求数据集中的每个目标请求数据与上述对比条件信息中的阈值信息进行对比,得到对比结果。然后,通过对比结果和预设接口说明文档信息,确定上述接口请求信息对应的原子服务信息子集之间的通信的关联关系组。其中,上述预设接口说明文档信息可以是对接口的接口参数信息、接口地址信息和接口数据格式进行说明的文档的信息。
在一些实施例的一些可选的实现方式中,上述执行主体可以根据上述目标请求数据集和上述对比条件信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组,可以包括以下步骤:
第一步,确定上述目标请求数据集是否为空。
第二步,响应于确定上述目标请求数据不为空,将上述目标请求数据集与上述对比条件信息中的对比阈值进行对比处理,得到对比结果集。其中,上述对比阈值可以是上述对比条件信息中用于进行分类的阈值。例如,上述对比阈值可以是用于区分高压用电用户和低压用电用户的用户用电阈值。上述用户用电阈值可以是380伏。
第三步,根据上述对比结果集、预设接口参数信息和预设接口地址信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组。其中,上述预设接口参数信息可以表征接口类型和接收数据格式的参数。上述预设接口地址信息可以表征接口的网络地址信息。
作为示例,上述执行主体可以首先,将对比结果集中存在大于等于对比阈值的对比结果、预设接口参数信息和预设接口地址信息,确定与原子服务信息的第一关联映射关系。然后,将对比结果集中存在小于对比阈值的对比结果、预设接口参数信息和预设接口地址信息,确定为与原子服务信息的第二关联映射接口。最后,将第一关联映射关系和第二关联映射关系,确定为关联映射关系组。
步骤105,根据所得到的关联映射关系组集,对原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及根据关联映射关系组集和原子服务信息集生成原子服务知识图谱。
在一些实施例中,上述执行主体可以根据所得到的关联映射关系组集,对上述原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及根据上述关联映射关系组集和上述原子服务信息集生成原子服务知识图谱。其中,上述组合通信处理可以是通过关联映射关系组集确定上述原子服务信息集之间的通信顺序的处理。上述原子服务知识图谱可以表征原子服务信息集之间关联映射关系的图数据库。上述原子服务组件集中的原子服务组件可以是执行原子服务的组件。例如,上述原子服务组件可以是执行扣除库存服务的服务器。
作为示例,上述执行主体可以首先,通过关联映射关系组集,确定上述原子服务信息集之间的通信顺序。其次,通过通信顺序,对上述原子服务信息集对应的原子服务组件集进行组合处理,得到组合后原子服务信息集。然后,将上述关联映射关系组集和原子服务信息集嵌入至图数据库中,得到初始原子服务知识图谱。最后,对上述初始原子服务知识图谱进行扩展,得到原子服务知识谱图。其中,上述扩展可以是采用强化学习的方法进行的扩展。
可选地,上述执行主体在105之后,还可以执行以下步骤:
第一步,响应于检测到上述组合后原子服务信息集出现故障,获取上述组合后原子服务信息集中每个组合后原子服务信息的监控信息,得到监控信息集。其中,上述监控信息可以是通过对上述组合后原子服务信息集中的每个组合后原子服务信息配置监控组件得到的、预设时间段内的监控信息。上述预设监控信息可以是2分钟。
第二步,对上述监控信息集进行预处理,得到预处理后监控信息集。其中,上述预处理可以包括以下至少一项:去停用词、关键词提取。
第三步,对上述预处理后监控信息集进行异常处理,得到异常监控信息集,以及根据上述异常监控信息集,对上述组合后原子服务信息集进行动态调整。其中,上述异常监控信息集中的异常监控信息可以表征组合后原子服务信息对应的原子服务组件运行出现异常的信息。上述异常监控信息可以为但不限于以下至少一项:数据流量异常、组合后原子服务组件运行错误、组合后原子服务组运行路径错误。上述异常处理可以是采用异常检测模型进行的异常检测。上述异常检测模型可以是卷积神经网络模型。上述动态调整可以是对上述组合后原子服务信息集对应的原子服务组件进行的相应操作的调整。上述相应操作可以包括以下至少一项:替换异常原子服务信息、对异常原子服务信息进行扩容。
作为示例,上述执行主体可以首先,对上述异常监控信息集中的每个异常监控信息进行解析,确定组合后原子服务信息对应的组合后原子组件出现故障的组合后原子服务组件。其次,对上述出现故障的组合后原子服务组件进行调整。
在一些实施例的一些可选的实现方式中,上述执行主体可以对上述预处理后监控信息集进行异常处理,得到异常监控信息集,以及根据上述异常监控信息集,对上述组合后原子服务信息集进行动态调整,可以包括以下步骤:
第一步,对上述预处理后监控信息集进行调用追踪处理,得到调用链信息集。其中,上述调用链信息集中的调用链信息可以是上述原子服务信息集之间的调用关系形成的调用链的信息。
作为示例,上述执行主体可以首先,通过访问请求标识集,对上述预处理后监控信息集进行分类处理,得到分类监控信息组集。其中,上述访问请求标识集中的访问请求标识可以是表征访问请求的唯一标识。例如,上述访问请求标识可以是访问请求编号。然后,对上述分类监控信息组集中的每个分类监控信息组进行调用关系提取,以生成调用链信息,得到调用链信息集。
第二步,确定上述调用链信息集中每个调用链信息包括的调用原子服务信息集中每个调用原子服务信息的目标响应时间序列,得到目标响应时间序列集。其中,上述调用原子服务信息集可以是上述原子服务信息集的子集、并且是形成调用链信息的原子服务信息集。上述目标响应时间序列可以是预设时间段内的、去除调用原子服务对应的子调用响应时间序列的响应时间序列。上述子调用响应时间序列可以是调用原子服务信息调用其他调用原子服务信息的响应时间序列。上述其他调用原子服务信息可以是与调用原子服务信息具有调用关系的原子服务信息。
第三步,对上述调用链信息集进行匹配处理,得到调用请求拓扑图。其中,上述调用请求拓扑图可以表征调用链信息集包括的调用原子服务信息集对应的调用关系的拓扑图。上述匹配处理可以是调用原子服务信息的匹配处理。
第四步,根据上述调用请求拓扑图和上述目标响应时间序列集,生成上述调用请求拓扑图包括的调用原子服务信息集中每个调用原子服务信息的耗时响应时间序列集。
作为示例,上述执行主体可以首先,确定上述调用请求拓扑图包括的调用原子信息集中每个调用原子服务信息对应的调用时间序列组,得到调用时间序列组集。然后,对上述调用时间序列组集中的每个调用时间序列组进行加和处理,得到耗时响应时间序列集。
第五步,对上述耗时响应时间序列集中的每个耗时响应时间序列进行平滑处理,以生成平滑后响应时间序列,得到平滑后响应时间序列集。
作为示例,上述执行主体可以首先,通过预设滑动窗口,对上述耗时响应时间序列集中的每个耗时响应时间序列进行分割,得到分割响应时间段序列。然后,将上述分割响应时间段序列中的每个分割响应时间段的平均值确定为分割响应时间段的响应时间,得到平滑后响应时间序列。
第六步,根据上述平滑后响应时间序列集,生成针对调用原子服务信息集的异常数值矩阵。其中,上述异常数值矩阵可以表征上述调用原子服务信息集中每个调用原子服务信息在预设时间段内的异常程度。上述异常数值矩阵的行表示调用原子服务信息,列表示调用原子服务信息对应的异常数值。
作为示例,上述执行主体可以对于上述调用原子服务信息集中的每个调用原子服务信息,执行以下异常数值确定步骤:首先,确定上述调用原子服务信息对应的平滑后响应时间序列的中位数。其次,确定上述平滑响应时间序列中每个平滑响应时间与中位数的差值的绝对值,得到差值绝对值序列。再次,确定上述平滑后响应时间序列包括的响应时间的数量与第一预设数值的差值、与显著度二次平的和,作为第一数值。其中,上述第一预设数值可以是2。显著度可以是。/>等于/>。/>表示平滑后响应时间序列包括的响应时间的数量。/>表示格拉布斯检测法的检测数值。/>表示/>分布。上述检测数值在此不作限定,可以根据实际情况确定。随后,确定显著度的二次方与第一数值的比值的算数平方根,作为第二数值。接着,将上述平滑后响应时间序列包括的响应时间的数量与第二预设阈值的差值、与上述平滑后响应时间序列包括的响应时间的数量的算数平方根的比值,作为第三数值。然后,将上述第三数值与上述第二数值的乘积,作为调用原子服务信息的临界值。最后,将上述调用原子服务信息对应的异常监测信息对应的响应时间与上述差值绝对值序列中的每个差值绝对值的差,确定为数值序列,以及将上述数值序列与上述临界值的比值,确定为异常数值序列。对所得到的多个异常数值序列进行二维矩阵表示,得到异常数字矩阵。
第七步,通过上述异常数值矩阵,确定上述调用原子服务信息集对应的相似度矩阵。其中,上述相似度矩阵中的每个相似度可以表征调用原子服务信息集中任意两个调用原子服务信息的异常数值的相似程度。上述相似度矩阵的任一相似度可以是通过以下步骤得到的:首先,确定对应的两个调用原子服务信息的第一异常数值序列和第二异常数值序列。其次,确定上述第一异常数值序列与对应的第二异常数值的差值的平方和的累加和,作为第四数值。再次,将上述调用原子服务信息集对应的标准差的累加和,确定为第五数值。最后,将以上述第四数值与上述第五数值的比值的相反数为指数,以常数e为底数的指数函数值,确定为相似度。
第八步,根据上述相似度矩阵,对上述调用原子服务信息集中的每个调用原子服务信息进行异常定位处理,得到异常原子服务信息集。其中,上述异常原子服务信息集中的异常原子服务信息可以是表征异常的调用原子服务信息。
作为示例,上述执行主体可以首先,对上述相似度矩阵的每列进行归一化处理,得到上述调用原子服务信息集之间的状态转移矩阵。其中,上述状态转移矩阵中的状态转移数值可以表征调用原子服务信息集之间的转移概率。然后,采用马尔科夫链模型,通过上述状态转移矩阵,确定上述调用原子服务信息集中每个调用原子服务信息的连通数值,得到连通数值集。其中,上述连通数值表征调用原子服务信息连通别的调用原子服务信息的数值。最后,从上述连通数值集中筛选出大于等于预设连通阈值的连通数值,得到目标连通数值集,以及将目标连通数值集对应的调用原子服务信息集,确定为异常原子服务信息集。其中,上述预设连通阈值可以是用于区别调用原子服务信息是否为异常原子服务信息的阈值。例如,上述预设连通阈值可以是0.6。
第九步,对上述异常原子服务信息集中的每个异常原子服务信息对应的耗时响应时间序列进行异常检测,以生成异常原子服务信息的异常指标信息组,得到异常指标信息组集。其中,上述异常指标信息组中的异常指标信息可以表征异常原子服务信息运行状态的信息。上述异常指标信息可以包括以下至少一项:内存使用率、CPU(central processingunit,中央处理器)使用率。上述异常检测可以是通过指标异常检测模型进行的检测。上述指标异常检测模型可以是在VAE(Variational Autoencoder,变分自编码器)模型的隐藏层网络后添加长短期记忆神经网络的模型。
第十步,对上述异常指标信息组集对应的原子服务信息集进行动态调整。
上述第一步至第十步及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题二“由于基于距离、密度的异常检测方法需要专家经验,并且只能检测到已知异常情况,不能检测出未知异常情况,导致漏检率和误检率较高,进而导致组合服务的系统安全性较低和提高组合服务组件的损坏程度”。导致组合服务的系统安全性较低和提高组合服务组件的损坏程度的因素往往如下:由于基于距离、密度的异常检测方法需要专家经验,并且只能检测到已知异常情况,不能检测出未知异常情况,导致漏检率和误检率较高。如果解决了上述因素,就能达到提高组合服务的系统安全性和降低组合服务组件的损坏率的效果。为了达到这一效果,本公开首先,通过预处理后监控信息集生成调用链信息,以及构建调用请求拓扑图,考虑到了同一调用原子服务节点可能被多次调用和不同位置调用情况不同的情况,可以提高拓扑图的准确性。其次,对调用请求拓扑图中的每个调用原子服务信息构建耗时响应时间序列,并通过计算确定每个调用原子服务信息的异常数值,得到异常数值矩阵,可以检测到调用原子服务信息集中的多个异常调用原子服务信息,从而可以减少漏检率。然后,通过异常数值矩阵,确定相似度矩阵和状态转移矩阵,确定异常原子服务信息集,将异常数值矩阵转换成具有平稳特征的连通数值矩阵,可以提高确定异常原子服务信息集的准确性以及降低了误检率。最后,通过指标异常检测模型,对异常原子服务信息集进行指标异常检测,通过在VAE模型中添加长短期记忆网络模型,提高了异常检测模型检测的准确性,以及提高确定发生异常的根据原因,可以减少维修检测时间,提高组合服务的系统安全性,降低了组合服务组件的损坏程度。
在一些实施例的一些可选的实现方式中,上述执行主体可以根据所得到的关联映射关系组集,对上述原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,可以包括以下步骤:
第一步,对于上述原子服务信息集中的原子服务信息,执行以下接口通信步骤:
第一子步骤,根据与上述原子服务信息对应的关联映射关系组,将与上述原子服务信息存在关联映射关系的至少一个原子服务信息,确定为目标原子服务信息组。
第二子步骤,控制上述原子服务信息与上述目标原子服务信息组中的各个目标原子服务信息进行通信连接,得到通信连接结果组。
第三子步骤,响应于确定上述通信连接结果组中存在表征连接失败的通信连接结果,确定表征连接失败的至少一个通信连接结果,作为至少一个目标通信连接结果。
第四子步骤,对上述至少一个目标通信连接结果中的每个目标通信连接结果对应的目标原子服务信息对应的目标原子服务组件重新进行通信连接,以生成重新连接结果,得到重新连接结果组。
第二步,将所得到的目标原子服务信息组集和所得到的重新连接结果组集,确定为组合后原子服务集。
在一些实施例的一些可选的实现方式中,上述执行主体可以对上述至少一个目标通信连接结果中的每个目标通信连接结果对应的目标原子服务信息对应的目标原子服务组件重新进行通信连接,以生成重新连接结果,得到重新连接结果组,可以包括以下步骤:
第一步,对于上述至少一个目标通信连接结果中的每个目标通信连接结果,根据上述目标通信连接结果对应的目标原子服务信息,执行以下通信步骤
第一子步骤,确定上述目标原子服务信息的已通信次数。
第二子步骤,控制上述原子服务信息重新与上述目标原子服务信息进行通信连接,得到重新连接结果。
第三子步骤,响应于确定上述重新连接结果表征连接成功,返回接口连接信息。
第四子步骤,响应于确定上述重新连接结果表征连接失败,并且已通信次数大于等于预设通信阈值,将表征连接失败的日志数据发送至目标终端。其中,上述目标终端可以是接收日志的终端。上述预设通信阈值可以是预先设定的通信次数阈值。例如,上述预设通信阈值可以是3。
第二步,响应于确定上述重新连接结果表征连接失败,并且已通信次数小于上述预设通信阈值,再次执行上述通信步骤。
第三步,将上述接口连接信息组或者上述日志数据组,确定为重新连接结果。
在一些实施例的一些可选的实现方式中,上述执行主体可以根据上述关联映射关系组集和上述原子服务信息集生成原子服务知识图谱,可以包括以下步骤:
第一步,通过上述关联映射关系组集和上述原子服务信息集,生成初始原子服务三元组集。其中,上述初始原子服务三元组集中的初始原子服务三元组可以是关联映射关系和对应的原子服务信息集组成的实体、关系和实体的数据组。
第二步,对上述初始原子服务三元组集中的每个初始原子服务三元组进行嵌入式表示处理,以生成初始特征向量,得到初始特征向量集。其中,上述初始特征向量可以是表征初始原子服务三元组的特征信息的向量。上述初始特征向量可以包括:头实体初始特征向量、尾实体初始特征向量和关联映射关系初始特征向量。上述头实体初始特征向量可以是位于初始原子服务三元组中头实体位置的特征向量。上述尾实体初始特征向量可以是位于初始原子服务三元组中尾实体位置的特征向量。上述关联映射关系初始特征向量可以是位于初始原子服务三元组中关系位置的特征向量。上述嵌入式表示可以是采用TransE(Translating Embeddings for Modeling Multi-relational Data)模型进行的嵌入式表示。
第三步,对于上述初始特征向量集中的每个初始特征向量中头实体初始特征向量,执行以下尾实体初始特征向量确定步骤:
第一子步骤,确定初始特征向量中的头实体初始特征向量对应的动作参数集。其中,上述动作参数集中的动作参数可以表征控制头实体初始特征向量后续可以选择的关联映射关系初始特征向量和尾实体初始特征向量。
第二子步骤,根据动作参数集,生成头实体初始特征向量对应的历史状态参数集。其中,上述历史状态参数集中的历史状态参数可以是控制头实体初始特征向量已经选择过的上述动作参数集中的动作参数。
作为示例,上述执行主体可以通过控制上述头实体初始特征向量选择的动作参数,生成上述头实体原子服务信息对应的历史状态参数集。
第三子步骤,根据历史状态参数集和初始特征向量集,生成目标动作参数集中每个目标动作参数中尾实体初始特征向量的动作概率数值,得到动作概率数值集。其中,上述动作概率数值可以表征历史动作参数中尾实体初始特征向量作为下一个被选择的概率数值。上述目标参数集可以是控制头实体初始特征向量执行完上述历史状态参数集后可以执行的动作参数集。
作为示例,上述执行主体可以首先,通过上述历史状态参数集中的尾实体初始特征向量集、与尾实体初始特征向量集对应的初始特征向量子集,确定目标动作参数集。然后,通过奖励函数,生成上述目标动作参数集中每个目标动作参数中尾实体初始特征向量的动作概率数值,得到动作概率数值集。其中,上述奖励函数可以表征控制头实体初始特征向量选择尾实体初始特征量和关联映射关系初始特征向量的概率值。上述奖励函数包括:命中奖励函数和路径相似度奖励函数。上述命中奖励函数可以表征尾实体初始特征向量在预设步骤阈值之内得到的尾实体初始特征向量是否为目标尾实体初始特征向量。上述目标尾实体初始特征向量可以是在初始特征向量集中头实体初始特征向量对应的尾实体初始特征向量。上述头实体初始特征向量中在经过预设步骤阈值之内得到目标尾实体初始特征向量的命中奖励为1。上述头实体初始特征向量中在经过预设步骤之内未得到目标尾实体初始特征向量的命中奖励为0。上述预设步骤阈值可以表征控制头实体初始特征向量进行选择的步骤阈值。例如,上述预设步骤阈值可以是6。上述路径相似度奖励函数可以是采用曼哈顿距离确定距离目标尾实体初始特征向量的距离的奖励函数。距离目标尾实体初始特征向量越近奖励函数对应的奖励函数值越大。
第四子步骤,从动作概率数值集中筛选出满足预设条件的动作概率数值,作为目标概率数值集。其中,上述预设条件可以是选择动作概率数值集中从大到小进行排序的前10个动作概率数值的条件。
第五子步骤,响应于确定上述目标概率数值集中存在目标概率数值对应的尾实体初始特征向量为目标尾实体初始特征向量,确定头实体初始特征向量和目标尾实体初始特征向量的目标关联映射关系初始特征向量集。其中,上述目标关联映射关系初始特征向量集中的目标关联映射关系初始特征向量可以表征重新确定的新的关联映射关系。
第四步,响应于确定上述目标概率数值集存在目标概率数值对应的尾实体初始特征向量不是目标尾实体初始特征向量,确定不是目标尾实体初始特征向量的目标概率值对应的选择步骤数量。其中,上述选择步骤数量可以是控制上述头实体初始特征向量进行动作参数选择的数量。
第五步,响应于确定上述选择步骤数量小于预设步骤阈值,将不是尾实体初始特征向量的目标概率值对应的尾实体初始特征向量确定为头实体初始特征向量,以及再次执行上述尾实体初始特征向量确定步骤。其中,上述预设步骤阈值可以表征控制头实体初始特征向量进行选择的步骤数量。需要说明的是,推理关系路径越长得到的推理三元组的准确性越差。
第六步,根据所得到的多个目标关联映射关系初始特征向量集,对上述初始原子服务三元组集进行扩展,得到原子服务知识图谱。
作为示例,上述执行主体可以将得到的多个目标关联映射关系初始特征向量进行解码处理,得到多个目标关联映射关系集。将上多个目标关联映射关系集添加至初始原子服务三元组集中,得到原子服务知识图谱。
上述第一步至第六步及其相关内容作为本公开的实施例的一个发明点,解决了背景技术提及的技术问题三“由于仅通过判断原子服务信息和关联映射关系构成的三元组真伪,会忽略掉可以通过距离推理得到的三元组,造成知识图谱内容缺失,造成组合服务组件的组合灵活性较差,导致用户体验感较差”。导致组合服务组件的组合灵活性较差和用户体验感较差的因素往往如下:由于仅通过判断原子服务信息和关联映射关系构成的三元组真伪,会忽略掉可以通过距离推理得到的三元组,造成知识图谱内容缺失,造成组合服务组件的组合灵活性较差。如果解决了上述因素,就能达到提高组合服务组件的组合灵活性的效果和用户体验感。为了达到这一效果,本公开首先,通过对初始原子服务三元组集进行嵌入式表示,可以将初始原子服务三元组集进行低维空间表示,从而可以减少初始原子服务三元组集中的冗余信息,减少存储空间的浪费,以及提高语义特征表示。然后,通过奖励函数、预设步骤阈值和动作概率数值,控制头实体初始特征向量的动作参数的选择以及选择的尾实体初始特征向量是否为目标尾实体初始特征向量,可以减少无效选择动作对选择结果的干扰,从而减少了内存资源的浪费,以及提高了选择效率。最后,通过得到的多个目标关联映射关系初始特征向量集,对上述初始原子服务三元组集进行扩展,得到原子服务知识图谱,可以得到更加精准的知识图谱,更有利于后续对原子服务信息集的组合灵活性,提高用户体验感。
本公开的上述各个实施例中具有如下有益效果:本公开的一些实施例的原子服务组合通信方法通过服务编排界面,对原子服务信息进行组合得到满足业务的组合后原子服务信息,可以减少原子服务组件的重复开发,提高开发效率和组合灵活性,提高用户体验感。具体来说,造成相关的延长组合服务调用响应时长,降低组合服务的稳定性的原因在于:由于通过硬编码的方式,会出现原子服务组件的重复开发,业务逻辑冗长,代码量激增,造成内存资源的大量浪费,导致延长组合服务调用响应时长,降低组合服务的稳定性。基于此,本公开的一些实施例的原子服务组合通信方法可以首先,响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集。在这里,实体识别可以确定新需求需要的原子服务信息,提高后续原子服务新组合的准确性。其次,确定与上述原子服务实体信息集对应的原子服务信息集。在这里,便于后续在服务编排界面进行操作。再次,响应于检测到针对服务编排界面的原子服务信息处理操作,获取上述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集。在这里,通过可视化的方式进行原子服务信息的组合,可以减少后端代码的编写,减低原子服务组合难度。然后,对于上述接口请求信息集中的每个接口请求信息,执行以下确定步骤:对上述接口请求信息进行数据提取处理,得到目标请求数据集。对上述目标需求信息进行内容提取,得到对比条件信息。根据上述目标请求数据集和上述对比条件信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组。在这里,对接口请求信息的解析,得到接口请求数据,可以建立原子服务信息对应的原子服务组件之间的关联关系,可以解决接口返回数据错乱、格式不统一的问题,提高原子服务组件之间接口调用的准确性。最后,根据所得到的关联映射关系组集,对上述原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及根据上述关联映射关系组集和上述原子服务信息集生成原子服务知识图谱。在这里,通过关联映射关系进行组合通信可以减少原子服务的重复开发,满足业务需求的灵活变化,提高开发效率,生成原子服务知识图谱可以充分展示原子服务信息集之间的关系,提高原子服务知识谱图的准确性。由此可得,该原子服务组合通信方法通过服务编排界面,对原子服务信息进行组合得到满足业务的组合后原子服务信息,可以减少原子服务组件的重复开发,提高开发效率和组合灵活性,以及用户体验感。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种原子服务组合通信装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,该原子服务组合通信装置具体可以应用于各种电子设备中。
如图2所示,一种原子服务组合通信装置200包括:实体识别单元201、确定单元202、获取单元203、执行单元204和组合通信处理单元205。其中,实体识别单元201被配置成:响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集。确定单元202被配置成:确定与上述原子服务实体信息集对应的原子服务信息集。获取单元203被配置成:响应于检测到针对服务编排界面的原子服务信息处理操作,获取上述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集。执行单元204被配置成:对于上述接口请求信息集中的每个接口请求信息,执行以下确定步骤:对上述接口请求信息进行数据提取处理,得到目标请求数据集;对上述目标需求信息进行内容提取,得到对比条件信息;根据上述目标请求数据集和上述对比条件信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组。组合通信处理单元205被配置成:根据所得到的关联映射关系组集,对上述原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及根据上述关联映射关系组集和上述原子服务信息集生成原子服务知识图谱。
可以理解的是,原子服务组合通信装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于原子服务组合通信装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如,电子设备)300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机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。而在本公开的一些实施例中,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,其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、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。计算机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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(Hyper Text TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集;确定与上述原子服务实体信息集对应的原子服务信息集;响应于检测到针对服务编排界面的原子服务信息处理操作,获取上述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集;对于上述接口请求信息集中的每个接口请求信息,执行以下确定步骤:对上述接口请求信息进行数据提取处理,得到目标请求数据集;对上述目标需求信息进行内容提取,得到对比条件信息;根据上述目标请求数据集和上述对比条件信息,确定上述接口请求信息对应的原子服务信息子集之间的关联映射关系组;根据所得到的关联映射关系组集,对上述原子服务信息集对应原子服务组件集进行组合通信处理,得到组合后原子服务信息集,以及根据上述关联映射关系组集和上述原子服务信息集生成原子服务知识图谱。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括实体识别单元、确定单元、获取单元、执行单元和组合通信处理单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,实体识别单元还可以被描述为“响应于接收到目标需求信息,对上述目标需求信息进行实体识别,得到原子服务实体信息集的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (7)
1.一种原子服务组合通信方法,其特征在于,包括:
响应于接收到目标需求信息,对所述目标需求信息进行实体识别,得到原子服务实体信息集;
确定与所述原子服务实体信息集对应的原子服务信息集;
响应于检测到针对服务编排界面的原子服务信息处理操作,获取所述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集;
对于所述接口请求信息集中的每个接口请求信息,执行以下确定步骤:
对所述接口请求信息进行数据提取处理,得到目标请求数据集;
对所述目标需求信息进行内容提取,得到对比条件信息;
根据所述目标请求数据集和所述对比条件信息,确定所述接口请求信息对应的原子服务信息子集之间的关联映射关系组;
对于所述原子服务信息集中的原子服务信息,执行以下接口通信步骤:
根据与所述原子服务信息对应的关联映射关系组,将与所述原子服务信息存在关联映射关系组的至少一个原子服务信息,确定为目标原子服务信息组;
控制所述原子服务信息与所述目标原子服务信息组中的各个目标原子服务信息进行通信连接,得到通信连接结果组;
响应于确定所述通信连接结果组中存在表征连接失败的通信连接结果,确定表征连接失败的至少一个通信连接结果,作为至少一个目标通信连接结果;
对于所述至少一个目标通信连接结果中的每个目标通信连接结果,根据所述目标通信连接结果对应的目标原子服务信息,执行以下通信步骤:
确定所述目标原子服务信息的已通信次数;
控制所述原子服务信息重新与所述目标原子服务信息进行通信连接,得到重新连接结果;
响应于确定所述重新连接结果表征连接成功,返回接口连接信息;
响应于确定所述重新连接结果表征连接失败,并且已通信次数大于等于预设通信阈值,将表征连接失败的日志数据发送至目标终端;
响应于确定所述重新连接结果表征连接失败,并且已通信次数小于所述预设通信阈值,再次执行所述通信步骤;
将所得到的接口连接信息组或者所得到的日志数据组,确定为重新连接结果组;
将所得到的目标原子服务信息组集和所得到的重新连接结果组集,确定为组合后原子服务信息集,以及根据所得到的关联映射关系组集和所述原子服务信息集生成原子服务知识图谱。
2.根据权利要求1所述的方法,其中,所述方法还包括:
获取所述组合后原子服务信息集中每个组合后原子服务信息的监控信息,得到监控信息集,其中,所述监控信息是通过对所述组合后原子服务信息集中的每个组合后原子服务信息配置监控组件得到的信息;
对所述监控信息集进行预处理,得到预处理后监控信息集;
对所述预处理后监控信息集进行异常处理,得到异常监控信息集,以及根据所述异常监控信息集,对所述组合后原子服务信息集进行动态调整。
3.根据权利要求1所述的方法,其中,所述根据所述目标请求数据集和所述对比条件信息,确定所述接口请求信息对应的原子服务信息子集之间的关联映射关系组,包括:
确定所述目标请求数据集是否为空;
响应于确定所述目标请求数据不为空,将所述目标请求数据集与所述对比条件信息中的对比阈值进行对比处理,得到对比结果集;
根据所述对比结果集、预设接口参数信息和预设接口地址信息,确定所述接口请求信息对应的原子服务信息子集之间的关联映射关系组。
4.根据权利要求1所述的方法,其中,所述响应于接收到目标需求信息,对所述目标需求信息进行实体识别,得到原子服务实体信息集,包括:
对所述目标需求信息中的字符进行字典嵌入处理,以生成字典向量,得到字典向量集;
对所述目标需求信息中的字符进行部首特征提取,以生成字形特征向量,得到字形特征向量集;
对所述目标需求信息中的字符进行特征提取,以生成字符特征向量,得到字符特征向量集;
对所述字典向量集、所述字形特征向量集和所述字符特征向量集进行拼接处理,得到拼接向量集;
对所述拼接向量集进行语义提取处理,得到包含上下文信息的拼接向量集,作为语义拼接向量集;
对所述语义拼接向量集进行序列特征提取,得到包含字符依赖关系的语义拼接向量集,作为序列拼接向量集;
对所述序列拼接向量集进行标签分类预测,得到原子服务实体信息集。
5.一种原子服务组合通信装置,其特征在于,包括:
实体识别单元,被配置成响应于接收到目标需求信息,对所述目标需求信息进行实体识别,得到原子服务实体信息集;
确定单元,被配置成确定与所述原子服务实体信息集对应的原子服务信息集;
获取单元,被配置成响应于检测到针对服务编排界面的原子服务信息处理操作,获取所述原子服务信息集中每个原子服务信息的接口请求信息,得到接口请求信息集;
第一执行单元,被配置成对于所述接口请求信息集中的每个接口请求信息,执行以下确定步骤:对所述接口请求信息进行数据提取处理,得到目标请求数据集;对所述目标需求信息进行内容提取,得到对比条件信息;根据所述目标请求数据集和所述对比条件信息,确定所述接口请求信息对应的原子服务信息子集之间的关联映射关系组;
第二执行单元,被配置成对于所述原子服务信息集中的原子服务信息,执行以下接口通信步骤:根据与所述原子服务信息对应的关联映射关系组,将与所述原子服务信息存在关联映射关系组的至少一个原子服务信息,确定为目标原子服务信息组;控制所述原子服务信息与所述目标原子服务信息组中的各个目标原子服务信息进行通信连接,得到通信连接结果组;响应于确定所述通信连接结果组中存在表征连接失败的通信连接结果,确定表征连接失败的至少一个通信连接结果,作为至少一个目标通信连接结果;对于所述至少一个目标通信连接结果中的每个目标通信连接结果,根据所述目标通信连接结果对应的目标原子服务信息,执行以下通信步骤:确定所述目标原子服务信息的已通信次数;控制所述原子服务信息重新与所述目标原子服务信息进行通信连接,得到重新连接结果;响应于确定所述重新连接结果表征连接成功,返回接口连接信息;响应于确定所述重新连接结果表征连接失败,并且已通信次数大于等于预设通信阈值,将表征连接失败的日志数据发送至目标终端;响应于确定所述重新连接结果表征连接失败,并且已通信次数小于所述预设通信阈值,再次执行所述通信步骤;将所得到的接口连接信息组或者所得到的日志数据组,确定为重新连接结果组;
确定单元,被配置成将所得到的目标原子服务信息组集和所得到的重新连接结果组集,确定为组合后原子服务信息集,以及根据所得到的关联映射关系组集和所述原子服务信息集生成原子服务知识图谱。
6.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
7.一种计算机可读介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311153811.0A CN116881027B (zh) | 2023-09-08 | 2023-09-08 | 原子服务组合通信方法、装置、电子设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311153811.0A CN116881027B (zh) | 2023-09-08 | 2023-09-08 | 原子服务组合通信方法、装置、电子设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116881027A CN116881027A (zh) | 2023-10-13 |
CN116881027B true CN116881027B (zh) | 2024-01-16 |
Family
ID=88268526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311153811.0A Active CN116881027B (zh) | 2023-09-08 | 2023-09-08 | 原子服务组合通信方法、装置、电子设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116881027B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118467065B (zh) * | 2024-07-15 | 2024-09-20 | 深圳开鸿数字产业发展有限公司 | 多原子化服务的联合编排及运行方法、系统、终端及介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7243138B1 (en) * | 2002-02-01 | 2007-07-10 | Oracle International Corporation | Techniques for dynamic rule-based response to a request for a resource on a network |
CN109918435A (zh) * | 2019-02-27 | 2019-06-21 | 北京奇艺世纪科技有限公司 | 一种业务接口的处理方法及系统 |
CA3177985A1 (en) * | 2021-12-17 | 2022-06-23 | Strong Force Vcn Portfolio 2019, Llc | Robot fleet management and additive manufacturing for value chain networks |
CN115576534A (zh) * | 2022-09-30 | 2023-01-06 | 北京百度网讯科技有限公司 | 原子服务的编排方法、装置、电子设备及存储介质 |
KR20230020661A (ko) * | 2021-08-04 | 2023-02-13 | 오정훈 | 데이터 패브릭을 기반으로 한 분산 환경에 최적화된 데이터 인프라 구축 시스템 |
CN116149747A (zh) * | 2022-10-25 | 2023-05-23 | 马上消费金融股份有限公司 | 接口编排方法、装置、电子设备和计算机可读存储介质 |
CN116243910A (zh) * | 2023-03-17 | 2023-06-09 | 北京百度网讯科技有限公司 | 微服务领域划分方法、装置、电子设备及存储介质 |
CN116301745A (zh) * | 2023-02-16 | 2023-06-23 | 中国科学院软件研究所 | 基于编程框架领域知识的微服务划分方法及装置 |
CN116703071A (zh) * | 2023-05-26 | 2023-09-05 | 中国银行股份有限公司 | 资源共享方法、装置及设备和存储介质 |
-
2023
- 2023-09-08 CN CN202311153811.0A patent/CN116881027B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7243138B1 (en) * | 2002-02-01 | 2007-07-10 | Oracle International Corporation | Techniques for dynamic rule-based response to a request for a resource on a network |
CN109918435A (zh) * | 2019-02-27 | 2019-06-21 | 北京奇艺世纪科技有限公司 | 一种业务接口的处理方法及系统 |
KR20230020661A (ko) * | 2021-08-04 | 2023-02-13 | 오정훈 | 데이터 패브릭을 기반으로 한 분산 환경에 최적화된 데이터 인프라 구축 시스템 |
CA3177985A1 (en) * | 2021-12-17 | 2022-06-23 | Strong Force Vcn Portfolio 2019, Llc | Robot fleet management and additive manufacturing for value chain networks |
CN115576534A (zh) * | 2022-09-30 | 2023-01-06 | 北京百度网讯科技有限公司 | 原子服务的编排方法、装置、电子设备及存储介质 |
CN116149747A (zh) * | 2022-10-25 | 2023-05-23 | 马上消费金融股份有限公司 | 接口编排方法、装置、电子设备和计算机可读存储介质 |
CN116301745A (zh) * | 2023-02-16 | 2023-06-23 | 中国科学院软件研究所 | 基于编程框架领域知识的微服务划分方法及装置 |
CN116243910A (zh) * | 2023-03-17 | 2023-06-09 | 北京百度网讯科技有限公司 | 微服务领域划分方法、装置、电子设备及存储介质 |
CN116703071A (zh) * | 2023-05-26 | 2023-09-05 | 中国银行股份有限公司 | 资源共享方法、装置及设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116881027A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113326764B (zh) | 训练图像识别模型和图像识别的方法和装置 | |
US11915123B2 (en) | Fusing multimodal data using recurrent neural networks | |
CN112231592B (zh) | 基于图的网络社团发现方法、装置、设备以及存储介质 | |
CN116881027B (zh) | 原子服务组合通信方法、装置、电子设备和介质 | |
CN113051911B (zh) | 提取敏感词的方法、装置、设备、介质及程序产品 | |
CN113409090B (zh) | 广告点击率预测模型的训练方法、预测方法及装置 | |
CN111191677B (zh) | 用户特征数据生成方法、装置及电子设备 | |
EP4332791A1 (en) | Blockchain address classification method and apparatus | |
CN116227467A (zh) | 模型的训练方法、文本处理方法及装置 | |
CN113591490B (zh) | 信息处理方法、装置和电子设备 | |
US12111881B2 (en) | Item recommendation with application to automated artificial intelligence | |
CN116578925B (zh) | 基于特征画像的行为预测方法、装置及存储介质 | |
CN116560963A (zh) | 异常检测方法、装置、设备和介质 | |
CN113627514A (zh) | 知识图谱的数据处理方法、装置、电子设备和存储介质 | |
CN114912541A (zh) | 分类方法、装置、电子设备和存储介质 | |
CN114707638A (zh) | 模型训练、对象识别方法及装置、设备、介质和产品 | |
CN113255824A (zh) | 训练分类模型和数据分类的方法和装置 | |
CN113222632A (zh) | 对象挖掘的方法和装置 | |
CN113240304B (zh) | 特征构建方法、装置、设备以及存储介质 | |
CN118095426B (zh) | 点击行为预测模型训练方法、装置、电子设备与可读介质 | |
CN109992712B (zh) | 数据处理方法、装置、介质和计算设备 | |
US20220327290A1 (en) | Method of training feature determination model, method of performing semantic analysis, and electronic device | |
CN118377720A (zh) | 页面测试方法、装置、电子设备、介质和计算机程序产品 | |
CN118427675A (zh) | 基于用户行为预测模型训练的行为识别方法、装置、设备 | |
CN117131405A (zh) | 应用异常检测方法、装置、设备和介质 |
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 |