- AIDevOps:智能微服务开发、运维原理与实践
- 吴文峻 张文博等
- 998字
- 2023-02-23 16:07:17
1.2.2 智能微服务适配回路模型
智能微服务适配回路模型的基本要素可以定义为五元组(G,KPIb,Mb,KPIs,Ms),其中微服务关系图G代表这个服务主体所包含的微服务实例和它们之间的调用关系。G=(S,E),其中S是服务主体包含的所有微服务集合,每个节点s代表一个微服务以及它的画像,包括服务输入与输出接口、服务行为描述、服务语义描述;E是微服务关系图G所有边的集合,每条边e代表两个服务之间的调用关系。所谓服务适配就是指由这些服务集合S通过E指定的组合关系,能正确地实现用户需求的功能,并同时在演化运维过程中保障服务的质量。服务的智能功能适配涉及KPIb、Mb、KPIs、Ms这四个要素:
业务层的智能化功能匹配:Mb和KPIb分别定义了服务系统的业务功能智能匹配模型和业务功能约束规则,它们和服务系统的业务领域密切相关。业务层的KPIb是在获取服务需求时,由用户给定的服务功能总体定义及其衍生处理的服务适配业务功能约束规则。而功能匹配模型集合Mb是实现智能化功能匹配的关键,它涉及服务需求的自动获取、服务API的画像和知识图谱、服务的动态智能组合、微服务功能失配的智能检测、微服务架构的智能优化等。
演化运维层的智能化质量保障:Ms和KPIs分别定义了演化运维层模型和核心约束指标。模型集合Ms涉及执行QoS评估分析模型、面向SLA的资源自动配给、任务调度模型、服务适配异常检查和自动告警、故障根因定位模型等。核心约束指标KPIs往往包括服务实例运行和通信的实时参数、底层容器的各类资源指标(CPU计算负载、内存、网络等)。
服务业务层和演化运维层的所有智能模型,通过构造自适应的适配调控回路,支撑整个服务系统在其生命周期中持续和动态地适配状态,使得整个服务系统满足KPIb和KPIs的适配约束要求。
整体的智能微服务适配回路模型如图1-10所示。业务层的智能匹配将生成微服务关系图G,以及将这个微服务的逻辑架构部署到微服务容器平台的配置文件。而演化运维层的质量保障由持续集成-持续部署和运行维护组成。
图1-10 智能微服务适配回路模型
持续集成-持续部署是DevOps所规定的开发、编译和部署的集成化流程,首先在微服务关系图指导下从代码仓库编译生成相应的容器集合,然后以灰度发布模式逐步实现服务的部署。运行维护方面包括面向智能运维的模型集合Ms和运维支撑平台。运维模型集合组成服务智能适配的控制回路,实现了服务适配的动态监控、效能评测、智能调度、自动恢复等一系列功能。运维支撑平台则包括Kubernetes云容器平台和服务网格的软件框架和核心功能。