本發(fā)明涉及微服務(wù)，尤其涉及一種基于終端時延的微服務(wù)容器選擇方法和裝置。

背景技術(shù)：

1、隨著智能電網(wǎng)技術(shù)的快速發(fā)展，電力系統(tǒng)的管理和運營面臨著前所未有的挑戰(zhàn)和機遇。臺區(qū)源荷儲互動，即電源、負(fù)荷、儲能設(shè)備之間的智能互動，已經(jīng)成為提升電網(wǎng)運行效率、增強系統(tǒng)穩(wěn)定性和促進(jìn)能源優(yōu)化配置的關(guān)鍵技術(shù)。這種互動不僅能夠?qū)崿F(xiàn)電力資源的最優(yōu)分配，還能夠提高電網(wǎng)對可再生能源的適應(yīng)性和對需求變化的響應(yīng)速度，從而為實現(xiàn)能源的可持續(xù)發(fā)展提供了強有力的支持。在這一背景下，微服務(wù)架構(gòu)以其模塊化、可擴展性和靈活性的特點，被廣泛應(yīng)用于電力系統(tǒng)的管理和優(yōu)化。而微服務(wù)容器的選擇和管理直接關(guān)系到電力系統(tǒng)的穩(wěn)定性和效率。正確的容器選擇可以確保微服務(wù)的高效運行，而不當(dāng)?shù)倪x擇可能導(dǎo)致資源浪費、性能瓶頸甚至系統(tǒng)故障。因此，針對電力系統(tǒng)的獨特需求和面臨的限制，如何精準(zhǔn)地選擇和管理微服務(wù)容器，已成為實現(xiàn)臺區(qū)源荷儲互動效率提升的關(guān)鍵問題。

2、現(xiàn)有的微服務(wù)容器選擇方法主要依賴于靜態(tài)的資源分配策略，卻忽略了終端時延對源荷儲互動性能的動態(tài)與非線性影響。此外，由于電力系統(tǒng)中終端設(shè)備的多樣性和復(fù)雜性，單一的時延模型難以準(zhǔn)確反映不同終端在源荷儲互動中的實際作用。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種基于終端時延的微服務(wù)容器選擇方法和裝置，以實現(xiàn)提高微服務(wù)容器選擇效率和有效性，并同時提高源荷儲互動性能的技術(shù)效果。

2、為了解決上述技術(shù)問題，本發(fā)明實施例提供了一種基于終端時延的微服務(wù)容器選擇方法，包括以下步驟：

3、響應(yīng)于容器選擇信號，基于多終端時延和時隙模型構(gòu)建相應(yīng)引力模型；

4、通過歷史時延數(shù)據(jù)對預(yù)設(shè)的初始終端引力常量網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練和參數(shù)調(diào)整，輸出對應(yīng)終端引力常量預(yù)測值，根據(jù)所述終端引力常量預(yù)測值對所述引力模型進(jìn)行參數(shù)更新獲得時延影響力模型；

5、求解所述時延影響力模型獲得差異化終端引力常量，并根據(jù)所述差異化終端引力常量計算獲得微服務(wù)數(shù)據(jù)處理優(yōu)先度，進(jìn)而基于所述微服務(wù)數(shù)據(jù)處理優(yōu)先度進(jìn)行微服務(wù)容器選擇。

6、本發(fā)明提供的微服務(wù)容器選擇方法在響應(yīng)于容器選擇信號后，首先將基于多終端時延和系統(tǒng)內(nèi)預(yù)設(shè)的時隙模型構(gòu)建對應(yīng)的引力模型，用于反映多終端時延對源荷儲互動性能的影響程度以及后續(xù)更新時延影響力模型。

7、同時，系統(tǒng)還將通過存于系統(tǒng)內(nèi)的歷史時延數(shù)據(jù)對預(yù)設(shè)的初始終端引力常量網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練和參數(shù)更新，通過重復(fù)不斷的訓(xùn)練并根據(jù)訓(xùn)練后模型后輸出的數(shù)據(jù)對模型參數(shù)進(jìn)行更新，使得模型得以更加準(zhǔn)確全面的衡量終端時延與源荷儲互動性能之間的關(guān)聯(lián)關(guān)系，并根據(jù)訓(xùn)練后模型輸出的終端引力常量預(yù)測值對引力模型進(jìn)行參數(shù)更新，獲得相應(yīng)的時延影響力模型，提高了模型衡量終端時延對源荷儲互動性能的動態(tài)與非線性影響的準(zhǔn)確性和全面性。而將該模型應(yīng)用于后續(xù)系統(tǒng)的容器選擇過程中，則可優(yōu)化電力系統(tǒng)的運行效率和穩(wěn)定性，為后續(xù)微服務(wù)容器選擇提供了參數(shù)支持。

8、求解上述更新后獲得的時延影響力模型獲得差異化終端引力常量，即可根據(jù)該參數(shù)計算獲得微服務(wù)輸出處理優(yōu)先度，并基于該計算獲得的優(yōu)先度進(jìn)行微服務(wù)容器選擇，以此確保當(dāng)前時刻微服務(wù)數(shù)據(jù)處理優(yōu)先度高的微服務(wù)將被分配至計算資源更豐富的容器進(jìn)行選擇，以使源荷儲互動性能影響力大的終端微服務(wù)時延更小、更穩(wěn)定，提高了微服務(wù)容器選擇效率和有效性，進(jìn)而提高了源荷儲互動性能。

9、作為優(yōu)選例子，所述通過歷史時延數(shù)據(jù)對預(yù)設(shè)的初始終端引力常量網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練和參數(shù)調(diào)整，輸出對應(yīng)終端引力常量預(yù)測值，根據(jù)所述終端引力常量預(yù)測值對所述引力模型進(jìn)行參數(shù)更新獲得時延影響力模型，具體為：

10、將若干個終端于第一時隙的微服務(wù)時延和所述微服務(wù)時延對源荷儲互動性能的影響力作為所述歷史時延數(shù)據(jù)輸入至所述初始終端引力常量網(wǎng)絡(luò)模型進(jìn)行預(yù)測，輸出相應(yīng)若干個終端于第一時隙的第一終端引力常量預(yù)測值；

11、根據(jù)所述第一終端引力常量預(yù)測值計算獲得第一終端于第二時隙的終端引力常量平均預(yù)測值，并將所述終端引力常量平均預(yù)測值作為所述第一終端于第二時隙的第二終端引力常量預(yù)測值，進(jìn)而根據(jù)所述第二終端引力常量預(yù)測值對所述引力模型進(jìn)行迭代更新獲得所述時延影響力模型。

12、為了更準(zhǔn)確全面地考慮終端時延對源荷儲互動性能的影響，本發(fā)明所提供的微服務(wù)容器選擇方法在對初始終端引力常量網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練時，所采用的訓(xùn)練數(shù)據(jù)為歷史時延數(shù)據(jù)，包括若干個終端于第一時隙的微服務(wù)時延以及每個微服務(wù)時延對源荷儲互動性能的影響力。將上述歷史時延數(shù)據(jù)輸入至網(wǎng)絡(luò)模型中，由模型提取并學(xué)習(xí)終端時延與源荷儲互動性能之間的關(guān)鍵影響因素，進(jìn)而輸出每個終端于第一時隙的第一終端引力常量預(yù)測值，即每個終端于第一時隙的時延對源荷儲互動性能的影響程度。

13、然后根據(jù)輸出的第一終端引力常量預(yù)測值計算獲得第一終端于第二時隙的終端引力常量平均預(yù)測值，并將其作為第一終端于第二時隙的第二終端引力常量預(yù)測值，并根據(jù)該第二預(yù)測值對引力模型進(jìn)行迭代更新，進(jìn)而獲得相應(yīng)的時延影響力模型，為后續(xù)系統(tǒng)進(jìn)行容器選擇提供參考數(shù)據(jù)。

14、作為優(yōu)選例子，所述根據(jù)所述第二終端引力常量預(yù)測值對所述引力模型進(jìn)行迭代更新獲得所述時延影響力模型，具體為：

15、將所述第二終端引力常量預(yù)測值代入至所述引力模型中進(jìn)行求解處理，輸出相應(yīng)第二時隙的時延對源荷儲互動性能影響力的第一影響力預(yù)測值；

16、計算獲得所述第一影響力預(yù)測值與對應(yīng)第一影響力實際值的損失函數(shù)作為誤差參數(shù)，根據(jù)所述誤差參數(shù)對所述終端引力常量網(wǎng)絡(luò)模型進(jìn)行調(diào)整，并將所述歷史時延數(shù)據(jù)輸入至調(diào)整后模型，以使所述調(diào)整后模型被迭代訓(xùn)練和參數(shù)更新至計算獲得的損失函數(shù)小于預(yù)設(shè)的損失閾值，則將對應(yīng)的所述調(diào)整后模型作為終端引力常量網(wǎng)絡(luò)模型；

17、求解所述終端引力常量網(wǎng)絡(luò)模型獲得若干終端的所述終端引力常量預(yù)測值，并將所述終端引力常量預(yù)測值輸入至所述引力模型中，以使所述引力模型被更新為所述時延影響力模型。

18、根據(jù)第二終端引力常量預(yù)測值和引力模型求解輸出的第一影響力預(yù)測值和對應(yīng)實際值確定終端引力常量網(wǎng)絡(luò)模型的誤差參數(shù)，根據(jù)該誤差參數(shù)對模型進(jìn)行參數(shù)調(diào)整，并將原始輸入數(shù)據(jù)輸入至調(diào)整后模型以使模型被再訓(xùn)練，直到模型計算輸出的損失函數(shù)即誤差參數(shù)小于預(yù)設(shè)的誤差閾值時，將對應(yīng)的模型作為確定的終端引力常量網(wǎng)絡(luò)模型。而求解該確定的網(wǎng)絡(luò)模型后輸出的預(yù)測值，即可作為輸入?yún)?shù)數(shù)據(jù)對引力模型進(jìn)行調(diào)整，進(jìn)而獲得相應(yīng)的時延影響力模型，以待系統(tǒng)后續(xù)調(diào)用。

19、作為優(yōu)選例子，所述根據(jù)所述差異化終端引力常量計算獲得微服務(wù)數(shù)據(jù)處理優(yōu)先度，具體包括：

20、采集獲得待選擇微服務(wù)容器信息，并按照所述待選擇微服務(wù)容器信息中的容器計算資源將待選擇微服務(wù)容器按照從大到小的順序進(jìn)行排序，輸出待選擇容器隊列；

21、基于所述差異化終端引力常量、終端各微服務(wù)數(shù)據(jù)量和各微服務(wù)計算復(fù)雜度計算獲得各微服務(wù)對應(yīng)的所述微服務(wù)數(shù)據(jù)處理優(yōu)先度，并按照所述微服務(wù)數(shù)據(jù)處理優(yōu)先度將各微服務(wù)數(shù)據(jù)按照從高到低進(jìn)行排序，輸出待處理微服務(wù)隊列。

22、將容器按照其對應(yīng)的計算資源從大到小排序，獲得待選擇容器隊列，同時按照差異化終端引力常量即每個終端對源荷儲互動性能的影響力程度、終端內(nèi)各微服務(wù)數(shù)據(jù)量以及各微服務(wù)的計算復(fù)雜度確定所有待處理微服務(wù)的數(shù)據(jù)處理優(yōu)先度，并按照計算確定的優(yōu)先度將所有的待處理微服務(wù)從高到低排序，獲得相應(yīng)待處理微服務(wù)隊列，為后續(xù)容器選擇提供數(shù)據(jù)基礎(chǔ)。

23、作為優(yōu)選例子，所述基于所述微服務(wù)數(shù)據(jù)處理優(yōu)先度進(jìn)行微服務(wù)容器選擇，具體為：

24、將待處理微服務(wù)隊列中排序為第一的第一待處理微服務(wù)分配至待選擇容器隊列中排序為第一的第一微服務(wù)容器，并按照所述待處理微服務(wù)隊列的順序?qū)⒊怂龅谝淮幚砦⒎?wù)之外的待處理微服務(wù)分配至所述第一微服務(wù)容器；

25、直到達(dá)到所述第一微服務(wù)容器的最大處理限額，則按照所述待選擇容器隊列的順序選擇排序為第二的待選擇容器進(jìn)行分配，直到所述待處理服務(wù)隊列中所有所述待處理微服務(wù)完成分配。

26、在進(jìn)行容器選擇時，系統(tǒng)將按照待處理微服務(wù)隊列的順序?qū)Υ幚砦⒎?wù)進(jìn)行分配，將優(yōu)先度排序最高的微服務(wù)分配至待選擇容器隊列中排名第一的容器直到達(dá)到該排名第一的第一微服務(wù)容器的最大出力限額后，再按照待選擇容器隊列的順序?qū)⑹Ｏ碌奈⒎?wù)分配至剩下的待選擇容器中，直到完成所有微服務(wù)分配即所有微服務(wù)均完成其容器選擇。上述分配方法即可實現(xiàn)將處理優(yōu)先度最高的微服務(wù)分配給計算資源最大的容器進(jìn)行處理，進(jìn)而確保源荷儲互動性能影響力大的終端微服務(wù)時延更小，更穩(wěn)定。

27、相應(yīng)的，本發(fā)明實施例還提供了一種基于終端時延的微服務(wù)容器選擇裝置，所述微服務(wù)容器選擇裝置包括信號響應(yīng)模塊、模型預(yù)測模塊和容器選擇模塊；

28、其中，所述信號響應(yīng)模塊用于響應(yīng)于容器選擇信號，基于多終端時延和時隙模型構(gòu)建相應(yīng)引力模型；

29、所述模型預(yù)測模塊用于通過歷史時延數(shù)據(jù)對預(yù)設(shè)的初始終端引力常量網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練和參數(shù)調(diào)整，輸出對應(yīng)終端引力常量預(yù)測值，根據(jù)所述終端引力常量預(yù)測值對所述引力模型進(jìn)行參數(shù)更新獲得時延影響力模型；

30、所述容器選擇模塊用于求解所述時延影響力模型獲得差異化終端引力常量，并根據(jù)所述差異化終端引力常量計算獲得微服務(wù)數(shù)據(jù)處理優(yōu)先度，進(jìn)而基于所述微服務(wù)數(shù)據(jù)處理優(yōu)先度進(jìn)行微服務(wù)容器選擇。

31、作為優(yōu)選例子，所述模型預(yù)測模塊通過歷史時延數(shù)據(jù)對預(yù)設(shè)的初始終端引力常量網(wǎng)絡(luò)模型進(jìn)行迭代訓(xùn)練和參數(shù)調(diào)整，輸出對應(yīng)終端引力常量預(yù)測值，根據(jù)所述終端引力常量預(yù)測值對所述引力模型進(jìn)行參數(shù)更新獲得時延影響力模型，具體為：

32、將若干個終端于第一時隙的微服務(wù)時延和所述微服務(wù)時延對源荷儲互動性能的影響力作為所述歷史時延數(shù)據(jù)輸入至所述初始終端引力常量網(wǎng)絡(luò)模型進(jìn)行預(yù)測，輸出相應(yīng)若干個終端于第一時隙的第一終端引力常量預(yù)測值；

33、根據(jù)所述第一終端引力常量預(yù)測值計算獲得第一終端于第二時隙的終端引力常量平均預(yù)測值，并將所述終端引力常量平均預(yù)測值作為所述第一終端于第二時隙的第二終端引力常量預(yù)測值，進(jìn)而根據(jù)所述第二終端引力常量預(yù)測值對所述引力模型進(jìn)行迭代更新獲得所述時延影響力模型。

34、作為優(yōu)選例子，所述模型預(yù)測模塊根據(jù)所述第二終端引力常量預(yù)測值對所述引力模型進(jìn)行迭代更新獲得所述時延影響力模型，具體為：

35、將所述第二終端引力常量預(yù)測值代入至所述引力模型中進(jìn)行求解處理，輸出相應(yīng)第二時隙的時延對源荷儲互動性能影響力的第一影響力預(yù)測值；

36、計算獲得所述第一影響力預(yù)測值與對應(yīng)第一影響力實際值的損失函數(shù)作為誤差參數(shù)，根據(jù)所述誤差參數(shù)對所述終端引力常量網(wǎng)絡(luò)模型進(jìn)行調(diào)整，并將所述歷史時延數(shù)據(jù)輸入至調(diào)整后模型，以使所述調(diào)整后模型被迭代訓(xùn)練和參數(shù)更新至計算獲得的損失函數(shù)小于預(yù)設(shè)的損失閾值，則將對應(yīng)的所述調(diào)整后模型作為終端引力常量網(wǎng)絡(luò)模型；

37、求解所述終端引力常量網(wǎng)絡(luò)模型獲得若干終端的所述終端引力常量預(yù)測值，并將所述終端引力常量預(yù)測值輸入至所述引力模型中，以使所述引力模型被更新為所述時延影響力模型。

38、作為優(yōu)選例子，所述容器選擇模塊根據(jù)所述差異化終端引力常量計算獲得微服務(wù)數(shù)據(jù)處理優(yōu)先度，具體包括：

39、采集獲得待選擇微服務(wù)容器信息，并按照所述待選擇微服務(wù)容器信息中的容器計算資源將待選擇微服務(wù)容器按照從大到小的順序進(jìn)行排序，輸出待選擇容器隊列；

40、基于所述差異化終端引力常量、終端各微服務(wù)數(shù)據(jù)量和各微服務(wù)計算復(fù)雜度計算獲得各微服務(wù)對應(yīng)的所述微服務(wù)數(shù)據(jù)處理優(yōu)先度，并按照所述微服務(wù)數(shù)據(jù)處理優(yōu)先度將各微服務(wù)數(shù)據(jù)按照從高到低進(jìn)行排序，輸出待處理微服務(wù)隊列。

41、作為優(yōu)選例子，所述容器選擇模塊基于所述微服務(wù)數(shù)據(jù)處理優(yōu)先度進(jìn)行微服務(wù)容器選擇，具體為：

42、將待處理微服務(wù)隊列中排序為第一的第一待處理微服務(wù)分配至待選擇容器隊列中排序為第一的第一微服務(wù)容器，并按照所述待處理微服務(wù)隊列的順序?qū)⒊怂龅谝淮幚砦⒎?wù)之外的待處理微服務(wù)分配至所述第一微服務(wù)容器；

43、直到達(dá)到所述第一微服務(wù)容器的最大處理限額，則按照所述待選擇容器隊列的順序選擇排序為第二的待選擇容器進(jìn)行分配，直到所述待處理服務(wù)隊列中所有所述待處理微服務(wù)完成分配。