服务网格系统的配置优化方法和相关设备与流程

1.本发明涉及通信技术领域，尤其涉及一种服务网格系统的配置优化方法和相关设备。


背景技术：

2.分布式系统当中组件众多，而每个组件中设置有多个模块以及多个单元，导致分布式系统部署的模块以及单元较多。
3.分布式系统中模块与单元的正常运行通过服务网格系统进行监控。服务网格系统通过对分布式系统的模块与单元设置对应的监控系统进行监控。服务网格系统的监控系统以规则的方式设定配置参数，使得服务网格系统只能应对以往经验范围内的异常，导致服务网格系统在上线后的性能无法到达预期。
4.为了使得服务网格系统的性能达到预期，需要优化服务网格系统的配置参数。目前，通过人工的方式优化服务网格系统的配置参数，而人工优化需要花费较长的时间，而服务网格系统具有上线交付期限，导致服务网格系统在上线后难以确保健壮性。


技术实现要素：

5.本发明提供一种服务网格系统的配置优化方法和相关设备，用以服务网格系统的配置参数优化时间较长的问题。
6.一方面，本发明提供一种服务网格系统的配置优化方法，包括：
7.获取服务网格系统的当前配置参数以及目标性能；
8.采用所述当前配置参数启动所述服务网格系统，并通过自动测试程序对启动的所述服务网格系统进行测试得到第一测试数据；
9.获取所述第一测试参数对应的知识图谱，所述知识图谱包括测试数据与性能之间的映射关系；
10.根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数。
11.在一实施例中，所述根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数的步骤包括：
12.根据所述第一测试数据以及所述知识图谱确定所述服务网格系统的当前性能；
13.在所述当前性能与所述目标性能不匹配时，根据所述当前性能与所述目标性能优化所述服务网格系统的配置参数。
14.在一实施例中，所述根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数的步骤包括：
15.根据所述第一测试数据以及所述知识图谱确定所述服务网格系统的当前性能；
16.根据所述目标性能以及所述当前性能，确定所述当前配置参数的优质分数以及劣质分数；
17.根据所述优质分数以及所述劣质分数，优化所述服务网格系统的配置参数。
18.在一实施例中，所述根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数的步骤包括：
19.根据所述第一测试数据以及所述知识图谱确定所述服务网格系统的当前性能；
20.根据所述目标性能以及所述当前性能，确定所述服务网格系统的待优化项；
21.优化所述待优化项的配置参数。
22.在一实施例中，所述根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数的步骤包括：
23.将所述第一测试数据、所述知识图谱以及所述目标性能输入目标生成对抗网络模型，得到所述当前配置参数的优质分数以及劣质分数；
24.根据所述优质分数以及所述劣质分数，优化所述服务网格系统的配置参数。
25.在一实施例中，所述将所述第一测试数据以及所述目标性能输入目标生成对抗网络模型，得到所述当前配置参数的优质分数以及劣质分数的步骤之前，还包括：
26.获取正常样本，所述正常样本是根据所述知识图谱确定的；
27.生成随机向量，并控制待训练生成对抗网络模型中的生成器基于所述随机向量生成异常样本；
28.控制所述待训练生成对抗网络模型中的判别器对所述异常样本以及所述正常样本进行判别，以对所述待训练生成对抗网络模型进行训练得到所述目标生成对抗网络模型。
29.另一方面，本发明提供一种服务网格系统，包括：
30.获取模块，用于获取服务网格系统的当前配置参数以及目标性能；
31.启动模块，用于采用所述当前配置参数启动所述服务网格系统，并通过自动测试程序对启动的所述服务网格系统进行测试得到第一测试数据；
32.所述获取模块，还用于获取所述第一测试参数对应的知识图谱，所述知识图谱包括测试数据与性能之间的映射关系；
33.优化模块，用于根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数，以使优化配置参数的所述服务网格系统的性能达到目标性能。
34.另一方面，本发明提供一种服务网格系统，包括：存储器以及处理器；
35.所述存储器存储计算机执行指令；
36.所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上所述的服务网格系统的配置优化方法。
37.另一方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上所述的服务网格系统的配置优化方法。
38.另一方面，本发明提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时，实现如上所述的服务网格系统的配置优化方法。
39.本发明提供的服务网格系统的配置优化方法和相关设备，获取服务网格系统的当前配置参数以及目标性能，采用当前配置参数启动服务网格系统，并通过自动测试程序对
启动的服务网格系统进行测试得到测试数据，再获取测试数据对应的知识图谱，从而基于测试数据、知识图谱以及目标性能优化服务网格系统的配置参数，使得优化配置参数的服务网格系统的性能达到目标性能。本发明中，通过对配置当前配置参数的服务网格系统进行测试得到测试数据，再通过测试数据、测试数据对应的知识图谱以及目标性能自动对服务网格系统进行优化，而无需人工进行优化，避免人工优化服务网格系统导致优化时间过长的问题，大大缩短了服务网格系统的配置参数优化时长，确保服务网格系统在上线后的健壮性。
附图说明
40.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
41.图1为本发明实现服务网格系统的配置优化方法的系统构架图；
42.图2为本发明服务网格系统的配置优化方法第一实施例的流程示意图；
43.图3为本发明服务网格系统的配置优化方法第二实施例中步骤s40的细化流程示意图；
44.图4为本发明服务网格系统的配置优化方法第三实施例中步骤s40的细化流程示意图；
45.图5为本发明服务网格系统的配置优化方法第四实施例中步骤s40的细化流程示意图；
46.图6为本发明服务网格系统的配置优化方法第五实施例中步骤s40的细化流程示意图；
47.图7为本发明服务网格系统的模块示意图；
48.图8为本发明服务网格系统的硬件结构示意图。
49.通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
50.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
51.本发明提供一种服务网格系统的配置优化方法，可以通过图1所示的系统构架图实现。如图1所示，服务网格系统100包括多个网格110，每个网格110设置为监控分布式系统200中的一个组件210，也即每个网格110与该网格110对应的组件210进行数据交互。服务网格系统100需要达到目标性能才能实现对每个组件210的监控。对此，在服务网格系统100上线对分布式系统200进行监控前，需要优化服务网格系统100的配置参数，从而使得服务网格系统100接近或者达到目标性能。
52.下面以具体地实施例对本发明的技术方案以及本技术的技术方案如何解决上述
技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
53.参照图2，图2为本发明服务网格系统的配置优化方法的第一实施例，服务网格系统的配置优化方法包括以下步骤：
54.步骤s10，获取服务网格系统的当前配置参数以及目标性能。
55.在本实施例中，在配置服务网格系统的配置参数时，会设置服务网格系统的目标以及资源，也即设置服务网格的目标性能。例如，服务网格系统的目标性能为：服务网格系统的当前资源可以支撑1000并发且响应时间小于100ms。目标性能可以通过服务网格系统所需监控的分布式系统确定。例如，分布式系统中需要监控的组件、模块以及单元为1000，则服务网格系统的最高并发量应设置为1000，也即服务网格系统最多同时接收分布式系统发送的1000份需要处理的数据。又例如，分布式系统对时延要求为低于100ms，则服务网格系统的响应时间应该低于100ms。目标性能可以写入服务网格系统中，使得服务网格系统获取目标性能。
56.服务网格系统的每个网格设置有对应的服务。服务网格系统在需要优化配置参数时，需要获取影响自身配置的所有参数，这些参数包括离散型参数以及连续性参数。例如，服务网格系统获取网格配置参数、服务配置参数等。将服务网格系统所获取的配置参数定义为当前配置参数。
57.步骤s20，采用当前配置参数启动服务网格系统，并通过自动测试程序对启动的服务网格系统进行测试得到第一测试数据。
58.在优化服务网格系统时，需要基于服务网格系统的当前性能进行优化。服务网格系统会采用当前配置参数进行启动，采用当前配置参数启动的服务网格系统的当前性能可测。具体的，服务网格系统中设置有自动测试程序，在启动服务网格系统后，自动测试程序对服务网格系统的功能进行测试得到测试数据。得到的测试数据定义为第一测试数据。第一测试数据可以表征服务网格系统配置当前配置参数的性能。自动测试程序所测试的功能可以是简单的访问一个api(application programming interface，应用程序接口)、复杂的访问整个服务网格系统的系统功能、或者可以是对性能进行测试等。
59.需要说明的是，在对服务网格系统进行测试之前，需要检测服务网格系统的基础功能柜是否正常的，也即服务网格系统的功能测试的提前是需要确定功能是正常的，从而能够准确的获取表征服务网格系统当前性能的第一测试数据。第一测试数据例如为心跳数据、网路数据、日志数据、系统数据、指标数据等。
60.步骤s30，获取第一测试参数对应的知识图谱，知识图谱包括测试数据与性能之间的映射关系。
61.服务网格系统中存储有知识图谱。知识图谱包括测试数据与性能之间的映射关系。知识图谱是专家、研发人员的经验知识所转换得到的。
62.服务网格系统在得到第一测试数据后，获取第一测试数据对应的知识图谱。具体的，服务网格系统中存储有多个知识图谱，知识图谱中的测试数据的类型与知识图谱是关联的。服务网格系统在获得第一测试数据后，确定第一测试数据的类型，在通过类型获取第一测试数据对应的知识图谱。
63.步骤s40，根据第一测试数据、知识图谱以及目标性能，优化服务网格系统的配置
参数。
64.在获得知识图谱后，服务网格系统基于第一测试数据、知识图谱以及目标性能即可对服务网格系统的配置参数进行优化。具体的，服务网格系统可以通过知识图谱、第一测试数据以及目标性能对服务网格系统的当前配置参数进行打分，打分分数若比较低，则需要重新配置服务网格系统的参数，进行优化。例如，服务网格系统基于知识图谱以及第一测试数据确定服务网格系统的当前性能，当前性能与目标性能均统一度量，再基于统一度量后的当前性能与目标性能的比值确定打分分值。
65.在本实施例提供的技术方案中，获取服务网格系统的当前配置参数以及目标性能，采用当前配置参数启动服务网格系统，并通过自动测试程序对启动的服务网格系统进行测试得到测试数据，再获取测试数据对应的知识图谱，从而基于测试数据、知识图谱以及目标性能优化服务网格系统的配置参数，使得优化配置参数的服务网格系统的性能达到目标性能。本发明中，通过对配置当前配置参数的服务网格系统进行测试得到测试数据，再通过测试数据、测试数据对应的知识图谱以及目标性能自动对服务网格系统进行优化，而无需人工进行优化，避免人工优化服务网格系统导致优化时间过长的问题，大大缩短了服务网格系统的配置参数优化时长，确保服务网格系统在上线后的健壮性。
66.参照图3，图3为本发明服务网格系统的配置优化方法第二实施例，基于第一实施例，步骤s40包括：
67.步骤s401，根据第一测试数据以及知识图谱确定服务网格系统的当前性能。
68.步骤s402，在当前性能与目标性能不匹配时，根据当前性能与目标性能优化服务网格系统的配置参数。
69.在本实施例中，知识图谱包括测试数据与性能的映射关系，故服务网格系统可以基于知识图谱、第一测试数据确定服务网格系统的当前性能。
70.服务网格性能再确定当前性能与目标性能是否匹配，也即确定当前性能是否接近或者答达到目标性能。若是当前性能与目标性能的差距较大，即可确定当前性能与目标性能不匹配。例如，当前性能是4核心cpu为16g内存，可以最大支持1000并发；但目标性能是需要支持2000并发，则当前性能与目标性能的差距较大。目标性能以及当前性能所转化的数值之间的差值大于预设阈值，当前性能与目标性能的差距较大，此时，需要基于当前性能与目标性能优化服务网格系统的配置参数。例如，根据当前性能与目标性能确定服务网格系统所支持的并发量较低，则需要优化服务网格系统中可以提高并发量的配置参数。
71.在本实施例提供的技术方案中，服务网格系统根据第一测试数据以及知识图谱确定服务网格系统的当前性能，若是当前性能与目标性能不匹配，则根据当前性能与目标性能优化服务网格系统的配置参数。
72.参照图4，图4为本发明服务网格系统的配置优化方法第三实施例，基于第一实施例，步骤s40包括：
73.步骤s403，根据第一测试数据以及知识图谱确定服务网格系统的当前性能。
74.步骤s404，根据目标性能以及当前性能，确定当前配置参数的优质分数以及劣质分数。
75.步骤s405，根据优质分数以及劣质分数，优化服务网格系统的配置参数。
76.在本实施例中，知识图谱包括测试数据与性能的映射关系，故服务网格系统可以
基于知识图谱、第一测试数据确定服务网格系统的当前性能。
77.在确定当前性能后，服务网格系统基于目标性能与当前性能确定当前配置参数的优质分数以及劣质分数。优质分数指的是服务网格系统中无需优化的配置子参数与当前配置参数的占比，而劣质分数指的是服务网格系统中需要优化的配置子参数与当前配置参数的占比。例如优质分数为30分，劣质分数是70分，即可确定服务网格系统中有30％的配置子参数无需进行优化，有70％的配置子参数需要进行优化。
78.当前配置参数有多个配置子参数，每个配置自参数对应一个当前子性能，当前子性能与目标性能中相同类型的自性能进行比对，若是两者不匹配，则不匹配的配置子参数+1；若是两者匹配，则匹配的配置子参数+1。服务网格系统再计算匹配的配置子数据的数量与所有配置子数据的总数的比值，该比值为优质分数。服务网格系统计算不匹配的配置子数据的数量与所有配置子数据的总数的比值，该比值为劣质分数。
79.服务网格系统可以基于优质分数与劣质分数优化服务网格系统的配置参数，也即优化劣质分数所对应的配置子参数，优质分数所对应的配置子参数也需要基于优化的配置子参数进行响应的调整，以确保服务网格系统的总性能是提高的。例如，第一配置子数据需要优化，而不需要优化的第二配置子数据与第一配置子数据是联动的，因此，第二配置子参数也需要基于优化的第一配置子参数进行调整。
80.在本实施例提供的技术方案中，服务网格系统根据第一测试数据以及知识图谱确定服务网格系统的当前性能，从而根据当前性能与目标性能确定当前配置参数的优质分数以及劣质分数，最后通过优质分数以及劣质分数准确的优化服务网格系统的配置参数。
81.参照图5，图5为本发明服务网格系统的配置优化方法第四实施例，基于第一实施例，步骤s40包括：
82.步骤s406，根据第一测试数据以及知识图谱确定服务网格系统的当前性能。
83.步骤s407，根据目标性能以及当前性能，确定服务网格系统的待优化项。
84.步骤s408，优化待优化项的配置参数。
85.在本实施例中，知识图谱包括测试数据与性能的映射关系，故服务网格系统可以基于知识图谱、第一测试数据确定服务网格系统的当前性能。
86.服务网格系统可以通过目标性能以及目标性能确定需要优化的项目，也即确定待优化项。例如，当前性能的响应时间200ms，而目标性能是100ms，则所有影响响应时间的功能或者应有程序都被确定为待优化项。
87.在确定待优化项后，服务网格系统即可优化待优化项的配置参数，从而提高服务网格系统的性能，使得服务网格系统达到目标性能。
88.在本实施例提供的技术方案中，基于服务网格系统的当前性能与目标性能可确定服务网格系统的待优化项，从而准确的优化待优化项的配置参数。
89.参照图6，图6为本发明服务网格系统第五实施例，基于第一实施例，步骤s40包括：
90.步骤s409，将第一测试数据、知识图谱以及目标性能输入目标生成对抗网络模型，得到当前配置参数的优质分数以及劣质分数。
91.步骤s410，根据优质分数以及劣质分数，优化服务网格系统的配置参数。
92.生成对抗网络是一种高效的无(或者半)监督学习算法，主要为生成器和验证器，可以通过生成器生成大量待检测疑问问题，再通过训练验证器对问题进行有效验证得到生
成对抗网络模型。生成对抗网络模型在经过足够多的迭代，生成对抗网络模型将具有很强的异常检测能力，能够基于检测的异常为服务网格系统指出需要优化的配置参数。
93.在本实施例中，服务网格系统中存储有生成对抗网络模型，该模型定义为目标生成对抗网络模型。服务网格系统将第一测试数据、知识图谱以及目标性能输入至目标生成对抗网络模型。目标生成对抗网络模型基于输入的参数进行判别，输出优质分数以及劣质分数，优质分数以及劣质分数即为当前配置参数的优质分数以及劣质分数。服务网格系统可以通过优质分数以及劣质分数优化服务网格系统的配置。优质分数以及劣质分数的解释说明、优质分数以及劣质分数优化服务网格系统的配置参数具体参照上述描述，在此不再进行赘述。
94.服务网格系统需要训练生成对抗网络模型得到目标生成对抗网络模型。具体的，获取服务网格系统的正常样本，正常样本是真实数据，且正常样本可以是通过知识图谱确定的。生成对抗网络模型设置有噪声装置，噪声装置生成随机向量，生成对抗网络模型的生成器基于随机向量生成异常样本，生成对抗网络模型的判别器妒忌异常样本以及正常样本进行判别，以对生成对抗网络模型进行训练得到目标生成对抗网络。
95.也即将第一测试数据以及目标性能输入目标生成对抗网络模型，得到当前配置参数的优质分数以及劣质分数的步骤之前，还包括：
96.获取正常样本，正常样本是根据知识图谱确定的；
97.生成随机向量，并控制待训练生成对抗网络模型中的生成器基于随机向量生成异常样本；
98.控制待训练生成对抗网络模型中的判别器对异常样本以及正常样本进行判别，以对待训练生成对抗网络模型进行训练得到目标生成对抗网络模型。
99.在具体训练过程中，生成器与判别器交替训练。首先，固定生成器，使用生成器基于隐随机向量z模拟出g(z)作为负样本，并从真实数据(真实数据可以是知识图谱中的测试数据)中采样得到正样本x，然后将正负样本输入给判别器，进行二分类预测，最后利用其二分类交叉熵损失更新判别器参数；之后固定判别器优化生成器。对于生成器，为了尽可能欺骗判别器，即尽量让判别器将生成的“假”样本判为正样本，一般考虑以最大化生成样本的判别概率为目标来优化。
100.在本实施例提供的技术方案中，服务网格系统通过生成对抗网络模型准确的确定自身存在的异常，进而基于异常准确的优化自身的配置参数。
101.本发明还提供一种服务网格系统，参照图7，服务网格系统700包括：
102.获取模块710，用于获取服务网格系统的当前配置参数以及目标性能；
103.启动模块720，用于采用当前配置参数启动服务网格系统，并通过自动测试程序对启动的服务网格系统进行测试得到第一测试数据；
104.获取模块710，用于获取第一测试参数对应的知识图谱，知识图谱包括测试数据与性能之间的映射关系；
105.优化模块730，用于根据第一测试数据、知识图谱以及目标性能，优化服务网格系统的配置参数。
106.在一实施例中，服务网格系统700包括：
107.确定模块，用于根据第一测试数据以及知识图谱确定服务网格系统的当前性能；
108.优化模块730，用于在当前性能与目标性能不匹配时，根据当前性能与目标性能优化服务网格系统的配置参数。
109.在一实施例中，服务网格系统700包括：
110.确定模块，用于根据第一测试数据以及知识图谱确定服务网格系统的当前性能；
111.确定模块，用于根据目标性能以及当前性能，确定当前配置参数的优质分数以及劣质分数；
112.优化模块730，用于根据优质分数以及劣质分数，优化服务网格系统的配置参数。
113.在一实施例中，服务网格系统700包括：
114.确定模块，用于根据第一测试数据以及知识图谱确定服务网格系统的当前性能；
115.确定模块，用于根据目标性能以及当前性能，确定服务网格系统的待优化项；
116.优化模块730，用于优化待优化项的配置参数。
117.在一实施例中，服务网格系统700包括：
118.输入模块，用于将第一测试数据、知识图谱以及目标性能输入目标生成对抗网络模型，得到当前配置参数的优质分数以及劣质分数；
119.优化模块730，用于根据优质分数以及劣质分数，优化服务网格系统的配置参数。
120.在一实施例中，服务网格系统700包括：
121.获取模块710，用于获取正常样本，正常样本是根据知识图谱确定的；
122.生成模块，用于生成随机向量，并控制待训练生成对抗网络模型中的生成器基于随机向量生成异常样本；
123.控制模块，用于控制待训练生成对抗网络模型中的判别器对异常样本以及正常样本进行判别，以对待训练生成对抗网络模型进行训练得到目标生成对抗网络模型。
124.图8是根据一示例性实施例示出的一种服务网格系统的硬件结构图。
125.服务网格系统800可以包括：处理801，例如cpu，存储器802以及收发器803。本领域技术人员可以理解，图8中示出的结构并不构成对服务网格系统的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
126.处理器801可以调用存储器802内存储的计算机程序，以完成上述的服务网格系统的配置优化方法的全部或部分步骤。
127.收发器803用于接收外部设备发送的信息以及向外部设备发送信息。
128.一种非临时性计算机可读存储介质，当该存储介质中的指令由服务网格系统的处理器执行时，使得服务网格系统能够执行上述服务网格系统的配置优化方法。
129.一种计算机程序产品，包括计算机程序，当该计算机程序由服务网格系统的处理器执行时，使得服务网格系统能够执行上述服务网格系统的配置优化方法。
130.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本发明旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的
权利要求书指出。
131.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

技术特征：
1.一种服务网格系统的配置优化方法，其特征在于，包括：获取服务网格系统的当前配置参数以及目标性能；采用所述当前配置参数启动所述服务网格系统，并通过自动测试程序对启动的所述服务网格系统进行测试得到第一测试数据；获取所述第一测试参数对应的知识图谱，所述知识图谱包括测试数据与性能之间的映射关系；根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数。2.根据权利要求1所述的服务网格系统的配置优化方法，其特征在于，所述根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数的步骤包括：根据所述第一测试数据以及所述知识图谱确定所述服务网格系统的当前性能；在所述当前性能与所述目标性能不匹配时，根据所述当前性能与所述目标性能优化所述服务网格系统的配置参数。3.根据权利要求1所述的服务网格系统的配置优化方法，其特征在于，所述根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数的步骤包括：根据所述第一测试数据以及所述知识图谱确定所述服务网格系统的当前性能；根据所述目标性能以及所述当前性能，确定所述当前配置参数的优质分数以及劣质分数；根据所述优质分数以及所述劣质分数，优化所述服务网格系统的配置参数。4.根据权利要求1所述的服务网格系统的配置优化方法，其特征在于，所述根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数的步骤包括：根据所述第一测试数据以及所述知识图谱确定所述服务网格系统的当前性能；根据所述目标性能以及所述当前性能，确定所述服务网格系统的待优化项；优化所述待优化项的配置参数。5.根据权利要求1所述的服务网格系统的配置优化方法，其特征在于，所述根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数的步骤包括：将所述第一测试数据、所述知识图谱以及所述目标性能输入目标生成对抗网络模型，得到所述当前配置参数的优质分数以及劣质分数；根据所述优质分数以及所述劣质分数，优化所述服务网格系统的配置参数。6.根据权利要求5所述的服务网格系统的配置优化方法，其特征在于，所述将所述第一测试数据以及所述目标性能输入目标生成对抗网络模型，得到所述当前配置参数的优质分数以及劣质分数的步骤之前，还包括：获取正常样本，所述正常样本是根据所述知识图谱确定的；生成随机向量，并控制待训练生成对抗网络模型中的生成器基于所述随机向量生成异常样本；
控制所述待训练生成对抗网络模型中的判别器对所述异常样本以及所述正常样本进行判别，以对所述待训练生成对抗网络模型进行训练得到所述目标生成对抗网络模型。7.一种服务网格系统，其特征在于，包括：获取模块，用于获取服务网格系统的当前配置参数以及目标性能；启动模块，用于采用所述当前配置参数启动所述服务网格系统，并通过自动测试程序对启动的所述服务网格系统进行测试得到第一测试数据；所述获取模块，还用于获取所述第一测试参数对应的知识图谱，所述知识图谱包括测试数据与性能之间的映射关系；优化模块，用于根据所述第一测试数据、所述知识图谱以及所述目标性能，优化所述服务网格系统的配置参数，以使优化配置参数的所述服务网格系统的性能达到目标性能。8.一种服务网格系统，其特征在于，包括：存储器以及处理器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如权利要求1至6任一项所述的服务网格系统的配置优化方法。9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至6任一项所述的服务网格系统的配置优化方法。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时，实现权利要求1至6任一项所述的服务网格系统的配置优化方法。

技术总结
本发明提供一种服务网格系统的配置优化方法和相关设备，属于通信技术领域，该方法包括：获取服务网格系统的当前配置参数以及目标性能；采用当前配置参数启动服务网格系统，并通过自动测试程序对启动的服务网格系统进行测试得到第一测试数据；获取第一测试参数对应的知识图谱；根据第一测试数据、知识图谱以及目标性能，优化服务网格系统的配置参数。本发明中，通过对配置当前配置参数的服务网格系统进行测试得到测试数据，再通过测试数据、知识图谱以及目标性能自动对服务网格系统进行优化，而无需人工进行优化，避免人工优化服务网格系统导致优化时间过长的问题，缩短了服务网格系统的配置参数的优化时长，确保服务网格系统在上线后的健壮性。统在上线后的健壮性。统在上线后的健壮性。


技术研发人员：靳松波
受保护的技术使用者：中国建设银行股份有限公司
技术研发日：2021.12.03
技术公布日：2022/3/8