王會(huì) 蔡穎 唐志一

摘要：隨著信息技術(shù)的快速發(fā)展，網(wǎng)絡(luò)信息系統(tǒng)需要為越來越多的用戶提供服務(wù)，為提高整體性能以及快速迭代升級(jí)，當(dāng)前流行的微服務(wù)系統(tǒng)架構(gòu)通常將一個(gè)大的系統(tǒng)劃分為多個(gè)業(yè)務(wù)模塊，業(yè)務(wù)模塊分別部署在不同機(jī)器上，各個(gè)業(yè)務(wù)模塊之間通過接口形式進(jìn)行交互。伴隨著業(yè)務(wù)的擴(kuò)展，對(duì)外提供服務(wù)的業(yè)務(wù)模塊越來越多，運(yùn)維和監(jiān)控這些業(yè)務(wù)模塊，追蹤數(shù)據(jù)流向，變得越來越困難。如何對(duì)這些業(yè)務(wù)模塊的核心指標(biāo)數(shù)據(jù)以及數(shù)據(jù)的生產(chǎn)流轉(zhuǎn)實(shí)現(xiàn)精準(zhǔn)有效的監(jiān)控，是研究智能監(jiān)控系統(tǒng)的一個(gè)重要方面，本文介紹了一種基于埋點(diǎn)技術(shù)實(shí)現(xiàn)的智能監(jiān)控系統(tǒng)，從各業(yè)務(wù)模塊中采集數(shù)據(jù)，經(jīng)分析、匯集、檢索、反饋學(xué)習(xí)后，實(shí)現(xiàn)智能預(yù)警及數(shù)據(jù)追蹤溯源。

關(guān)鍵詞：埋點(diǎn);微服務(wù);機(jī)器學(xué)習(xí);智能預(yù)警

1引言

隨著網(wǎng)絡(luò)信息化水平的推進(jìn)，業(yè)務(wù)擴(kuò)展帶來的業(yè)務(wù)復(fù)雜度的急劇增加，現(xiàn)有網(wǎng)絡(luò)信息系統(tǒng)的部署方式和監(jiān)控方式都遇到了巨大的挑戰(zhàn)，如何在業(yè)務(wù)系統(tǒng)出現(xiàn)故障時(shí)及時(shí)有效地發(fā)出預(yù)警，以及對(duì)數(shù)據(jù)進(jìn)行精準(zhǔn)分析，找到數(shù)據(jù)資源流向以及對(duì)歷史數(shù)據(jù)進(jìn)行追蹤溯源尤為困難。傳統(tǒng)的監(jiān)控系統(tǒng)通過打印日志形式來記錄運(yùn)行數(shù)據(jù)，但存在日志數(shù)據(jù)記錄不全、監(jiān)控項(xiàng)擴(kuò)展困難、日志存儲(chǔ)效率低下、日志分析不足、異常誤報(bào)等問題。對(duì)于大規(guī)模、交互錯(cuò)綜復(fù)雜、深度耦合的網(wǎng)絡(luò)信息系統(tǒng)，上述問題尤其嚴(yán)重。

此外，傳統(tǒng)的監(jiān)控系統(tǒng)主要通過配置項(xiàng)進(jìn)行監(jiān)控，系統(tǒng)部署運(yùn)行時(shí)，管理員配置告警閾值，系統(tǒng)運(yùn)行觸發(fā)閾值后將告警信息通知到運(yùn)維人員，然后進(jìn)行系統(tǒng)排查解除告警的方式進(jìn)行監(jiān)控。其中，配置閾值的監(jiān)控方式，需要為業(yè)務(wù)核心指標(biāo)設(shè)置一個(gè)合理的閾值，閾值的選取有很大的主觀因素，通常情況下是靠經(jīng)驗(yàn)得來，另外，根據(jù)對(duì)業(yè)務(wù)系統(tǒng)的容錯(cuò)程度，也會(huì)動(dòng)態(tài)調(diào)整閾值，無法做到精細(xì)化配置;隨著業(yè)務(wù)的擴(kuò)展，要監(jiān)控的指標(biāo)項(xiàng)越來越多，需要設(shè)置的閾值也越來越多，給管理閾值帶來了巨大挑戰(zhàn)，閾值設(shè)置不合理在實(shí)際的生產(chǎn)環(huán)境中導(dǎo)致越來越多的告警誤報(bào)。

本文介紹了一種基于埋點(diǎn)技術(shù)的日志分析服務(wù)架構(gòu)，結(jié)合機(jī)器學(xué)習(xí)，從大型網(wǎng)絡(luò)信息系統(tǒng)業(yè)務(wù)模塊中采集日志數(shù)據(jù)，實(shí)現(xiàn)日志數(shù)據(jù)的全方位大規(guī)模采集，依托機(jī)器學(xué)習(xí)，從日志數(shù)據(jù)中不斷反饋學(xué)習(xí)各類數(shù)據(jù)特征與規(guī)律，將學(xué)習(xí)成果用于分析最新采集到的數(shù)據(jù)中，檢測(cè)出異常數(shù)據(jù)，從而達(dá)到智能預(yù)警的效果。通過日志數(shù)據(jù)，實(shí)時(shí)計(jì)算業(yè)務(wù)模塊調(diào)用關(guān)系，分析數(shù)據(jù)流向，及時(shí)將達(dá)到告警狀態(tài)的業(yè)務(wù)信息暴露出來，達(dá)到異常實(shí)時(shí)告警。

2系統(tǒng)架構(gòu)設(shè)計(jì)

2.1需求

系統(tǒng)旨在對(duì)大型分布式系統(tǒng)中各業(yè)務(wù)模塊健康狀態(tài)以及數(shù)據(jù)流轉(zhuǎn)進(jìn)行監(jiān)控，統(tǒng)計(jì)業(yè)務(wù)模塊操作記錄及訪問情況，記錄業(yè)務(wù)數(shù)據(jù)流向及當(dāng)前狀態(tài)，并對(duì)數(shù)據(jù)流向與數(shù)據(jù)狀態(tài)進(jìn)行學(xué)習(xí)，提供系統(tǒng)異常告警能力;對(duì)業(yè)務(wù)核心接口訪問頻次進(jìn)行監(jiān)控;并支持對(duì)業(yè)務(wù)模塊接口服務(wù)狀態(tài)進(jìn)行告警。

2.2總體設(shè)計(jì)

系統(tǒng)體系架構(gòu)共分為五層，分別是數(shù)據(jù)埋點(diǎn)層、數(shù)據(jù)采集層、數(shù)據(jù)分析轉(zhuǎn)換層、反饋學(xué)習(xí)層、數(shù)據(jù)應(yīng)用層，分層結(jié)構(gòu)如圖0 1所示。

（1）數(shù)據(jù)埋點(diǎn)層

采用約定的日志架構(gòu)及統(tǒng)一的日志打印規(guī)范，采集匯集設(shè)備運(yùn)行、用戶操作、服務(wù)運(yùn)行、業(yè)務(wù)應(yīng)用等業(yè)務(wù)數(shù)據(jù)以及SQL執(zhí)行、調(diào)用耗時(shí)、異常堆棧等運(yùn)營數(shù)據(jù)，旨在收集全方位、多角度的網(wǎng)絡(luò)信息系統(tǒng)全生命周期的日志數(shù)據(jù)。

（2）數(shù)據(jù)采集層

系統(tǒng)運(yùn)營中因埋點(diǎn)產(chǎn)生的日志信息，采集后通過分布式消息中間件，將采集到的埋點(diǎn)日志數(shù)據(jù)進(jìn)行集中存儲(chǔ)。

對(duì)采集到的日志數(shù)據(jù)按數(shù)據(jù)類型分類，并建立索引，依托分布式流計(jì)算能力，實(shí)現(xiàn)實(shí)時(shí)檢索和快速統(tǒng)計(jì)分析日志數(shù)據(jù)的能力，提升日志數(shù)據(jù)價(jià)值。

（3）數(shù)據(jù)分析轉(zhuǎn)換層

基于日志分析轉(zhuǎn)換服務(wù)，按照配置設(shè)定的規(guī)則，監(jiān)控并過濾日志，對(duì)過濾后的日志數(shù)據(jù)進(jìn)行匯總，形成實(shí)時(shí)日志分類。然后構(gòu)建統(tǒng)一的日志分析服務(wù)，實(shí)現(xiàn)對(duì)日志數(shù)據(jù)的統(tǒng)一存儲(chǔ)及檢索，日志分析服務(wù)支持實(shí)時(shí)全文索引，支持日志的統(tǒng)計(jì)展現(xiàn)。基于此可實(shí)現(xiàn)調(diào)用鏈分析、最熱數(shù)據(jù)服務(wù)分析、耗時(shí)數(shù)據(jù)服務(wù)分析等。

（4）反饋學(xué)習(xí)層

基于機(jī)器學(xué)習(xí)算法，利用集中存儲(chǔ)的全方位日志數(shù)據(jù)，不斷進(jìn)行反饋學(xué)習(xí)，并將學(xué)習(xí)成果及時(shí)更新存儲(chǔ)到算法庫和規(guī)則庫中，以便更好的依據(jù)歷史數(shù)據(jù)，預(yù)測(cè)業(yè)務(wù)未來變化趨勢(shì)，同時(shí)將變化趨勢(shì)存儲(chǔ)起來，達(dá)到數(shù)據(jù)越用越智能，由此減少告警的誤報(bào)率。

（5）數(shù)據(jù)應(yīng)用層

基于采集到的全方位多層次的日志數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)規(guī)則庫和算法庫成果，實(shí)現(xiàn)對(duì)日志數(shù)據(jù)的挖掘應(yīng)用，從而提升日志數(shù)據(jù)的應(yīng)用價(jià)值，依托分布式流計(jì)算能力，實(shí)現(xiàn)實(shí)時(shí)告警、智能告警，同時(shí)從日志數(shù)據(jù)中分析數(shù)據(jù)流向，進(jìn)行數(shù)據(jù)追蹤溯源。

3系統(tǒng)主要模塊實(shí)現(xiàn)

基于上述設(shè)計(jì)方案，本系統(tǒng)采用前后端分離的模式進(jìn)行開發(fā)。后端在IntelliJ IDEA集成開發(fā)工具進(jìn)行編碼開發(fā)。使用Maven構(gòu)建工程和管理依賴，Java開發(fā)語言，廣泛使用Restful風(fēng)格的接口格式，使用Spring開源容器進(jìn)行平臺(tái)核心業(yè)務(wù)處理。前端使用VS CODE集成開發(fā)工具進(jìn)行編碼開發(fā)，使用前端框架Vue進(jìn)行前端界面開發(fā)。

系統(tǒng)部署在虛擬機(jī)上，使用Jetty 作為 Web 服務(wù)器中間件，服務(wù)兼容Chrome（谷歌）、Firefox（火狐）等主流瀏覽器。

（1）數(shù)據(jù)埋點(diǎn)模塊

采用約定的日志架構(gòu)及統(tǒng)一的日志打印規(guī)范，采集匯集設(shè)備運(yùn)行、用戶操作、服務(wù)運(yùn)行、業(yè)務(wù)應(yīng)用等業(yè)務(wù)數(shù)據(jù)以及SQL執(zhí)行、調(diào)用耗時(shí)、異常堆棧等運(yùn)營數(shù)據(jù)，旨在收集全方位、多角度的網(wǎng)絡(luò)信息系統(tǒng)全生命周期的日志數(shù)據(jù)。

埋點(diǎn)的三種方式：

1.SDK埋點(diǎn)。SDK埋點(diǎn)（也稱為前端埋點(diǎn)）方式，通常指在APP或Web界面中植入埋點(diǎn)代碼。通過SDK埋點(diǎn)，對(duì)用戶在使用過程中的行為事件數(shù)據(jù)進(jìn)行采集，能夠采集到用戶大部分的行為數(shù)據(jù)，比如設(shè)備的基本信息，用戶執(zhí)行的基本操作等。

應(yīng)用場(chǎng)景：一般在產(chǎn)品運(yùn)營初級(jí)階段，需要快速掌握用戶使用情況，并迭代升級(jí)產(chǎn)品以提升用戶體驗(yàn)。

2.代碼埋點(diǎn)。代碼埋點(diǎn)主要在程序中寫代碼實(shí)現(xiàn)，通過觸發(fā)某個(gè)動(dòng)作后程序自動(dòng)發(fā)送數(shù)據(jù)，業(yè)務(wù)按需將請(qǐng)求信息、返回信息、異常信息及調(diào)用信息組織后埋點(diǎn)，通過此埋點(diǎn)可以分析出數(shù)據(jù)流轉(zhuǎn)及調(diào)用鏈信息。

應(yīng)用場(chǎng)景：產(chǎn)品功能錯(cuò)綜復(fù)雜，業(yè)務(wù)推進(jìn)需要深度挖掘與多位分析。此外，對(duì)數(shù)據(jù)保密性要求高且無法通過SDK埋點(diǎn)方式獲取等場(chǎng)景，也需要代碼埋點(diǎn)進(jìn)行補(bǔ)充。

3.可視化埋點(diǎn)

可視化埋點(diǎn)把核心代碼和配置、資源分開，通過部署在產(chǎn)品上的基礎(chǔ)代碼對(duì)產(chǎn)品的所有交互元素進(jìn)行解析，并在可視化頁面進(jìn)行設(shè)定，界面啟動(dòng)時(shí)服務(wù)端更新配置和資源，用戶產(chǎn)生操作后，根據(jù)配置上報(bào)相關(guān)內(nèi)容。應(yīng)用場(chǎng)景：對(duì)數(shù)據(jù)訪問量、點(diǎn)擊量等統(tǒng)計(jì)信息敏感的交互場(chǎng)景。選擇哪種埋點(diǎn)方式往往是根據(jù)產(chǎn)品形態(tài)、發(fā)展階段以及預(yù)期效果而定?？梢郧捌诓捎肧DK埋點(diǎn)和代碼埋點(diǎn)相結(jié)合，后期采用可視化埋點(diǎn)方式進(jìn)行推進(jìn)，也可以按需靈活組合。三種埋點(diǎn)方式比對(duì)如下表：

基于系統(tǒng)復(fù)雜度及應(yīng)用場(chǎng)景，本文介紹的智能監(jiān)控系統(tǒng)采用代碼埋點(diǎn)的方式進(jìn)行實(shí)現(xiàn)。

代碼埋點(diǎn)日志格式統(tǒng)一使用輕量級(jí)的JSON格式，數(shù)據(jù)結(jié)構(gòu)如下：

（2）數(shù)據(jù)采集模塊

系統(tǒng)運(yùn)營中因埋點(diǎn)產(chǎn)生的日志信息，采集后通過分布式消息中間件，將采集到的埋點(diǎn)日志數(shù)據(jù)進(jìn)行集中存儲(chǔ)。

使用Flume統(tǒng)一對(duì)埋點(diǎn)數(shù)據(jù)進(jìn)行采集上報(bào)。利用Flume高可用、高可靠特點(diǎn)對(duì)分布式的海量日志進(jìn)行采集聚合和傳輸。

使用Kafka接收Flume收集的日志，利用Kafka高吞吐量的特點(diǎn)，保證數(shù)據(jù)不丟失，同時(shí)滿足日志離線分析及實(shí)時(shí)日志處理與聚合。采集過程分如下步驟：

1.采集日志。使用Flume讀取埋點(diǎn)產(chǎn)生的數(shù)據(jù)。支持按行增量讀取及按時(shí)間戳增量讀取的方式，保證服務(wù)重啟或中斷恢復(fù)后，數(shù)據(jù)讀取不漏讀不重復(fù)讀。

2.傳輸數(shù)據(jù)。使用Kafka接收Flume收集的日志，基于Kafka特點(diǎn)，當(dāng)收集數(shù)據(jù)的速度超過將寫入數(shù)據(jù)的速度時(shí)，也就是當(dāng)收集信息遇到瓶頸，甚至超過了系統(tǒng)寫入數(shù)據(jù)的能力時(shí)，適當(dāng)調(diào)系統(tǒng)參數(shù)，保證能夠在兩者之間提供平穩(wěn)的過渡，當(dāng)寫入能力大于讀取能力時(shí)，緩沖的數(shù)據(jù)要及時(shí)寫入存儲(chǔ)器。

3.寫入存儲(chǔ)器。將Kakfa埋點(diǎn)數(shù)據(jù)存儲(chǔ)到集中存儲(chǔ)器中，例如HDFS，HBase。

（3）數(shù)據(jù)分析轉(zhuǎn)換模塊

基于日志分析轉(zhuǎn)換服務(wù)，按照配置設(shè)定的規(guī)則，監(jiān)控并過濾日志，對(duì)過濾后的日志數(shù)據(jù)進(jìn)行匯總，形成實(shí)時(shí)日志分類。然后構(gòu)建統(tǒng)一的日志分析服務(wù)，實(shí)現(xiàn)對(duì)日志數(shù)據(jù)的統(tǒng)一存儲(chǔ)及檢索，日志分析服務(wù)支持實(shí)時(shí)全文索引，支持日志的統(tǒng)計(jì)展現(xiàn)?；诖丝蓪?shí)現(xiàn)調(diào)用鏈分析、最熱業(yè)務(wù)服務(wù)分析、耗時(shí)業(yè)務(wù)服務(wù)分析等。

1.調(diào)用鏈分析。對(duì)埋點(diǎn)日志進(jìn)行實(shí)時(shí)及聚合分析，按調(diào)用鏈唯一標(biāo)識(shí)符進(jìn)行分組后聚合，分析各模塊之間數(shù)據(jù)流向、調(diào)用次數(shù)、調(diào)用成功標(biāo)識(shí)、調(diào)用耗時(shí)等數(shù)據(jù)，形成完整模塊調(diào)用關(guān)系及調(diào)用情況統(tǒng)計(jì)數(shù)據(jù)。

2.最熱業(yè)務(wù)服務(wù)分析。對(duì)埋點(diǎn)日志進(jìn)行實(shí)時(shí)分析，按操作名稱分組后聚合，分析一個(gè)統(tǒng)計(jì)周期內(nèi)各模塊被調(diào)用的次數(shù)，取最大的前N條記錄。

3.耗時(shí)業(yè)務(wù)服務(wù)分析。對(duì)埋點(diǎn)日志進(jìn)行實(shí)時(shí)分析，按操作名稱分組后聚合，分析一個(gè)統(tǒng)計(jì)周期內(nèi)各業(yè)務(wù)服務(wù)被調(diào)用的平均耗時(shí)，取最大的前N條記錄，生成耗時(shí)服務(wù)清單。

（4）反饋學(xué)習(xí)模塊

基于機(jī)器學(xué)習(xí)算法，利用集中存儲(chǔ)的全方位日志數(shù)據(jù)，不斷進(jìn)行反饋學(xué)習(xí)，并將學(xué)習(xí)成果及時(shí)更新存儲(chǔ)到算法庫和規(guī)則庫中，以便更好的依據(jù)歷史數(shù)據(jù)，預(yù)測(cè)業(yè)務(wù)未來變化趨勢(shì)，同時(shí)將變化趨勢(shì)存儲(chǔ)起來，達(dá)到數(shù)據(jù)越用越智能，由此減少告警的誤報(bào)率。該模塊實(shí)際運(yùn)行時(shí)，需要至少一個(gè)運(yùn)行周期（例如一天或一周）后，才能進(jìn)行反饋學(xué)習(xí)，具體步驟如下：

1.獲取歷史數(shù)據(jù)。反饋學(xué)習(xí)模塊從收集到的日志數(shù)據(jù)中，對(duì)歷史指標(biāo)數(shù)據(jù)進(jìn)行離線分析，經(jīng)分析后作為輸入?yún)?shù)加以學(xué)習(xí)。

2.智能學(xué)習(xí)。反饋學(xué)習(xí)模塊根據(jù)歷史數(shù)據(jù)，對(duì)未來一個(gè)運(yùn)行周期內(nèi)（例如一天或一周）的指標(biāo)數(shù)據(jù)情況（取分布值或期望值）進(jìn)行預(yù)測(cè)，并通過機(jī)器學(xué)習(xí)算法對(duì)檢測(cè)算法模型所需的參數(shù)進(jìn)行更新。

3.更新數(shù)據(jù)。反饋學(xué)習(xí)模塊將經(jīng)學(xué)習(xí)得到的對(duì)未來的預(yù)測(cè)結(jié)果，存儲(chǔ)到未來預(yù)測(cè)數(shù)據(jù)庫中，并更新檢測(cè)算法模型參數(shù)，將數(shù)據(jù)存儲(chǔ)到模型參數(shù)數(shù)據(jù)庫中，以此實(shí)現(xiàn)告警的智能配置，達(dá)到智能監(jiān)控的目的。

（5）數(shù)據(jù)運(yùn)用模塊

基于采集到的全方位多層次的日志數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)規(guī)則庫和算法庫成果，實(shí)現(xiàn)對(duì)日志數(shù)據(jù)的挖掘應(yīng)用，從而提升日志數(shù)據(jù)的應(yīng)用價(jià)值，依托分布式流計(jì)算能力，實(shí)現(xiàn)實(shí)時(shí)告警、智能告警，同時(shí)從日志數(shù)據(jù)中分析數(shù)據(jù)流向，進(jìn)行數(shù)據(jù)追蹤溯源。

1.負(fù)載告警。對(duì)埋點(diǎn)日志進(jìn)行實(shí)時(shí)分析，在一個(gè)統(tǒng)計(jì)周期內(nèi)，按操作名稱分組后進(jìn)行聚合統(tǒng)計(jì)，分析各業(yè)務(wù)模塊被調(diào)用的次數(shù)，當(dāng)調(diào)用次數(shù)超過配置的閾值時(shí)給出告警信息。

2.耗時(shí)告警。對(duì)埋點(diǎn)日志進(jìn)行實(shí)時(shí)分析，在一個(gè)統(tǒng)計(jì)周期內(nèi)，按操作名稱分組后進(jìn)行聚合統(tǒng)計(jì)，分析各業(yè)務(wù)模塊被調(diào)用的平均耗時(shí)，當(dāng)調(diào)用耗時(shí)超過配置的閾值時(shí)給出告警信息。

3.失敗率告警。對(duì)埋點(diǎn)日志進(jìn)行實(shí)時(shí)分析，在一個(gè)統(tǒng)計(jì)周期內(nèi)，按操作名稱分組后進(jìn)行聚合統(tǒng)計(jì)，分析各業(yè)務(wù)模塊被調(diào)用的失敗次數(shù)與總次數(shù)的比例，當(dāng)調(diào)用失敗率超過配置的閾值時(shí)給出告警信息。

4結(jié)論

不同于傳統(tǒng)的通過打印日志形式來記錄運(yùn)行數(shù)據(jù)的監(jiān)控系統(tǒng)，本文介紹了一種基于埋點(diǎn)技術(shù)實(shí)現(xiàn)的智能監(jiān)控系統(tǒng)，解決傳統(tǒng)監(jiān)控系統(tǒng)存在的日志數(shù)據(jù)記錄不全、監(jiān)控項(xiàng)擴(kuò)展困難、日志存儲(chǔ)效率低下、日志分析不足、異常誤報(bào)等問題。本文深入探討了基于埋點(diǎn)的定制化日志服務(wù)架構(gòu)，實(shí)現(xiàn)日志數(shù)據(jù)的全方位采集、高效率存儲(chǔ)及快速檢索。使用Flume統(tǒng)一對(duì)日志數(shù)據(jù)進(jìn)行采集上報(bào)。利用Flume高可用、高可靠特點(diǎn)對(duì)分布式的海量日志進(jìn)行采集聚合和傳輸。使用Kafka接收Flume收集的日志，利用Kafka高吞吐量的特點(diǎn)，保證數(shù)據(jù)不丟失，同時(shí)滿足日志離線分析及實(shí)時(shí)日志處理與聚合。依托機(jī)器學(xué)習(xí)，從日志數(shù)據(jù)中不斷反饋學(xué)習(xí)各類數(shù)據(jù)特征與規(guī)律，將學(xué)習(xí)成果用于分析最新采集到的數(shù)據(jù)中，檢測(cè)出異常數(shù)據(jù)，從而達(dá)到智能預(yù)警的效果。此外，通過對(duì)日志數(shù)據(jù)進(jìn)行實(shí)時(shí)計(jì)算、離線分析等，可進(jìn)一步實(shí)現(xiàn)對(duì)日志數(shù)據(jù)的挖掘應(yīng)用，從而提升日志數(shù)據(jù)的應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]宋智宇.商業(yè)銀行智能監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[M].電子工業(yè)出版社，2010.

[2]陸曉燕，魏暉.網(wǎng)絡(luò)運(yùn)維智能化，開啟運(yùn)維新價(jià)值[J].通信世界，2015（21）：43.

[3]張晶，黃小鋒.一種基于微服務(wù)的應(yīng)用框架[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2016，25（9）：265-270.

[4]蔣勇.基于微服務(wù)架構(gòu)的基礎(chǔ)設(shè)施設(shè)計(jì)[J].軟件，2016，37（5）：93-97.

[5]金剛，鄭志榮.面向云計(jì)算環(huán)境的安全服務(wù)平臺(tái)[J].指揮信息系統(tǒng)與技術(shù)，2016，7（6）：81-86

[6]丁乙，李榮寬，汪敏，等.面向軍用微服務(wù)的服務(wù)網(wǎng)格架構(gòu)研究與設(shè)計(jì)[J].指揮信息系統(tǒng)與技術(shù)，2020，11（1）：18-23.

[7]陳奡，謝俊杰，趙梅，等.基于機(jī)器學(xué)習(xí)的軍事裝備知識(shí)分類方法[J].指揮信息系統(tǒng)與技術(shù)，2020，11（4）：34-39.

作者簡(jiǎn)介：王會(huì)（1988.10-），男，漢族，安徽宿州人，中國電子科技集團(tuán)公司第二十八研究所，軟件開發(fā)工程師，研究方向：基于微服務(wù)架構(gòu)的敏捷開發(fā)。

（中國電子科技集團(tuán)第二十八研究所 江蘇南京 210001）