欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024112424925
申请人: 广州旭诚信息技术有限公司
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于云计算的软件开发方法,其特征在于,包括步骤:S1,在微服务架构中,对每项特性标志进行系统性能一致性分析与依赖路径复杂度评估,分别获取环境适应性谱和跨模块依赖熵,并基于此对特性标志进行分片管理;

环境适应性谱的获取逻辑为:

a1,在不同的执行环境中记录特性标志启用时的系统性能数据;

a2,对时间序列进行去噪和归一化处理,确保数据质量;

a3,通过快速傅里叶变换将时间域信号转换为频域信号,提取频谱特征;

a4,计算不同环境下频谱特征的差异,衡量特性标志在各环境下的频谱差异;

a5,计算开发环境与测试环境、开发环境与生产环境、测试环境与生产环境之间的频谱差异度,频谱差异度是通过1减去余弦相似度得到;

a6,计算所有环境对的频谱差异度的总和,得到总频谱差异,然后,根据总频谱差异计算环境适应性谱,环境适应性谱EAS=1/(1+总频谱差异);

跨模块依赖熵的获取逻辑为:

b1,在代码仓库中收集特性标志在不同模块中的依赖关系数据,记录依赖调用路径和频率;

从代码仓库中提取特性标志在各模块中的依赖关系,形成依赖调用路径,依赖调用路径表示特性标志在不同模块间的调用顺序,每个调用路径记录调用频率和路径标识;

b2,对依赖关系数据进行去重和标准化处理;

b3,构建特性标志在不同模块中的依赖调用路径树,记录每个路径的调用频率;

将标准化后的依赖调用路径Pi及其调用频率C′i组织成树结构,根节点为特性标志,子节点为依赖模块,每条路径从根节点出发,经过多个子节点,形成完整的调用路径;

b4,计算每条依赖调用路径的复杂度,使用路径复杂度公式;计算每条依赖调用路径的长度L(Pi);

路径长度公式:其中,ni为路径Pi上的节点数;dj,j+1为节点j到节点j+1的距离;根据路径长度和调用频率计算路径复杂度C(Pi);

路径复杂度公式:C(Pi)=-L(Pi)log(C′i+ε),其中,C′i为标准化后的调用频率;ε为防止对数零值的极小常数;

b5,将所有依赖调用路径的复杂度总和通过自然对数的底转换后,计算出跨模块依赖熵,以综合衡量特性标志的依赖复杂性;

计算所有依赖调用路径的复杂度总和S,总和公式:m为总路径数;

计算跨模块依赖熵,具体公式如下:CMDE=(1+eS)-1;

S2,搭建Neo4j图数据库,构建特性标志、代码模块、配置项的节点和依赖关系的边,定期提取并导入特性标志及其依赖关系,形成实时更新的依赖关系图;

S3,利用Neo4j图数据库的查询和分析能力,计算特性标志的功能冗余指数和调整成本指数,并将两者进行结合获得优化警示系数,基于优化警示系数生成优化和清理建议,分发红色、黄色和绿色信号,指导优先优化、监控评估和定期检查;功能冗余指数的获取逻辑为:d1,提取每个特性标志的功能特性,形成功能特征向量;

为每个特性标志定义功能特性集合G,包括输入参数、输出结果、关键操作、涉及的模块;

将功能特性转化为特征向量Xa;Xa=[g1,g2,...,gm];

gl表示性标志的第l个功能特性值;m表示功能特性的总数;

d2,计算每对特性标志之间的功能相似度;

使用余弦相似度衡量功能特征向量之间的相似度,余弦相似度公式:Xa,Xb表示特性标志的功能特征向量;||Xa||表示特征向量的模;

计算所有特性标志对之间的功能相似度,形成功能相似度矩阵M,矩阵元素:Mab=CosSim(Xa,Xb);

d3,评估每个特性标志的功能重叠度;

计算特性标志与其他所有特性标志的功能重叠度,功能重叠度公式:Oa表示特性标志a的功能重叠度;N表示特性标志的总数;

d4,引入功能重要性,调整重叠度的权重;

为每个特性标志分配功能重要性权重Qa,基于其在系统中的关键程度,重要性权重公式:Criticalitya表示特性标志a的关键程度;c是一个变化的索引,用于遍历系统中的每个特性标志,范围从1到N;

计算加权后的功能重叠度,加权重叠度公式:d5,基于加权功能重叠度,计算每个特性标志的功能冗余指数;

结合加权重叠度和功能相似度矩阵,计算功能冗余指数FRI,冗余指数公式:FRIa表示特性标志a的功能冗余指数;Mab表示特性标志a和b之间的功能相似度;

调整成本指数的获取逻辑为:

e1,评估特性标志在代码中的修改难度,形成功能复杂度评分;

计算特性标志在代码库中涉及的文件和模块数量,标记为Da;

评估特性标志的代码修改可能影响的逻辑路径和函数调用链长度,标记为Ia;

结合代码分布广度和修改影响范围,计算代码修改复杂度Ca,公式:Ca=Da×log(Ia+1);

e2,评估特性标志在测试中的覆盖情况,形成功能测试覆盖度评分;

计算特性标志在单元测试中的覆盖率,标记为Ua;

计算特性标志在集成测试中的覆盖率,标记为Ja;

结合单元测试和集成测试覆盖率,计算功能测试覆盖度Ta,公式:e3,评估特性标志的调整对系统部署过程的影响,形成部署影响评分;

计算特性标志所在模块的部署频率,标记为La;

评估特性标志调整对其他服务和模块的影响程度,标记为Ra;

结合部署频率和影响范围,计算部署影响评分Pa,公式:e4,结合代码修改复杂度、测试覆盖度和部署影响,计算调整成本指数;

综合代码修改复杂度、测试覆盖度和部署影响,计算调整成本指数ACIa,公式:S4,基于图数据库的分析结果,生成的警示信号通过自动化工具和CI/CD管道实时分发。

2.根据权利要求1所述的基于云计算的软件开发方法,其特征在于:步骤S1包括以下内容:

c1,对环境适应性谱和跨模块依赖熵进行归一化处理;

c2,提取环境适应性谱和跨模块依赖熵的高阶特性,构建多维度特征空间;

构建环境适应性谱和跨模块依赖熵的特征交互矩阵M,其中Mov=EASo×CMDEv表示第o个特性标志在适应性和依赖度上的交互关系;

利用交互矩阵生成高阶特性,包括二次项、三次项和多项式特征,用于捕捉环境适应性谱和跨模块依赖熵之间的复杂关系;

生成二次特征:EAS2,CMDE2,EAS×CMDE;

生成三次特征:EAS3,CMDE3,EAS2×CMDE,EAS×CMDE2;

c3,使用随机森林回归模型对高阶特性进行训练,评估每个特性的特征重要性;

c4,基于特征重要性分析结果,选择最重要的特征进行组合;选择特征重要性评分最高的前k个特性进行组合;将选择的高阶特性进行组合,构建新的特征向量,用于综合评分计算;

c5,通过特性组合,计算综合评分,优化特性标志分片管理;

计算每个特性标志的特性评分,使用特征重要性评分最高的前k个特性进行组合;

综合考虑高阶特性和特性组合的交互影响,计算最终的综合评分;

综合评分S为:其中Importanceo为第o个特性的特征重要性;特性评分向量F为选定高阶特性的组合;

c6,将综合评分分别和第一分类阈值、第二分类阈值进行比较:对于综合评分大于第二分类阈值的特性标志,分配到高优先级的微服务模块;对于综合评分大于或等于第一分类阈值且小于或等于第二分类阈值之间的特性标志,分配到中等优先级的微服务模块;对于综合评分小于第一分类阈值的特性标志,分配到低优先级的微服务模块或隔离环境。

3.根据权利要求1所述的基于云计算的软件开发方法,其特征在于:步骤S2包括以下内容:

S2.1,在云平台搭建Neo4j图数据库的节点和边模型,节点包括特性标志、代码模块和配置项,边表示依赖关系和调用路径;

S2.2,将步骤S1中生成的特性标志依赖关系数据进行预处理和格式转换;

其中,特性标志依赖关系数据,包括每个特性标志在各模块中的依赖频率、依赖路径的复杂度、以及这些依赖关系的结构化表示;

S2.3,将预处理后的特性标志、代码模块和配置项的数据导入Neo4j图数据库,建立初始的依赖关系图;

S2.4,从代码仓库和系统日志中定期提取最新的特性标志及其依赖关系数据,并将提取到的新数据导入Neo4j图数据库。

4.根据权利要求1所述的基于云计算的软件开发方法,其特征在于:步骤S3包括以下内容:

利用Neo4j的查询功能,对导入的数据进行分析,计算每个特性标志的功能冗余指数和调整成本指数,并将两者进行结合获得优化警示系数;

对于优化警示系数大于第二警示阈值的特性标志,建议优先进行优化和清理,生成红色信号;

对于优化警示系数大于或等于第一警示阈值且小于或等于第二警示阈值,建议保持监控并定期评估其状态,生成黄色警示信号;

对于优化警示系数小于第一警示阈值的特性标志,建议暂时不做改动,生成绿色警示信号。