一种用于工业软件系统的自适应API网关智能路由方法、系统、设备及介质与流程

本发明涉及半导体制造，具体地说，涉及一种用于工业软件系统的自适应api网关智能路由方法、系统、设备及介质。

背景技术：

1、随着工业软件系统向微服务架构演进，api网关成为系统的核心枢纽。工业场景的api调用具有以下特殊性：

2、1.时序依赖严格：设备控制类api必须按严格顺序执行（如“设备锁定→参数下发→设备解锁”），顺序错误可能导致设备损坏；

3、2.安全等级分明：不同api的安全等级差异显著（l1紧急停机到l4数据监控），低等级服务不能调用高等级服务；

4、3.确定性要求高：控制类api的延迟抖动必须<10ms，否则影响工艺质量；

5、4.故障影响严重：一个服务故障可能通过api调用链引发级联故障，影响整条生产线。

技术实现思路

1、本发明针对现有的优化方法无法预测故障传播、未考虑工业场景特殊约束、缺乏安全验证机制的问题，提出一种用于工业软件系统的自适应api网关智能路由方法、系统、设备及介质；通过构建api调用因果图，预测故障传播路径，在故障扩散前主动规避；将时序依赖、安全等级、确定性要求建模为约束，融入路由决策；并通过多阶段灰度验证确保新策略安全上线，消除了模型更新导致的故障风险。

2、本发明具体实现内容如下：

3、一种用于工业软件系统的自适应api网关智能路由方法，具体包括以下步骤：

4、步骤s1：采集api调用数据，调用pc算法构建服务间有向因果图；

5、步骤s2：根据服务间有向因果图、设定的异常检测触发条件，预测故障传播并规避，输出规避后的路由调整策略及下游服务实时健康状态；

6、步骤s3：根据步骤s2输出的规避后的路由调整策略及下游服务实时健康状态，构建工业约束，并根据工业约束构建约束感知gnn子模型，得到综合奖励函数并归一化，输出归一化后的综合奖励值；

7、步骤s4：根据步骤s3输出的归一化后的综合奖励值，初始化约束感知gnn子模型得到影子模型，调用构建的影子模型与主模型即约束感知gnn子模型并行运行，对实时请求进行虚拟路由，并多阶段灰度验证；

8、步骤s5：采用三级序列学习器架构，分别负责不同时间尺度的路由优化，输出最终路由权重表，所述最终路由权重表用于确定各服务实例的api请求路由比例。

9、为了更好地实现本发明，进一步地，所述步骤s1具体包括以下步骤：

10、步骤s11：采集api调用数据；

11、步骤s12：根据api调用数据，将服务实例的安全等级作为节点属性，将granger因果系数作为边属性，调用pc算法构建服务间有向因果图；其中，所述节点属性中的安全等级根据api调用数据中的业务优先级字段映射得到，所述边属性中的granger因果系数根据api调用数据中的调用时间戳、响应时间序列计算得到。

12、为了更好地实现本发明，进一步地，所述步骤s2具体包括以下步骤：

13、步骤s21：根据服务间有向因果图、设定的异常检测触发条件，检索当前异常服务的边、下游服务列表及granger因果系数，所述出边为因果图中从当前异常服务指向其下游服务的有向边，所述下游服务为所述出边的终点节点所对应的服务；

14、步骤s22：根据下游服务列表调用dbn预测故障概率，得到下游服务的实时健康状态，所述dbn为根据历史故障传播记录和因果图结构预先构建的动态贝叶斯网络模型；

15、步骤s23：根据实时健康状态判断当前风险等级，并根据风险等级执行对应的路由调整策略；

16、步骤s24：根据调整后的下游服务的实时健康状态，计算预测准确率，若预测准确率小于设定的阈值，则调整dbn模型参数，记录至故障模式库。

17、为了更好地实现本发明，进一步地，所述步骤s3具体包括以下步骤：

18、步骤s31：根据步骤s2输出的规避后的路由调整策略及下游服务实时健康状态，将路由调整策略中的风险等级、流量调整比例及安全限制转化为动态风险约束，并融合时序依赖约束、安全等级约束和确定性抖动约束，构建工业约束；

19、步骤s32：根据构建的工业约束，将安全等级作为节点特征、将granger因果系数、时序依赖类型和业务优先级权重作为边特征，根据设定的图卷积层数构建中期策略学习器中的约束感知gnn子模型；

20、步骤s33：根据构建的约束感知gnn子模型，计算响应时间得分、成功率得分、安全合规性得分、抖动惩罚得分；

21、步骤s34：根据设定的权重系数、响应时间得分、成功率得分、安全合规性得分、抖动惩罚得分，构建综合奖励函数并归一化，输出归一化后的综合奖励值，所述归一化后的综合奖励值用于评价路由策略的优劣并作为步骤s4中影子模型与主模型的训练优化目标。

22、为了更好地实现本发明，进一步地，所述步骤s4具体包括以下步骤：

23、步骤s41：调用影子模型与主模型并行运行，对实时请求进行虚拟路由，记录决策不执行；所述主模型为步骤s32构建的约束感知gnn子模型与ppo强化学习模型在中期策略学习器框架内融合形成的路由决策模型，所述影子模型为与主模型结构相同、参数独立更新的副本模型；

24、步骤s42：多阶段灰度验证，得到验证结果；

25、步骤s43：根据验证结果，执行回滚操作。

26、为了更好地实现本发明，进一步地，所述步骤s5具体包括以下步骤：

27、步骤s51：根据当前服务实例集合、获取的实时监控数据，根据设定的三级学习器协同机制，得到聚合特征；

28、步骤s52：根据第一级评分、第二级策略、第三级因果预测、设定的权重，计算路由权重，得到路由权重表，所述路由权重表用于确定各服务实例的api请求路由比例，路由权重越高表示该服务实例被分配的请求比例越高。

29、基于上述提出的一种用于工业软件系统的自适应api网关智能路由方法，为了更好地实现本发明，进一步地，提出一种用于工业软件系统的自适应api网关智能路由系统，用于执行上述的一种用于工业软件系统的自适应api网关智能路由方法，包括因果图构建单元、故障传播预测单元、约束构建单元、多阶段灰度验证单元、优化单元；

30、所述因果图构建单元，用于采集api调用数据，调用pc算法构建服务间有向因果图；

31、所述故障传播预测单元，用于根据服务间有向因果图、设定的异常检测触发条件，得到规避后的路由；

32、所述约束构建单元，用于根据规避后的路由，构建工业约束，并根据工业约束构建约束感知gnn子模型，得到奖励函数并归一化，得到归一化后的奖励值；

33、所述多阶段灰度验证单元，用于根据归一化后的综合奖励值初始化约束感知gnn子模型得到影子模型，将约束感知gnn子模型与影子模型并行运行，将从api网关获取的api调用请求进行虚拟路由，并多阶段灰度验证；

34、所述优化单元，用于根据灰度验证结果、构建的三级序列学习器架构，根据设定的比例分发至对应服务实例，完成智能路由。

35、基于上述提出的一种用于工业软件系统的自适应api网关智能路由方法，为了更好地实现本发明，进一步地，提出一种电子设备，包括存储器和处理器所述存储器上存储有计算机程序；当所述计算机程序在所述处理器上执行时，实现上述的一种用于工业软件系统的自适应api网关智能路由方法。

36、基于上述提出的一种用于工业软件系统的自适应api网关智能路由方法，为了更好地实现本发明，进一步地，提出一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机指令；当所述计算机指令在上述的电子设备上执行时，实现上述的一种用于工业软件系统的自适应api网关智能路由方法。

37、本发明具有以下有益效果：

38、（1） 本发明构建api调用因果图，预测故障传播路径，实现在故障扩散前主动规避。

39、（2） 本发明将时序依赖、安全等级、确定性要求建模为约束，融入路由决策，实现工业约束感知的gnn+rl路由优化。

40、（3） 本发明通过多阶段灰度验证确保新策略安全上线，消除模型更新导致的故障风险。