[发明专利]一种基于遗传算法的微服务关注点过载异味重构方法

权利要求书

1.一种基于遗传算法的微服务关注点过载异味重构方法，其特征在于，包括以下步骤：

S1：抽取微服务系统的代码文件依赖矩阵，用于评估主题的内聚度、重构单元的聚类相似度以及重构方案的结构性模块化质量；

S2：对微服务系统进行主题建模，挖掘出各个服务下的关注点信息，并基于关注点阈值检测出关注点过载的服务；

S3：按照一定的粒度将关注点过载的服务转换成重构单元集合，将对其重构的过程描述为对其重构单元集合的模块化分解过程；

S4：使用多目标遗传算法搜索高质量的重构方案列表，并基于优化目标的欧式距离来筛选最优方案。

2.根据权利要求1所述的基于遗传算法的微服务关注点过载异味重构方法，其特征在于，步骤S1中，抽取微服务系统的代码文件依赖矩阵的具体步骤包括：

S1-1：设置文件过滤器，用于限定代码文件的范围，排除配置文件、测试文件、数据文件等其他类型文件的干扰；

S1-2：根据文件过滤器递归读取目标微服务系统的所有源代码文件列表；

S1-3：设定需要抽取的目标依赖类型，包括但不限于：方法调用、包导入、子类继承、接口实现、属性调用、作为参数、作为返回值、类型转换、聚合包含、实例化；

S1-4：使用Antlr语法处理工具读取所有代码文件的指定依赖关系；

S1-5：根据代码文件的依赖关系，生成0-1依赖矩阵，用于计算主题内聚度；

S1-6：根据代码文件的依赖关系，生成加权依赖矩阵，用于聚类生成重构单元。

3.根据权利要求1所述的基于遗传算法的微服务关注点过载异味重构方法，其特征在于，对微服务系统进行主题建模并检测关注点过载异味的具体步骤包括：

S2—1：基于文件过滤器获得的代码文件列表，读取所有代码文件的文本内容；

S2—2：对代码文件的文本内容，依次进行：分词、驼峰拆分、小写转换、去停用词、去杂质词、重要程度筛选、词干提取等操作，得到每个代码文件对应的语义词汇表；

S2--3：设定初始参数，采用LDA算法对微服务系统全部的代码文件词汇表进行主题建模；

S2--4：根据主题模型的困惑值反馈，不断调整LDA参数至理想的参数组合；

S2--5：计算每个主题词与各个服务间的关联概率，并基于主题词与文件的关联概率阈值、主题词与服务的关联概率阈值、主题本身的内聚度阈值筛选出与主题高度相关的服务集合；

S2--6：从每个主题词高度相关的服务集合中，反推出每个服务下高度相关的主题词，作为各个服务下的关注点信息；

S2--7：基于关注点阈值参数，将包含关注点数量超过该阈值的服务视为关注点过载的服务，即关注点过载异味的出现。

4.根据权利要求1所述的基于遗传算法的微服务关注点过载异味重构方法，其特征在于，将关注点过载的服务转换成重构单元集合的具体步骤包括：

S3-1：使用权利要求2中的文件过滤器，读取过载服务下的全部代码文件；

S3-2：根据指定的重构单元粒度设置，将代码文件的加权依赖矩阵用于计算相似度，应用k中心点聚类算法生成过载服务下的重构单元集合。

5.根据权利要求1所述的基于遗传算法的微服务关注点过载异味重构方法，其特征在于，使用遗传算法来获得重构方案的具体步骤包括：

S4--1：将遗传算法的个体编码成过载服务相应重构单元集合的标签数组；

S4--2：设置遗传算法的参数，包括但不限于：最大进化代数、最大种群规模、交叉概率、变异概率、最大不同基因型数量；

S4--3：设置遗传算法的适应度目标，包括：结构性模块化质量、语义模块化质量、重构成本；

S4--4：应用NSGA-II算法完成多目标搜索，最终得到的第一前沿解集经关注点过载检测过滤后输出为重构方案列表；

S4--5：基于三个适应度优化目标的欧式距离，筛选最优重构方案。