一种SDN-FOG环境下工厂微服务体系的故障应对方法

一种sdn-fog环境下工厂微服务体系的故障应对方法
技术领域
1.本发明涉及工业物联网技术领域，尤其涉及一种sdn-fog环境下工厂微服务体系的故障应对方法。

背景技术：

2.近年来，工业4.0被认为是新一代工业革命的重要推动力，工业物联网(iiot)已经引起了广泛关注，它可以满足各种实际工厂应用场景，如远程适配和配置、智能操作和维护、设备协同控制等。iiot将物理实体与基于互联网技术标准的计算能力连接起来，通过工业数据建模、管理和分析，以信息和数据技术推动生产。iiot一般有严格的服务质量(qos)要求，比如非常短的响应时间要求、负载平衡问题、能耗问题和可靠性问题。考虑到云计算服务器通常远离现场设备，存在的延迟可能会使足够短响应时间的过程复杂化，为了支持具有严格响应时间要求的应用程序，雾计算范式正在兴起。雾计算将计算资源部署到更接近最终用户的地方，边缘的雾计算可以在本地快速计算和分析数据，并将相关的按需处理数据流从事件地理位置传传输到核心平台，提高整体网络效率。为了提高对边缘雾计算设备的管理效率，可以引入软件定义网络(sdn)技术，这是一种允许通过sdn控制器对网络进行编程的范式，允许进行可编程的路由优化，当有新设备添加到基础设施中时，这种延迟优化可扩展且灵活。此外，sdn架构还允许网络控制器监控网络和计算设备，从基础设施收集性能信息。在工业物联网的雾基础设施中使用多个协调的sdn控制器，可以提高整体基础设施的qos。当在工厂中部署了基于sdn的雾基础设施后，可以通过利用iiot将其转换为信息物理智能工厂，工厂环境的数字化有助于实现新的自动化范式，实现更加灵活和安全的运转。
3.在sdn-fog环境下，工厂的运营可以由微服务体系结构来实现，这是一种很有前途的架构，它将单个软件分解为一组松散耦合的容器化微服务，支持分布式部署，并将它们关联到多个微服务链以服务于请求，这样可以显著缩短更改系统和将更改应用到生产环境中的时间，降低开发和维护成本，并提高了灵活性。目前，在sdn-fog环境下与微服务开发、部署、扩展和维护相关的优化问题主要有三大类：一是分散计算分布问题，主要研究在雾计算环境中，微服务使用哪个节点以及节点应该承载应用程序的哪个部分。该类问题一般以平均响应时间为优化目标，假定网络是一个提供特定延迟的静态实体，sdn设备负责从基础设施收集信息，然后通过路由优化等技术来最小化网络延迟，但该类问题一般都是在设计架构时考虑优化，很少考虑故障情况下的微服务重新部署。二是最优控制器放置问题，sdn交换机和控制器之间的时延会影响sdn架构中任意两台设备之间的时延，该类问题一般假定流量不会根据网络实现的延迟而改变，研究控制器的布置与网络拓扑和网络中流量引导方式的关系，然后优化控制延迟和数据传输延迟，但该类问题一般也是在设计架构时考虑优化，很少考虑故障情况下的实时控制流。三是路径优化问题，一般将系统的响应时间视为要优化的服务质量指标，响应时间是执行时间和传输延迟的组合。该类问题一般通过建立多目标优化问题，联合考虑服务执行时间和传输延迟，为工作流安排最合适的路径，但该类问
题的场景都是在正常运行时考虑路由优化，缺少对故障情况下的重路由的考虑。
4.微服务在工业场景中的应用已经引起了研究界的兴趣，然而如上所述，大多数现有的将微服务应用于智能工厂的研究都集中在一般的体系结构原则和优化部署方案上，只有少数工作考虑了微服务架构下的故障应对方案，且它们的范围一般很窄，只提供有限的适应形式(如自我修复和运行时的位置适应等)。这些研究将微服务架构和自适应系统结合了起来，设计的自适应系统可以在运行时监控其行为并更改其配置，以在不确定的操作条件下(如工作负载变化和故障风险等)保持和增强微服务体系的质量属性。目前来看，研究微服务在实际工厂中的应用时，除了考虑执行时间和延迟等关键因素，将动态网络拓扑变化、工作流变化、故障预防和故障处理纳入考虑也是很有必要的。
5.设计能够实现自动故障处理的自适应系统涉及到在观察网络环境时对环境和系统本身做出设计决策，然后选择合适的适应机制。在基于sdn-fog环境的微服务体系结构中，由于运行时组件数量众多，且具有独立性和高度动态性，用于做出自适应决策的设计空间更加复杂。首要的挑战就是：如何开发监控和适应机制，以应对微服务体系结构质量属性的多样性。可以考虑的主要优化点包括：1)响应时间。2)节点可靠性。3)网络开销。4)负载平衡(若只在一个或几个节点上运行微服务，将导致服务执行性能下降。因此，在雾计算场景中一般需要考虑节点负载增加导致的性能下降)。
6.微服务体系的特点，即独立和频繁地部署、对高度自动化的需求以及复杂的运行体系结构，可以促进自适应系统的进一步研究和开发。相应地，自适应系统提供了一个面向控制的视角，研究故障应对方案是设计自适应系统的重要一环，目前为微服务体系结构设计自适应相关方案的工作主要有以下两种：一是通过利用大量的理论和实践结果，设计动态规划算法，为每个微服务选择最佳的适应策略。在系统运行时，不断采集网络中的信息，确定被控对象的当前实际工作状态，根据应用程序的设定，在达到设定阈值的时间点，触发自适应控制规律，从而实时地调整系统结构或参数，使系统始终自动地工作在最优或次最优的运行状态。二是通过强化学习方法，从过去的适应结果中学习新的适应策略，提高整体微服务体系的质量属性，实现在不确定性条件下进行策略推理和实现多目标优化，以满足多种可能相互冲突的服务质量需求。从解决模型的角度来看，强化学习由于在解决战略决策问题方面的显著优势而被应用于微服务体系的自适应方案设计。
7.通过上述背景的介绍与分析，可以看到，针对sdn-fog环境下的信息物理智能工厂，微服务体系的故障应对方案设计主要面临以下三个困难：1)所提出的方案不仅需要考虑故障应对方案，基本的服务质量指标也要得到满足，如在研究故障恢复的路由优化环节时，仍应优化响应时间、能耗和负载等质量指标。2)工业场景下微服务体系的现有技术很少考虑故障应对方案的设计，且与微服务体系的故障应对相关的问题不止一种，要尽可能多的考虑相关问题，如故障预防和重路由代价等。3)现实工业场景中的工作流数量、雾节点数量和所需微服务数量，会对所提出算法产生影响，因此设计出的解决方案需要有在实际场景中的弹性，且提出的算法要能够对随时间动态变化的工作流进行快速响应。
8.可见，对雾计算、sdn、微服务的研究相对独立，将三者结合在一起考虑，针对sdn-fog环境下的微服务开发、部署、管理和扩展的研究工作有限，该环境下与故障应对相关的研究更少。针对工业场景下微服务体系的现有技术对微服务体系的优化部署方案进行了充分的研究，但很少考虑微服务体系的自适应设计，目前只有少数工作解决了为微服务体系
开发自适应方案的具体挑战，故障应对作为自适应设计的关键一环，相关研究工作数量也较少。针对微服务体系的故障应对方案的现有技术考虑的范围一般较窄，更多聚焦于故障处理和编排新的工作流，对故障预防、重路由代价的考虑不够。微服务体系的质量属性具有多样性，在故障应对方案设计时，缺少对响应时间、节点可靠性、网络开销和负载的综合考虑。
9.因此，本领域的技术人员致力于开发一种sdn-fog环境下工厂微服务体系的故障应对方法。搭建基于sdn-fog环境的微服务体系的故障处理框架，构建能够同时考虑网络资源约束、工作流响应时间、负载、能量消耗和故障应对的整数规划问题，使用gurobi求解器得到最优响应策略。对故障处理响应时间要求严格的场景，设计次优的启发式算法来简化流程，解决优化问题的可扩展性，得到自适应的解决方案，适用于实际工厂场景的网络。

技术实现要素：

10.有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是开发一种sdn-fog环境下信息物理智能工厂微服务体系的故障应对方案。建立了符合实际工厂运营场景的系统模型，搭建了基于sdn-fog环境的微服务体系的故障处理框架，并构建了一个能够同时考虑网络资源约束、工作流响应时间、负载、能量消耗和故障应对的整数规划问题，以此为基础设计了应用层的故障应对程序的逻辑，提出的两个自适应相关的优化问题可以使用gurobi求解器得到最优响应策略。对故障处理响应时间要求严格的场景，又设计了一个次优的启发式算法来简化流程，解决所提优化问题的可扩展性，得到的解决方案是一个自适应的方法，适用于实际工厂场景的网络。
11.为实现上述目的，本发明提供了一种sdn-fog环境下工厂微服务体系的故障应对方法，包括以下步骤：
12.步骤1、建立基于sdn-fog环境的微服务体系故障处理架构；
13.步骤2、系统建模，描述基础设施、传输网络，雾计算设备之间的关系；
14.步骤3、构建整数规划问题，故障应对程序；
15.步骤4、使用求解器求解最优的应对策略；
16.步骤5、对故障响应时间要求特别严格的故障处理的场景，使用启发式算法。
17.进一步地，所述步骤1基于sdn-fog环境的微服务体系故障处理架构中包括应用层、控制层、基础层。
18.进一步地，所述应用层包括故障处理程序、定时器和功能性程序。
19.进一步地，所述控制层包括故障应对方案所需的各类组件。
20.进一步地，所述基础层，部署支持sdn控制的交换机，交换机在时隙中具有不同的故障概率，中央总控制器连接到交换机以汇总网络拓扑和流量信息，并使用南向接口动态编程配置交换机；每个交换机连接一个雾节点，合并视为一个节点；每个雾节点都对应了一组工业物联网设备和雾服务器。
21.进一步地，所述步骤1包括以下步骤：
22.步骤1.1、连接到工厂现场设备的传感器不断地采集信息，传感器数据经预处理之后发送给连接的支持sdn控制的交换机；网络监控组件从交换机收集包括现场设备、雾节点和交换机在内的节点信息和链路信息，并将信息发送到应用层来持续监视网络流量；
23.步骤1.2、故障检测组件根据网络监控组件收集的信息，判断传输网络是否发生故障；如果检测出交换机或雾节点或链路处发生故障，网络监控组件将当前新的网络拓扑和每个雾节点支持的微服务集发送给故障应对程序；
24.步骤1.3、故障应对程序实时计算，给通过故障节点或链路的工作流重新分配资源；节点配置组件通过调度转发表来将资源分配给工作流，将应用层中故障应对程序做出的故障应对决策应用于交换机及雾节点；
25.步骤1.4、配置完成后刷新定时器，如果因为部分节点或链路故障，导致部分工作流中的微服务无法完成，则报告故障类型，转人工处理；
26.步骤1.5、经过定时器的一个完整周期，激活故障预防组件，主动对网络进行周期性重构，优化工作流的所选路径，提高总体服务质量并降低故障概率。
27.进一步地，所述步骤2包括以下步骤：
28.步骤2.1、传输网络建模；
29.步骤2.2、雾节点与支持的微服务集建模；
30.步骤2.3、工作流建模；
31.步骤2.4、服务质量指标建模。
32.进一步地，所述步骤3包括以下步骤：
33.步骤3.1、定义决策变量；
34.步骤3.2、构建资源约束；
35.步骤3.3、构建与决策变量相关的优化目标；
36.步骤3.4、构建决策变量相关约束；
37.步骤3.5、构建目标函数。
38.进一步地，所述步骤3.5构建目标函数包括网络的故障恢复问题和网络的周期性重构问题。
39.进一步地，所述步骤4求解器包括商用求解器gurobi。
40.在本发明的较佳实施方式中，提出了一种适用于信息物理智能工厂的微服务体系故障处理架构，该架构利用了sdn和雾计算技术，并给出了故障恢复和故障预防的问题描述。对应的优化问题是整数规划的形式，可以用gurobi商用求解器得到最优响应策略。
41.提出的方法考虑了链路和节点的最大利用率和故障概率，优化了网络设备的负载和网络故障的概率，由于网络中的流量需求、节点或链路发生故障的概率会随着时间的变化而变化，考虑到故障预防，该方法会在预定义的时间周期内，以较小的重路由代价对资源进行动态重新分配，使网络处于最佳状态。
42.提出的方法能够在一定程度上优化网络负载和能耗，保证所需的服务质量水平，并能在节点或链路故障的情况下，实时地重新配置网络；并且考虑到了微服务体系质量属性的多样性，可以根据实际情况衡量其权重。
43.提出的次优启发式方法能够对随时间动态变化的工作流进行快速响应，该解决方案是一个自适应的方法，适用于实际工厂场景的网络。
44.在实际操作部署时，可以根据业务需求和质量需求对微服务进行逻辑分组，这对应了每个雾节点支持的微服务集，然后可以用独立的、可感知应用程序的服务器以分层或分布式的结构进行集体管理。
45.本发明与现有技术相比较，具有如下显而易见的实质性特点和显著优点：
46.1.将sdn、雾计算和微服务技术进行融合，在保证常见服务质量指标的前提下，设计了基于sdn-fog环境的微服务体系故障处理架构，对实际工厂运营场景进行了建模，给出了故障处理和故障预防的问题描述，用于设计故障应对程序。
47.2.综合考虑了微服务体系质量属性的多样性，在故障应对方案设计时，把响应时间、节点可靠性、能耗开销和负载都纳入了综合考虑，并可以根据实际情况衡量其权重。
48.3.提出的方案考虑了链路和节点的最大利用率，进行了防过载的故障预防设计，还考虑了链路和节点的故障概率，进行了限制故障概率的故障预防设计，在重路由时考虑了网络流量更改的代价。
49.4.在实际操作时，可以根据业务需求和质量需求对微服务进行逻辑分组，这对应了每个雾节点支持的微服务集，然后可以用独立的、可感知应用程序的服务器以分层或分布式的结构进行集体管理。
50.以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
51.图1是本发明的一个较佳实施例的基于sdn-fog环境的微服务体系故障处理架构；
52.图2是本发明的一个较佳实施例的基础层的详细结构；
53.图3是本发明的一个较佳实施例的基于sdn-fog环境的微服务体系故障应对流程；
54.图4是本发明的一个较佳实施例的启发式算法流程图。
具体实施方式
55.以下参考说明书附图介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
56.在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
57.本发明提出的一种sdn-fog环境下的智能工厂微服务体系故障应对方法，包括以下步骤：
58.步骤一：针对信息物理智能工厂，提出了一种如图1所示的基于sdn-fog环境的微服务体系故障处理架构，主要包括如下步骤：
59.s1，工厂中部署了雾基础设施和工业物联网相关设备，连接到工厂现场设备的传感器不断地采集信息，传感器数据经预处理之后发送给其连接的支持sdn控制的交换机；网络监控组件从交换机收集包括现场设备、雾节点和交换机在内的节点信息和相关链路信息，并将信息发送到应用层来持续监视网络流量。
60.s2，故障检测组件根据网络监控组件收集的信息，判断传输网络是否发生故障。如果检测出交换机或雾节点或链路处发生故障，网络监控组件将当前新的网络拓扑和每个雾节点支持的微服务集发送给故障应对程序。
61.s3，故障应对程序实时计算，给通过故障节点或链路的工作流重新分配资源。节点配置组件根据调度转发表来将资源分配给工作流，将应用层中故障应对程序做出的故障应对决策应用于交换机及雾节点。
62.s4，配置完成后刷新定时器，如果因为部分节点或链路故障，导致部分工作流中的微服务无法完成，则报告故障类型，转人工处理。
63.s5，经过定时器的一个完整周期，激活故障预防组件，主动对网络进行周期性重构，在较小重路由代价的前提下，优化工作流的所选路径，提高总体服务质量并降低故障概率。
64.具体地，如图1所示，基于sdn-fog环境的微服务体系故障处理架构中有三大层:1)应用层，包含了故障处理程序、定时器和其他功能性程序；2)控制层，包含了故障应对方案所需的各类组件等；3)基础结构层，基础层部署了多个支持sdn控制的交换机，这些交换机节点在时隙中具有不同的故障概率，工厂的中央总控制器连接到交换机以汇总网络拓扑和流量信息，并使用南向接口动态编程配置交换机；如图2所示，此架构中设定每个交换机连接了一个雾节点，将其合并视为一个节点；每个雾节点都对应了一组工业物联网设备和雾服务器。在这个工厂场景中，部署了一些功能性应用程序，通过相关传感器收集工厂设备的状态，并在雾服务器中进行处理，从而完成相应的命令，持续监控和管理智能工厂。这些应用程序是使用微服务体系结构设计的，因此包含了不同的独立服务，这些微服务执行特定类型的处理，其功能可以单独请求，也可以通过工作流组合。
65.如图1右半部分所示，基础层又可以分为三部分：物理部分包含工厂的物理设备；网络部分包含支持sdn的交换机和总控制器；计算部分包含工业物联网设备和雾服务器。
66.步骤二：对基础层进行详细的系统建模以描述基础设施、传输网络，雾计算设备之间的关系,主要包括如下步骤：
67.s1，传输网络建模：网络基础结构表示为g＝{n,l},n是节点的集合,l是连接不同交换机的链路的集合。节点i∈n一个元组i＝《pi,ri》，pi是雾节点的计算处理能力(units/s)，一个unit代表一个微周期；ri是节点的ram(mb)。链路l
ij
∈l为一个元组l
ij
＝《d
ij
,c
ij
》，其中，d
ij
为链路的时延(ms)，c
ij
为链路的最大容量(mb/s)，节点i为链路的源，节点j为链路的目的地。考虑到避免过载，用μ1表示最大链路利用率，用μ2表示最大节点利用率；考虑到故障预防，用pi(t)表示节点i的故障概率，用p
ij
(t)表示链路l
ij
的故障概率。那么，网络拓扑可以用矩阵c
n*n
表示，链路的传播延迟可以用矩阵d
n*n
表示，例如：
[0068][0069]
s2，雾节点与支持的微服务集建模：考虑x种不同的微服务，微服务x∈x可以由一个元组来表示x＝《pc
x
,r
x
》，其中pc
x
是单位流量下微服务x所需的处理能力(用所需微周期的数量来衡量)，r
x
是微服务x需要的ram量(mb)。用矩阵nf
n*x
表示每个节点支持的微服务集，nf
(i,x)
＝1表示节点i支持微服务x。在实际操作部署时，可以根据业务需求和质量需求对微服务进行逻辑分组，这对应了每个雾节点支持的微服务集。
[0070]
s3，工作流建模：该架构下我们只考虑无环路由，即节点和链路不会在工作流的路由中使用两次。f是工作流的集合，每个工作流都包含特定功能的执行，根据执行功能所需的微服务数量，在1个到|y|个微服务之间链接,|y|《|x|。工作流f∈f是一个有序元组f＝{m1,m2,
…
,m
|f-1|
,m
|f|
}，每个元素ma与x中的一个微服务x具有完全相同的格式和值，即ma∈x，|f|≤|y|。用cf(t)表示时隙t中f的流量。要执行工作流，数据必须从启动工作流的节点流向执行m1的节点，再从那里流向执行m2的节点，依此类推，最后一项功能性微服务m
|f-1|
完成后，m
|f|
表示需将数据返回到工厂设备或向控制层交付。每个工作流请求的微服务由矩阵r
f*x
表示。表示时隙t中工作流f∈f请求了微服务x∈x。工作流f的启动节点用sf表示，工作流f执行完后，将传输到节点df聚合信息，返回作用于工厂设备或上传至控制层。
[0071]
s4，服务质量指标建模：1)每个雾节点有两种不同的模式：工作和空闲。如果雾节点上没有激活的微服务，雾节点将处于空闲模式；用ei表示工作模式下节点i的能量消耗，在节点空闲模式下，能耗是工作时能耗的一小部分e0+e
idle
(主要是交换机的工作能耗e0加上雾节点的静态能耗e
idle
)，雾节点的当前状态由s
1*n
(t)∈{0,1}指定，设e(t)为网络在时隙t中的能量消耗。2)用表示工作流f可以容忍的最大处理延迟，用表示工作流f的最大容许传播延迟，设t(t)为网络在时隙t中所有工作流的响应时间。3)工作流f在网络中路由的链路故障概率和节点故障概率应小于预定义的阈值m
l
和mn。4)时隙t中网络重路由的代价，用新网络配置下，和原网络配置相比，需要改变的路由数量来衡量。
[0072]
步骤三：构建整数规划问题以描述故障应对程序，主要包括如下步骤：
[0073]
s1，定义0-1决策变量：1)矩阵表示将节点和微服务分配给时隙t中的工作流。表示时隙t中在节点i上执行工作流f中的微服务ma。2)矩阵是工作流的网络链路资源分配，表示工作流f中的微服务ma在时隙t中通过链路l
ij
路由，表示工作流f在时隙t中通过了链路l
ij
。3)雾节点的当前状态由s
1*n
(t)∈{0,1}指定。
[0074]
s2，构建资源约束：约束(1)是节点之间的链路容量约束,
[0075][0076]
约束(2)用于控制每个工作流f在链路中的传输延迟，
[0077][0078]
约束(3)是响应工作流f的链路的故障概率约束，
[0079][0080]
约束(4)是提供微服务的节点的ram容量约束，
[0081][0082]
约束(5)用于控制每个工作流在节点中的处理延迟，
[0083][0084]
约束(6)是响应工作流f的节点的故障概率约束，
[0085][0086]
s3，构建与决策变量相关的优化目标，等式(7)用于计算网络在时隙t中的能量消耗e(t)
[0087][0088]
等式(8)用于计算网络在时隙t中工作流的总体响应时间t(t)
[0089][0090]
等式(9)用于计算网络在时隙t中重路由的代价cost(t)
[0091][0092]
s4，构建决策变量相关约束：约束(10)表示：除了启动工作流的节点和工作流完成后交付的节点，其他中间节点均有流量的输入和输出,
[0093][0094]
约束(11)设定了该架构下我们只考虑无环路由，
[0095][0096]
约束(12)表示工作流到达节点时，执行的是所请求的微服务,
[0097][0098]
约束(13)保证工作流执行微服务的节点上要支持请求的微服务,
[0099][0100]
约束(14)保证了工作流不会多次请求同一微服务，
[0101][0102]
约束(15)保证了只在工作流经过的节点上执行微服务，
[0103][0104]
约束(16)表示当节点向工作流提供微服务时，节点处于工作状态，其中si(t∈{0,1}
[0105][0106]
s5，构建目标函数：本架构下主要考虑两个自适应相关的问题，主要是故障应对方法。
[0107]
1)网络的故障恢复问题：目标函数1优先优化网络流量重新路由的代价，其次优化网络中工作流的总体响应时间，目标是快速做出响应，其中α1》α2。
[0108]
minα1cost(t)+α2t(t)
[0109]
2)网络的周期性重构问题：每经过定时器的一个完整周期，对总体网络进行周期性优化，目标函数2主要优化服务执行时间，节点能耗，使网络达到最佳状态，同时限制重路由的代价不要太大。其中β1》β2》β3。
[0110]
minβ1t(t)+β2e(t)+β3cost(t)
[0111]
步骤四：使用求解器进行求解得出最优的应对策略，经过步骤三可以得出
[0112]
优化问题1的表达为：
[0113]
minα1cost(t)+α2t(t)
[0114]
s.t.(1)-(16)
[0115]
优化问题2的表达为：
[0116]
minβ1t(t)+β2e(t)+β3cost(t)
[0117]
s.t.(1)-(16)
[0118]
两个问题都是整数规划问题，可以直接输入到商用求解器gurobi里求得数值解，相应的完整故障应对流程如图3所示。此外，解决优化问题2时,可以直接使用商用求解器
gurobi；解决优化问题1时，如果对故障响应时间要求特别严格，则可以使用如下所述的次优的启发式算法。
[0119]
步骤五：由于该架构下优化问题的计算复杂度都比较高，故提出一个如图4所示的次优的启发式方法，该方法适用于对故障响应时间要求更严格的故障处理的场景，能够对随时间变化的网络流量进行快速响应，该解决方法是一个自适应的方法，适用于实际工厂场景的网络，具体步骤如下：
[0120]
s1，故障检测组件激活故障应对程序，解决优化问题1时，算法的输入是通过故障节点或链路的工作流集合f
effected
的属性和当前的网络拓扑g＝{n,l}(如果某个节点或链路发生故障，网络拓扑和节点支持的微服务集可能会发生变化)，然后依次为每个受影响的工作流fi∈f
effected
分配资源。
[0121]
s2，根据链路容量约束(1)和传输延迟约束(2)，从当前执行ma∈fi的节点cn出发，删除可用容量或传输延迟不能满足工作流需求的所有链路，然后得到一个列表k，列表k中是从当前节点cn到其他支持当前所需微服务m
a+1
的节点的路径。
[0122]
s3，根据节点容量约束(4)和处理延迟约束(5)，从列表k中删除可用容量或处理延迟不能满足工作流需求的节点，然后从k中选择执行时间最短且满足故障概率约束的新节点nn。
[0123]
s4，将前往新节点nn的路径添加到当前路径中，将当前节点从网络拓扑中删除，防止工作流出现循环。循环s1-s4，直到完成工作流fi中的所有微服务，转s5。
[0124]
s5，输出工作流fi的路径，该工作流将以最优的执行时间完成，继续为下一个受影响的工作流f
i+1
分配资源，循环s1-s5，直到处理完所有受影响的工作流，完成故障处理。
[0125]
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

技术特征：

1.一种sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，包括以下步骤：步骤1、建立基于sdn-fog环境的微服务体系故障处理架构；步骤2、系统建模，描述基础设施、传输网络，雾计算设备之间的关系；步骤3、构建整数规划问题，故障应对程序；步骤4、使用求解器求解最优的应对策略；步骤5、对故障响应时间要求特别严格的故障处理的场景，使用启发式算法。2.如权利要求1所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，所述步骤1基于sdn-fog环境的微服务体系故障处理架构中包括应用层、控制层、基础层。3.如权利要求2所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，所述应用层包括故障处理程序、定时器和功能性程序。4.如权利要求2所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，所述控制层包括故障应对方案所需的各类组件。5.如权利要求2所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，所述基础层，部署支持sdn控制的交换机，交换机在时隙中具有不同的故障概率，中央总控制器连接到交换机以汇总网络拓扑和流量信息，并使用南向接口动态编程配置交换机；每个交换机连接一个雾节点，合并视为一个节点；每个雾节点都对应了一组工业物联网设备和雾服务器。6.如权利要求1所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，所述步骤1包括以下步骤：步骤1.1、连接到工厂现场设备的传感器不断地采集信息，传感器数据经预处理之后发送给连接的支持sdn控制的交换机；网络监控组件从交换机收集包括现场设备、雾节点和交换机在内的节点信息和链路信息，并将信息发送到应用层来持续监视网络流量；步骤1.2、故障检测组件根据网络监控组件收集的信息，判断传输网络是否发生故障；如果检测出交换机或雾节点或链路处发生故障，网络监控组件将当前新的网络拓扑和每个雾节点支持的微服务集发送给故障应对程序；步骤1.3、故障应对程序实时计算，给通过故障节点或链路的工作流重新分配资源；节点配置组件通过调度转发表来将资源分配给工作流，将应用层中故障应对程序做出的故障应对决策应用于交换机及雾节点；步骤1.4、配置完成后刷新定时器，如果因为部分节点或链路故障，导致部分工作流中的微服务无法完成，则报告故障类型，转人工处理；步骤1.5、经过定时器的一个完整周期，激活故障预防组件，主动对网络进行周期性重构，优化工作流的所选路径，提高总体服务质量并降低故障概率。7.如权利要求1所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，所述步骤2包括以下步骤：步骤2.1、传输网络建模；步骤2.2、雾节点与支持的微服务集建模；步骤2.3、工作流建模；步骤2.4、服务质量指标建模。8.如权利要求1所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，
所述步骤3包括以下步骤：步骤3.1、定义决策变量；步骤3.2、构建资源约束；步骤3.3、构建与决策变量相关的优化目标；步骤3.4、构建决策变量相关约束；步骤3.5、构建目标函数。9.如权利要求8所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，所述步骤3.5构建目标函数包括网络的故障恢复问题和网络的周期性重构问题。10.如权利要求1所述的sdn-fog环境下工厂微服务体系的故障应对方法，其特征在于，所述步骤4求解器包括商用求解器gurobi。

技术总结

本发明公开了一种SDN-FOG环境下工厂微服务体系的故障应对方法，涉及工业物联网技术领域。本发明开发了一种SDN-FOG环境下信息物理智能工厂微服务体系的故障应对方案。建立了符合实际工厂运营场景的系统模型，搭建了基于SDN-FOG环境的微服务体系的故障处理框架，并构建了一个能够同时考虑网络资源约束、工作流响应时间、负载、能量消耗和故障应对的整数规划问题，以此为基础设计了应用层的故障应对程序的逻辑，提出的两个自适应相关的优化问题可以使用Gurobi求解器得到最优响应策略。对故障处理响应时间要求严格的场景，又设计了一个次优的启发式算法来简化流程，解决所提优化问题的可扩展性，得到的解决方案是一个自适应的方法，适用于实际工厂场景的网络。适用于实际工厂场景的网络。适用于实际工厂场景的网络。