(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211115591.8 (22)申请日 2022.09.14 (71)申请人 上海理工大 学 地址 200093 上海市杨 浦区军工路516号 (72)发明人 胡兴　邱耕俊　张大伟　 (74)专利代理 机构 上海邦德专利代理事务所 (普通合伙) 31312 专利代理师 杨益 (51)Int.Cl. G06N 20/00(2019.01) G06F 16/25(2019.01) G06F 16/27(2019.01) (54)发明名称 一种面向机 器学习的微 服务架构 (57)摘要 本发明公开了一种面向机器学习的微服务 架构， 包括： 表现层， 其用于在大数据集群上的微 服务作为后台服务搭建交互式操作界面； 业务 层， 其用于承载若干服务的逻辑处理层， 向运行 环境提供通用接口将UI应用程序的接口抽象为 机器学习运行时环境； 持久层， 其用于实现对数 据操作， 将操作包装为类似于对象的抽象接口定 义的数据库基础结构中， 通过使用Po stgreSQL数 据库系统来存储业务层管理的所有信息。 根据本 发明， 解决了当前机器学习在实际开发中不易于 维护、 使用场景受限、 缺乏灵活部署， 扩展较难等 问题， 解决了非技术用户应用机器学习的困难， 其在开发和应用机器学习算法方面带来的好处 可以在大 数据环境中促进机 器学习应用。 权利要求书1页 说明书4页 附图3页 CN 115456197 A 2022.12.09 CN 115456197 A 1.一种面向机器学习的微 服务架构， 其特 征在于， 包括： 表现层， 其用于在大 数据集群上的微 服务作为后台服 务搭建交 互式操作界面； 业务层， 其用于承载若干服务的逻辑处理层， 向运行环境提供通用接口将UI应用程序 的接口抽象为机器学习运行时环境； 持久层， 其用于实现对数据操作， 将操作包装为类似于对象的抽象接口定义的数据库 基础结构中， 通过使用PostgreSQ L数据库系统来存 储业务层管理的所有信息 。 2.如权利要求1所述的一种面向机器学习的微服务架构， 其特征在于， 业务层包括数据 接收服务块、 与数据接 收服务块信号连接的数据分发服务块、 与数据分发服务块信号连接 的数据处理服务块、 特征提取服务块及预测服务块， 所述预测服务块信号连接有输出处理 服务块。 3.如权利要求2所述的一种面向机器学习的微服务架构， 其特征在于， 数据接收服务块 用于接收用户上传的数据并将数据存 储至数据库， 并返回数据索引； 据分发服务块用于从数据接收服务端获取相关信息后， 根据用户要求进行数据处理， 特征提取以及预测服 务。 4.如权利要求2所述的一种面向机器学习的微服务架构， 其特征在于， 数据处理服务块 用于根据特征提取网络层的要求对数据进行预处理， 可清洗数据中与任务无关的信息； 或 若需要训练模型则根据用户传入的数据， 划分数据集， 处理结束后 将结果存入数据库， 并返 回中间数据索引； 特征提取服务块用于根据中间数据索引从数据库中提取数据进行相关特征提取操作， 网络的输出 结果将传入输出处 理服务块。 5.如权利要求2所述的一种面向机器学习的微服务架构， 其特征在于， 预测服务块用于 根据传入的信息从数据库中提取模型以及获取 特征， 并训练机器学习模型； 输出处理服务块用于对预测输出 结果进行 可视化处 理。 6.如权利要求5所述的一种面向机器学习的微服务架构， 其特征在于， 预测服务块中， 若当前场景用户需要 再训练模型， 则用户在传 入数据的同时需要 再提供想用的相关模型配 置信息， 包括构建人工智能模型， 选择激活函数、 损失函数、 模型的评估指数、 测试与验证、 优化器选择。 7.如权利要求1所述的一种面向机器学习的微服务架构， 其特征在于， 持久层包括数据 库， 所述数据库用于将数据和模型存储在数据库中， 且数据库面对复杂的场景可以使用云 端数据库， 业 务层中的模块 通过RESTful  API与数据库进行交 互。权　利　要　求　书 1/1 页 2 CN 115456197 A 2一种面向机 器学习的微服务架构 技术领域 [0001]本发明涉及大 数据的技 术领域， 特别涉及一种面向机器学习的微 服务架构。 背景技术 [0002]在社会科学领域及实际生活场景中都迫切需要利用机器学习、 数据挖掘等技术来 完成预测性任务。 但在实际开 发中， 不易于维护， 使用场景 受限， 缺乏灵活部署， 扩展较难等 问题揭露了 部署人工智能解决方案所面临的挑战。 [0003]目前， 大量传统应用系统由于具备规模较小， 结构简单， 用户群体小及实时通信要 求低等特点， 通常采用传统的单体架构模模型。 然而， 对于需要应对业务逻辑复杂， 数据量 庞大和具有高实时性， 高可靠性， 高伸缩性运行要求的系统来说， 单体架构存在较多不足， 主要体现在单体应用的代码庞大， 代码耦合度高， 系统灵活性较差， 并且难以被扩展， 可伸 缩性较差等方面。 而面向服务架构模型用松耦合的理念实现服务功能的拆分， 为各个应用 系统之间的互联互通提供了一个基于网络的、 中心化的连接中枢， 但是仍旧面临单个拆分 的模块可能依然比较大， 无法实现更小服务单元 的敏捷交付， 以及服务与服务之间耦合性 依然紧密等问题。 [0004]此外， 机器学习在其他学科领域中应用通常是一个耗时较长 的过程， 往往需要频 繁的训练网络拟合数据以获得最佳性能。 对于非技术用户来说， 如何从海量数据中获取具 有参考价值的信息， 发现其内在逻辑并从中提取附加价值， 是一件相当复杂的工作， 并且， 底层大数据基本构型也为配置和运行机器学习任务带来了难度。 现有的微服务架构系统耦 合度有所降低， 但各模块的扩充 可选方案单一， 开发扩展难度较大， 也并未解决非技术用户 在应用机器学习时的困难。 发明内容 [0005]针对现有技术中存在的不足之处， 本发明的目的是提供一种面向机器学习的微服 务架构， 解决了当前机器学习在实际开发中不易于维护、 使用场景受限、 缺乏灵活部署， 扩 展较难等问题， 能够帮助用户在大数据环境中使用机器学习 方法高效解决问题， 解决了非 技术用户应用机器学习的困难， 其在开 发和应用机器学习算法方面带来的好处可以在大数 据环境中促进机器学习应用。 为了实现根据本发明的上述 目的和其他优点， 提供了一种面 向机器学习的微 服务架构， 包括： [0006]表现层， 其用于在大 数据集群上的微 服务作为后台服 务搭建交 互式操作界面； [0007]业务层， 其用于承载若干服务的逻辑处理层， 向运行环境提供通用接口将UI应用 程序的接口抽象为机器学习运行时环境； [0008]持久层， 其用于实现对数据操作， 将操作包装为类似于对象的抽象接 口定义的数 据库基础结构中， 通过使用PostgreSQ L数据库系统来存 储业务层管理的所有信息 。 [0009]优选的， 业务层包括数据接收服务块、 与数据接收服务块信号连接 的数据分发服 务块、 与数据分发服务块信号连接的数据处理服务块、 特征提取服务块及预测服务块， 所述说　明　书 1/4 页 3 CN 115456197 A 3