1.2 人工智能與微服務適配

隨著RESTful和微服務等新服務技術不斷涌現，服務軟件已經從簡單同構系統發展為環境開放、場景跨域、業務復雜的服務生態。傳統服務理論和技術已經難以實現海量異構服務之間的精準匹配、動態組合和耦合集成。復雜服務軟件的智能適配，主要需要解決異構服務的智能匹配問題，以及服務演化和運行時的質量保障問題。在服務分析和設計方面，由于異構服務描述不精確、不一致，需要實現服務供需的精準匹配、按需組合、適應優化，從而保障服務適配的正確性。在服務版本演化和動態運行方面，由于服務版本眾多、更新頻繁、適配態勢不斷變化，需要及時感知態勢、準確評估效能、自主可靠管理、保障服務適配質量。例如，Netflix的在線服務系統每天涉及50億次服務調用，其中99.7%是內部調用（大部分是微服務調用）；Amazon.com進行100～150次微服務調用來構建頁面。微服務的動態特性使情況進一步復雜化。一個微服務可以有幾個到數千個物理實例，并運行在不同容器上由服務發現組件進行管理。針對新的服務適配要求，需要研究智能服務適配理論和方法，解決如下重大科學問題：

1）異構服務的智能匹配：在異構的服務生態環境中，服務描述的不一致性阻礙服務的適配交互。需要設計智能化的服務功能適配方法，在語法-語義-行為層面實現服務功能自動匹配、按需智能組合定制和自主適應。

2）服務演化和運行時的質量保障：在服務版本演化和服務動態運行中，及時感知和分析服務適配的態勢變化，自主實施服務適配適應性調控，消解服務適配的版本沖突，保障服務適配的質量。