1.2 人工智能与微服务适配

随着RESTful和微服务等新服务技术不断涌现，服务软件已经从简单同构系统发展为环境开放、场景跨域、业务复杂的服务生态。传统服务理论和技术已经难以实现海量异构服务之间的精准匹配、动态组合和耦合集成。复杂服务软件的智能适配，主要需要解决异构服务的智能匹配问题，以及服务演化和运行时的质量保障问题。在服务分析和设计方面，由于异构服务描述不精确、不一致，需要实现服务供需的精准匹配、按需组合、适应优化，从而保障服务适配的正确性。在服务版本演化和动态运行方面，由于服务版本众多、更新频繁、适配态势不断变化，需要及时感知态势、准确评估效能、自主可靠管理、保障服务适配质量。例如，Netflix的在线服务系统每天涉及50亿次服务调用，其中99.7%是内部调用（大部分是微服务调用）；Amazon.com进行100～150次微服务调用来构建页面。微服务的动态特性使情况进一步复杂化。一个微服务可以有几个到数千个物理实例，并运行在不同容器上由服务发现组件进行管理。针对新的服务适配要求，需要研究智能服务适配理论和方法，解决如下重大科学问题：

1）异构服务的智能匹配：在异构的服务生态环境中，服务描述的不一致性阻碍服务的适配交互。需要设计智能化的服务功能适配方法，在语法-语义-行为层面实现服务功能自动匹配、按需智能组合定制和自主适应。

2）服务演化和运行时的质量保障：在服务版本演化和服务动态运行中，及时感知和分析服务适配的态势变化，自主实施服务适配适应性调控，消解服务适配的版本冲突，保障服务适配的质量。