一种面向微服务的轴承设备管理系统设计方法与流程

1.本发明涉及轴承制造行业的管理系统，尤其涉及一种面向微服务的轴承设备管理系统设计方法。


背景技术：

2.随着制造业的自动化水平不断提高，生产设备在企业生产中发挥的作用和影响也越来越大，作为企业的劳动生产工具，生产设备已逐渐成为现代化生产中的必不可少的部分，直接影响着企业的生产效率及经济效益，从而设备管理在企业管理中也显得越来越重要。轴承设备作为轴承企业生产运行的基础，其运行状态将直接影响轴承企业的生产运程，由于科学技术的不断创新与发展，依靠人工获取轴承设备状态等数据信息已经不能满足轴承企业的生产需要，依靠网络化、信息化、数字化等技术，可以使轴承设备管理系统获取每台设备的信息，掌握设备的实时运行状态，及时发现并解决轴承设备存在的问题，优化生产运行状况。
3.目前，大多数设备管理系统都是采用单体架构开发的，系统功能模块之间耦合性较高，扩展性较差。随着物联网技术在制造业的应用，当前的设备管理系统逐渐难以满足企业的生产需要。而微服务架构具有良好的拓展性、可维护性和可靠性，且微服务架构已经在很多方面得到应用。例如：针对单体应用在处理复杂的多源异构灾情信息时存在的性能较低、资源消耗不均衡等问题，基于微服务架构设计了分布式灾情管理系统。通过引入领域模型，将原来的系统拆分为多个业务功能单一且可独立运行的微服务，并设计出一套地质灾害监测预警系统。在灾害预警方面也进行了相应的研究，针对海量的滑坡监测数据，开发了基于微服务架构的智能监测预警系统。针对智能农机监控的需求以及存在的问题，通过基于微服务的总体架构和农机车辆的业务应用情况进行系统设计，实现对农机车辆进行监控。
4.在当前的微服务应用中，多侧重基于微服务架构进行系统设计，并未说明微服务的划分方式，且当前的微服务划分方式主要依赖设计者的主观经验，这样做并没有充分体现微服务架构的属性，这就导致微服务的划分结果存在一定的不确定性。


技术实现要素：

5.针对上述存在的问题，本发明旨在提供一种面向微服务的轴承设备管理系统设计方法，通过设计系统的用例图和数据流图，反映企业在轴承设备管理的业务逻辑性，再分析处理不同事件时的数据访问规律，采用经典的社区发现算法——gn算法将数据表划分到不同的社区，据此得到数据库的划分方案，进而优化生成微服务的划分方案。
6.本发明所采用的技术方案的主要思路：面向微服务开发的轴承设备管理系统，通过利用车间的局域网环境，实现了轴承设备资源的网络化、立体化管理，不仅可以帮助企业掌握轴承设备的运行状况，降低轴承设备管理成本，而且能够在一定程度上通过对轴承设备的管理提升企业生产运行效率。
7.为了实现上述目的，本发明所采用的技术方案如下：
8.一种面向微服务的轴承设备管理系统设计方法，其特征在于：包括以下步骤：
9.s1：构建轴承设备数据流图
10.基于需求分析得到系统的轴承设备数据流图；
11.s2：建立轴承设备事件-数据表关系图
12.基于步骤s1中的轴承设备数据流图建立轴承设备事件-数据表关系图；
13.s3：轴承设备数据表关联度计算
14.基于步骤s2中的轴承设备事件-数据表关系图对轴承设备数据表的关联度进行计算；
15.s4：生成轴承设备数据表关联矩阵
16.基于步骤s3中的轴承设备数据表关联度的计算生成轴承设备数据表关联矩阵；
17.s5：生成轴承设备微服务划分方案
18.以步骤s4生成的轴承设备数据表关联矩阵作为gn算法的输入，gn算法的输出结果是一系列子图和社区划分结果，每个子图和相应的社区对应为一个服务，总的结果就是轴承设备微服务划分方案。
19.进一步的，步骤s2中建立轴承设备事件-数据关系图包括以下步骤：
20.s201、根据需求分析及数据流图，建立事件集合与数据表集合，每个事件与数据表都是图的节点；
21.s202、建立事件之间的关联，对于每个事件，根据需求分析和数据流图中事件之间的关联，生成事件与事件关联的边；
22.s203、建立事件与数据表的关联，对于每个事件，确定进行业务操作时与之关联的所有数据表，生成事件及与之关联数据表的边；
23.s204、依据节点之间的邻接关系建立映射，对于图中任一节点，将所有与之相连的节点当作此节点的映射集合；
24.s205、依据节点与边的关联建立映射，对于图中任一边，由该边连接的两个节点作为此边的关联映射；
25.s206、基于上述步骤建立事件-数据表关系图。
26.进一步的，步骤s3中轴承设备数据表关联度计算包括以下步骤：
27.s301、确定每个事件所对应的权重；
28.s302、将事件对数据表调用的关系，初步量化为数据表之间的关联，对于数据表ta,tb的关联度c
data
(ta,tb)，采用同时调用数据表ta,tb的事件数与调用数据表ta,tb其中之一的事件数之比来表示，即公式
[0029][0030]
s303、结合步骤s301中确定的事件的权重和步骤s302各数据表之间的关联，计算整体情况下，数据表ta,tb的总关联度c
total
，其值为在事件mi的发生时，调用数据表ta,tb的关联度c
data
(ta,tb)与事件mi的权重w
mi
之积的和，即公式
[0031][0032]
进一步的，步骤s4中生成轴承设备数据表关联矩阵包括以下步骤：
[0033]
s401、基于事件-数据表关系图，把相邻的节点看作整体，分析整体与整体之外节点的关联度，关联度cn使用整体节点与总节点数之比来表示，如下公式
[0034][0035]
式中|r(mi)|,|r(tj)|分别表示与事件节点mi和与数据表节点tj相邻节点的个数，|m|,|t|分别表示事件节点总个数和数据节点总个数；
[0036]
s402、数据表共享性计算和数据组划分；对于单个数据表的共享性采用共享度s表示，对于数据表ti，其共享度s(ti)等于调用数据表ti的事件数与总事件数之比，即公式
[0037][0038]
s403、为了使共享表尽可能的被划分到同一个微服务中，对两张数据表之间的关联c
total
做部分调整：
[0039]
对于数据组g中数据表ti和与之关联的数据表tj被事件mq同时调用，则
[0040][0041]
调整后，得到数据表关联矩阵a。
[0042]
进一步的，步骤s5中生成轴承设备微服务划分方案包括以下步骤：
[0043]
s501、以关联矩阵作为算法的输入，计算网络中的边介数；
[0044]
s502、找到边介数最高的边并删除；同时，引入模块度q作为衡量聚类特性的标准，不断重复计算并删除，直到图中边数为0；其中，模块度保证了微服务划分的合适性，模块度q定义如公式所示
[0045]
q＝∑(e
ii-a
i2
)
[0046]
式中e
ii
表示社团i中各个节点在所有边的数目中所占的比例，ai表示社团i中的节点相连的边在所有边中所占的比例，模块度q∈(-0.5,1)，q的值越大，表明网络分裂效果越好，聚类特性越强，社区结构越明显；
[0047]
s503、gn算法的输出结果是一系列子图和社区划分结果，每个子图和相应的社区对应为一个服务，总的结果就是轴承设备微服务划分方案。
[0048]
本发明的有益效果是：与现有技术相比，本发明的改进之处在于，通过设计系统的用例图和数据流图，反映企业在轴承设备管理的业务逻辑性，再分析处理不同事件时的数据访问规律，采用经典的社区发现算法——gn算法将数据表划分到不同的社区，据此得到数据库的划分方案，进而优化生成微服务的划分方案。面向微服务开发的轴承设备管理系统，通过利用车间的局域网环境，实现了轴承设备资源的网络化、立体化管理，不仅可以帮助企业掌握轴承设备的运行状况，降低轴承设备管理成本，而且能够在一定程度上通过对
轴承设备的管理提升企业生产运行效率。
附图说明
[0049]
图1为本发明微服务架构。
[0050]
图2为本发明微服务划分流程。
[0051]
图3为本发明事件-数据表关系示例图。
[0052]
图4为本发明算法流程。
[0053]
图5为本发明事件-数据表关系图。
具体实施方式
[0054]
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
[0055]
请参阅图1-图5，微服务(如图1)将应用程序按照功能性分解为一组服务：这些服务相对独立，每个服务都可以经不同的开发团队选用适合的技术以实现特定的业务功能，并以独立的进程完成服务的部署与运行。服务之间功能边界清晰，采用轻量级的通信机制相互协调、相互配合以实现完整的应用功能。微服务是最小的业务单元，一个微服务仅需关注完成一个业务能力并保证能够实现该业务。每个服务都可以独立部署、运维和扩展，不仅有利于规模化地进行开发，而且开发灵活性得到极大的增加。为了更好的发挥微服务的作用，在设计微服务时要遵循以下几点原则：
[0056]
1.高内聚低耦合。通过把紧密相关的行为放在一起，实现服务的高内聚。每一个服务都有自己的私有数据库，某个服务的更改不会影响到其他服务，实现每个服务之间都是松耦合的。
[0057]
2.单一职责。作为面向对象设计的三大核心之一，在微服务设计时同样适用：每个微服务只负责完成一个职责。
[0058]
3.高度自治。每个服务都能够在一个进程中独立部署，便于快速交付；同时技术选型要变得灵活，根据业务问题决定选用相应的技术栈；并且秉行“谁开发，谁维护”的原则，由开发的团队对服务的整个生命周期进行负责。
[0059]
4.基于业务驱动。每个服务都代表了其相应的业务逻辑，在迭代时，通过隔离实现时的细节，可以让业务领域得到重新应用。
[0060]
5.弹性设计。系统设计要可容错、具有自我保护能力。由于微服务之间的数据交互会受到网络波动的影响，当出现网络超时、限制请求次数等问题时，提供数据的回滚，避免出现一直等待无响应服务的情况，造成数据丢失，实现系统自我保护。
[0061]
根据以上原则，面向微服务进行系统设计，以业务数据为中心，依据其上下文边界，将系统功能划分为若干个微服务，每个服务对相应资源进行操作。通过灵活划分，能够使系统的性能更加优越。
[0062]
根据以上原则，本技术公开了一种面向微服务的轴承设备管理系统设计方法，包括以下步骤：
[0063]
s1：需求分析
[0064]
在设计之初，通过与轴承设备企业用户沟通以及在生产车间实地调研，了解用户
需求及轴承设备管理需求。随后，在设计系统业务功能的同时，采用uml用例图对其进行描述，为数据流图的建立提供依据。uml用例图是一种广泛应用于面向对象软件开发中的系统需求分析和建模方法，用例描述了系统中要发生的一个事件流，在角色触发下执行该组事务，以完成某个特定功能。即一个事件的实现需要多次操作，调用多个页面同时产生多次数据交互。因此，基于需求分析可以得到系统的数据流图。
[0065]
s2：建立轴承设备事件-数据表关系图
[0066]
为充分利用事件与数据表之间的关系，避免微服务划分出现偏差，基于数据流图建立事件-数据表关系图，步骤如下：
[0067]
2.1根据需求分析及数据流图，建立事件集合与数据表集合，每个事件与数据表都是图的节点。
[0068]
2.2建立事件之间的关联。对于每个事件，根据需求分析和数据流图中事件之间的关联，生成事件与事件关联的边。
[0069]
2.3建立事件与数据表的关联。对于每个事件，确定进行业务操作时与之关联的所有数据表，生成事件及与之关联数据表的边。
[0070]
2.4依据节点之间的邻接关系建立映射。对于图中任一节点，将所有与之相连的节点当作此节点的映射集合。
[0071]
2.5依据节点与边的关联建立映射。对于图中任一边，由该边连接的两个节点作为此边的关联映射。
[0072]
据此建立的事件-数据表关系图(如图3)，记为g＝(m,t,e,r,i)，式中m,t分别是g的事件节点集合{m1,m2,m3,
…
}和数据表节点集合{t1,t2,t3,
…
}；e是g的边集合，包括连接事件之间的边e(mi,mj)和连接事件与数据表的边e(mi,tj)；r表示某个节点的映射集合，比如，对于事件节点mi存在r(mi)＝{tj}，其中mi∈m,tj∈t,e∈e，即存在边e，使事件节点mi与数据表节点tj通过边e关联，此边记为e(mi,tj)；i作为关联函数，对任一边e都能关联映射到m
×
t或m
×
m，例如，对于边e存在i(e)＝(mi,tj)，其中m∈m,t∈t,e∈e，即存在边e关联事件节点mi与数据表节点tj。
[0073]
事件-数据表关系图描述了事件与数据表之间的连接与归属关系，更好的描述了系统的结构特征及信息，由于微服务场景是动态的，系统需求的变化会带动事件-数据表关系图随之动态更新，因此，划分的微服务动态适应性更强。
[0074]
s3：轴承设备数据表关联度计算
[0075]
基于步骤s2中的事件数据表关系图对数据表的关联度进行量化；为方便对数据表的关联度进行量化，我们假定共有m个事件和t张数据表，event(ti)是与数据表ti关联的事件集合。
[0076]
3.1事件的权重
[0077]
一个事件需要调用多个页面或者多次点击操作，全部的事件覆盖了系统所需业务及功能，每个事件都对应一个权重，其大小由事件在系统中的重要度及使用频率决定，使用wm表示，默认为1。
[0078]
3.2数据表之间的关联度
[0079]
由于部分数据表在事件-数据表关系图中没有直接相连的边，但数据表能够被事件通过调用进行关联，我们将事件对数据表调用的关系，初步量化为数据表之间的关联。对
于数据表ta,tb的关联度c
data
(ta,tb)，采用同时调用数据表ta,tb的事件数与调用数据表ta,tb其中之一的事件数之比来表示，即公式
[0080][0081]
3.3数据表关联度计算
[0082]
在事件-数据表关系图的基础上，综合事件的权重及各边、各表之间的关联，计算整体情况下，数据表ta,tb的总关联度c
total
，其值为在事件mi的发生时，调用数据表ta,tb的关联度c
data
(ta,tb)与事件mi的权重w
mi
之积的和，即公式
[0083][0084]
s4：生成轴承设备数据表关联矩阵
[0085]
基于步骤s3中的数据表关联度的计算生成数据表关联矩阵。
[0086]
4.1节点间的关联度
[0087]
微服务的划分就是需要将连续程度较低的部分分开，基于事件-数据表关系图，把相邻的节点看作整体，拆分就是分析整体与整体之外节点的关联度，整体关联度越大，拆开其它边连接的合理性就越大。因此要尽可能保留关联度大的两节点连接边。关联度cn使用整体节点与总节点数之比来表示，如下公式
[0088][0089]
式中|r(mi)|,|r(tj)|分别表示与事件节点mi和与数据表节点tj相邻节点的个数，|m|,|t|分别表示事件节点总个数和数据节点总个数。
[0090]
4.2数据表共享性计算和数据组划分
[0091]
能被同一事件调用的两张数据表之间具有关联性，而单独的一张数据表具有被不同事件共同调用的共享性。对于单个数据表的共享性采用共享度s表示，对于数据表ti，其共享度s(ti)等于调用数据表ti的事件数与总事件数之比，即公式
[0092][0093]
对于共享度较高的数据表之中，若数据表之间还具有较高的相互依赖性，那么，根据内聚原则，应尽量将其划分为一个微服务。称这些共享度较高且数据表之间相互依赖性较强的数据表为数据组g，当满足相互依赖度时，两表归为同一个数据组中。相互依赖度y表示为同时调用数据表ta,tb事件数占单独调用数据表ta,tb事件数的比例之和，即公式
[0094][0095]
如果一张数据表只被一个事件调用，那么称之为非共享表。若某张非共享表只与一个数据组中的某个表有关，为避免单独的一张表被分为一个服务，我们也将其划到此数据组中。
[0096]
4.3轴承设备数据表关联矩阵生成
[0097]
为了使共享表尽可能的被划分到同一个微服务中，对两张数据表之间的关联c
total
做部分调整：
[0098]
对于数据组g中数据表ti和与之关联的数据表tj被事件mq同时调用，则
[0099][0100]
调整后，得到数据表关联矩阵a。
[0101]
s5：生成轴承设备微服务划分方案
[0102]
以步骤s4生成的数据表关联矩阵作为gn算法的输入，gn算法的输出结果是一系列子图和社区划分结果，每个子图和相应的社区对应为一个服务，总的结果就是轴承设备微服务划分方案。
[0103]
一系列子图包含：划分过程中模块度的取值变化图和各数据表被划分的结果图；
[0104]
社区：划分后得到的结果每一部分都是一个社区；
[0105]
子图和社区之间的联系是：为了确定合适的社区数，使社区划分结果最优，在子图中取模块度最大值对应的社区划分结果，作为划分最优方案，其社区划分结果代表若干数据表被分到一起组成微服务。
[0106]
图有许多种聚类方法，最常用的就是社区发现算法——girvan-newman算法，即gn算法。传统的gn算法是一种基于删除边的无向图聚类算法，但是，传统的gn算法一般适用于无权图，考虑事件-数据表之间的关系，首先将各节点之间的关系转换为关系矩阵，再对其进行划分，流程如图4所示。
[0107]
通过分析事件-数据表关系图，得到数据表关联矩阵a，矩阵a包含节点间的关联度，更好的表现了数据之间的关联。以关联矩阵作为算法的输入，通过计算网络中的边介数，再找到边介数最高的边并删除；同时，引入模块度q作为衡量聚类特性的标准，不断重复计算并删除，直到图中边数为0。其中，模块度保证了微服务划分的合适性，模块度q定义如公式所示
[0108]
q＝∑(e
ii-a
i2
)
[0109]
式中e
ii
表示社团i中各个节点在所有边的数目中所占的比例，ai表示社团i中的节点相连的边在所有边中所占的比例，模块度q∈(-0.5,1)，q的值越大，表明网络分裂效果越好，聚类特性越强，社区结构越明显。
[0110]
gn算法的输出结果是一系列子图和社区划分结果，每个子图和相应的社区对应为一个服务，总的结果就是微服务划分方案。
[0111]
实施例
[0112]
l企业是一家中小型轴承制造企业，近年来由于生产规模的扩大，原来纸质化的轴承设备管理方式难以满足其生产需求，为此，通过调研及用户沟通，设计了面向微服务的轴承设备管理系统。其中，事件参数、权重和数据表参数如表1、表2所示。
[0113]
表1微服务事件参数及权重设置
[0114][0115][0116]
表2微服务数据表参数设置
[0117]
参数定义t1用户信息表t2设备资产信息表t3设备班制日志t4设备班制台时表t5设备点检标准表t6设备点检记录表t7设备保养标准表t8设备保养记录表t9设备润滑标准表t10设备润滑记录表t11故障报修表t12设备维修记录表t13备件更换记录表t14设备状态采集数据表
[0118]
根据企业业务需求及用例分析，构建事件与数据表关系图如图5所示。
[0119]
根据上述数据表关联度计算方法，得到关联度c
data
如表3所示。
[0120]
表3数据表关联度
[0121] t1t2t3t4t5t6t7t11.0000.0000.0000.0000.0000.0000.000t20.0001.0000.1430.1430.1250.0000.125t30.0000.1431.0001.0000.0000.0000.000t40.0000.1431.0001.0000.0000.0000.000t50.0000.1250.0000.0001.0000.6670.000
t60.0000.0000.0000.0000.6671.0000.000t70.0000.1250.0000.0000.0000.0001.000t80.0000.0000.0000.0000.0000.5000.667t90.0000.1250.0000.0000.0000.0000.000t100.0000.0000.0000.0000.0000.5000.000t110.0000.0000.0000.0000.0000.0000.000t120.0000.0000.0000.0000.0000.5000.000t130.0000.0000.0000.0000.0000.0000.000t140.0000.2250.0000.0000.0000.5000.000
[0122]
续表3
[0123] t8t9t10t11t12t13t14t10.0000.0000.0000.0000.0000.0000.000t20.0000.1250.0000.0000.0000.0000.225t30.0000.0000.0000.0000.0000.0000.000t40.0000.0000.0000.0000.0000.0000.000t50.0000.0000.0000.0000.0000.0000.000t60.5000.0000.5000.0000.5000.0000.500t70.6670.0000.0000.0000.0000.0000.000t81.0000.0000.5000.0000.5000.0000.500t90.0001.0000.5000.0000.0000.0000.000t100.5000.5001.0000.0000.5000.0000.500t110.0000.0000.0001.0000.6000.9000.000t120.5000.0000.5000.6001.0000.9000.500t130.0000.0000.0000.9000.9001.0000.000t140.5000.0000.5000.0000.5000.0001.000
[0124]
计算节点间关联度，得到关联度cn，如表4所示。
[0125]
表4节点间的关联度
[0126]
[0127][0128]
续表4
[0129] m8m9m10m11m12m13m14t10.1430.1070.1430.1070.1430.1070.214t20.3570.3210.3570.3210.3570.3210.429t30.1430.1070.1430.1070.1430.1070.214t40.1430.1070.1430.1070.1430.1070.214t50.1790.1430.1790.1430.1790.1430.250t60.1790.1430.1790.1430.1790.1430.250t70.1790.1430.1790.1430.1790.1430.250t80.1790.1430.1790.1430.1790.1430.250t90.1790.1430.1790.1430.1790.1430.250t100.1790.1430.1790.1430.1790.1430.250t110.1790.1430.1790.1430.1790.1430.250t120.1790.1430.1790.1430.1790.1430.250t130.1430.1070.1430.1070.1430.1070.214t140.1790.1430.1790.1430.1790.1430.250
[0130]
在15张数据表中，识别各数据表的共享度，得到表5。
[0131]
表5各数据表的共享度
[0132]
数据表共享度st10.071t20.500t30.071t40.071t50.143t60.143t70.143t80.143t90.143t100.143t110.143t120.143t130.071t140.143
[0133]
将各数据表的共享度从高到低进行排列，取其中较大值作为共享表，可知共享表
有t2，t5，t6，t7，t8，t9，t10，t11，t12，t14。在共享表中，计算共享表之间的相互依赖度y，如表6所示
[0134]
表6共享数据表之间的相互依赖度
[0135]
yt2t5t6t7t8t2 0.6430.0000.6430.000t50.643 1.0000.0000.000t60.0001.000 0.0001.000t70.6430.0000.000 1.000t80.0000.0001.0001.000 t90.6430.0000.0000.0000.000t100.0000.0001.0000.0001.000t110.0000.0000.0000.0000.000t120.0000.0001.0000.0001.000t140.0000.0001.0000.0001.000
[0136]
续表6
[0137]
yt9t10t11t12t14t20.6430.0000.0000.0000.000t50.0000.0000.0000.0000.000t60.0001.0000.0001.0001.000t70.0000.0000.0000.0000.000t80.0001.0000.0001.0001.000t9 1.0000.0000.0000.000t101.000 0.0001.0001.000t110.0000.000 1.0000.000t120.0001.0001.000 1.000t140.0001.0000.0001.000 [0138]
根据组成数据组的规则，10张共享表分为5个数据组，分别为g{(t5,t6),(t6,t8,t
10
,t
12
,t
14
),(t7,t8),(t9,t
10
),(t
11
,t
12
)}，其中，表t13仅与数据组(t
11
,t
12
)有关，所以将t13归属于其中，为数据组(t
11
,t
12
,t
13
)。对关联度c
data
进行调整，得到数据表关联矩阵如表7所示，
[0139]
表7
[0140][0141]
以数据表关联矩阵a作为算法输入，对系统的15张数据表采取聚类分析，算法将数据表构成的网络进行逐级划分到不同的社区，同一个社区中的数据表将优先分配至一个微服务中。通过运算得到数据表划分结果的模块度最大值为0.475，整理的数据表划分结果如表7所示。使用数据表划分结果开发轴承设备管理系统，系统基于轴承设备的点检、润滑、保养、维修等功能，进一步规范了轴承设备的管理与运维，实现了轴承设备的日常管理信息化和精细化。
[0142]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

技术特征：
1.一种面向微服务的轴承设备管理系统设计方法，其特征在于：包括以下步骤：s1：构建轴承设备数据流图基于需求分析得到系统的轴承设备数据流图；s2：建立轴承设备事件-数据表关系图基于步骤s1中的轴承设备数据流图建立轴承设备事件-数据表关系图；s3：轴承设备数据表关联度计算基于步骤s2中的轴承设备事件-数据表关系图对轴承设备数据表的关联度进行计算；s4：生成轴承设备数据表关联矩阵基于步骤s3中的轴承设备数据表关联度的计算生成轴承设备数据表关联矩阵；s5：生成轴承设备微服务划分方案以步骤s4生成的轴承设备数据表关联矩阵作为gn算法的输入，gn算法的输出结果是一系列子图和社区划分结果，每个子图和相应的社区对应为一个服务，总的结果就是轴承设备微服务划分方案。2.根据权利要求1所述的一种面向微服务的轴承设备管理系统设计方法，其特征在于：步骤s2中建立轴承设备事件-数据关系图包括以下步骤：s201、根据需求分析及数据流图，建立事件集合与数据表集合，每个事件与数据表都是图的节点；s202、建立事件之间的关联，对于每个事件，根据需求分析和数据流图中事件之间的关联，生成事件与事件关联的边；s203、建立事件与数据表的关联，对于每个事件，确定进行业务操作时与之关联的所有数据表，生成事件及与之关联数据表的边；s204、依据节点之间的邻接关系建立映射，对于图中任一节点，将所有与之相连的节点当作此节点的映射集合；s205、依据节点与边的关联建立映射，对于图中任一边，由该边连接的两个节点作为此边的关联映射；s206、基于上述步骤建立事件-数据表关系图。3.根据权利要求1所述的一种面向微服务的轴承设备管理系统设计方法，其特征在于：步骤s3中轴承设备数据表关联度计算包括以下步骤：s301、确定每个事件所对应的权重；s302、将事件对数据表调用的关系，初步量化为数据表之间的关联，对于数据表t
a
,t
b
的关联度c
data
(t
a
,t
b
)，采用同时调用数据表t
a
,t
b
的事件数与调用数据表t
a
,t
b
其中之一的事件数之比来表示，即公式s303、结合步骤s301中确定的事件的权重和步骤s302各数据表之间的关联，计算整体情况下，数据表t
a
,t
b
的总关联度c
total
，其值为在事件m
i
的发生时，调用数据表t
a
,t
b
的关联度c
data
(t
a
,t
b
)与事件m
i
的权重w
mi
之积的和，即公式
4.根据权利要求1所述的一种面向微服务的轴承设备管理系统设计方法，其特征在于：步骤s4中生成轴承设备数据表关联矩阵包括以下步骤：s401、基于事件-数据表关系图，把相邻的节点看作整体，分析整体与整体之外节点的关联度，关联度c
n
使用整体节点与总节点数之比来表示，如下公式式中|r(m
i
)|,|r(t
j
)|分别表示与事件节点m
i
和与数据表节点t
j
相邻节点的个数，|m|,|t|分别表示事件节点总个数和数据节点总个数；s402、数据表共享性计算和数据组划分；对于单个数据表的共享性采用共享度s表示，对于数据表t
i
，其共享度s(t
i
)等于调用数据表t
i
的事件数与总事件数之比，即公式s403、为了使共享表尽可能的被划分到同一个微服务中，对两张数据表之间的关联c
total
做部分调整：对于数据组g中数据表t
i
和与之关联的数据表t
j
被事件m
q
同时调用，则调整后，得到数据表关联矩阵a。5.根据权利要求1所述的一种面向微服务的轴承设备管理系统设计方法，其特征在于：步骤s5中生成轴承设备微服务划分方案包括以下步骤：s501、以关联矩阵作为算法的输入，计算网络中的边介数；s502、找到边介数最高的边并删除；同时，引入模块度q作为衡量聚类特性的标准，不断重复计算并删除，直到图中边数为0；其中，模块度保证了微服务划分的合适性，模块度q定义如公式所示式中e
ii
表示社团i中各个节点在所有边的数目中所占的比例，a
i
表示社团i中的节点相连的边在所有边中所占的比例，模块度q∈(-0.5,1)，q的值越大，表明网络分裂效果越好，聚类特性越强，社区结构越明显；s503、gn算法的输出结果是一系列子图和社区划分结果，每个子图和相应的社区对应为一个服务，总的结果就是轴承设备微服务划分方案。

技术总结
本发明公开了一种面向微服务的轴承设备管理系统设计方法，涉及轴承制造行业的管理系统领域，提供一种可以帮助企业掌握轴承设备的运行状况，降低轴承设备管理成本，而且能够在一定程度上通过对轴承设备的管理提升企业生产运行效率。通过设计系统的用例图和数据流图，反映L企业在轴承设备管理的业务逻辑性，再分析处理不同事件时的数据访问规律，采用经典的社区发现算法——GN算法将数据表划分到不同的社区，据此得到数据库的划分方案，进而优化生成微服务的划分方案。化生成微服务的划分方案。化生成微服务的划分方案。


技术研发人员：李亚杰 李昭楠 杨晓英 张志文 刘大陆 叶军 佟霖
受保护的技术使用者：国创(洛阳)轴承产业技术研究院有限公司 洛阳轴承研究所有限公司 洛阳云锐智能信息科技有限公司
技术研发日：2022.12.19
技术公布日：2023/7/20