/ai-mock

使用AI技术为开发和测试团队提供实时、动态的模拟数据

Primary LanguageJavaApache License 2.0Apache-2.0

ai-mock

使用AI技术为开发和测试团队提供实时、动态的模拟数据

  • ui/ # Vue项目目录
  • api/ # SpringBoot项目目录
  • ai-model/ # AI模型服务层目录
  • dyn-interface/ # 接口动态生成与管理层目录
  • db/ # 数据库相关的脚本或配置
  • monitor-log/ # 监控和日志系统配置
  • deploy/ # 部署相关的脚本和配置
  • README.md

1. 系统组件

  1. UI层：用户界面。
  2. API服务层：处理请求与响应。
  3. AI模型服务层：负责生成mock数据。
  4. 接口动态生成与管理层：提供在线mock数据API。
  5. 数据库层：存储和管理数据。
  6. 监控和日志系统：保持系统健康。

2. 核心功能与流程

  1. UI层：

    • 通过Web应用，用户选择mock数据类型、数量和其他参数。
    • 提供实时预览功能，显示生成的示例数据。
    • 提供模板保存和加载功能。

  2. API服务层：

    • 接收来自UI的请求。
    • 与AI模型服务层交互，获取mock数据。
    • 请求接口动态生成与管理层创建新接口。

  3. AI模型服务层：

    • 根据请求参数选择或微调模型。
    • 生成mock数据并返回给API服务层。

  4. 接口动态生成与管理层：

    • 根据收到的mock数据动态创建API。
    • 提供API的管理功能，如删除、暂停等。

  5. 数据库层：

    • 存储用户请求、生成的mock数据、接口信息和模板。
    • 提供数据恢复和备份功能。

  6. 监控和日志系统：

    • 监控系统健康状态和性能指标。
    • 记录所有操作和错误日志。

3. 技术选型

  1. UI层：Vue。
  2. API服务层：SpringBoot。
  3. AI模型服务层：ChatGPT
  4. 接口动态生成与管理层：Spring Cloud Gateway 动态路由功能。
  5. 数据库层：MySQL (主数据) + Redis (缓存和速率限制)。
  6. 监控和日志系统：Prometheus + Grafana + ELK Stack (Elasticsearch, Logstash, Kibana)。

4. 安全与优化

  1. 身份验证：使用OAuth2.0确保只有授权用户可以访问。
  2. 速率限制：防止API滥用。
  3. 数据隔离：确保每个用户的数据和API隔离。
  4. 缓存策略：使用Redis缓存常见的mock数据请求和结果，加速响应。
  5. 自动扩展与负载均衡：使用Kubernetes进行容器编排，确保系统在高负载时可以自动扩展。

5. 部署策略

  • 容器化：使用Docker封装每个组件，确保跨环境的一致性。
  • 持续集成/持续部署 (CI/CD)：使用Jenkins或GitHub Actions自动化部署流程。
  • 云部署：考虑使用AWS, GCP或Azure进行部署，利用其弹性计算、自动扩展和其他管理工具。