Архітектура, програмна реалізація та аналіз результатів застосування інтелектуального інструментального засобу для конфігурування мікросервісних застосунків
DOI:
https://doi.org/10.26565/2304-6201-2025-67-05Ключові слова:
програмний мікросервіс, архітектура, управління конфігураціями, інтелектуальний підхід, метод аналізу прецедентів, CBR, інтелектуальний інструментальний засіб, тестування, якість, метрика, модельАнотація
Актуальність. Розробка застосунків з мікросервісною архітектурою потребує ефективного управління конфігураціями в умовах змінного навантаження, вимог до надійності, відмовостійкості й масштабованості. Це зумовлює потребу в інтелектуальних засобах адаптивного конфігурування, здатних працювати в режимі, близькому до реального часу.
Мета. Створити інтелектуальний інструментальний засіб для адаптивного управління конфігураціями МСА з модулем прийняття рішень на основі Case-Based Reasoning (CBR), спроєктувати його архітектуру, зробити програмну реалізацію, а також експериментально оцінити роботу на тестовому полігоні й порівняти кілька CBR-методів.
Методи дослідження. Уточнено базові поняття процесів конфігурування МСА; спроектовано полігон із трьома сервісами (auth, product, order) і вимогами до продуктивності (≤1000 одночасних запитів, середня затримка ≤200 мс). Адаптивне управління конфігураціями мікросервісів реалізовано як мікросервіс із REST API (FastAPI) та сховищем прецедентів (PostgreSQL); використовуються метрики QoS, ресурсні, «вартісні» та адаптивності. Досліджено п’ять CBR-методів: K-Nearest Neighbors, Weighted KNN, Feature-Based Retrieval, Cluster-Based Retrieval, Indexing & Hashing. Проведено серію вимірювань часу підбору конфігурації для бази прецедентів у 50–1000 записів із усередненням по 100 прогонах.
Результати. Підсистема коректно ідентифікує стани та застосовує релевантні конфігурації для різних сценаріїв (low/medium/high/peak), відповідаючи вимозі часу підбору ≤0,5 с. Найвищу швидкодію продемонстрував метод Indexing & Hashing (≈27,6–50,3 мс для 50–1000 кейсів); KNN має лінійне зростання часу, а Weighted KNN дає керованість за рахунок ваг метрик. Реалізований веб-інтерфейс забезпечує моніторинг і ручний/автоматичний режим застосування змін у реальному часі.
Висновки. Запропонована архітектура та програмна реалізація інструментального засобу з CBR підтверджують практичну доцільність адаптивного конфігурування МСА й створюють підґрунтя для масштабованих даними керованих рішень. Окреслено подальші напрями: еволюція кейс-бази з онлайн навчанням, багатокритеріальна оптимізація (продуктивність/надійність/вартість/енергоефективність), глибша інтеграція з оркестраторами та service mesh, підвищення пояснюваності рішень.
Посилання
R. Su, X. Li, and D. Taibi, “From Microservice to Monolith: A Multivocal Literature Review,” Electronics, vol. 13, no. 8, p. 1452, Apr. 2024, doi: 10.3390/electronics13081452. Available: https://www.mdpi.com/2079-9292/13/8/1452
O. Pozdniakova, D. Mažeika, and A. Cholomskis, “SLA-Adaptive Threshold Adjustment for a Kubernetes Horizontal Pod Autoscaler,” Electronics, vol. 13, no. 7, 1242, 2024, doi: 10.3390/electronics13071242. Available: https://www.mdpi.com/2079-9292/13/7/1242
Zinov’ev, D.V. and Tkachuk, M.V. (2025), “Rozrobka ta doslidzhenniy algoritmichnoi modeli gla adaptivnogo upravlinnya konfiguratsiyami programnuh mikroservisiv” [Development and research of an algorithmic model for adaptive configuration management of software microservices], Information processing systems. 2024. № 2(177). - P. 116 –120. [in Ukrainian] Available: https://doi.org/10.30748/soi.2024.177.13
Zinov’ev, D., & Tkachuk, M. (2023). “Analiz, klasyfikatsiia ta testuvannia instrumentiv upravlinnia konfiguratsiiemi dlia programnykh mikroservisiv” [Analysis, classification and testing of configuration management tools for software microservices] Bulletin of V.N. Karazin Kharkiv National University, Series «Mathematical Modeling. Information Technology. Automated Control Systems», 57, 32-41, doi: 10.26565/2304-6201-2023-57-03 Available: https://periodicals.karazin.ua/mia/article/view/23251
J. Figueira and C. Coutinho, “Developing Self-Adaptive Microservices,” Procedia Computer Science, vol. 232, pp. 264–273, 2024, doi: 10.1016/j.procs.2024.01.026. Available: https://www.sciencedirect.com/science/article/pii/S1877050924000267
W. Ma, R. Wang, Y. Gu, Q. Meng, H. Huang, S. Deng, and Y. Wu, “Multi-objective microservice deployment optimization via a knowledge-driven evolutionary algorithm,” Complex & Intelligent Systems, vol. 7, pp. 1153–1171, 2021, doi: 10.1007/s40747-020-00180-1. Available: https://link.springer.com/article/10.1007/s40747-020-00180-1
M. Niswar, R. A. Safruddin, A. Bustamin, and I. Aswad, “Performance Evaluation of Microservices Communication with REST, GraphQL, and gRPC,” International Journal of Electronics and Telecommunications, vol. 70, no. 2, pp. 429–436, Jun. 2024, doi: 10.24425/ijet.2024.149562. Available: https://ijet.ise.pw.edu.pl/index.php/ijet/article/view/10.24425-ijet.2024.149562
Yan and Z. Cheng, “A Review of the Development and Future Challenges of Case-Based Reasoning,” Applied Sciences, vol. 14, no. 16, art. 7130, 2024, doi: 10.3390/app14167130. Available: https://www.mdpi.com/2076-3417/14/16/7130
