Архітектура, програмна реалізація та аналіз результатів застосування інтелектуального інструментального засобу для конфігурування мікросервісних застосунків

Анотація

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.