Нечеткая продукционная сеть для анализа качества микросервисной архитектуры

1.

Нечеткая продукционная
сеть для анализа качества
микросервисной
архитектуры
Данная статья подчеркивает, что микросервисная архитектура является
важной для современных информационных систем, поскольку она
позволяет эффективно реагировать на изменения в бизнес-процессах.
Однако выбор оптимального набора микросервисов для реализации
бизнес-задач является сложной задачей, так как приходится учитывать
большое количество факторов, как качественных, так и
количественных, в условиях неопределенности.

2.

Введение
Микросервисная архитектура представляет собой развитие сервис-ориентированных систем, которая отличается слабой
связанностью между компонентами и возможностью их независимого масштабирования.
Важно обеспечить высокое качество обслуживания бизнес-задач микросервисами, что требует оптимизации выбора и
оценки качества микросервисов, учитывая неопределенность в данных и режиме работы.
Предложен подход, использующий нечеткую продукционную сеть для анализа качества микросервисной архитектуры
информационных систем.

3.

Ключевые проблемы статьи
1
Выбор оптимального
набора микросервисов
2
Оценка качества
микросервисов
Определение оптимального
Недостаточная проработка
набора микросервисов для
методов оценки качества
реализации бизнес-задач ИС в
микросервисов, особенно в
условиях неопределенности.
контексте неопределенности
исходных данных и различных
технологических платформ.
3
Влияние качества обслуживания
Влияние качества обслуживания на функциональность и отказоустойчивость
системы, что требует комплексного подхода к анализу и принятию решений.

4.

Данные
Данные для построения модели получены с
использованием метода Дельфи — коллективного
экспертного прогнозирования.
Эксперты оценивают параметры качества
обслуживания микросервисов, их интенсивности и
объемы данных.
Для устранения противоречий между экспертами
используется метод взвешенного согласования мнений.

5.

Методы - Нечеткая
продукционная сеть
Модель анализа качества микросервисной архитектуры включает
как качественные, так и количественные параметры.
Нечеткая продукционная сеть использует продукционные правила,
например, «ЕСЛИ x есть A, ТО y есть B», что позволяет гибко
учитывать неопределенность данных.
Модель включает лингвистические переменные, такие как низкий,
средний и высокий уровни качества.

6.

Методы - Применение нечеткой модели
Для каждого микросервиса определяются входные параметры (интенсивность запросов и объем данных).
Параметры фаззифицируются для получения значений лингвистических переменных.
Система применяет набор продукционных правил для определения качества обслуживания бизнес-задачи
микросервисом, после чего выполняется дефаззификация для вычисления итогового показателя качества архитектуры.

7.

Преимущества нечеткого
подхода
1
2
Гибкость
Интуитивность
Учет неопределенности и
Использование экспертных знаний
субъективных оценок
3
Эффективность
Быстрая оценка качества архитектуры

8.

Результаты
Пример применения модели приведен для ИС обработки заказов клиентов, где учитываются задачи взаимодействия с
клиентами, обработка и исполнение заказов.
Нечеткая продукционная сеть позволяет интегрировать данные различных микросервисов и получать обоснованные
оценки качества работы всей системы.
Результаты помогают менеджерам и архитекторам принимать решения о выборе оптимального набора микросервисов
и их дальнейшем масштабировании.

9.

Заключение
Разработанный метод анализа качества микросервисной архитектуры с использованием нечеткой продукционной сети
эффективно учитывает неопределенность в данных и позволяет улучшить принятие решений. Например, в системах с
высокой динамикой нагрузки, где традиционные методы оценки могут давать неточные результаты, наш подход
предоставляет более надежные прогнозы качества. Это позволяет архитекторам и разработчикам своевременно
реагировать на потенциальные проблемы.
Использование такого подхода в реальных проектах способствует повышению качества и отказоустойчивости
информационных систем. Внедрение метода позволило бы снизить вероятность сбоев и повысить общую надежность за
счет раннего выявления узких мест и потенциальных рисков. Это также способствует более эффективному
использованию ресурсов и сокращению затрат на обслуживание.
Дальнейшие исследования будут направлены на улучшение точности моделей и расширение областей применения.
Будут изучены способы интеграции с другими методами анализа, такими как мониторинг производительности и
логирование. Кроме того, мы планируем адаптировать метод для анализа архитектур, использующих различные
технологии и парадигмы разработки.