Підхід до оптимізації моделі розгортання мікросервісів в сильнонавантаженому середовищі

Автор(и)

DOI:

https://doi.org/10.18372/2073-4751.80.19787

Ключові слова:

архітектура мікросервісів, різноманітніття розгортання, балансування навантаження, стійкість системи, оптимізація ресурсів

Анотація

У статті пропонується використання алгоритму LB-Diversity для розгортання мікросервісів з метою підвищення стійкості системи та оптимізації ресурсів у хмарних архітектурах. Традиційні мікросервісні системи часто стикаються з проблемами відмов вузлів та вразливостями безпеки через однорідне розгортання ідентичних екземплярів сервісів. Запропонований підхід вирішує ці проблеми, поєднуючи балансування навантаження з різноманітністю розгортання, коли різні версії мікросервісів розподіляються між кількома вузлами. Ця стратегія зменшує ризики, пов'язані з єдиною точкою відмови, і знижує вплив атак, спрямованих на спільні вразливості в контейнерних середовищах.

Для аналізу експериментів запропоновано власні коефіцієнти оцінки балансування навантаження та відмовостійкості системи, які підтвердили результати попередніх досліджень щодо вибору алгоритму LB-Diversity порівняно з традиційними методами розгортання. Підхід різноманіття розгортання ефективно обмежує шкоду від потенційних порушень безпеки, гарантуючи, що лише незначна частина системи зазнає впливу. Представлений підхід пропонує практичне рішення для підприємств, які потребують надійних мікросервісних архітектур з високим рівнем доступності та безпеки в динамічних середовищах з обмеженими ресурсами.

Посилання

Bravetti M. et al. Optimal and au-tomated deployment for microservices. Lec-ture Notes in Computer Science. Vol. 11424. Fundamental Approaches to Software Engi-neering. 22nd International Conference, FASE 2019, Held as Part of the European Joint Conferences on Theory and Practice of Software, ETAPS 2019, Prague, Czech Re-public, April 6–11, 2019, Proceedings / ed. by R. Hähnle, W. van der Aalst. Berlin, 2019. P. 351–368. DOI: 10.1007/978-3-030-16722-6_21.

Artamonov Y., Golovach I., Zy-movchenko V. Use analysis of microserves in e-learning system with multi-variant ac-cess to educational materials. Technology Audit and Production Reserves. 2021. Vol. 4(2(60)). P. 45–50. DOI: 0.15587/2706-5448.2021.

Fu Y. et al. Performance evalua-tion of resource management schemes for cloud-native platforms with computing con-tainers. 2022 IEEE International Performance, Computing, and Communications Conference (IPCCC) : pro-ceedings, Austin, TX, USA, 11–13 Novem-ber 2023 / IEEE. 2023. P. 414–415. DOI: 10.1109/IPCCC55026.2022.9894300.

Mustyala A. Dynamic resource al-location in Kubernetes: Optimizing cost and performance. EPH – International Journal of Science and Engineering. 2021. Vol. 7(3). P. 59–71. DOI: 10.53555/ephijse.v7i3.237.

González S. Modular software de-sign in distributed systems: Strategic ap-proaches for building scalable, maintaina-ble, and fault-tolerant architectures in mod-ern microservice environments. Eigenpub Review of Science and Technology. 2023. Vol. 7(1).

P. 373–400. DOI: 10.1007/s10916-020-1195-x.

Mugeraya S., Devadkar K. Dy-namic task scheduling and resource alloca-tion for microservices in cloud. Journal of Physics: Conference Series. 2022. 2325. 012052. DOI: 10.1088/1742-6596/2325/1/012052.

Sebastião F. P. The role of a mi-croservice architecture on cybersecurity and operational resilience in critical systems: master´s thesis. Porto, 2023. 190 p.

Mejía P. Best practices for micro-service framework design. Advances in In-telligent Information Systems. 2022. Vol. 7(1). URL: https://questsquare.org/index.php/JOURNALAIIS/article/view/70.

Hang, Y. et al. A Microservice Resilience Deployment Mechanism Based on Diversity. Security and Communication Networks. 2022. 7146716. DOI: 10.1155/2022/7146716.

##submission.downloads##

Опубліковано

2025-03-17

Номер

Розділ

Статті