SEMGROMI-一种语义分组算法,用于识别微服务,使用用户故事的语义相似性来识别微服务
Fredy H Vera-Rivera1, Eduard Gilberto Puerto Cuadros1, Boris Perez1
1Grupo de Investigación GIA, Universidad Francisco de Paula Santander, Cúcuta, Norte de Santander, Colombia.
PeerJ. Computer science
|June 22, 2023
概括
语义分组算法SEMGROMI通过分析用户故事的语义相似性,有效地定义了微服务的细分性. 这种方法优化了微服务设计,减少了复杂性和开发时间.
科学领域:
- 软件工程 软件工程 软件工程
- 分布式系统 分布式系统
- 人工智能 (自然语言处理)
背景情况:
- 微服务架构越来越多地被采用在各种领域,如物联网和自动驾驶汽车.
- 在单体系统迁移过程中定义微服务细分度是一个关键的设计挑战.
- 现有的方法,如域驱动设计 (DDD) 是常用的,但可以改进.
研究的目的:
- 引入SEMGROMI,这是一个用于微服务细粒度定义的新意义分组算法.
- 利用用户故事和语义相似性来识别微服务的数量和范围.
- 优化微服务分解以实现低合,高凝聚力和语义相似性.
主要方法:
- 利用用户故事作为功能要求规范的输入.
- 在用户故事中的文本描述上使用语义相似性分析.
- 在四个不同的项目中对DDD和遗传算法进行了验证SEMGROMI.
主要成果:
- 在微服务分解中,SEMGROMI表现出高的语义凝聚力和低的合.
- 该算法导致了系统复杂性的降低和微服务间的通信.
- 与基线方法相比,估计的开发时间显著减少.
结论:
- 对于设计和评估微服务架构,SEMGROMI提供了一种可行和有效的方法.
- 基于语义相似性的技术增强了微服务积压模型的设计时间决策.
- 这种方法为微服务应用程序提供了图形评估和基于指标的决策.
更多相关视频
08:27Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
Published on: January 5, 2024
1.2K
06:26Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images SDM-PSI
Published on: November 27, 2019
71.5K
