Невизначеність кількісної оцінки характеристик якості в розподілених системах та мікросервісах

DOI: 10.31673/2412-9070.2024.043746

Анотація

У сучасному світі розробки програмного забезпечення — розподілені системи та мікросервіси набувають все більшої популярності. Вони дозволяють розробникам створювати гнучкі, масштабовані та надійні програми, які можуть швидко адаптуватися до змін в бізнес-потребах та технологічному середовищі. Натомість сучасне застосування мікросервісів в якості архітектурного підходу при розробці програмних систем, сприяє розділенню монолітних додатків на менші, незалежні сервіси, що можуть розгортатися та оновлюватися окремо. Це, в свою чергу, значно підвищує швидкість розробки та впровадження нових функцій. Однак, попри численні переваги, розподілені системи та мікросервіси створюють нові виклики, особливо у сфері оцінки їхньої якості.
Одним із головних аспектів є невизначеність, яка виникає через складність системи, варіабельність навантаження, різноманітність конфігурацій та залежність від зовнішніх компонентів. Суттєвий внесок у розробку теоретичних й практичних аспектів, щодо узагальнення проблематики питання невизначеності оцінювання кількісних характеристик якості внесли такі вчені, як C. Areces, R. Fervari, A. Saravia, F. Velа′zquez-Quesada, S. Guaman, J. Alamo, J. Caiza, M. Nakamura та ін. Метою даної статті є вирішення проблеми пов’язаної із невизначеністю кількісної оцінки характеристик якості в розподілених системах та мікросервісах.
Для реалізації мети в статті поставлені і вирішені такі завдання: проведено теоретичний огляд проблеми невизначеності при кількісній оцінці характеристик якості в розподілених системах та мікросервісах; розглянуто методологічні особливості врахування невизначеності при кількісній оцінці характеристик якості в розподілених системах та мікросервісах; досліджено практичний приклад реалізації кількісної оцінки характеристик якості в розподілених системах та мікросервісах в умовах невизначеності. В процесі вирішення піднятих завдань було використано методи аналізу, синтезу, узагальнення, порівняння.

Ключові слова: якість програмних систем; невизначеність кількісних характеристик якості; розподілені системи; мікросервіси; метод Монте-Карло; невизначеність; аналіз надійності мережі.

Список використаної літератури
1. Uncertainty-based knowing how logic / C. Areces, R. Fervari, A. R. Saravia, F. R. Velázquez-Quesada // Journal of Logic and Computation. 2023. URL: https://doi.org/10.1093/logcom/exad056
2. Behera D. Alternative methodology for epistemic uncertainty-based linear programming problem // Soft Computing. 2023. URL: https://doi.org/10.1007/s00500-023-08725-5
3. Bougeret M., Pessoa A., Poss M. Single machine robust scheduling with budgeted uncertainty // Operations Research Letters. 2023. URL: https://doi.org/10.1016/j.orl.2023.01.007
4. Boukhelifa N., Johnson C. R., Potter K. Visualization and decision making design under uncertainty // IEEE Computer Graphics and Applications. 2023. Vol. 43(5). P. 23–25. URL: https://doi.org/10.1109/mcg.2023.3302172
5. Sources of uncertainty and subjective prices / V. Cappelli, S. Cerreia-Vioglio, F. Maccheroni [et al.] // Journal of the European Economic Association. 2020. URL: https://doi.org/10.1093/jeea/jvaa013
6. Computerized software quality evaluation with novel artificial intelligence approach / D. Chandra Yadav, Y. Singh, A. Kumar Pandey, A. Kannagi // Proceedings on Engineering Sciences. 2024. Vol. 5(4). P. 363–372. URL: https://doi.org/10.24874/pes.si.24.02.019
7. Theoretical characterization of uncertainty in high-dimensional linear classification / L. Clarté, B. Loureiro, F. Krzakala, L. Zdeborova // Machine Learning: Science and Technology. 2023. URL: https://doi.org/10.1088/2632-2153/acd749
8. Guaman D. S., Alamo J. M. D., Caiza J. C. A systematic mapping study on software quality control techniques for assessing privacy in information systems // IEEE Access, 2020. Vol. 8. P. 74808–74833. URL: https://doi.org/10.1109/access.2020.2988408
9. Hahn S.-J., Lee B.-H. Quality evaluation to small scaled software implementation result // Journal of Korean Institute of Information Technology. 2023. Vol. 21(1). P. 1–10. URL: https://doi.org/10.14801/jkiit.2023.21.1.1
10. Significance of quantitative evaluation and assessment using automated volumetric breast density measurements software / S. Hayashi, M. Kubo, H. Mori, M. Nakamura // Nihon Nyugan Kenshin Gakkaishi (Journal of Japan Association of Breast Cancer Screening). 2023. Vol. 32(1). P. 63–65. URL: https://doi.org/10.3804/jjabcs.32.63
11. Humphrey W. S., Singpurwalla N. D. A bayesian approach for assessing software quality and productivity // International Journal of Reliability, Quality and Safety Engineering. 1998. Vol. 05(02). P. 195–209. URL: https://doi.org/10.1142/s0218539398000194
12. Evaluation of the effectiveness of technology-based project management systems for software development / M. M. Indi, D. M. Priyangan, F. D. Herdiani [et al.] // Global International Journal of Innovative Research. 2023. Vol. 1(2). P. 175–181. URL: https://doi.org/10.59613/global.v1i2.30
13. Evaluation of data quality based on Bayesian networks in railway rolling stock monitoring systems / S. Kamaletdinov, N. Aripov, S. Khudayberganov [et al.] // E3S Web of Conferences. 2023. Vol. 460. P. 04014. URL: https://doi.org/10.1051/e3sconf/202346004014
14. Signal quality indices evaluation for robust ECG signal quality assessment systems / F. Kuetche, A. Noura, P. E. Ntsama [et al.] // Biomedical Physics & Engineering Express. 2023. URL: https://doi.org/10.1088/2057-1976/ace9e0
15. Software defect prediction for quality evaluation using learning techniques ensemble stacking / M. R. Kusuma, Windu Gata, Sigit Kurniawan [et al.] // Jurnal Teknologi Informasi Dan Komunikasi. 2023. Vol. 13(2). P. 1–13. URL: https://doi.org/10.35585/inspir.v13i2.58
16. Liu C. Quantitative evaluation of software component behavior discovery approach // IEICE Transactions on Information and Systems. 2021. E104.D(1). P. 117–120. URL: https://doi.org/10.1587/transinf.2020mpl0001
17. Merzlyakova E. Y., Yanchenko E. V. Review of software quality verification and evaluation methods // The Herald of the Siberian State University of Telecommunications and Informatics. 2023. Vol. 17(1). P. 92–106. URL: https://doi.org/10.55648/1998-6920-2023-17-1-92-106
18. Pankov P. S., Tagaeva S. B. Systems of differential equations and computer phenomena // Herald of Institute Mathematics of the National Academy of Sciences of the Kyrgyz Republic. 2020. Vol. (2). P. 86–93. URL: https://doi.org/10.52448/16948173_2020_2_86
19. Yoon H. A quantitative evaluation for usability under software quality models // International Journal on Recent and Innovation Trends in Computing and Communication. 2023. Vol. 11(3). P. 24–29. URL: https://doi.org/10.17762/ijritcc.v11i3.6194
20. An entropy-based group decision-making approach for software quality evaluation / C. Yue, R. Huang, D. Towey [et al.] // Expert Systems With Applications. 2023. P. 121979. URL: https://doi.org/10.1016/j.eswa.2023.121979
21. Informative data selection with uncertainty for multimodal object detection / X. Zhang, Z. Li, Z. Zou [et al.] // IEEE Transactions on Neural Networks and Learning Systems. 2023. P. 1–13. URL: https://doi.org/10.1109/tnnls.2023.3270159
22. Evaluating the impact of uncertainty visualization on model reliance / J. Zhao, Y. Wang, M. V. Mancenido [et al.] // IEEE Transactions on Visualization and Computer Graphics. 2023. P. 1–15. URL: https://doi.org/10.1109/tvcg.2023.3251950