Microservices application being a distributed system allows deployment of individual services to physically separated different or same cloud virtual machine (VM) instances. Each microservice is responsible for completing their part and communicate with others through language and platform-agnostic application programming interfaces (APIs). These microservices when deployed on a VM uses many system resources (e.g., CPU, memory, disk I/O, and network I/O) to process user requests. The resource usage varies according to the type of task (CPU intensive, memory intensive or Create Read Update Delete (CRUD)) microservice's is doing. The resources usage change with the variation in the number of user requests or the user workload. Depending on the type of work, particular resource usage will have a more significant effect than others. As a result, at a certain stage, the response time of requests would go beyond the desired time. The maximum number of requests that could be served within this time is called as the Maximum Service Capacity (MSC) of the microservice. Performance of a microservice is directly related to the MSC. Automatically detecting MSC for each microservice can be challenging in practice as microservices applications are deployed using multiple abstraction layers. These numerous abstraction layers result in additional overhead for the indirect usage of hardware resources and also obscuring the run-time details. This challenge grows more with the availability of the different deployment configurations (e.g., Virtual machine type, Cloud service provider, deployment strategy, etc.). MSC varies with varying configurations of deployment. This thesis aims to address this problem of identifying the MSC for each microservice of the application by building the performance model of it in all the possible deployment configurations. A novel approach to microservice's performance modeling and sandboxing microservices from an application is introduced in this research. This approach is implemented in a tool called as Terminus. The proposed tool predicts the MSC of the microservice on different deployment configurations by training a model from the conducted tests. The derived results from the tool could also be used to find out the bottleneck microservice along with the number of microservice replicas needed for achieving adequate performance.      «

Microservices application being a distributed system allows deployment of individual services to physically separated different or same cloud virtual machine (VM) instances. Each microservice is responsible for completing their part and communicate with others through language and platform-agnostic application programming interfaces (APIs). These microservices when deployed on a VM uses many system resources (e.g., CPU, memory, disk I/O, and network I/O) to process user requests. The resource us...     »

Die Microservices-Anwendung, die ein verteiltes System ist, ermöglicht die Bereitstellung einzelner Dienste auf physisch getrennten verschiedenen Instanzen oder Instanzen der virtuellen Cloud-Maschine (VM). Jeder Microservice ist dafür verantwortlich, seinen Teil zu vervollständigen und mit anderen über sprach- und plattformunabhängige Programmierschnittstellen (APIs) zu kommunizieren. Wenn diese Mikroservices auf einer VM bereitgestellt werden, verwenden sie viele Systemressourcen (z. B. CPU, Speicher, Platten-E / A und Netzwerk-E / A), um Benutzeranforderungen zu verarbeiten. Die Ressourcennutzung hängt vom Task-Typ ab (CPU-intensiv, speicherintensiv oder Create Read Update Delete (CRUD)). Die Ressourcennutzung ändert sich mit der Variation der Anzahl der Benutzeranforderungen oder der Benutzerauslastung. Je nach Art der Arbeit hat eine bestimmte Ressourcennutzung eine größere Wirkung als andere. Als Ergebnis würde in einer bestimmten Phase die Antwortzeit der Anforderungen über die gewünschte Zeit hinausgehen. Die maximale Anzahl von Anforderungen, die innerhalb dieser Zeit bedient werden können, wird als Maximum Service Capacity (MSC) des Microservice bezeichnet. Die Leistung eines Microservice ist direkt mit dem MSC verbunden. Das automatische Erkennen von MSC für jeden Microservice kann in der Praxis eine Herausforderung darstellen, da Microservices-Anwendungen unter Verwendung mehrerer Abstraktionsschichten implementiert werden. Diese zahlreichen Abstraktionsschichten führen zu einem zusätzlichen Aufwand für die indirekte Nutzung von Hardwareressourcen und verschleiern außerdem die Laufzeitinformationen. Diese Herausforderung wächst mehr mit der Verfügbarkeit der verschiedenen Bereitstellungskonfigurationen (z. B. virtueller Maschinentyp, Cloud-Dienstanbieter, Bereitstellungsstrategie usw.). MSC variiert mit verschiedenen Bereitstellungskonfigurationen. Diese Masterarbeit zielt darauf ab, dieses Problem der Identifizierung des MSC für jeden Mikroservice der Anwendung zu lösen, indem das Leistungsmodell in allen möglichen Bereitstellungskonfigurationen erstellt wird. Ein neuartiger Ansatz für Microservices Performance-Modellierung und Sandbox-Microservices aus einer Anwendung wird in dieser Forschung vorgestellt. Dieser Ansatz wird in einem Tool namens Terminus implementiert. Das vorgeschlagene Tool prognostiziert das MSC des Microservice für verschiedene Bereitstellungskonfigurationen, indem ein Modell aus den durchgeführten Tests trainiert wird. Die abgeleiteten Ergebnisse aus dem Tool könnten auch verwendet werden, um den Engpass-Microservice zusammen mit der Anzahl von Microservice-Replikaten zu ermitteln, die zum Erzielen einer angemessenen Leistung benötigt werden.     «

Die Microservices-Anwendung, die ein verteiltes System ist, ermöglicht die Bereitstellung einzelner Dienste auf physisch getrennten verschiedenen Instanzen oder Instanzen der virtuellen Cloud-Maschine (VM). Jeder Microservice ist dafür verantwortlich, seinen Teil zu vervollständigen und mit anderen über sprach- und plattformunabhängige Programmierschnittstellen (APIs) zu kommunizieren. Wenn diese Mikroservices auf einer VM bereitgestellt werden, verwenden sie viele Systemressourcen (z. B. CPU, S...     »