CC BY
141
Igor A. Yegorov, engineer of AO «NPP "Polyot"» Adress: Russia, Nizhny Novgorod, Komsomolskaya square, 1 E-mail: [email protected]
Contribution of the authors: Yuri G. Belov: general project management, analysis and editing of the article text. Vladimdr V. Biryukov: experimental studies.
Igor A. Yegorov: experimental studies, collection and processing of results, preparation of the initial version of the article.
All authors have read and approved the final manuscript. 05.13.01
УДК 004.051:004.415.2
ПОКАЗАТЕЛИ ПРОИЗВОДИТЕЛЬНОСТИ МИКРОСЕРВИСНЫХ СИСТЕМ
© 2018
Иван Васильевич Артамонов, кандидат технических наук, доцент кафедры «Информатика и кибернетика» ФГБОУ ВО «Байкальский государственный университет», Иркутск (Россия)
Аннотация
Введение: популярной технологией разработки сложных программных систем является микросервисный подход. При разработке таких систем необходимо оценивать эффективность их работы, надежность и производительность. Существующие технологии не позволяют всесторонне оценивать работоспособность будущих систем по их проектам, будучи либо слишком примитивными, либо сложными для применения к моделям реального мира. Разработчикам приходится создавать системы и тестировать их под нагрузкой, а затем вносить улучшения. Материалы и методы: определенный опыт в решении проблемы прогнозирования производительности накоплен в области теории производственных систем и аппаратно-программного обеспечения, теории массового обслуживания и теории качества сервис-ориентированных систем. Критический анализ и абстрагирование от предметной области позволяет создать универсальный и обобщенный набор показателей производительности. Результаты: набор показателей состоит из четырех групп, оценивающих производительность по времени работы, по количественным данным, по загруженности микросервисов и по отношению к принятым нормативам и стандартам. Для показателей разработан набор граничных значений, достижение которых для микросервисов приводит к нежелательным эффектам, и дано определение опасных событий выхода всей системы за пределы нормы, влекущих отказ ее работы.
Обсуждение: несмотря на очевидную простоту, система показателей может быть использована для оценки любой системы безотносительно ее прикладной сферы и сложности. Все показатели дискретны, легко вычисляются вручную при наличии статистических данных о системе и не зависят от экспертного мнения. Заключение: разработанный набор показателей применим к любой микросервисной системе, пригоден к использованию в системах имитационного моделирования или автоматизированного тестирования, но зависит от статистических данных - ни один из показателей не может быть точно предсказан только по архитектуре системы или опыту экспертов.
Ключевые слова: бизнес-процесс, веб-служба, имитационное моделирование, качество обслуживания, композиция сервисов, метрики производительности, микросервис, производительность бизнес-процессов, производительность микросервисов, сервис-ориентированная архитектура.
Для цитирования: Артамонов И. В. Показатели производительности микросервисных систем // Вестник НГИЭИ. 2018. № 8 (87). С 24-33.
PERFORMANCE METRICS OF MICROSERVICE SYSTEM
© 2018
Ivan Vasilievich Artamonov, Ph. D. (Engineering), the Associate Professor
Baikal State University, Irkutsk (Russia)
Abstract
Introduction: microservices are very popular technology for creating complex distributed software systems. It's necessary to evaluate efficiency, performance and reliability of such systems during development process. Current technologies do not provide a method for comprehensive measuring of future systems performance being either too primitive or too complex for real-world models.
Materials and methods: some experience on performance measuring exists in theory of manufacturing systems, computer hardware and software, queuing theory and QoS for web-services. The article sums up their achievements and creates a universal and abstract set of performance indicators that can be applied to any service-oriented system and can be used with performance testing or system simulation.
Results: the set consists of four groups with metrics that examine time-depend and quantitative throughput, microservices' utilization and throughput compliance to standards and conventions. Every metric has two bound levels reaching of which leads to undesirable effects. A definition of dangerous events is proposed to determine abnormal, out-of-bound system behavior or state causing system failure.
Discussion: in spite of simplicity, the set of metrics can be used for performance analysis of any system regardless to its domain or complexity. In spite of simplicity, the set of metrics can be used for performance analysis of any system regardless to its domain or complexity. Every metric is discrete, does not depend on an expert opinion and can be easy estimated in the presence of stat data.
Conclusion: the set of metrics is applicable to any microservice-oriented system. It's suitable for using with simulation or testing tool but highly depends on statistical data - neither of they can be estimated only with help of experts or by software architecture.
Keywords: business process, web service, simulation, quality of service, service composition, performance metrics, microservice, business process performance, microservice performance, service-oriented architecture.
For citation: Artamonov I. V. Performance metrics of microservice system // Bulletin NGIEI. 2018. № 8 (87). P.24-33.
Введение
В настоящее время одной из основных концепций построения распределенных информационных систем различных областей применения считается сервис-ориентированный подход. В основе этой концепции, как и в основе сервис-ориентированного программирования, лежит понятие сервиса или службы - самостоятельной программной единицы с явно определенным интерфейсом, который обеспечивает слабую привязку программы к внешней среде. Так, сервис обладает способностью к повторному использованию, что вкупе с отсутствием сохранения состояния позволяет применять его многократно в различных контекстах. Последние годы достаточно часто в литературе, посвященной программной инженерии, можно встретить термин «микросервисная архитектура» [1]. Это сравнительно молодая концепция, которая, на наш взгляд, является прямым следствием развития представлений и тенденций в области сервис-ориентированной концепции. Под микросервисом будем понимать независимую программу, которая выполняет четко очерченный набор функций и взаимодействует с другими приложениями через определенный интерфейс и посредством общепринятых, стандартных и легковесных протоколов, например, HTTP. Отличия концепции микросервиса от более ранней - веб-сервиса были обсуждены нами в [2].
Ключевая идея микросервиса - независимость от окружающей среды, слабая с ней связанность и высокий уровень повторного использования.
Повторное использование предполагает, что один и тот же микросервис может использоваться для решения разных задач и в разных контекстах. Слабая связанность позволяет использовать для решения задачи разные микросервисы, но реализующие один и тот же интерфейс. Поэтому система, построенная на микросервисах, хорошо приспособлена для постепенного последовательного внедрения, масштабирования и высоких нагрузок и может разрабатываться параллельно несколькими командами разработчиков. И построение программных комплексов в сервис-ориентированном программировании не предполагает программирования «с нуля», а ориентируется на широкое использование частей, уже разработанных ранее или другими разработчиками. Модификация алгоритма работы программы также осуществляется изменением схемы передачи и преобразования данных между существующими микросервисами.
При такой сборке системы из микросервисов важным вопросом становится предсказание функциональных и нефункциональных аспектов работы создаваемого комплекса исходя из того, что особенности всех ее составляющих разработчикам могут быть известны. Одним из важнейших нефунк-
циональных аспектов работы, кроме, например, надежности, является и производительность системы. В условиях того, что микросервисы в основном используются для веб-программирования, а вовлеченность общества в интернет-среду с каждым годом растет, увеличивается и посещаемость, и нагрузка на сайты [3]. Поэтому построение производительных программных комплексов, оптимально использующих доступные ресурсы и готовых к масштабированию, является сложной, но актуальной задачей, важность которой возрастает. К сожалению, не существует общепринятых технологий и стандартов оценки производительности распределенных микросервисных систем, и разработчикам приходится работать с производительностью апостериори: замерять ее на уже построенных и работающих системах, а потом вносить необходимые улучшения и модификации. Например, в [4] утверждается, что производительность программных систем замеряется на последних этапах разработки, когда архитектура системы уже с трудом поддается изменению. Что, естественно, негативно сказывается на затратах и времени разработки.
В данной статье предлагается определение производительности микросервисной архитектуры, а также на основании опыта смежных областей вырабатывается набор показателей, позволяющих оценивать производительность как отдельных микросервисов, так и всей системы в целом.
Материалы и методы
Под производительностью микросервисной архитектуры мы будем понимать «набор показателей, оценивающих эффективность работы с учетом временных ограничений системы с микросервисной архитектурой в целом и ее частей». Определение охватывает общие показатели, применимые к любой системе (например, время выполнения задачи целиком), и частные, зависящие от предметной области (например, среднее количество обработанных фотографий за единицу времени, средняя длина очереди заявок на обработку и пр.).
Переформулируя определение, данное нами в [5], скажем, что надежность микросервисной системы - это «набор атрибутов, относящихся к ее способности выполнять возложенные задачи с должным уровнем качества при установленных условиях за установленный период времени». Поэтому, например, способность системы выполнить определенное количество задач является и показателем ее производительности, и показателем ее надежности. А система, не способная соблюдать заранее заданные временные ограничения, не может считаться надежной с этой точки зрения.
Технология микросервисов является современной реализацией принципов сервис-ориентированного программирования (СОП) и сервис-ориентированной архитектуры (СОА), которые развиваются с начала 2000-х годов. Впервые принципы СОП были воплощены в концепции, называемой «веб-сервисы» (или «веб-службы»), в [2]. Веб-сервисы были удачно совмещены с зародившейся в то же время методологией управления бизнес-процессами (BPM, business process management), которая пришла на смену реинжинирингу бизнес-процессов. В СОА сервисы стали технологической основной процессов, а процессы - организационным ядром сервисов, аналогичным образом технологическая, сервисная модель предприятия отображалась на процессную. Вследствие этого система, состоящая из микросервисов и выполняющая определенные задачи, с организационной точки зрения тоже выполняет бизнес-процессы предприятия и может быть декомпозирована так же, как и процессная модель: на отдельные бизнес-процессы, выполняемые сервисами, а каждый микросервис для выполнения своей работы может вызывать другие микросервисы. С этой точки зрения к микросервисной архитектуре применимы те же методы анализа, что и для архитектуры бизнес-процессов предприятия, в том числе анализ производительности [6].
Методики расчета предполагаемой производительности десятилетиями развиваются в близких к бизнес-процессам областях, например при анализе производственных систем [7], конвейеров [7] или цепочек поставок [10] (рассматривая эти области, отметим, что к этому понятию мы не относим такие классические экономические термины, как производительность земли, капитала, труда [10], предприятия [11] и пр., где время не рассматривается как основная ось измерений, а смысл терминов близок к «продуктивности»). Существующие методики оценки эффективности бизнес-процессов, например, KPI, учитывают и их производительность. Однако используемый набор показателей зависит от специфики бизнеса и подходит для сравнения схожих процессов и компаний или, например, для сравнения показателей одной и той же компании до и после совершенствования бизнес-процессов или информационных систем. Дополнительной сложностью, не позволяющей применять многие методики оценки производительности, является то, что бизнес-процесс в процессной модели часто рассматривается в виде декомпозиции на ряд подпроцессов. Причем декомпозиция может быть рекурсивной до уровня элементарных, неделимых операций.
В то же время показатели эффективности работы процесса, связанные со временем, цена и надежность процесса некоторыми авторами [12] относятся к показателям качества, объединяемых термином QoS (Quality of Service) процесса. Теория QoS процессов начала развиваться с середины 90-х годов вместе с развитием процессного подхода, а в 2000-х годах была перенесена в область сервис-ориентированного взаимодействия и архитектуры предприятия [12], что позволило интегрировать организационные и технические подходы к пониманию качества выполнения работ.
Наиболее близкими областями, опытом которых можно воспользоваться для построения формальной и абстрактной модели производительности, являются теория построения производственных систем [7; 13; 14; 15; 16; 17] и теория качества бизнес-процессов [12; 18; 19; 20]. В первом случае оценивается производительность сборочных линий и конвейерных производств, во втором время выступает как один из показателей качества (наряду со стоимостью, надежностью и пр.). Заметим также, что существует много работ, где такие показатели качества системы, как производительность или надежность рассчитываются для систем, выполняющих бизнес-процессы с помощью сервисов. Например, в работах Кардозо в [12] или [21], которые цитируются в большинстве последующих трудов, посвященных качеству процессов или сервисов.
С технологической точки зрения микросервисную архитектуру можно рассматривать в двух компонентах: как отдельный сервис и как их композицию. Первый случай на сегодняшний день представляет собой тривиальную задачу, так как область анализа производительности компьютерных и программных систем хорошо изучена (например, в [22; 21; 22; 23; 24; 25]), существует стандарт ISO/IEC 25010:2011 [27] (и аналогичный ему ГОСТ Р ИСО/МЭК 25010 - 2015), описывающий показатели производительности программного обеспечения, а в последние годы создано целое направление «performance engineering», которое изучает производительность систем различной природы и смежные области [27].
С другой стороны, расчет производительности распределенных и разнородных программных комплексов представляется более сложной задачей. В силу своей природы сервисы легко образуют взаимодействующие конструкции, называемые «сервисные композиции». Сервисные композиции, особенности их создания, их качество и управляемость являются основным объектом изучения в научной литературе, посвященной сервис-
ориентированной парадигме. Термин «производительность» обычно явно не выделяется и трактуется как часть качества композиции вместе с надежностью, стоимостью, репутацией и другими показателями качества [28; 29; 30; 31; 32; 33]. Большинство работ (например, [28; 29; 31; 33]) ссылается на работы Х. Кардозо ([12] или [21]), который в основу оценки производительности ставит время обработки задачи. Время обработки задачи он делит на время ожидания и время выполнения. Время ожидания -на время ожидания очереди и время подготовки к выполнению. На наш взгляд, декомпозиция времени работы - экстенсивный подход к решению проблемы оценки производительности. В зависимости от точки зрения и предметной области можно выделить и время загрузки, время отдыха, время запуска, время реакции и пр., как, например, в [18] или [34]. А работы, основанные на подходе Кардозо, часто вообще не делят время обработки задачи на составляющие и поэтому используют только этот один показатель производительности.
В целом предлагаемые в литературе методы оценки производительности сервисных композиций делятся на 2 направления: с использованием математического или имитационного моделирования. В первом варианте исследователи ориентируются на анализ структуры системы [31; 35; 36], в простейшем случае они используют расчет с учетом только последовательного расположения сервисов, в усложненных методиках - предлагая различные формулы расчета производительности в зависимости от типовых конструкций (циклов, развилок и пр.). Однако любой предлагаемый метод очень труден для реального применения, и его сложность экспоненциально возрастает со сложностью модели системы. Небольшая часть работ использует имитационное моделирование как доказательство эффективности частных алгоритмов [29; 32; 37]. Метод имитационного моделирования хорошо подходит для оценки качества работы процессов и сервис-ориентированных систем, однако практическое применение усложнено из-за недостатка универсальных технологий и средств. И если хорошо формализуемую композицию сервисов можно моделировать достаточно точно, то бизнес-процессы реального мира, особенно связанные с человеческим фактором, - нет [38].
Результаты
Проведенный анализ показывает, что показатели надежности, используемые для микросервисных систем, в целом схожи с показателями производительности бизнес-процессов, описанных в [6]. Это объясняется основной идеей сервис-ориенти-
рованной архитектуры: сервисы являются техническим воплощением бизнес-операций, поэтому и показатели производительности сервисов являются
техническими аналогами показателей производительности бизнеса. Таким образом, можно представить следующий набор показателей (табл. 1).
Таблица 1. Показатели производительности микросервисной системы и отдельных сервисов Table 1. Performance metrics of a microservice system or a microservice
№
Название / Name
Область / Object
Описание / Description
1.1
Время / Time
время выполнения / processing time
пропускная спо-
1.2 собность/ throughput время ожидания в
1.3 очереди / queue time
система / system микросервис / misro-service
система / system микросервис / misro-service
система / system микросервис / misro-service
2
2.1
2.2 3
3.1
3.2
Количество / Queue
длина очереди / queue size
система / system микросервис / misro-service
задачи в обработке система / / work-in-process whole system
Механизмы / Equipment
система / system
уровень простоя / idle level
эффективность использования / utilization
микросервис / misro-service
микросервис / misro-service
Нормативность / Conventions
4.1
4.2
уровень производительности / performability
нормативность производительности / performance compliance
система / system микросервис / misro-service
система / whole system
В группу входят показатели, отражающие временные характеристики микросервисной системы / The group consist of metrics displaying time-dependent properties of a system
Основная характеристика, определяющая время выполнения задачи / Total time required to process a task
Количество задач, обрабатываемых системой (микросервисом) за единицу времени / An amount of tasks that could be processed in a particular period of time
Время, которое задача провела в ожидании обработки / Time a task spends in a queue
В группу входят показатели, определяющие производительность количественно / The group consists of metrics displaying amount-dependent properties of a system
Количество задач, ожидающих обработки / An amount of awaiting processing tasks
Количество задач, выполняемых системой в определенный момент времени / An amount of tasks processed by system in a particular period of time
Обратное соотношение времени работы системы (microservice) ко времени его доступности и готовности / Inverse ratio of system (microservice) working time to its ready-to-go time.
Соотношение количества задач, решаемых микросервисом, по отношению к общему количеству задач системы / Ratio of an amount of tasks processed by microservice to the full amount of system tasks
В группу входят показатели, оценивающие качество производительности / The group consists of metrics displaying quality of performance
Вероятность того, что система (микросервис) будут демонстрировать производительность не ниже заданного уровня / A probability that a system (microservice) will operates at guaranteed levels of performance Соотношение микросервисов системы, производительность которых отвечает нормативам, к общему количеству микросервисов / How many microservices of a system has a performance that is compliant to applicable conventions
Из таблицы видно, что многие показатели зависимости от цели исследователя может быть
одинаково применимы как к отдельным микросер- рассмотрен в абсолютных и относительных, в ус-
висам, так и ко всей системе. Каждый показатель в редненных и максимально-минимальных значениях.
1
4
Например, при анализе результатов имитационного моделирования с множеством экспериментов или нагрузочном тестировании системы.
Применение показателей в анализе имеет смысл только при наличии предопределенных значений этих показателей, описывающих их допустимые пределы. Мы предлагаем для каждого показателя определять 3 группы свойств:
1. Допустимые границы - это минимальное и максимальное значение показателя, характеризующее пределы изменчивости при нормальной работоспособности.
2. Предельные события - события, возникающие при нарушении допустимых границ.
3. Опасные состояния - события, возникающие в системе, в которую входит исследуемый микросервис, при условии, что все остальные микросервисы работают в пределах допустимых границ, а порядок выполнения задач системы - последовательный.
Подробное описание этих свойств дано в [6].
Обсуждение
Предложенный набор показателей в целом соотносится с представленными нами набором для бизнес-процессов в [6], где микросервис выполняет какую-то одну операцию бизнес-процесса, а система взаимодействующих микросервисов выполняет целый бизнес-процесс. Система показателей обладает теми же преимуществами:
1. Универсальность - она может быть использована для оценки любой системы безотносительно ее прикладной сферы и сложности. В отличие от применяемых обычно одиночных показателей предлагаемая система оценивает производительность с нескольких точек зрения.
2. Практическая применимость - показатели дискретны и легко вычисляются вручную при наличии статистических данных о системе. Например, в отличие от применения теории массового обслуживания, нет необходимости в специальных математических знаниях. Определения интуитивно понятны широкому кругу специалистов.
3. Прагматичность - показатели не зависят от человеческого мнения и экспертного мнения. Их расчет может опираться только на объективные данные о статистике тестирования системы или ее моделирования. Влияние квалификации, опыта и интуиции эксперта минимально.
4. Однако существуют недостатки, являющиеся продолжениями достоинств, но ограничивающие возможности практического применения.
5. Зависимость от статистических данных -ни один из показателей не может быть точно предсказан только по архитектуре системы или опыту экспертов. Сбор и анализ статистической информации о работе микросервисной системы может быть сложным. В случаях, когда проектируется новая архитектура, ее производительность может быть рассчитана только методами имитационного моделирования или математического моделирования, которые применяются, например, для анализа производственных систем.
6. Нацеленность на применение при нагрузочном тестировании или в системах имитационного моделирования - сложные схемы моделей реальных систем могут не позволить использовать математические методы оценки. Единственной альтернативой без построения действующей системы является применение средств имитационного моделирования.
Заключение
Разработанный набор показателей надежности объединил существующие достижения в области программной инженерии, сервис-ориентированных технологий и производственных систем, он применим к любой сервис-ориентированной системе, пригоден к использованию в системах имитационного моделирования или автоматизированного тестирования. Набор состоит из четырех групп, оценивающих производительность по времени работы, по количественным данным, по загруженности микросервисов и по отношению к принятым нормативам и стандартам. Для показателей разработан набор граничных значений, достижение которых для микросервисов приводит к нежелательным эффектам, и дано определение опасных событий выхода всей системы за пределы нормы, влекущих отказ ее работы.
На данный момент нами разрабатывается открытое программное средство, позволяющее проводить анализ производительности и надежности сложных систем, решающих задачи по выполнению бизнес-процессов и последовательной обработки задач. К таким системам относятся и микросервисные системы. Предложенная система показателей надежности является важной частью методологического ядра разрабатываемого ПО.
Работа публикуется при финансовой
поддержке РФФИ в рамках научного проекта № «16-37-00095мол а».
СПИСОК ЛИТЕРАТУРЫ
1. Fowler M. Microservices - a definition of this new architectural term / Martin Fowler. 2014. [Электронный ресурс]. URL: http://martinfowler.com/articles/microservices.html.
2. Артамонов И. В. Исторические аспекты появления микросервисной архитектуры // Объектные системы. Ростов-на-Дону : Олейник Павел Петрович, 2016. C. 21-24.
3. Кубасова Т. И., Клещенко Н. Н. Основные стратегии развития интернет-магазинов в современных условиях // Логистика в условиях экономической турбулентности. Иркутск, 2017. С. 65-68.
4. Schmietendorf A., Scholz A. Aspects of Performance Engineering - An Overview // Performance Engineering: State of the Art and Current Trends. Magdeburg, 2001. P. 8-11.
5. Артамонов И. В. Надежность бизнес-транзакций в сервис-ориентированной среде // Инновационные информационные технологии : материалы конференции. Прага, 2013. C. 12-19.
6. Артамонов И. В. Показатели производительности бизнес-процесса // Вестник Астраханского государственного технического университета. Серия: Экономика. Астрахань, 2018. С. 43-50.
7. Al-Jaar R., Desrochers A. A. Performance evaluation of automated manufacturing systems using generalized stochastic Petri // IEEE Transactions on Robotics and Automation. 1990. V. 6. P. 621-639.
8. Gu T., Bahri P. A. A survey of Petri net applications in batch processes // Computers in Industry. 2002. V. 47, № 1. P. 99-111.
9. Viswanadham N., Srinivasa Raghavan N. R. Performnance analysis and design of supply chains: a Petri net approach // The Journal of the Operational Research Society. 2000. V. 51. P. 1158-1169.
10. Соколова Л. Г. Генезис категории «Производительность» // Известия Байкальского государственного университета. Иркутск, 2003. № 3. C. 52-55.
11. Тертышник М. И. Определение и оценка производственных мощностей предприятия // Известия Иркутской государственной экономической академии (БГУЭП). Иркутск, 2011. Т. 6. C. 47-54.
12. Cardoso J. Quality of Service and Semantic Composition of Workflows. Athens, 2002. 216 p.
13. Zuberek W., Kubiak W. Throughput analysis of manufacturing cells using timed Petri nets // IEEE International Conference on Systems, Man, and Cybernetics. San Antonio, 1994. P. 1328-1333.
14. D'Souzaa K., Khator S. K. A survey of Petri net applications in modeling controls for automated manufacturing systems // Computers in Industry. 1994. P. 5-16.
15. Moore K., Gupta S. M. Petri net models of flexible and automated manufacturing systems: a survey // International Journal of Production Research. 1996. V. 34, № 11. P. 3001-3035.
16. Leonides C. Manufacturing and Automation Systems: Techniques and Technologies: Advances in Theory and Applications. Academic Press, 1991. 446 p.
17. Chryssolouris G. Manufacturing Systems: Theory and Practice. Springer, 2005. 606 p.
18. Heinrich R. Aligning business process quality and information system quality. Heidelberg : Heidelberg University, 2013.254 p.
19. Brocke J., RosemannM. Handbook on Business Process Management 2. Springer, 2010. 616 p.
20. Hosftede A. H., Dumas M., Wil M. P. van der Aalst. Process-Aware Information Systems: bridging people and software through process technology. John Wiley & Sons, Inc, 2005409 p.
21. Cardoso J., Miller J., Sheth A., Arnold J. Modeling Quality of Service for Workflows and Web Service Processes. 2004. № 1. pp. 281-308.
22. Fortier P. J., Michel H. E. Computer Systems Performance Evaluation and Prediction. Elsevier Science, 2003.525 p.
23. Liu H. Software Performance and Scalability: A Quantitative Approach. Wiley, 2009. 375 p.
24. Obaidat M., Boudriga N. A. Fundamentals of Performance Evaluation of Computer and Telecommunications Systems. Hoboken : John Wiley & Sons, 2010. 459 p.
25. Model-based performance prediction in software development: a survey // IEEE Transactions on Software Engineering. IEEE, 2004. V. 30, № 5. P. 295-310.
26. ISO/IEC 25010:2011 // International Organization for Standardization. ISO, 2011 [Электронный ресурс]. URL: https://www.iso .org/standard/35733 .html.
27. Dumke R., Rautenstrauch C., Schmietendorf A., Scholz A. Performance Engineering: State of the Art and Current Trends. Magdeburg : Springer, 2001. 349 p.
28. H. H. Ngu A., Liu Y., Zeng L., Quan Z. Sheng Configurable QoS Computation and Policing in Dynamic Web Service Selection // Service-Oriented Computing. Massachusetts Institute of Technology, 2009. P. 183-198.
29. Silver G., Maduko A., Rabia J., Amit Sh., Miller J. A. Modeling and Simulation of Quality of Service for Composite Web Services II 7th World Multiconference on Systemics, Cybernetics, and Informatics. Orlando, Florida, USA, 2003. P. 420-425.
30. Xia J. QoS-Based Service Composition II 30th Annual International Computer Software and Applications Conference. Chicago, IL, USA, 2006. P. 359-361.
31. Strunk A. An Algorithm to Predict the QoS-Reliability of Service Compositions II 6th World Congress on Services (SERVICES-1). Miami, FL, 2010. P. 205-212.
32. Yang L., Yu D., Zhang B. Reliability Oriented QoS Driven Composite Service Selection Based on Performance Prediction II The 20-th International Conference on Software Engineering & Knowledge Engineering. Knowledge Systems Institute Graduate School, 2008. P. 215-218.
33. Canfora G., Penta M., Esposito R., Villani M. L. QoS-Aware Replanning of Composite Web Services II Proceedings of the IEEE International Conference on Web Services. Orlando, FL, USA : IEEE, 2005. pp. 121-129.
34. Heckl D., Moorman J. Process Performance Management II Handbook on business process management 2: Strategic alignment, governance, people and culture. Springer, 2010. P. 115-135.
35. Grassi V. Architecture-Based Reliability Prediction for Service-Oriented Computing II Architecting Dependable Systems III. Berlin : Springer, 2005. P. 279-299.
36. Jong Myoung Ko, Chang Ouk Kim, Ick-Hyun Kwon. Quality-of-service oriented web service composition algorithm and planning architecture II Journal of Systems and Software. New York, NY, USA : Elsevier Science Inc., 2008. V. 81, № 11. P. 2079-2090.
37. Sato N., Trivedi S. Stochastic Modeling of Composite Web Services for Closed-Form Analysis of Their Performance and Reliability Bottlenecks II Service-Oriented Computing - ICSOC. Berlin : Springer, 2007. pp. 107-118.
38. Aalst W. Business Process Simulation Survival Guide II Handbook on Business Process Management. Berlin : Springer-Verlag, 2015. P. 337-370.
Дата поступления статьи в редакцию 15.05.2018, принята к публикации 19.06.2018.
Информация об авторах:
Артамонов Иван Васильевич, кандидат технических наук, доцент кафедры «Информатика и кибернетика» Адрес: Байкальский государственный университет, 664003, Россия, Иркутск, Ленина, 11 E-mail: [email protected] Spin-код: 9008-5481.
Автор прочитал и одобрил окончательный вариант рукописи.
REFERENCES
1. Fowler M. Microservices - a definition of this new architectural term, 2014 [Elektronnyj resurs]. Available at: http:IImartinfowler.comIarticlesImicroservices.html.
2. Artamonov I. V. Istoricheskie aspekty pojavlenija mikroservisnoj arhitektury [Historical aspects of misroser-vicee architecture appearance], Ob 'ektnye sistemy [Object systems], 2016. pp. 21-24.
3. Kubasova T. I., Cleshchenko N. N. Osnovnye strategii razvitiia internet-magazinov v sovremennykh uslo-viiakh (The base strategies of development the internet-shops in modern conditions), Logistika v usloviiakh e'konomicheskoi turbulentnosti [Logistics in times of economic turbulence], 2017, Irkutsk, pp. 65-68.
4. Schmietendorf A., Scholz A. Aspects of Performance Engineering - An Overview, Performance Engineering: State of the Art and Current Trends, Magdeburg, 2001. pp. 8-11.
5. Artamonov I. V. Nadezhnost' biznes-tranzakcij v servis-orientirovannoj srede [Reliability of business transaction in service-oriented environment], Innovacionnye informacionnye tehnologii [Information Innovative Technologies], Prague, 2013, pp.12-19.
6. Artamonov I. V. Pokazateli proizvoditeFnosti biznes-protcessa [Business process throughput metrics], Vest-neyk Astrahanskogo gosudarstvennogo tekhnicheskogo universiteta. Seriia: Ekonomika [Bulletin of Astrakhan State Technical University. Series: Economics], Astrakhan, 2018. pp. 43-50.
7. Al-Jaar R., Desrochers A. Performance evaluation of automated manufacturing systems using generalized stochastic Petri nets, IEEE Transactions on Robotics and Automation, 1990, Vol. 6, pp. 621-639.
8. Gu T., Bahri P. A survey of Petri net applications in batch processes, Computers in Industry, 2002, Vol. 47, No. 1, pp. 99-111.
9. Viswanadham N., Srinivasa Raghavan N. R. Performance analysis and design of supply chains: a Petri net approach, The Journal of the Operational Research Society, 2000, Vol. 51, pp. 1158-1169.
10. Sokolova L. G. Genezis kategorii «Proizvoditel'nost'» [Genesis of «performance» category], Izvestija Baj-kal'skogo gosudarstvennogo universiteta [Bulletin of Baikal state university], Irkutsk, 2003, No. 3, pp. 52-55.
11. Tertyshnik M. I. Opredelenie i ocenka proizvodstvennyh moshhnostej predprijatija [Definition and estimation of enterprise production capacities], Izvestija Irkutskoj gosudarstvennoj jekonomicheskoj akademii [Bulletin of Baikal state university], Irkutsk, 2011, Vol. 6, pp. 47-54.
12. Cardoso J. Quality of Service and Semantic Composition of Workflows, Athens, 2002, 216 p.
13. Zuberek W., Kubiak W. Throughput analysis of manufacturing cells using timed Petri nets, IEEE International Conference on Systems, Man, and Cybernetics, San Antonio, 1994, pp. 1328-1333.
14. D'Souzaa, K., Khator Suresh K. A survey of Petri net applications in modeling controls for automated manufacturing systems, Computers in Industry, 1994, pp. 5-16.
15. Moore K., Gupta S.M. Petri net models of flexible and automated manufacturing systems: a survey, International Journal of Production Research, 1996, Vol. 34, No. 11, pp. 3001-3035.
16. Leonides C. Manufacturing and Automation Systems: Techniques and Technologies, Advances in Theory and Applications, Academic Press, 1991. 446 p.
17. Chryssolouris G. Manufacturing Systems: Theory and Practice, Springer, 2005, 606 p.
18. Heinrich R. Aligning business process quality and information system quality, Heidelberg University, 2013,
254 p.
19. Brocke J., Rosemann M. Handbook on Business Process Management 2, Springer, 2010, 616 p.
20. Hosftede A. H., Dumas M., Aalst Wil M. P. Process-Aware Information Systems: bridging people and software through process technology, John Wiley & Sons, Inc, 2005, 409 p.
21. Cardoso J., Miller J., Sheth A., Arnold J. Modeling Quality of Service for Workflows and Web Service Processes, 2004, No. 1, pp. 281-308.
22. Fortier P. J., Michel H. E. Computer Systems Performance Evaluation and Prediction, Elsevier Science, 2003, 525 p.
23. Liu H. Software Performance and Scalability: A Quantitative Approach, Wiley, 2009, 375 p.
24. Obaidat M., Boudriga N. A. Fundamentals of Performance Evaluation of Computer and Telecommunications Systems, Hoboken, John Wiley & Sons, 2010, 459 p.
25. Model-based performance prediction in software development: a survey, IEEE Transactions on Software Engineering, IEEE, 2004, Vol. 30, No. 5, pp. 295-310.
26. ISO/IEC 25010:2011, International Organization for Standardization. 2011 [Elektronnyj resurs]. Available at: https://www.iso.org/standard/35733 .html.
27. Dumke R., Rautenstrauch C., Schmietendorf A., Scholz A. Performance Engineering: State of the Art and Current Trends, Magdeburg, Springer, 2001, 349 p.
28. H. H. Ngu A., Liu Y., Zeng L., Sheng Q. Z. Configurable QoS Computation and Policing in Dynamic Web Service Selection, Service-Oriented Computing, Massachusetts Institute of Technology, 2009, pp. 183-198.
29. Silver G., Maduko A., Rabia J., Amit S., Miller J. Modeling and Simulation of Quality of Service for Composite Web Services, 7th World Multiconference on Systemics, Cybernetics, and Informatics, Orlando, Florida,USA, 2003,pp.420-425.
30. Xia J. QoS-Based Service Composition, 30th Annual International Computer Software and Applications Conference, Chicago, IL, USA, 2006, pp. 359-361.
31. Strunk A. An Algorithm to Predict the QoS-Reliability of Service Compositions, 6th World Congress on Services, Miami, 2010, pp. 205-212.
32. Yang L., Yu D., Zhang B. Reliability Oriented QoS Driven Composite Service Selection Based on Performance Prediction, The 20-th International Conference on Software Engineering & Knowledge Engineering, 2008, pp.215-218.
33. Canfora G., Di Penta M., Esposito R., Luisa Villani M. QoS-Aware Replanning of Composite Web Services, Proceedings of the IEEE International Conference on Web Services, 2005, pp. 121-129.
34. Heckl D., Moorman J. Process Performance Management, Handbook on business process management 2: Strategic alignment, governance, people and culture, Springer, 2010, pp. 115-135.
35. Grassi V. Architecture-Based Reliability Prediction for Service-Oriented Computing, Architecting Dependable Systems III, Berlin, Springer, 2005, pp. 279-299.
36. Jong Myoung Ko, Chang Ouk Kim, Ick-Hyun Kwon. Quality-of-service oriented web service composition algorithm and planning architecture, Journal of Systems and Software, Elsevier Science Inc., 2008, Vol. 81, No. 11, pp. 2079-2090.
37. Sato N., Trivedi S. Stochastic Modeling of Composite Web Services for Closed-Form Analysis of Their Performance and Reliability Bottlenecks, Service-Oriented Computing, Springer, 2007, pp. 107-118.
38. Aalst W. Business Process Simulation Survival Guide, Handbook on Business Process Management, Springer-Verlag, 2015, pp. 337-370.
Submitted 15.05.2018, revised 19.06.2018.
About the authors:
Ivan V. Artamonov, Ph. D. (Engineering), the Associate Professor of the chair «Informatics and cybernetics» Address: Baikal State University, 664003, Russia, Irkutsk, Lenin Str., 11 E-mail: [email protected] Spin-code: 9008-5481
Author have read and approved the final manuscript.
