فصلنامه تخصصی آرمان پردازش
فصلنامه تخصصی فناوری اطلاعات و ارتباطات

رویکرد کیفیت‌محور جهت بهسازی سیستم‌های توزیعی با معماری میکروسرویس

نوع مقاله : مقاله پژوهشی

نویسندگان

زهرا سبحانی پور
علیرضا تحریری

گروه مهندسی کامپیوتر، واحد قم، دانشگاه آزاد اسلامی، قم، ایران

10.22034/apj.2026.735652
چکیده
پیشرفت سریع فناوری‌های محاسباتی ابری و افزایش چشمگیر تقاضا برای سیستم‌های نرم‌افزاری مقیاس‌پذیر، سازمان‌ها را ناگزیر به بازنگری در معماری سیستم‌های توزیعی خود ساخته است. معماری یکپارچه سنتی، علی‌رغم کارایی اولیه، به دلیل اتصال محکم میان مؤلفه‌ها، با چالش‌های جدی در زمینه قابلیت نگهداری، مقیاس‌پذیری و استقرار مستقل مواجه است. این مقاله به بررسی رویکردهای نوین در بهسازی سیستم‌های توزیعی با تمرکز بر معماری میکروسرویس می‌پردازد. در این تحقیق، یک چارچوب جامع چهارمرحله‌ای (کشف و تحلیل، شناسایی سرویس‌ها، طراحی و پیاده‌سازی، و استقرار و نظارت) ارائه شده است که فرآیند مهاجرت از معماری یکپارچه به میکروسرویس را به‌صورت نظام‌مند هدایت می‌کند. چارچوب پیشنهادی با ترکیب تحلیل‌های ایستا و پویا از سیستم پشتیبان، استفاده از تکنیک‌های یادگیری ماشین مبتنی بر گراف برای شناسایی مرزهای سرویس، و بهره‌گیری از الگوهای معماری رویدادمحور، به سازمان‌ها امکان می‌دهد تا با حفظ کیفیت سرویس و کاهش ریسک‌های عملیاتی، مهاجرتی موفق را تجربه کنند. ارزیابی چارچوب بر روی یک سیستم واقعی مالی (UVT) نشان می‌دهد که به‌کارگیری رویکرد پیشنهادی، زمان پاسخ را تا ۴۲٪ کاهش، نرخ خطا را به کمتر از ۰.۵٪ محدود و زمان بازیابی خطا را تا ۶۵٪ بهبود می‌بخشد. این پژوهش با ارائه دستورالعمل‌های عملی و ارزیابی متدولوژی‌های موجود، نقشه راهی برای پژوهشگران و مهندسان نرم‌افزار در زمینه مهاجرت به معماری میکروسرویس فراهم می‌آورد.

کلیدواژه‌ها

معماری میکروسرویس
بهسازی کیفیت سیستم‌
سیستم‌های توزیعی
مهاجرت یکپارچه
تحلیل سرویس‌محور
استقرار

عنوان مقاله English

Qualitative Approach to Improve Distribution Systems with Microservice Architecture

نویسندگان English

Zahra Sobhanipoor
Alireza Tahriri
Department of Computer engineering , Qo.C., Islamic Azad University , Qom, Iran
چکیده English

Rapid development of cloud computing technologies and a significant increase in demand for scalable software systems has forced organizations to review their distributed systems architecture .traditional monolithic architecture , despite its initial efficiency , is faced with serious challenges in the field of maintenance , scalability , and independent deployment because of the strong connection between components .this paper reviews new approaches to improve distribution systems with focus on microservice architecture .in this research , a comprehensive four phase framework ( discovery and analysis , service identification , design and implementation , and implementation ) is presented that guides the migration process from integrated architecture to microservice systematically .the proposed framework combines static and dynamic analyses of support system , using graph - based learning techniques to identify the boundaries of service , and use architecture patterns , enables organizations to experience successful migration by maintaining service quality and reducing operational risks .evaluating the framework on a real financial system ( UVT ) shows that the application of the proposed approach reduces the response time by 42 % , reduces the error rate to less from 0.5 % and improves the error recovery time by 65 % .this research presents practical guidelines and evaluation of existing methodologies , a way for researchers and software engineers in the field of migration to microservice architecture.

کلیدواژه‌ها English

Microservice Architecture
System Quality Optimization
Distribution Systems
Integrated Migration
Service Based Analysis
Deployment
[1] Trabelsi I, Mahmoudi B, Minani JB, Moha N, Guéhéneuc YG. A Systematic Literature Review of Machine Learning Approaches for Migrating Monolithic Systems to Microservices. IEEE Transactions on Software Engineering. 2025 Nov;51(11):2927-95.
[2] Pourshahid A. Agentic AI is repeating microservices’ mistake but it’s not too late. Intelligent CIO. 2025 Oct 16.
[3] Capuano R, Muccini H, Vaccaro F. From Refactoring to Migration: a Quality-Driven Strategy for Microservices Adoption. Università degli Studi dell'Aquila; 2024.
[4] Weerasinghe M, et al. From Monolith to Microservices: A Comparative Evaluation of Decomposition Frameworks. arXiv preprint arXiv:2601.23141. 2026 Jan 30.
[5] Raymond Z. When Microservices Go Rogue: The Saga Pattern That Keeps Distributed Systems in Line. Andela. 2025 May 27.
[6] de Sá MEL, de A. Cordeiro G, Lira RG, Traon YL. SPReaD: service-oriented process for reengineering and DevOps. Service Oriented Computing and Applications. 2022;16:1-16.
[7] Iurchenko A. Optimization of Microservices Architecture Performance in High-Load Systems. The American Journal of Engineering and Technology. 2025 May 15;7(05):123-32.
[8] Trabelsi I, Moha N, Guéhéneuc YG, Geffard L. MAGNET: Method-based Approach using Graph Neural Network for Microservices Identification. In: Proceedings of the 21st International Conference on Software Architecture (ICSA); 2024 Jun; IEEE CS Press. p. 1-11.
[9] Mohammad M. From Legacy to Cloud-Native: Engineering for Reliability at Scale. IEEE Computer Society. 2025 Dec 17.
[10] Capuano R. Migration to microservices: a quality-driven approach [dissertation]. Università degli Studi dell'Aquila; 2023.
[11] Francesco PD, Malavolta I, Lago P. Research on architecting microservices: Trends, focus, and potential for industrial adoption. In: 2017 IEEE International Conference on Software Architecture (ICSA). IEEE; 2017. p. 21-30.
[12] Newman S. Building Microservices: Designing Fine-Grained Systems. 2nd ed. O'Reilly Media; 2021.
[13] Richards M. Microservices vs. Service-Oriented Architecture. O'Reilly Media; 2016.
[14] Soldani J, Tamburri DA, Van Den Heuvel WJ. The pains and gains of microservices: A Systematic Grey Literature Review. Journal of Systems and Software. 2018 Dec 1;146:215-32.
[15] Lewis J, Fowler M. Microservices [Internet]. martinfowler.com; 2014 [cited 2025]. Available from: https://martinfowler.com/articles/microservices.html
[16] Dragoni N, Giallorenzo S, Lafuente AL, Mazzara M, Montesi F, Mustafin R, Safina L. Microservices: yesterday, today, and tomorrow. In: Present and Ulterior Software Engineering. Springer; 2017. p. 195-216.
[17] Taibi D, Lenarduzzi V, Pahl C. Architectural patterns for microservices: a systematic mapping study. In: Proceedings of the 8th International Conference on Cloud Computing and Services Science. 2018. p. 221-32.
[18] Alshuqayran N, Ali N, Evans R. A systematic mapping study in microservice architecture. In: 2016 IEEE 17th International Conference on Information Reuse and Integration (IRI). IEEE; 2016. p. 44-51.
[19] Kalske M, Mäkitalo N, Mikkonen T. Challenges when moving from monolith to microservice architecture. In: International Conference on Web Engineering. Springer; 2018. p. 32-47.
[20] Wolfart D, Assunção WK, da Silva IF, Domingos DC, Schmeing E, Villaca GL, Paza DV. Modernizing monolithic systems: A systematic literature review. Information and Software Technology. 2021 Oct 1;138:106620.
[21] Razzaq A, Kang SH, Hur SH. A systematic review on migrating a monolithic system to microservices. IEEE Access. 2020 Sep 28;8:170848-70.
[22] Ponce F, Marquez G, Astudillo H. Migrating from monolithic architecture to microservices: A Rapid Review. In: 2019 38th International Conference of the Chilean Computer Science Society (SCCC). IEEE; 2019. p. 1-7.
[23] Bogner J, Fritzsch J, Wagner S, Zimmermann A. Microservices in industry: Insights into technologies, characteristics, and software quality. In: 2019 IEEE International Conference on Software Architecture Companion (ICSA-C). IEEE; 2019. p. 187-94.
[24] Nadareishvili I, Mitra R, McLarty M, Amundsen M. Microservice Architecture: Aligning Principles, Practices, and Culture. O'Reilly Media; 2016.
[25] Indrasiri K, Siriwardena P. Microservices for the Enterprise: Designing, Developing, and Deploying. Apress; 2018.
[26] Hohpe G, Woolf B. Enterprise Integration Patterns: Designing, Building, and Deploying Messaging Solutions. Addison-Wesley; 2004.
[27] Kleppmann M. Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems. O'Reilly Media; 2017.
[28] Beyer B, Jones C, Petoff J, Murphy NR. Site Reliability Engineering: How Google Runs Production Systems. O'Reilly Media; 2016.

صفحه اصلی

ارسال مقاله

داوران

تماس با ما