earticle

영어

Microservice architecture refers to a software architecture that guarantees the independence of components to increase maintainability and nimbly reflects user requirements. Microservice architecture mainly utilizes a microservice construction method that incorporates container virtualization technology to ensure component independence, and establishes relationships between microservices by utilizing connection specifications or models of individual microservices. However, improving existing services or developing new services using microservice architecture requires various basic knowledge such as software networks, software modeling, and resource virtualization. This acts as an entry barrier to analyzing and utilizing microservice architecture, and is a factor that makes it difficult to establish a clear construction plan. Therefore, in this paper, we propose a learning-based management method for microservice architecture based on generative AI that enables immediate feedback and additional learning in order to lower the entry barrier to introducing microservice architecture and provide automation-based technology. The proposed method derives a container specification that builds container based microservices through generative AI. In addition, we propose a method that can determine the coupling between microservices by learning loose coupling and functional specifications based on the BCE pattern definition to support the derivation of functional relationships in microservice architecture. The proposed method is suitable for building microservices and supporting combination decisions through a case study utilizing GPT, a generative AI model, in the process of deploying microservices in a Kubernetes container environment. It is expected that the microservice learning-based management method presented in this paper will be able to support various IT service providers who are experiencing technical difficulties in introducing microservices.

한국어

마이크로서비스 아키텍처는 구성 요소의 독립성을 보장하여 유지보수성을 높이고 사용자 요구사항을 민첩하게 반영 하는 소프트웨어 아키텍처를 말한다. 마이크로서비스 아키텍처는 구성 요소 독립성을 보장하기 위해 컨테이너 가상 화 기술을 접목한 마이크로서비스 구축 방법을 주로 활용하며, 개별 마이크로서비스의 연결 명세 또는 모델을 활용 해 마이크로서비스 간 연관 관계를 수립한다. 그러나, 마이크로서비스 아키텍처를 활용하여 기존 서비스를 개선하거 나 새로운 서비스를 개발하기 위해서는 소프트웨어 네트워크, 소프트웨어 모델링, 자원 가상화 등의 다양한 기반 지 식이 요구된다. 이는, 마이크로서비스 아키텍처를 분석하고 활용하는 과정에서 진입장벽으로 동작하며, 명확한 구축 방안을 수립하기 어렵게 만드는 요인이 된다. 따라서, 본 논문에서는 마이크로서비스 아키텍처 도입의 진입장벽을 낮추고 자동화 기반 기술을 제공하기 위해, 즉각적인 피드백과 추가 학습이 가능한 생성형 AI 기반의 마이크로서비 스 아키텍처의 학습 기반 관리 방법을 제시한다. 제시하는 방법은 컨테이너 기반 마이크로서비스를 구축하는 컨테이 너 명세를 생성형 AI를 통해 도출한다. 또한, 마이크로서비스 아키텍처의 기능 관계 도출을 지원하기 위해 BCE 패 턴 정의에 기반한 약결합 및 기능 명세를 학습하여 마이크로서비스 간의 결합 결정을 지원하는 방법을 제시한다. 제 시하는 방법은 쿠버네티스 컨테이너 환경의 마이크로서비스 배포 과정에서 생성형 AI 모델인 GPT를 활용한 사례 연구를 통해 본 논문에서 제시한 방법이 마이크로서비스를 구축하고 결합 결정을 지원하기 적합함을 확인한다. 본 논문에서 제시한 마이크로서비스 학습 기반 관리 방법은 마이크로서비스의 도입에 기술적 어려움을 겪는 다양한 IT 서비스 관계자들을 지원할 수 있을 것으로 기대된다.