[论文解读] From Monolith to Microservices: Static and Dynamic Analysis Comparison

Bernardo Borba de Andrade, Samuel Lopes dos Santos+1 more|arXiv (Cornell University)|Apr 22, 2022

Software System Performance and Reliability被引用 11

一句话总结

本文比较了在单体系统中识别微服务边界的静态分析与动态分析技术，利用相似性度量和复杂度指标评估分解质量。研究发现，静态分析与动态分析在性能上并无一致优劣，但动态分析所需工作量显著更高，且数据覆盖范围更小，表明尽管结果相近，其成本效益比却更低。

ABSTRACT

One of the most challenging problems in the migration of a monolith to a microservices architecture is the identification of the microservices boundaries. Several approaches have been recently proposed for the automatic identification of microservices, which, even though following the same basic steps, diverge on how data of the monolith system is collected and analysed. In this paper, we compare the decompositions generated for two monolith systems into a set of candidate microservices, when static and dynamic analysis data collection techniques are used. The decompositions are generated using a combination of similarity measures and are evaluated according to a complexity metric to answer the following research question: which collection of monolith data, static or dynamic analysis, allows to generate better decompositions? As result of the analysis we conclude that neither of the analysis techniques, static nor dynamic, outperforms the other, but the dynamic collection of data requires more effort.

研究动机与目标

• 评估在单体系统迁移过程中，静态分析与动态分析哪种能生成更优的微服务分解。
• 评估数据采集技术——静态代码分析与运行时行为观察——对分解质量的影响。
• 比较相似性度量与复杂度指标在从单体系统生成候选微服务时的表现。
• 提供公开可获取的数据与可配置工具，以支持未来关于微服务迁移的研究。

提出的方法

• 本研究采用形式化模型将单体系统表示为三元组 (F, E, G)，分别代表功能、领域实体与调用图。
• 应用三种相似性度量——访问相似性、读写相似性与序列相似性——以量化基于共享功能访问的领域实体之间的耦合程度。
• 通过将聚类算法应用于由静态或动态数据生成的相似性矩阵，生成分解结果。
• 利用复杂度指标评估分解质量，通过测量事务分布与交互开销来衡量。
• 动态数据通过运行时插桩收集，静态数据则通过静态分析从源代码中提取。
• 该方法将生成的分解结果与专家定义的边界进行对比，并使用定量指标评估覆盖率与质量。

实验结果

研究问题

• RQ1 在复杂度与质量方面，哪种数据采集技术——静态分析或动态分析——能生成更优的微服务分解？
• RQ2 不同的相似性度量（访问、读写、序列）如何影响生成分解的质量？
• RQ3 在微服务边界识别中，动态与静态数据采集在工作量与覆盖率之间的权衡如何？
• RQ4 尽管工作量更高，动态分析数据是否能生成比静态分析更准确的分解？

主要发现

• 在生成高质量微服务分解方面，静态分析与动态分析并无一致优劣。
• 动态分析所需工作量显著高于静态分析，且数据覆盖率更低。
• 两种技术生成的分解复杂度相近，表明其在最小化分布式事务方面的表现相当。
• 研究发现，由于资源消耗更高且覆盖不全，动态分析的数据采集效率较低。
• 作者提供了公开可获取的动态分析数据及可配置的数据收集工具，以支持未来研究。
• 尽管分解质量相近，结果表明静态分析具有更高的成本效益比。