Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios
- Autores
- Rodríguez, Guillermo; Da Rocha Araujo, Leonardo; Rocha, Fabio; Pereira dos Santos, Rodrigo
- Año de publicación
- 2021
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Actualmente, cada vez más empresas están adoptando microservicios para modernizar sus productos y tomar ventaja de sus prometedores beneficios como: agilidad, escalabilidad e integración continua, entre otros. Por un lado, los sistemas basados en microservicios presentan una arquitectura flexible y con alta capacidad de evolución. Sin embargo, por otro lado, hay desafíos técnicos (por ej. automatización de la infraestructura y debugging distribuido) y organizacionales (por ej. creación de equipos de trabajos cross-functional) que necesitan ser abordados. Lamentablemente, migrar una arquitectura orientada a microservicios no es una tarea simple. En este proceso, los servicios pueden escalar más eficientemente y los ciclos de entregas se acortan debido al continuo despliegue. Normalmente, estas decisiones de diseño quedan sujetas a la intuición de desarrolladores y/o arquitectos, pero carecen de un análisis sistemático que les facilite la evaluación de alternativas y toma de decisiones. En este contexto, las técnicas de machine learning podrían contribuir a facilitar la exploración de diferentes alternativas de descomposición de arquitecturas de software en microservicios.
Eje: Ingeniería de Software.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Arquitecturas de microservicios
Sistemas legados
Migración
Aprendizaje Automático
SOA - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/120287
Ver los metadatos del registro completo
id |
SEDICI_16b4363ec17c73f30be874fe47deba3d |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/120287 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microserviciosRodríguez, GuillermoDa Rocha Araujo, LeonardoRocha, FabioPereira dos Santos, RodrigoCiencias InformáticasArquitecturas de microserviciosSistemas legadosMigraciónAprendizaje AutomáticoSOAActualmente, cada vez más empresas están adoptando microservicios para modernizar sus productos y tomar ventaja de sus prometedores beneficios como: agilidad, escalabilidad e integración continua, entre otros. Por un lado, los sistemas basados en microservicios presentan una arquitectura flexible y con alta capacidad de evolución. Sin embargo, por otro lado, hay desafíos técnicos (por ej. automatización de la infraestructura y <i>debugging</i> distribuido) y organizacionales (por ej. creación de equipos de trabajos <i>cross-functional</i>) que necesitan ser abordados. Lamentablemente, migrar una arquitectura orientada a microservicios no es una tarea simple. En este proceso, los servicios pueden escalar más eficientemente y los ciclos de entregas se acortan debido al continuo despliegue. Normalmente, estas decisiones de diseño quedan sujetas a la intuición de desarrolladores y/o arquitectos, pero carecen de un análisis sistemático que les facilite la evaluación de alternativas y toma de decisiones. En este contexto, las técnicas de <i>machine learning</i> podrían contribuir a facilitar la exploración de diferentes alternativas de descomposición de arquitecturas de software en microservicios.Eje: Ingeniería de Software.Red de Universidades con Carreras en Informática2021-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf466-470http://sedici.unlp.edu.ar/handle/10915/120287spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-24611-3-3info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-4-0info:eu-repo/semantics/reference/hdl/10915/119487info:eu-repo/semantics/reference/hdl/10915/119490info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:28:25Zoai:sedici.unlp.edu.ar:10915/120287Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:28:25.915SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios |
title |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios |
spellingShingle |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios Rodríguez, Guillermo Ciencias Informáticas Arquitecturas de microservicios Sistemas legados Migración Aprendizaje Automático SOA |
title_short |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios |
title_full |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios |
title_fullStr |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios |
title_full_unstemmed |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios |
title_sort |
Exploración de técnicas de machine learning para migración de sistemas legados hacia microservicios |
dc.creator.none.fl_str_mv |
Rodríguez, Guillermo Da Rocha Araujo, Leonardo Rocha, Fabio Pereira dos Santos, Rodrigo |
author |
Rodríguez, Guillermo |
author_facet |
Rodríguez, Guillermo Da Rocha Araujo, Leonardo Rocha, Fabio Pereira dos Santos, Rodrigo |
author_role |
author |
author2 |
Da Rocha Araujo, Leonardo Rocha, Fabio Pereira dos Santos, Rodrigo |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Arquitecturas de microservicios Sistemas legados Migración Aprendizaje Automático SOA |
topic |
Ciencias Informáticas Arquitecturas de microservicios Sistemas legados Migración Aprendizaje Automático SOA |
dc.description.none.fl_txt_mv |
Actualmente, cada vez más empresas están adoptando microservicios para modernizar sus productos y tomar ventaja de sus prometedores beneficios como: agilidad, escalabilidad e integración continua, entre otros. Por un lado, los sistemas basados en microservicios presentan una arquitectura flexible y con alta capacidad de evolución. Sin embargo, por otro lado, hay desafíos técnicos (por ej. automatización de la infraestructura y <i>debugging</i> distribuido) y organizacionales (por ej. creación de equipos de trabajos <i>cross-functional</i>) que necesitan ser abordados. Lamentablemente, migrar una arquitectura orientada a microservicios no es una tarea simple. En este proceso, los servicios pueden escalar más eficientemente y los ciclos de entregas se acortan debido al continuo despliegue. Normalmente, estas decisiones de diseño quedan sujetas a la intuición de desarrolladores y/o arquitectos, pero carecen de un análisis sistemático que les facilite la evaluación de alternativas y toma de decisiones. En este contexto, las técnicas de <i>machine learning</i> podrían contribuir a facilitar la exploración de diferentes alternativas de descomposición de arquitecturas de software en microservicios. Eje: Ingeniería de Software. Red de Universidades con Carreras en Informática |
description |
Actualmente, cada vez más empresas están adoptando microservicios para modernizar sus productos y tomar ventaja de sus prometedores beneficios como: agilidad, escalabilidad e integración continua, entre otros. Por un lado, los sistemas basados en microservicios presentan una arquitectura flexible y con alta capacidad de evolución. Sin embargo, por otro lado, hay desafíos técnicos (por ej. automatización de la infraestructura y <i>debugging</i> distribuido) y organizacionales (por ej. creación de equipos de trabajos <i>cross-functional</i>) que necesitan ser abordados. Lamentablemente, migrar una arquitectura orientada a microservicios no es una tarea simple. En este proceso, los servicios pueden escalar más eficientemente y los ciclos de entregas se acortan debido al continuo despliegue. Normalmente, estas decisiones de diseño quedan sujetas a la intuición de desarrolladores y/o arquitectos, pero carecen de un análisis sistemático que les facilite la evaluación de alternativas y toma de decisiones. En este contexto, las técnicas de <i>machine learning</i> podrían contribuir a facilitar la exploración de diferentes alternativas de descomposición de arquitecturas de software en microservicios. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-04 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/120287 |
url |
http://sedici.unlp.edu.ar/handle/10915/120287 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-3-3 info:eu-repo/semantics/altIdentifier/isbn/978-987-24611-4-0 info:eu-repo/semantics/reference/hdl/10915/119487 info:eu-repo/semantics/reference/hdl/10915/119490 |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
dc.format.none.fl_str_mv |
application/pdf 466-470 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1844616162932948992 |
score |
13.070432 |