Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning
- Autores
- Martinez Saucedo, Ana; Rodríguez, Guillermo Horacio
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Las aplicaciones desarrolladas según la arquitectura de microservicios presentan ventajas como escalabilidad a nivel modular, un mantenimiento facilitado, y una entrega de funcionalidades más rápida. Debido a estos y otros beneficios de esta arquitectura, empresas como Netflix, SoundCloud y Amazon han optado por migrar sus aplicaciones desarrolladas según la arquitectura monolítica hacia microservicios. No obstante, la migración de arquitecturas monolíticas hacia microservicios no es una tarea fácil: la descomposición del monolito, la comunicación entre microservicios y la migración de la base de datos son algunos de los desafíos que deben ser abordados al llevar a cabo la migración. En este contexto en donde el proceso de migración manual es complejo, el objetivo de esta línea de investigación consiste en explorar y evaluar técnicas de Machine Learning para asistir a desarrolladores en descomponer (semi- )automáticamente arquitecturas de software en microservicios, considerando tanto aspectos funcionales como no funcionales.
Red de Universidades con Carreras en Informática - Materia
-
Ciencias Informáticas
Arquitecturas de Software
Arquitecturas de Microservicios
Sistemas legados
Migración
Machine Learning - 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:10915/180000
Ver los metadatos del registro completo
id |
SEDICI_dd7c7faf0c932422ac3951b30649a56d |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/180000 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine LearningMartinez Saucedo, AnaRodríguez, Guillermo HoracioCiencias InformáticasArquitecturas de SoftwareArquitecturas de MicroserviciosSistemas legadosMigraciónMachine LearningLas aplicaciones desarrolladas según la arquitectura de microservicios presentan ventajas como escalabilidad a nivel modular, un mantenimiento facilitado, y una entrega de funcionalidades más rápida. Debido a estos y otros beneficios de esta arquitectura, empresas como Netflix, SoundCloud y Amazon han optado por migrar sus aplicaciones desarrolladas según la arquitectura monolítica hacia microservicios. No obstante, la migración de arquitecturas monolíticas hacia microservicios no es una tarea fácil: la descomposición del monolito, la comunicación entre microservicios y la migración de la base de datos son algunos de los desafíos que deben ser abordados al llevar a cabo la migración. En este contexto en donde el proceso de migración manual es complejo, el objetivo de esta línea de investigación consiste en explorar y evaluar técnicas de Machine Learning para asistir a desarrolladores en descomponer (semi- )automáticamente arquitecturas de software en microservicios, considerando tanto aspectos funcionales como no funcionales.Red de Universidades con Carreras en Informática2024-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf416-420http://sedici.unlp.edu.ar/handle/10915/180000spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603info: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:UNLP2025-09-29T11:48:58Zoai:sedici.unlp.edu.ar:10915/180000Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:48:59.27SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning |
title |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning |
spellingShingle |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning Martinez Saucedo, Ana Ciencias Informáticas Arquitecturas de Software Arquitecturas de Microservicios Sistemas legados Migración Machine Learning |
title_short |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning |
title_full |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning |
title_fullStr |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning |
title_full_unstemmed |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning |
title_sort |
Migración de Sistemas Legados hacia microservicios mediante técnicas de Machine Learning |
dc.creator.none.fl_str_mv |
Martinez Saucedo, Ana Rodríguez, Guillermo Horacio |
author |
Martinez Saucedo, Ana |
author_facet |
Martinez Saucedo, Ana Rodríguez, Guillermo Horacio |
author_role |
author |
author2 |
Rodríguez, Guillermo Horacio |
author2_role |
author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Arquitecturas de Software Arquitecturas de Microservicios Sistemas legados Migración Machine Learning |
topic |
Ciencias Informáticas Arquitecturas de Software Arquitecturas de Microservicios Sistemas legados Migración Machine Learning |
dc.description.none.fl_txt_mv |
Las aplicaciones desarrolladas según la arquitectura de microservicios presentan ventajas como escalabilidad a nivel modular, un mantenimiento facilitado, y una entrega de funcionalidades más rápida. Debido a estos y otros beneficios de esta arquitectura, empresas como Netflix, SoundCloud y Amazon han optado por migrar sus aplicaciones desarrolladas según la arquitectura monolítica hacia microservicios. No obstante, la migración de arquitecturas monolíticas hacia microservicios no es una tarea fácil: la descomposición del monolito, la comunicación entre microservicios y la migración de la base de datos son algunos de los desafíos que deben ser abordados al llevar a cabo la migración. En este contexto en donde el proceso de migración manual es complejo, el objetivo de esta línea de investigación consiste en explorar y evaluar técnicas de Machine Learning para asistir a desarrolladores en descomponer (semi- )automáticamente arquitecturas de software en microservicios, considerando tanto aspectos funcionales como no funcionales. Red de Universidades con Carreras en Informática |
description |
Las aplicaciones desarrolladas según la arquitectura de microservicios presentan ventajas como escalabilidad a nivel modular, un mantenimiento facilitado, y una entrega de funcionalidades más rápida. Debido a estos y otros beneficios de esta arquitectura, empresas como Netflix, SoundCloud y Amazon han optado por migrar sus aplicaciones desarrolladas según la arquitectura monolítica hacia microservicios. No obstante, la migración de arquitecturas monolíticas hacia microservicios no es una tarea fácil: la descomposición del monolito, la comunicación entre microservicios y la migración de la base de datos son algunos de los desafíos que deben ser abordados al llevar a cabo la migración. En este contexto en donde el proceso de migración manual es complejo, el objetivo de esta línea de investigación consiste en explorar y evaluar técnicas de Machine Learning para asistir a desarrolladores en descomponer (semi- )automáticamente arquitecturas de software en microservicios, considerando tanto aspectos funcionales como no funcionales. |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-04 |
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/10915/180000 |
url |
http://sedici.unlp.edu.ar/handle/10915/180000 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603 |
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 416-420 |
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_ |
1844616351578062848 |
score |
13.070432 |