[Paper] 从单体到微服务：分解框架的比较评估

Source: arXiv - 2601.23141v1

（请提供需要翻译的正文内容，我才能为您进行中文翻译。）

概述

论文 “From Monolith to Microservices: A Comparative Evaluation of Decomposition Frameworks” 解决了现代化遗留系统中最痛苦的步骤之一：自动将单体代码库划分为定义明确的微服务。通过在常见开源应用上严格基准测试各种静态、动态和混合分解工具，作者提供了首个面对面的比较，开发者在选择迁移策略时可以真正信赖。

关键贡献

• 统一评估管道 – 一个可复现的度量计算框架，可在不同研究之间归一化结果。
• 全面基准套件 – 四个广泛使用的参考应用（JPetStore、AcmeAir、DayTrader、Plants），覆盖不同领域和代码复杂度。
• 多维质量指标 – 结构模块化（SM）、接口数量（IFN）、分区间通信（ICP）、非极端分布（NED），以及用于平衡性和耦合性的派生指标。
• 对最先进技术的实证排名 – 静态分析、运行时追踪和混合方法均进行并列评估。
• 实用建议 – 层次聚类，尤其是 HDBScan 算法，始终能够产生最平衡的服务分区。

方法论

1. 工具选择 – 作者收集了所有公开可用的微服务拆分框架，这些框架分为三类：

   • 静态：仅依赖源代码结构（例如依赖图）。
   • 动态：使用运行时跟踪（例如方法调用日志）。
   • 混合：结合静态和动态信息。

2. 基准准备 – 将四个应用程序都容器化并进行仪表化，以收集所需的静态和动态制品。

3. 度量流水线 – 自定义脚本读取每个框架的原始输出并计算五个核心质量指标。这消除了长期困扰以往比较的“苹果对橙子”问题。

4. 复现与补充 – 对于已有论文报告的结果，作者使用原作者的复制包重新运行工具，以验证数据并填补空白。

5. 统计分析 – 通过成对比较和效应量计算，确定哪些技术在每个指标上显著更优。

结果与发现

• 平衡划分：HDBScan 始终生成大小相似的服务组，避免出现“微小”或“巨型”服务。
• 模块化与通信权衡：虽然仅静态方法实现了相当的模块化，但它们面临高的服务间调用量（ICP）。
• 接口开销：层次聚类保持了暴露接口数量低，简化了 API 合约。

简而言之，数据表明 层次聚类——尤其是基于密度的 HDBScan——在所有评估基准中提供了最佳的整体权衡。

Practical Implications

• 工具选择：计划将单体应用迁移到微服务的团队可以优先考虑实现 HDBScan 或类似基于密度的聚类的框架，预计可以减少跨服务调用并获得更清晰的 API。
• 成本估算：更低的 ICP 和 IFN 直接转化为网络延迟降低、集成测试减少以及更简化的 DevOps 流程。
• 增量迁移：由于 HDBScan 能产生大小均衡的服务，开发者可以采用分阶段发布（例如“每个冲刺一个服务”），避免因服务过大而导致的瓶颈。
• 自动化信心：统一的度量流水线可以重新用作内部质量门——在每次分解迭代后运行，以验证模块化和通信度量是否保持在目标阈值内。
• 供应商评估：在评估商业微服务抽取平台时，要求提供其底层使用层次聚类的证据；本文提供了一个具体的基准，可用于对比。

限制与未来工作

• 基准范围：仅使用了四个开源应用；拥有数百万行代码和异构技术栈的工业代码库可能表现不同。
• 指标完整性：所选指标捕捉结构质量，但未涵盖运行时性能（例如负载下的延迟）或数据一致性等运营关注点。
• 工具生态：一些较新的分解框架缺乏公开可用的复现包，因此被省略。
• 未来方向：将基准扩展到包括大规模企业系统，加入以性能为中心的指标（例如请求延迟、扩展成本），并探索 AI 驱动的混合方法是自然的下一步。

作者

• Mineth Weerasinghe
• Himindu Kularathne
• Methmini Madhushika
• Danuka Lakshan
• Nisansa de Silva
• Adeesha Wijayasiri
• Srinath Perera

论文信息

• arXiv ID: 2601.23141v1
• 分类: cs.SE
• 出版时间: 2026年1月30日
• PDF: 下载 PDF