单体系统向微服务迁移的机器学习方法系统文献综述
软件工程
2025-08-25 v1
摘要
单体系统在可扩展性和可维护性方面的挑战导致了微服务的采纳，这些系统将系统划分为更小的、独立的服务。然而，将现有单体系统迁移到微服务是一个复杂且资源密集的任务，这可以从机器学习 (ML) 自动化其各个阶段。选择合适的 ML 方法进行迁移仍然对实践者来说具有挑战性。以往的研究分别研究了迁移的目标、制品、技术、工具和收益及挑战。尚无研究系统性地调查现有的 ML 方法，以了解自动化迁移阶段、所用输入、应用的 ML 技术、遵循的评估过程以及遇到的挑战。我们提出了系统文献综述 (SLR)，汇集、综合和讨论了 2015 年至 2024 年间发表的 81 项原始研究 (PS)。我们遵循首选报告项目系统综述和元分析 (PRISMA) 声明，以报告我们的发现并回答我们的研究问题 (RQ)。我们提取并分析这些 PS 的数据，以回答 RQ。我们将发现以分类形式呈现，展示了 ML 技术在将单体系统迁移到微服务中使用的情形。我们的发现表明，迁移过程中的一些阶段，如监控和服务识别，已得到良好研究，而像微服务打包等其他阶段则尚未得到探索。此外，发现还突出了关键挑战，包括数据可用性有限、可扩展性和复杂性限制、工具支持不足以及缺乏标准化基准测试，强调需要更为整体性的解决方案。
引用
@article{arxiv.2508.15941,
title = {A Systematic Literature Review of Machine Learning Approaches for Migrating Monolithic Systems to Microservices},
author = {Imen Trabelsi and Brahim Mahmoudi and Jean Baptiste Minani and Naouel Moha and Yann-Gaël Guéhéneuc},
journal= {arXiv preprint arXiv:2508.15941},
year = {2025}
}