Service granularity in service oriented architecture

Abstract

Günümüz teknolojisi beraberinde yenilikler getirmektedir. Bu yeniliklerden bir tanesi de Servis odaklı mimarilerdir. Servis odaklı mimarilerin hayatımıza girmesi ile birlikte optimum servis büyüklüğünü bulmak da önem kazanmaktadır.Servis büyüklüğünü bulmak için yapılan araştırmalar hala güvenilir bir sonuç vermemektedir. Bu neden ile projemiz çerçevesinde input/output, ESB ve Servis çalışma süresini baz alan yeni bir yapı tanımladık. Amacımız, yarattığımız yeni yapıyı kullanarak, bütün küme (cluster) örnekleri için minimum maliyeti bularak, bulduğumuz minimum maliyetli kümelerin içerisinden en düşük maliyete sahip olan kümeyi tespit etmektir.Çalışmalarımız süresince geçmiş araştırmalardan faydalanıp, Monte Carlo simülasyon programını kullanarak deneyler yaptık. Deneylerimiz süresince, rastgele 50 servis ve herbir küme için rastgele 100 küme örneği yarattık. Deneylerimizin sonucunda Input/Output, ESB ve Servis çalışma süresi faktörlerini kullanarak farklı sonuçlar elde ettik.Sonuç olarak, bulduğumuz optimal servislerin Input/Output, ESB ve servis çalışma süresi maliyetlerini karşılaştırarak, en uygun servis büyüklüğünü bulduk. Yaptığımız deneylerin sonucunda oluşan grafiklerden, ESB'nin servis odaklı projelerde optimum servis büyüklüğünü bulmak için önemli bir etkisi olduğunu gördük.

Today, technology brings with it innovations. One of those innovations is Service Oriented Architecture (SOA). The importance of finding optimum in service granularity increases day by day as SOA becomes more popular.Although, there are many quests about this issue, finding optimum in service granularity still cannot be made certain. Therefore, we tried to create a new framework that uses inputs, outputs (I/O), enterprise service bus (ESB) and execution cost metrics to find an optimum in service granularity. By using our framework, we aimed to find minimum costs for all clustering samples and then decided for the optimum cluster in these minimum clusters.During our investigation, we used Monte Carlo Simulation Method to perform an experiment while we took advantages of previous researches. In our experiment, we randomly generated 100 clustering samples for 50 services by using Monte Carlo Simulation Method. In the end of our experiment, we obtained different results by using I/O, ESB and execution metrics.As a result, we have found the optimum service granularity by comparing the I/O, ESB and execution costs of these optimal services. Thus, we have seen on the graphs that we got from our experiment, the enterprise service bus has an important effect on SOA projects for defining the optimum service granularity.