A microservice architecture for data analysis processes

Given the growing number of users of online services, and service-based applications in companies. It is essential that service providers and companies provide reliable, secure and monitorable services to their users and workers in companies as well. Microservices is an architectural option that may help service providers and companies to develop their services. The world-class software developers are migrating their old monolithic systems to microservices. In order to understand if microservices are a concrete option for a given refactoring project, it is necessary to know: (1) What are the differences between monolithic and microservices architectures? (2) What are the advantages of microservices? (3) How are microservices helping in scalability? The thesis shows how microservices are able to help researchers to create their own services and use them, through the given example. For demonstration, “Iterative Knowledge Extraction from Social Networks” (Marco Brambilla, 2018) is selected, which is a data science research that can benefit from a highly modular and flexible microservice-based approach to manage data processing pipelines.

Dato il crescente numero di utenti di servizi online e di applicazioni basate su servizi, i provider di servizi e le aziende hanno la necessità di fornire servizi affidabili, sicuri e monitorabili ai loro utenti così come ai dipendenti delle aziende. I microservizi sono un'opzione architetturale che può aiutare i fornitori di servizi e le aziende a sviluppare i loro servizi. Gli sviluppatori dei software più famosi a livello mondiale stanno migrando i loro vecchi sistemi monolitici verso i microservizi. Per comprendere se i microservizi sono un'opzione concreta per un progetto di refactoring, è necessario sapere: (1) qual è la differenza tra architettura monolitica e architettura a microservizi; (2) quali sono i vantaggi dei microservizi (3); come i microservizi favoriscono la scalabilità. Questa tesi contiene un esempio di come i microservizi possano aiutare i ricercatori a creare i loro servizi e li possano utilizzare per migliorare la loro produttività. Per dimostrarlo, abbiamo selezionato il lavoro “Iterative Knowledge Extraction from Social Networks” (Marco Brambilla, 2018), un metodo di ricerca basato su Data Science che può beneficiare di un approccio altamente modulare e flessibile basato sui micorservizi allo scopo di gestire la pipeline di processamento dei dati.