Науковий вісник НГУ

Модель підвищення надійності мікросервісного програмного забезпечення на етапі функціонального тестування

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №3 2026

Останнє оновлення: 26 червня 2026

Опубліковано: 30 листопада -0001

Перегляди: 1324

Authors:

М. М. Сенів, orcid.org/0000-0003-1044-4628, Національний університет «Львівська політехніка», м. Львів, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

О. М. Кузьмич*, orcid.org/0000-0002-9749-6385, Національний університет «Львівська політехніка», м. Львів, Україна, e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2026, (3): 146 - 154

https://doi.org/10.33271/nvngu/2026-3/146

Abstract:

Мета. Розробка й обґрунтування нової моделі тестування для підвищення надійності програмного забезпечення (ПЗ) з мікросервісною архітектурою, що системно враховує специфіку розподілених систем, особливості мікросервісної архітектури й аспекти відмовостійкості, які недостатньо покриваються класичними підходами.

Методика. Запропонована шестирівнева модель тестування «Пентагон». Проведено аналіз обмежень існуючих моделей («піраміда» й «сота тестування») у контексті хмарних архітектур. Для перевірки моделі застосовано комбінований підхід: опитування IT-фахівців для визначення важливості шарів і порівняльне навантажувальне тестування двох версій системи ‒ стандартної та з інтегрованою моделлю тестування «Пентагон». Оцінювались ключові метрики надійності, зокрема Failure Rate, Availability та MTBF, тощо.

Результати. Результатом дослідження є формалізована модель тестування «Пентагон», що складається із шести послідовних шарів. Розроблено критерії для кількісної оцінки внеску кожного шару в загальну надійність системи. Експертне опитування підтвердило вищу важливість шарів Fault-Tolerance, End-to-End і Global Integration Testing порівняно із Unit Testing. Експериментально доведено, що система, протестована із використанням запропонованої моделі, демонструє вищу надійність в умовах збоїв: кількість відмов зменшилась на 9,9 %, MTBF зріс на 9,5 %, а Availability збільшилася на 2 %.

Наукова новизна. Уперше розроблена концептуальна модель «Пентагон», яка, на відміну від існуючих, структурує процес тестування мікросервісного ПЗ на шість шарів. Особливістю моделі є виділення перевірки механізмів відмовостійкості та стійкості до хаотичних збоїв інфраструктури в окремі обов’язкові етапи, що дозволяє формалізувати ці процеси. На основі розробленої моделі вперше запропоновано підхід до функціонального тестування ПЗ для підвищення його надійності, що полягає у системній інтеграції вищезазначених рівнів тестування й хаос-інжинірингу у життєвий цикл розробки (Software Development Lifecycle SDLC). На відміну від класичних підходів, така інтеграція забезпечує комплексне підвищення показників надійності ПЗ. Розроблено метод оцінки важливості шарів тестування на основі п’яти зважених критеріїв, який дозволяє об’єктивно оцінити важливість й обсяг кожного шару моделі у стратегії тестування ПЗ.

Практична значимість. Модель забезпечує структуровану основу для формування стратегії тестування мікросервісних додатків, сприяє ранньому виявленню архітектурних недоліків, зменшує ризики збоїв у продакшені й знижує витрати на їх усунення.

Ключові слова: програмне забезпечення, мікросервісна архітектура, функціональне тестування, модель тестування «Пентагон», «хаос-тестування»

References.

1. ISO/IEC (2023). Systems and software engineering - Systems and software Quality Requirements and Evaluation (SQuaRE) – Product quality model (ISO/IEC 25010:2023). Retrieved from https://www.iso.org/obp/ui/#iso:std:iso-iec:25010:ed-2:v1:en

2. Anand, V., Garg, D., Kaufmann, A., & Mace, J. (2023). Blueprint: A Toolchain for Highly-Reconfigurable Microservice Applications. SOSP ‘23: 29 ^th Symposium on Operating Systems Principles. ACM. https://doi.org/10.1145/3600006.3613138

3. Baboi, M., Iftene, A., & Gîfu, D. (2019). Dynamic Microservices to Create Scalable and Fault Tolerance Architecture. Procedia Computer Science, 159, 1035-1044. https://doi.org/10.1016/j.procs.2019.09.271

4. Waseem, M., Liang, P., Shahin, M., Di Salle, A., & Márquez, G. (2021). Design, monitoring, and testing of microservices systems: The practitioners’ perspective. Journal of Systems and Software, 182, 111061. https://doi.org/10.1016/j.jss.2021.111061

5. Waseem, P., & Kaur, P. (2018, December). A survey of fault tolerance in cloud computing. Journal of King Saud University – Computer and Information Sciences, 33(10), 1159-1176. https://doi.org/10.1016/j.jksuci.2018.09.021

6. Molchanov, H., & Zhmaiev, A. (2018). Circuit breaker in systems based on microservices architecture. Advanced Information Systems, 2(4), 74-77. https://doi.org/10.20998/2522-9052.2018.4.13

7. Sambir, A., Yakovyna, V., & Seniv, M. (2017). Recruiting software architecture using user generated data. 2017 XIII ^th International Conference on Perspective Technologies and Methods in MEMS Design (MEMSTECH). IEEE. https://doi.org/10.1109/memstech.2017.7937557

8. Falahah, Surendro, K., & Sunindyo, W. D. (2021). Circuit Breaker in Microservices: State of the Art and Future Prospects. IOP Conference Series: Materials Science and Engineering, 1077(1), 012065. https://doi.org/10.1088/1757-899x/1077/1/012065

9. Mohammadian, V., Navimipour, N. J., Hosseinzadeh, M., & Darwesh, A. (2022). Fault-Tolerant Load Balancing in Cloud Computing: A Systematic Literature Review. IEEE Access, 10, 12714-12731. https://doi.org/10.1109/access.2021.3139730

10.      Bouizem, Y., Bouanani, N., & Reddad, A. (2023). Integrating request replication into FaaS platforms: an experimental evaluation. Journal of Cloud Computing, 12, 45. https://doi.org/10.1186/s13677-023-00457-z

11.      Kuzmych, O. M., Lakhai, V. Y., & Seniv, M. M. (2023). Improved approach to automated software integration testing under the conditions of serverless architecture. Scientific Bulletin of UNFU, 33(3), 97-101. https://doi.org/10.36930/40330314

12.      Simonsson, J., Zhang, L., Morin, B., Baudry, B., & Monperrus, M. (2021). Observability and chaos engineering on system calls for containerized applications in Docker. Future Generation Computer Systems, 122, 117-129. https://doi.org/10.1016/j.future.2021.04.001

13.      Lakhai, V., Kuzmych, O., & Seniv, M. (2023). An improved method for increasing maintainability in terms of serverless architecture application. 2023 IEEE 18 ^th International Conference on Computer Science and Information Technologies (CSIT). IEEE. https://doi.org/10.1109/csit61576.2023.10324273

14.      Basiri, A., Behnam, N., de Rooij, R., Hochstein, L., Kosewski, L., Reynolds, J., & Rosenthal, C. (2016). Chaos Engineering. IEEE Software, 33(3), 35-41. https://doi.org/10.1109/ms.2016.60

15.      Reghenzani, F., Guo, Z., & Fornaciari, W. (2023). Software Fault Tolerance in Real-Time Systems: Identifying the Future Research Questions. ACM Computing Surveys. https://doi.org/10.1145/3589950

16.      Kuzmych, O., & Seniv, M. (2024). An Improved Approach to Increase the Fault Tolerance of Microservice Software Through Automated Functional and Fault Tolerance Testing. 2024 IEEE 19 ^th International Conference on Computer Science and Information Technologies (CSIT), (pp. 1-4). IEEE. https://doi.org/10.1109/csit65290.2024.10982594

17.      Patil, P. S. N. (2022). Estimation of Mean Time between Failures of a Two Tandem Mill of a Sugar Plant. International Journal for Research in Applied Science and Engineering Technology, 10(1), 474-478. https://doi.org/10.22214/ijraset.2022.39823

18.      Wang, J., & Yin, H. (2019). Failure Rate Prediction Model of Substation Equipment Based on Weibull Distribution and Time Series Analysis. IEEE Access, 7, 85298-85309. https://doi.org/10.1109/access.2019.2926159

19.      Bartok, T., Hejja, F., & Kocsis, G. (2024). Availability Modeling in Software Architecture. 2024 IEEE 3 ^rd Conference on Information Technology and Data Science (CITDS), (pp. 1-6). IEEE.
https://doi.org/10.1109/citds62610.2024.10791390

20.      Vogel, M., Knapik, P., Cohrs, M., Szyperrek, B., Pueschel, W., Etzel, H., Fiebig, D., Rausch, A., & Kuhrmann, M. (2020). Metrics in automotive software development: A systematic literature review. Journal of Software: Evolution and Process, e2296. https://doi.org/10.1002/smr.2296

• < Попередня
• Наступна >