AWS Microservice Extractor for .NET para recomendaciones basadas en inteligencia artificial (IA)

Introducción

Cuando lanzamos AWS Microservice Extractor para .NET, el objetivo era ofrecer a los clientes una herramienta fácil de usar para extraer microservicios de sus aplicaciones monolíticas. Para lograr este objetivo, hemos creado varias formas de localizar el código apto para que lo extraigan los microservicios. En esta publicación, hablaremos sobre la última innovación de Microservice Extractor, las recomendaciones de refactorización automatizada impulsadas por IA. A continuación, analizaremos cuándo debe considerar cada una de las opciones para agrupar y extraer microservicios.

¿Qué son las recomendaciones basadas en la IA?

El nuevo motor de recomendaciones basado en IA utiliza un modelo de aprendizaje automático para escanear el código fuente del proyecto. Una vez que Microservice Extractor termine el análisis, la herramienta agrupará automáticamente las clases para formar candidatos para nuevos microservicios.

Esta nueva funcionalidad es la más adecuada para los clientes que ya no tienen la experiencia en desarrollo necesaria para las aplicaciones que requieren modernización. Este suele ser el caso de las empresas que tienen aplicaciones que existen desde hace mucho tiempo y los desarrolladores originales ya no están disponibles, o de aplicaciones que han sido escritas por terceros que no pueden o no quieren actualizar las aplicaciones.

Elegir la opción de recomendación correcta

Microservice Extractor ofrece tres opciones diferentes de extracción: agrupación manual, análisis heurístico y recomendaciones basadas en IA. Cada una de estas opciones puede crear grupos de clases para su microservicio. Usted elige el método de extracción que mejor se adapte a su situación. Las opciones de extracción no se excluyen mutuamente; puede seleccionar un método diferente en la interfaz de usuario cada vez que identifique un microservicio en función de sus necesidades cambiantes.

Si tiene un profundo conocimiento de la aplicación que está refactorizando y tiene objetivos específicos en torno a la creación de un microservicio, debe elegir el método manual de agrupación. Esto requiere que comprenda el diseño de las clases que está extrayendo, así como la forma en que esas clases se conectan a otras partes de la aplicación.

Si tiene menos experiencia con la aplicación, pero comprende bien la funcionalidad que debe extraerse, el análisis heurístico del código fuente le proporcionará orientación sobre los puntos de partida lógicos. Este análisis busca puntos de partida mediante la identificación de tipos de clases que se están analizando. Por ejemplo, una clase de controller en una aplicación MVC puede ser un punto de partida lógico para extraer un microservicio en torno a los pedidos.

Por último, si tiene una experiencia limitada o nula en las aplicaciones que está modernizando, puede utilizar el motor de recomendaciones basado en IA para encontrar microservicios elegibles. Estas recomendaciones van más allá del análisis heurístico y buscan puntos de partida y límites de servicio. Gracias a las recomendaciones basadas en la IA, Microservice Extractor analizará todos los archivos fuente de la aplicación para determinar las recomendaciones que probablemente generen candidatos adecuados para los microservicios.

En los tres casos, puede revisar y ajustar las agrupaciones para hacer las mejores recomendaciones posibles para alcanzar sus objetivos de refactorización.

Resumen

El AWS Microservice Extractor le ofrece varias formas de identificar posibles microservicios a partir de aplicaciones monolíticas existentes. Estas opciones se adaptan a diferentes niveles de conocimiento sobre la aplicación que se va a modernizar. Puede empezar a utilizar las recomendaciones basadas en la IA hoy mismo descargando AWS Microservice Extractor para .NET.

Este artículo fue traducido del Blog de AWS en Inglés.