知財求人 - 知財ポータルサイト「IP Force」
▶ インターナショナル・ビジネス・マシーンズ・コーポレーションの特許一覧
特許7609536ランタイム・トレースに基づくモノリシック・アプリケーションからのマイクロサービス生成
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-12-23
(45)【発行日】2025-01-07
(54)【発明の名称】ランタイム・トレースに基づくモノリシック・アプリケーションからのマイクロサービス生成
(51)【国際特許分類】
G06F 8/72 20180101AFI20241224BHJP
G06F 8/30 20180101ALI20241224BHJP
G06F 11/36 20060101ALI20241224BHJP
【ＦＩ】
G06F8/72
G06F8/30
G06F11/36 136
【請求項の数】
17
(21)【出願番号】P 2022562371
(86)(22)【出願日】2021-03-24
(65)【公表番号】
(43)【公表日】2023-05-31
(86)【国際出願番号】 IB2021052424
(87)【国際公開番号】W WO2021214569
(87)【国際公開日】2021-10-28
【審査請求日】2023-08-10
(31)【優先権主張番号】16/855,565
(32)【優先日】2020-04-22
(33)【優先権主張国・地域又は機関】US
(73)【特許権者】
【識別番号】390009531
【氏名又は名称】インターナショナル・ビジネス・マシーンズ・コーポレーション
【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ
【住所又は居所原語表記】Ｎｅｗ Ｏｒｃｈａｒｄ Ｒｏａｄ， Ａｒｍｏｎｋ， Ｎｅｗ Ｙｏｒｋ １０５０４， Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ
(74)【代理人】
【識別番号】100112690
【弁理士】
【氏名又は名称】太佐 種一
(74)【代理人】
【識別番号】100120710
【弁理士】
【氏名又は名称】片岡 忠彦
(72)【発明者】
【氏名】シャオ、ジン
(72)【発明者】
【氏名】カリア、アナップ
(72)【発明者】
【氏名】リン、シン
(72)【発明者】
【氏名】バッタ、ラガウ
(72)【発明者】
【氏名】シンハ、サウラブー
(72)【発明者】
【氏名】ロフラーノ、ジョン
(72)【発明者】
【氏名】ヴィコヴィッチ、マジャ
【審査官】円子 英紀
(56)【参考文献】
【文献】米国特許出願公開第２０１９／０１０８０６７（ＵＳ，Ａ１）
【文献】米国特許出願公開第２０１９／０３３４７８９（ＵＳ，Ａ１）
【文献】特表２０１６－５３３５７０（ＪＰ，Ａ）
【文献】東野 正幸，モノリシックサービスからマイクロサービスへの構造変更を容易化するためのウエブアプリケーションフレームワークの検討，研究報告マルチメディア通信と分散処理（ＤＰＳ），Vol.2018-DPS-174, No.34，情報処理学会，2018年02月26日，pp.1-4
【文献】Wuxia Jin，Functionality-Oriented Microservice Extraction Based on Execution Trace Clustering，2018 IEEE International Conference on Web Services [online]，2018年07月，[検索日 2024.9.6]，インターネット:<URL: https://ieeexplore.ieee.org/document/8456351 >
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ｇ０６Ｆ ８／３０－３／３８
Ｇ０６Ｆ ８／７２
Ｇ０６Ｆ １１／３６
(57)【特許請求の範囲】
【請求項1】
システムであって、コンピュータ実行可能なコンポーネントを格納するメモリ、及び
前記メモリに格納された前記コンピュータ実行可能なコンポーネントを実行するプロセッサを含み、前記コンピュータ実行可能なコンポーネントが、
実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習するモデル・コンポーネント、及び
前記モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するためのクラスタ割り当てに基づいて、前記モデル・コンポーネントを利用して前記クラスのクラスタを生成するクラスタ・コンポーネント
を含むシステム。
【請求項2】
前記コンピュータ実行可能なコンポーネントが、前記モノリシック・アプリケーションのデータ依存性又は前記モノリシック・アプリケーションの静的呼び出しグラフの少なくとも１つに基づいて、前記１つ又はそれ以上のマイクロサービスをリファインするリファインメント・コンポーネント
を含む、請求項１に記載のシステム。
【請求項3】
前記コンピュータ実行可能なコンポーネントは、前記実行されたテストケースの前記ランタイム・トレースに基づいて、１つ又はそれ以上の原因グラフを生成して、前記モノリシック・アプリケーション又は前記モノリシック・アプリケーションにおける前記クラスタ割り当ての少なくとも１つの、１次の時間的依存性又は高次の時間的依存性の少なくとも１つを捕捉する第２モデル・コンポーネント
を含む、請求項１に記載のシステム。
【請求項4】
前記モデル・コンポーネントは、前記実行されたテストケースの前記ランタイム・トレースに基づいて生成される１つ又はそれ以上の原因グラフの原因シーケンスを使用して、前記モノリシック・アプリケーションにおける前記クラスのクラスタ割り当て又はグラフ埋め込みの少なくとも１つを学習する請求項１に記載のシステム。
【請求項5】
前記実行されたテストケースは、前記ランタイム・トレースにおける前記モノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含み、それによって前記モノリシック・アプリケーションのアプリケーション現代化の実行における前記プロセッサ又は前記システムの少なくとも１つの性能改善、効率改善、又は計算のコスト削減を容易にする請求項１に記載のシステム。
【請求項6】
前記コンピュータ実行可能なコンポーネントがさらに、前記モノリシック・アプリケーション上で実行されたテストケースのランタイム・トレースを収集するコレクション・コンポーネントを含む請求項１に記載のシステム。
【請求項7】
コンピュータ実装方法であって、プロセッサに動作的に結合されたシステムによりモデルをトレーニングして、実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習させること、及び
前記システムにより、モデルを利用して、前記モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するための前記クラスタ割り当てに基づいて、前記クラスのクラスタを生成すること
を含む、コンピュータ実装方法。
【請求項8】
さらに、前記システムにより、前記モノリシック・アプリケーションのデータ依存性又は前記モノリシック・アプリケーションの静的呼び出しグラフの少なくとも１つに基づいて、前記１つ又はそれ以上のマイクロサービスをリファインすること
を含む、請求項７に記載のコンピュータ実装方法。
【請求項9】
さらに、前記システムにより、前記実行されたテストケースの前記ランタイム・トレースに基づいて１つ又はそれ以上の原因グラフを生成して、前記モノリシック・アプリケーション又は前記モノリシック・アプリケーションにおける前記クラスタ割り当ての少なくとも１つの、１次の時間的依存性又は高次の時間的依存性の少なくとも１つを捕捉すること
を含む、請求項７に記載のコンピュータ実装方法。
【請求項10】
前記トレーニングすることは、前記システムによりモデルをトレーニングして、前記実行されたテストケースの前記ランタイム・トレースに基づいて生成される１つ又はそれ以上の原因グラフの原因シーケンスを使用して前記モノリシック・アプリケーションにおける前記クラスのクラスタ割り当て又はグラフ埋め込みの少なくとも１つを学習すること
を含む、請求項７に記載のコンピュータ実装方法。
【請求項11】
前記実行されたテストケースは、前記ランタイム・トレースにおける前記モノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含み、それによって前記モノリシック・アプリケーションのアプリケーション現代化の実行における前記プロセッサ又は前記システムの少なくとも１つの性能改善、効率改善、又は計算コストの削減を容易にする請求項７に記載のコンピュータ実装方法。
【請求項12】
さらに、プロセッサに動作的に結合されたシステムによって、モノリシック・アプリケーション上で実行されたテストケースのランタイム・トレースを収集することを含む、請求項７に記載のコンピュータ実装方法。
【請求項13】
ランタイム・トレースに基づいてモノリシック・アプリケーションからマイクロサービスの生成を容易にするコンピュータ・プログラムであって、前記コンピュータ・プログラムは、コンピュータに、モデルをトレーニングして、実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習させること、及び
モデルを利用して、前記モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するための前記クラスタ割り当てに基づいて、前記クラスのクラスタを生成すること
を実行させる、コンピュータ・プログラム。
【請求項14】
前記コンピュータに、前記モノリシック・アプリケーションのデータ依存性又は前記モノリシック・アプリケーションの静的呼び出しグラフの少なくとも１つに基づいて前記１つ又はそれ以上のマイクロサービスをリファインすること
を実行させる、請求項１３に記載のコンピュータ・プログラム。
【請求項15】
前記コンピュータに、前記実行されたテストケースの前記ランタイム・トレースに基づいて１つ又はそれ以上の原因グラフを生成して、前記モノリシック・アプリケーション又は前記モノリシック・アプリケーションにおける前記クラスタ割り当ての少なくとも１つの、１次の時間的依存性又は高次の時間的依存性の少なくとも１つを捕捉すること
を実行させる、請求項１３に記載のコンピュータ・プログラム。
【請求項16】
前記コンピュータに、モデルをトレーニングして、前記実行されたテストケースの前記ランタイム・トレースに基づいて生成される１つ又はそれ以上の原因グラフの原因シーケンスを使用して前記モノリシック・アプリケーションにおける前記クラスのクラスタ割り当て又はグラフ埋め込みの少なくとも１つを学習すること
を実行させる、請求項１３に記載のコンピュータ・プログラム。
【請求項17】
前記実行されたテストケースは、前記ランタイム・トレースにおける前記モノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含む請求項１３に記載のコンピュータ・プログラム。
【発明の詳細な説明】
【背景技術】
【0001】
本発明は、モノリシック・アプリケーションからマイクロサービスを生成することに関し、より具体的にはランタイム・トレースに基づいて、モノリシック・アプリケーションからマイクロサービスを生成することに関する。
【発明の概要】
【0002】
以下のものは、本発明の１つ又はそれ以上の実施形態を理解する基礎を提供する要約を提供する。この要約は、キー要素又は重要な要素を特定すること、又は特定の実施形態の如何なる範囲又は請求の範囲の如何なる範囲を画定することを意図しない。その唯一の目的は、以下に提示される、より詳細な説明のものを除外し、簡略化した形態において概念を提示することにある。本明細書において説明される１つ又はそれ以上の実施形態においては、ランタイム・トレースに基づいて、モノリシック・アプリケーションからマイクロサービスを生成することを容易にするシステム、デバイス、コンピュータ実装方法、又はコンピュータ・プログラム製品、又はそれらの組み合わせが説明される。
【0003】
実施形態によれば、システムは、コンピュータ実行可能なコンポーネントを格納するメモリ及び前記メモリに格納された前記コンピュータ実行可能なコンポーネントを実行するプロセッサを含むことができる。前記コンピュータ実行可能なコンポーネントは、実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習するモデル・コンポーネントを含むことができる。前記コンピュータ実行可能なコンポーネントは、さらに、前記モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するためのクラスタ割り当てに基づいて、前記モデル・コンポーネントを使用して前記クラスのクラスタを生成するクラスタ・コンポーネントを含むことができる。そのようなシステムの利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0004】
いくつかの実施形態においては、前記実行されたテストケースは、前記ランタイム・トレースにおける前記モノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含む。そのようなシステムの利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0005】
別の実施形態によれば、コンピュータ実装方法は、プロセッサに動作的に結合されたシステムにより、モデルをトレーニングして、実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習させることを含むことができる。コンピュータ実装方法は、さらに、前記システムにより、モデルを利用して、前記モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するための前記クラスタ割り当てに基づいて、前記クラスのクラスタを生成することを含むことができる。そのようなシステムの利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0006】
いくつかの実施形態においては、前記実行されたテストケースは、前記ランタイム・トレースにおける前記モノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含むことができる。そのようなコンピュータ実装方法の利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0007】
別の実施形態によれば、ランタイム・トレースに基づいて、モノリシック・アプリケーションからマイクロサービスの生成を容易にするコンピュータ・プログラム製品が提供される。前記コンピュータ・プログラム製品は、それに実体化されたプログラム命令を有するコンピュータ可読な記録媒体を含み、前記プログラム命令はプロセッサにより実行可能であって、前記プロセッサをして、前記プロセッサによりモデルをトレーニングして、実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習させることを実行させる。前記プログラム命令はさらに、前記プロセッサによりモデルを利用して、前記モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するための前記クラスタ割り当てに基づいて、前記クラスのクラスタを生成することを実行させる。そのようなコンピュータ・プログラム製品の利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0008】
いくつかの実施形態においては、前記実行されたテストケースは、前記ランタイム・トレースにおける前記モノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含む。そのようなコンピュータ・プログラム製品の利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0009】
実施形態によれば、システムは、コンピュータ実行可能なコンポーネントを格納するメモリ、及び前記メモリに格納された前記コンピュータ実行可能なコンポーネントを実行するプロセッサを含むことができる。前記コンピュータ実行可能なコンポーネントはさらに、前記モノリシック・アプリケーション上で実行されたテストケースのランタイム・トレースを収集するコレクション・コンポーネントを含む。前記コンピュータ実行可能なコンポーネントは、さらに、実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習するモデル・コンポーネントを含むことができる。コンピュータ実行可能なコンポーネントはさらに、前記モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するためのクラスタ割り当てに基づいて、前記モデル・コンポーネントを利用して前記クラスのクラスタを生成するクラスタ・コンポーネントを含むことができる。そのようなコンピュータ・プログラム製品の利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0010】
いくつかの実施形態においては、前記テストケースは、前記ランタイム・トレースにおける前記モノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含む。そのようなコンピュータ・プログラム製品の利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0011】
別の実施形態によれば、コンピュータ実装方法は、プロセッサに動作的に結合されたシステムにより、モノリシック・アプリケーション上で実行されたテストケースのラインタイム・トレースを収集することを含むことができる。コンピュータ実装方法は、さらに前記システムによりモデルをトレーニングして、実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習させることを含むことができる。コンピュータ実装方法は、さらに、前記システムにより、モデルを利用して、前記モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するための前記クラスタ割り当てに基づいて、前記クラスのクラスタを生成することを含むことができる。そのようなコンピュータ・プログラム製品の利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【0012】
いくつかの実施形態においては、テストケースは、前記ランタイム・トレースにおける前記モノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含む。そのようなコンピュータ・プログラム製品の利益は、それがクラスの改善された機能グルーピング（例えば機能的クラスタリング）を容易にして、１つ又はそれ以上のマイクロサービスのより正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることができることにある。
【図面の簡単な説明】
【0013】
【図1】図１は、本明細書で説明される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づいて、モノリシック・アプリケーションからマイクロサービスの生成を容易にすることができる、実施例の非限定的なシステムのブロック図を示す。
【図2】図２は、本明細書で説明される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づいて、モノリシック・アプリケーションからマイクロサービスの生成を容易にすることができる、実施例の非限定的なシステムのブロック図を示す。
【図3】図３は、本明細書で説明される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づいて、モノリシック・アプリケーションからマイクロサービスの生成を容易にすることができる、実施例の非限定的なコンピュータ実装方法のフロー図を示す。
【図4】図４は、本明細書で説明される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づいて、モノリシック・アプリケーションからマイクロサービスの生成を容易にすることができる、実施例の非限定的なモデルのブロック図を示す。
【図5】図５は、本明細書で説明される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づいてモノリシック・アプリケーションからマイクロサービスの生成を容易にすることができる、実施例の非限定的なコンピュータ実装方法のフロー図を示す。
【図6】図６は、本明細書で説明される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づいて、モノリシック・アプリケーションからマイクロサービスの生成を容易にすることができる、実施例の非限定的なコンピュータ実装方法のフロー図を示す。
【発明を実施するための形態】
【0014】
以下の詳細な説明は、単なる例示であり、かつ実施形態の限定、又は用途、又はそれら両方、又は実施形態の使用を限定することを意図しない。さらに、先行する背景技術又は発明の概要のセクション、又は発明の詳細な説明内に提示された、明示的又は暗示的な情報に結び付けるという意図はない。
【0015】
１つ又はそれ以上の実施形態が、ここで、図面を参照して説明され、全体を通じて類似の参照数字は、類似の要素を参照するために使用される。以下の説明においては、説明の目的のため、数多くの特定の詳細が１つ又はそれ以上の実施形態のより完全な理解を提供するために明らかにされる。しかしながら、種々の場合において、１つ又はそれ以上の実施形態がこれらの特定の詳細なく実施できることは明らかである。
【0016】
アプリケーション現代化は、モノリス・アプリケーション（また、モノリシック・アプリケーションとして参照される）のスタンドアローンのマイクロサービスへのリファクタリングのプロセスである。伝統的なモノリス・エンタープライズ・アプリケーションは、複雑で、かつ絡み合わされた表現、ビジネス・プロセス及びデータ・モデルをもって設計される。これらは、保守及び変更が困難である。マイクロサービスは、機能の小さなセットをカプセル化した、ゆるく結合されたスタンドアローンのアプリケーションであり、かつパブリックに記述されたインタフェースを通して他のアプリケーションと相互作用する。したがって、これらはより容易にアップデート、スケール化、保守及びクラウド・コンピューティング環境へと配置される。
【0017】
いくつかの既存のアプリケーション現代化技術は、静的コード分析に基づいたアプローチを適用して、モノリシック・アプリケーションからマイクロサービスを生成する。そのような静的コード分析に基づくアプローチは、呼び出し関係の完全な俯瞰を提供するソースを分析する。そのような静的コード分析に基づくアプローチの問題は、特定のワークロード及び入力の下での呼び出し関係及び相互作用頻度を捕捉しないことである。
【0018】
いくつかの既存のアプリケーション現代化技術は、メタデータ・ベースのアプローチを適用して、モノリシック・アプリケーションからマイクロサービスを生成する。そのようなメタデータ・ベースのアプローチは、例えば、データフロー図、ソフトウェア人工物、コード・ベースの変化履歴、又は別の設計ドキュメント又はこれらの組み合わせといった設計ドキュメントに依存する。そのようなメタデータ・ベースのアプローチの問題は、上記に定義した設計ドキュメントが常時利用可能、かつアクセス可能ではないことにある。
【0019】
いくつかの既存のアプリケーション現代化技術は、動的マイクロサービス構成ベースのアプローチを適用して、モノリシック・アプリケーションからマイクロサービスを生成する。そのような動的マイクロサービス構成ベースのアプローチは、動作データを使用し、かつラインタイムの間に動的に適応化されるマイクロサービス・モデルを生成する。そのような動的マイクロサービス構成に基づくアプローチの問題は、動作データが収集困難であることにある。
【0020】
いくつかの既存のアプリケーション現代化技術は、ワークロード・データ・ベースのアプローチを適用して、モノリシック・アプリケーションからマイクロサービスを生成する。そのようなワークロード・データ・ベースのアプローチは、動作データ（例えばログ・ファイル）を使用し、かつデータ収集の後に固定されたマイクロサービス・モデルを生成する。そのようなワークロード・データ・ベースのアプローチの問題は、動作データが収集困難であることにある。
【0021】
いくつかの既存のアプリケーション現代化技術は、以下のステップ：１）すべてのクラスを異なるクラスタに割り当てる；２）クラスタのそれぞれのペアについてジャッカード類似性係数を計算し、ここで、最大のジャッカード類似性を有するクラスタを統合する；及び３）いくつかの最適な目的（例えば、内部コネクティビティの最大化及び外部コネクティビティの最小化）にしたがって結果をリファインするために、発生論的アルゴリズムを適用する実装によってクラス・グルーピングを学習するため、ランタイム・トレースを使用するアプローチを適用する。
このようなアプローチの問題は、これが良好なビジネス機能の結合を有するグルーピング・クラスを生成することにおいて本質的なビジネス・コンテキストを考慮しないことにある。そのようなアプローチの別の問題は、それが高次の時間的依存性を考慮しないことにある。そのようなアプローチの別の問題は、それがグラフ内へとラン・トレースをアグリゲートし、したがって価値ある時間的情報を失うと共に、誤った過渡的な関係を仮定することにある。そのようなアプローチの別の問題は、それが呼び出し量を直接的に最小化せず、かつクラスタ品質を改善するためのビジネス・コンテキストを最小化しないことにある。
このようなアプローチの問題は、これが良好なビジネス機能の結合を有するグルーピング・クラスを生成することにおいて本質的なビジネス・コンテキストを考慮しないことにある。そのようなアプローチの別の問題は、それが高次の時間的依存性を考慮しないことにある。そのようなアプローチの別の問題は、それがグラフ内へとラン・トレースをアグリゲートし、したがって価値ある時間的情報を失うと共に、誤った過渡的な関係を仮定することにある。そのようなアプローチの別の問題は、それが呼び出し量を直接的に最小化せず、かつクラスタ品質を改善するためのビジネス・コンテキストを最小化しないことにある。
【0022】
既存のアプリケーション現代化技術が有する上述した所与の問題について、本開示は、システム、コンピュータ実装方法、又はコンピュータ・プログラム製品、又はこれらの組み合わせの形態において、これらの問題に対するソリューションを生成するために実装することができ、これらは、モデルをトレーニングし、モノリシック・アプリケーションを使用して実行することができるテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスタ割り当て又はクラスのグラフ埋め込みを学習させることができるか；又はモデルを利用するクラスタ割り当てに基づいて、クラスのクラスタ又はモノリシック・アプリケーションの１つ又はそれ以上を識別するためのグラフ埋め込みを生成することができるか、又はこれらの組み合わせを可能とする。そのようなシステム、コンピュータ実装方法、又はコンピュータ・プログラム製品又はこれらの組み合わせの利益は、これらがクラスの機能的グルーピング（例えば、機能的クラスタリング）を容易にするように実装されて、１つ又はそれ以上のマイクロサービスの正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることにある。いくつかの実施形態においては、テストケースは、ランタイム・トレース内のモノリシック・アプリケーションのビジネス機能を提供する、ビジネス機能テストケースを含むことができる。クラスの機能的グルーピング（例えば、機能的クラスタリング）を容易にするように実装されることができる、そのようなシステム、コンピュータ実装方法、又はコンピュータ・プログラム製品又はこれらの組み合わせの利益は、これらが１つ又はそれ以上のマイクロサービスの正確な識別及びモノリシック・アプリケーションの改善されたアプリケーション現代化を可能とすることにある。
【0023】
図１は、本明細書において説明される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づくモノリシック・アプリケーションからのマイクロサービスの生成を容易にすることができる実施例の非限定的なシステム１００のブロック図を示す。システム１００は、マイクロサービス生成システム１０２を含むことができ、これは、クラウド・コンピューティング環境に関連付けることができる。例えば、マイクロサービス生成システム１０２は、図９を参照して以下に説明されるクラウド・コンピューティング環境９５０又は図１０（例えば、ハードウェア及びソフトウェア・レイヤ１０６０、可視化レイヤ１０７０、マネージメント・レイヤ１０８０又はワークロード・レイヤ１０９０又はそれらの組み合わせ）を参照して以下に説明される、１つ又はそれ以上の機能的抽象レイヤ又はそれらの両方に関連づけられることができる。
【0024】
マイクロサービス生成システム１０２又はそのコンポーネント、又はそれらの組み合わせ（例えば、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０、コレクション・コンポーネント２０２、第２モデル・コンポーネント２０４、リファインメント・コンポーネント２０６など）は、図９を参照して以下に説明されるクラウド・コンピューティング環境９５０又は図１０を参照して以下に説明される１つ又はそれ以上の機能的抽象レイヤ（例えば量子ソフトウェアなど）を使用して、本明細書において説明される本発明の１つ又はそれ以上の実施形態による１つ又はそれ以上の動作を実行することができる。例えば、クラウド・コンピューティング環境９５０又はそのような１つ又はそれ以上の機能的抽象レイヤは、マイクロサービス生成システム１０２又はそのコンポーネント又はこれらの両方により使用されることができる、１つ又はそれ以上の古典的なコンピューティング・デバイス（例えば、古典的コンピュータ、古典的プロセッサ、仮想マシン、サーバなど）、量子ハードウェア又は量子ソフトウェア（例えば、量子コンピューティング・デバイス、量子コンピュータ、量子プロセッサ、量子回路シミュレーション・ソフトウェア、超電導回路など）、又はこれらの組み合わせを含み、本明細書において説明される本発明の１つ又はそれ以上の実施形態による１つ又はそれ以上の動作を実行することができる。例えば、マイクロサービス生成システム１０２及びそのコンポーネント又はそれらの両方は、そのような１つ又はそれ以上の古典的又は量子コンピューティング又はこれらの組み合わせのリソースを利用して、１つ又はそれ以上の古典的又は量子的又はそれら両方の数学機能、計算又は方程式；コンピューティング又はスクリプト処理又はそれら両方；アルゴリズム；モデル（例えば、人工知能（ＡＩ）モデル、機械学習（ＭＬ）モデルなど）；又は本明細書に記載する本発明の１つ又はそれ以上の実施形態による別の動作を実行することができる。
【0025】
本開示は、クラウド・コンピューティングについての詳細な説明を含むが、本明細書に列挙される教示の実装は、クラウド・コンピューティング環境に限定されないことは理解されるべきである。むしろ本発明の環境は、現在知られ、又は後に開発されるコンピューティング環境の如何なる他のタイプとの組み合わせにおいて実装することができる。
【0026】
クラウド・コンピューティングは、最小限の管理労力又はサービス提供者との交流をもって、迅速に提供及び開放構成可能なコンピューティング資源（例えば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン及びサービス）の共用されるプールにアクセスするための利便性のある、オンデマンドのネットワークアクセスのためのサービス提供のモデルである。このクラウド・モデルは、少なくとも５つの特徴、少なくとも３つのサービスモデル、及び少なくとも４つの配置モデルを含むことができる。
【0027】
特徴は以下のとおりである：
【0028】
オンデマンド・セルフサービス：クラウドのコンシューマは、サーバ時間、及びネットワーク・ストレージといったコンピューティング能力を、サービスの提供者との人間的交流を必要とすることなく必要なだけ自動的に一方向的に提供される。
【0029】
広範なネットワークアクセス：能力は、ネットワーク上で利用可能であり、かつ異なったシン又はシッククライアント・プラットフォーム（例えば、モバイルホン、ラップトップ及びＰＤＡ）による利用を促す標準的な機構を通してアクセスされる。
【0030】
リソースの共用：提供者のコンピューティング資源は、マルチテナント・モデルを使用し、動的に割当てられる必要に応じて再割り当てられる異なった物理的及び仮想化資源と共に多数の消費者に提供するべく共用される。コンシューマは概ね提供される資源の正確な位置（例えば、国、州、又はデータセンタ）に関する制御又は知識を有さず、抽象化の高度の階層において位置を特定することができるというように、位置非依存の感覚が存在する。
【0031】
迅速な弾力性：機能は、迅速かつ弾力的に、場合によっては自動的に供給され素早くスケールアウトし、迅速に解放して素早くスケールインすることが可能である。コンシューマにとっては、供給のために利用可能な機能は、多くの場合、制限がないように見え、いつでも任意の量で購入することができる。
【0032】
計測されるサービス：クラウド・システムは、サービスの種類（例えば、ストレージ、処理、帯域幅、及びアクティブ・ユーザ・アカウント）に適したいくつかの抽象化レベルで計量機能を活用することによって、リソースの使用を自動的に制御し、最適化する。リソース使用量を監視し、制御し、報告することで、使用されているサービスのプロバイダ及びコンシューマの両方に対して透明性を提供することができる。
【0033】
サービスモデルは、以下のとおりである：
【0034】
ソフトウェア・アズ・ア・サービス（ＳａａＳ）：コンシューマに提供される機能は、クラウド・インフラストラクチャ上で実行されるプロバイダのアプリケーションを使用することである。
アプリケーションは、ウェブ・ブラウザ（例えば、ウェブベースの電子メール）のようなシン・クライアント・インターフェースを通じて、種々のクライアント・デバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定を除いて、ネットワーク、サーバ、オペレーティング・システム、ストレージ、又は個々のアプリケーションの機能も含む、基盤となるクラウド・インフラストラクチャを管理又は制御することはない。
アプリケーションは、ウェブ・ブラウザ（例えば、ウェブベースの電子メール）のようなシン・クライアント・インターフェースを通じて、種々のクライアント・デバイスからアクセス可能である。コンシューマは、限定されたユーザ固有のアプリケーション構成設定を除いて、ネットワーク、サーバ、オペレーティング・システム、ストレージ、又は個々のアプリケーションの機能も含む、基盤となるクラウド・インフラストラクチャを管理又は制御することはない。
【0035】
プラットフォーム・アズ・ア・サービス（ＰａａＳ）：コンシューマに提供される能力は、プロバイダがサポートするプログラミング言語及びツールを用いて作成された、コンシューマが作成又は獲得したアプリケーションを、クラウド・インフラストラクチャ上に配置することである。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、又はストレージを含む、基盤となるクラウド・インフラストラクチャを管理又は制御することはないが、配置されたアプリケーションを制御し、可能であればアプリケーション・ホスティング環境の構成を制御する。
【0036】
インフラストラクチャ・アズ・ア・サービス（ＩａａＳ）：コンシューマに提供される機能は、処理、ストレージ、ネットワーク、及びその他の基本的なコンピューティング・リソースの提供であり、コンシューマは、オペレーティング・システム及びアプリケーションを含むことができる任意のソフトウェアを配置し、実行させることが可能である。
ンシューマは、基盤となるクラウド・インフラストラクチャを管理又は制御することはないが、オペレーティング・システム、ストレージ、配置されたアプリケーションの制御を有し、可能であれば選択ネットワーキング・コンポーネント（例えば、ホストのファイアウォール）の限定的な制御を有する。
ンシューマは、基盤となるクラウド・インフラストラクチャを管理又は制御することはないが、オペレーティング・システム、ストレージ、配置されたアプリケーションの制御を有し、可能であれば選択ネットワーキング・コンポーネント（例えば、ホストのファイアウォール）の限定的な制御を有する。
【0037】
配置モデルは、以下の通りである。
【0038】
プライベート・クラウド：クラウド・インフラストラクチャは、１つの組織のためだけに動作する。これは、その組織又は第三者によって管理することができオン・プレミス又はオフ・プレミスで存在することができる。
【0039】
コミュニティ・クラウド：クラウド・インフラストラクチャは、いくつかの組織によって共有され、共通の利害関係（例えば、任務、セキュリティ要件、ポリシー、及びコンプライアンスの考慮事項）を有する特定のコミュニティをサポートする。これは、それらの組織又は第三者によって管理することができ、オン・プレミス又はオフ・プレミスに存在することができる。
【0040】
パブリック・クラウド：クラウド・インフラストラクチャは、公衆又は大きな産業グループが利用可能できるようにされており、クラウド・サービスを販売する組織によって所有される。
【0041】
ハイブリッド・クラウド：クラウド・インフラストラクチャは、２つ又はそれより多いクラウド（プライベート、コミュニティ、又はパブリック）を組み合わせたものであり、これらのクラウドは、固有のエンティティのままであるが、データ及びアプリケーションのポータビリティを可能にする標準化技術又は専有技術によって互いに結合される（例えば、クラウド間の負荷バランスのためのクラウド・バースティング）。
【0042】
クラウド・コンピューティング環境は、無国籍性、粗結合性、モジュール性、及び意味的相互運用性に焦点を合わせたサービス指向のものである。クラウド・コンピューティングの心臓部において、相互接続された複数のノードを含むものがインフラストラクチャである。
【0043】
マイクロサービス生成システム１０２は、メモリ１０４、プロセッサ１０６、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０又はバス１１２又はこれらの組み合わせを含むことができる。
【0044】
本明細書に開示される種々の図面において図示された本発明の実施形態は、例示のみのためであり、そのためそのような実施形態のアークテクチャは、本明細書に図示されたシステム、デバイス、又はコンポーネント、又はこれらの組み合わせに限定されないことについて理解されるべきであろう。例えば、いくつかの実施形態においては、システム１００又はマイクロサービス生成システム１０２又はこれらの両方はは、さらに、動作環境８００及び図８を参照して本明細書において説明される種々のコンピュータ、又はコンピューティング・ベースの要素を含むことができる。いくつかの実施形態においては、そのようなコンピュータ、又はコンピューティング・ベースの要素は、図１又は本明細書において開示される他の図面に関連して示され、かつ説明される１つ又はそれ以上のシステム、デバイス、コンポーネント、又はコンピュータ実装動作又はこれら組み合わせの実装に関連して使用することができる。
【0045】
メモリ１０４は、１つ又はそれ以上のコンピュータ又は機械又はこれらの両方が読み出し、書き込み又は実行可能、又はそれらの組み合わせであって、プロセッサ１０６（古典的プロセッサ、量子プロセッサなど）によって実行された場合に実行可能なコンポーネント（複数でもよい）又は命令（複数でもよい）又はこれらの組み合わせにより定義される動作の実行を容易にすることが可能なコンポーネント又は命令又はこれらの組み合わせを格納することができる。例えば、メモリ１０４は、コンピュータ又は機械又はこれらの両方が読み出し、書き込み又は実行可能、又はこれらの組み合わせであって、プロセッサ１０６によって実行された場合に、種々の図面について参照の有無に拠らず、本明細書に説明されるように、マイクロサービス生成システム１０２、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０、又はマイクロサービス生成システム１０２に関連する別のコンポーネント（例えばコレクション・コンポーネント２０２、第２モデル・コンポーネント２０４、リファインメント・コンポーネント２０６など）に関連する、本明細書において説明される種々の機能の実行を容易にする、実行可能なコンポーネント又は命令又はこれらの組み合わせを格納することができる。
【0046】
メモリ１０４は、１つ又はそれ以上のメモリ・アークテクチャを利用することが可能な、揮発性メモリ（例えば、ランダム・アクセス・メモリ（ＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）など）又は不揮発性メモリ（例えば、リード・オンリー・メモリ（ＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、電気的にプログラマブルＲＯＭ（ＥＰＲＯＭ）、電気的に消去可能なプログラマブルＲＯＭ（ＥＥＰＲＯＭ）など）を含むことができる。メモリ１０４のさらなる実施例は、システムメモリ８１６及び図８を参照して以下に説明される。メモリ１０４のそのような実施例は、本発明の如何なる実施形態を実装するために利用することができる。
【0047】
プロセッサ１０６は、メモリ１０４に格納することが可能な１つ又はそれ以上の、コンピュータ又は機械又はこれら両方が読み出し、書き込み、又は実行可能なコンポーネント、又は命令又はこれらの組み合わせを実装することが可能な、１つ又はそれ以上のタイプのプロセッサ又は電子回路、又はこれらの組み合わせ（例えば、古典的プロセッサ、量子プロセッサなど）を含むことができる。例えば、プロセッサ１０６は、そのようなコンピュータ又は機械又はそれらの両方が読み出し、書き込み、又は実行可能で、これらに限定されることはないが、ロジック、制御、入力／出力（Ｉ／Ｏ）、計算又はこれらの組み合わせを含むコンポーネント又は命令又はこれらの組み合わせによって特定されることができる。いくつかの実施形態においては、プロセッサ１０６は、１つ又はそれ以上の中央処理ユニット、マルチコア・プロセッサ、マイクロプロセッサ、デュアル・マイクロプロセッサ、マイクロコントローラ、システム・オン・チップ（ＳＯＣ）、アレイ・プロセッサ、ベクトル・プロセッサ、量子プロセッサ、又は別のタイプのプロセッサ又はこれらの組み合わせを含むことができる。
さらに、プロセッサ１０６の実施例は、プロセッシング・ユニット８１４及び図８を参照して以下に説明される。プロセッサ１０６のそのような実施例は、本発明の如何なる実施形態を実装するために利用することができる。
さらに、プロセッサ１０６の実施例は、プロセッシング・ユニット８１４及び図８を参照して以下に説明される。プロセッサ１０６のそのような実施例は、本発明の如何なる実施形態を実装するために利用することができる。
【0048】
マイクロサービス生成システム１０２、メモリ１０４，プロセッサ１０６、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０、又はマイクロサービス生成システム１０２の別のコンポーネント、又はこれらの組み合わせは、本明細書において説明するように（例えば、コレクション・コンポーネント２０２、第２モデル・コンポーネント２０４、リファインメント・コンポーネント２０６など）、通信可能に、電気的に、動作的に又は光学的にバス１１２を介して互いに結合されて、システム１００、マイクロサービス生成システム１０２、又はそれらに結合される如何なるコンポーネント又はそれらの組み合わせの機能を実行する。バス１１２は、１つ又はそれ以上の、メモリバス、又はメモリ・コントローラ、ペリフェラル・バス、外部バス、ローカル・バス、量子バス、又は種々のバス・アーキテクチャを利用することが可能な別のタイプのバス又はこれらの組み合わせ含むことができる。さらにバス１１２の実施例は、システムバス８１８及び図８を参照して以下に説明される。バス１１２のそのような実施例は、本発明の如何なる実施形態を実装するために利用することができる。
【0049】
マイクロサービス生成システム１０２は、プロセッサを含むか、又は有線又は無線ネットワーク又はこれらの両方で有効であるか又は通信するように動作するか又はこれらの両方が可能な如何なるタイプのコンポーネント、機械、デバイス、機能、装置、又は器具を含むことができる。そのようなすべての実施形態が想定される。例えば、マイクロサービス生成システム１０２は、サーバ・デバイス、コンピューティング・デバイス、汎用目的コンピュータ、特定目的コンピュータ、量子コンピューティング・デバイス（例えば、量子コンピュータ）、タブレット・コンピューティング・デバイス、ハンドヘルド・デバイス、サーバ・クラス・コンピューティング・マシン、又はデータベース又はこれらの組み合わせ、ラップトップ・コンピュータ、ノートブック・コンピュータ、デスクトップ・コンピュータ、携帯電話、スマートホン、家電製品又は器具又はこれら両方、工業的又は市販デバイス又はこれらの両方、デジタル・アシスタント、マルチメディア・インターネット可能な電話、マルチメディア・プレイヤ、又は別のタイプのデバイス、又はこれらの組み合わせを含むことができる。
【0050】
マイクロサービス生成システム１０２は、データ・ケーブル（例えば、ハイデフィニッション・マルチメディア・インタフェース（ＨＤＭＩ（登録商標））、推奨規格（ＲＳ）２３２、イーサネット（登録商標）ケーブルなど）を介して、１つ又はそれ以上の外部システム、ソース、又はデバイス又はそれらの組み合わせ（例えば古典的又は量子コンピューティング・デバイス、通信デバイスなど）に結合されることができる（例えば、通信的、電気的、又は光学的に）。いくつかの実施形態においては、マイクロサービス生成システム１０２は、ネットワークを介して、１つ又はそれ以上の外部システム、ソース、又はデバイス又はそれらの組み合わせ（例えば古典的又は量子コンピューティング・デバイス、通信デバイスなど）に結合されることができる（例えば、通信的、電気的、又は光学的に）。
【0051】
いくつかの実施形態においては、そのようなネットワークは、これらに限定されることはなく、セルラ・ネットワーク、ワイドエリア・ネットワーク（ＷＡＮ）（例えばインターネット）、又はローカルエリア・ネットワーク（ＬＡＮ）を含む、有線及び無線ネットワークを含むことができる。例えば、マイクロサービス生成システム１０２は、これらに限定されないが、ワイヤレス・フィデリティ（Ｗｉ－Ｆｉ）、グローバル・システム・フォア・モバイルコミュニケーション（ＧＳＭ）、ユニバーサル・モバイル・テレコミュニケーションズ・システム（ＵＭＴＳ）、ワールド・ワイド・インターオペラビリティ・フォア・マイクロウェーブ・アクセス（ＷｉＭＡＸ）、エンハンスド・ジェネラル・パケット・ラジオ・サービス（エンハンスドＧＰＲＳ）、第３世代パートナーシップ・プロジェクト（３ＧＰＰ（登録商標））、ロング・ターム・エボリューション（ＬＴＥ）、第３世代パートナーシップ・エボリューション２（３ＧＰＰ（登録商標）２）、ウルトラ・モバイル・ブロードバンド（ＵＭＢ）、ハイスピード・パケット・アクセス（ＨＳＰＡ）、Ｚｉｇｂｅｅ（商標）及び他の８０２．ＸＸワイヤレス技術又はレガシー・テレコミュニケーション技術、ＢＬＵＥＴＯＯＴＨ（登録商標）、セッション・イニシエーション・プロトコル（Session Initiation Protocol:SIP）、ＺＩＧＢＥＥ（登録商標）、ＲＦ４ＣＥプロトコル、ＷｉｒｅｌｅｓｓＨＡＲＴプロトコル、６LoWPAN（IPｖ６オーバー・ローパワー・ワイヤレス・エリア・ネットワーク）、Ｚ－Ｗａｖｅ、ＡＮＴ、ウルトラ・ワイドバンド（ＵＷＢ）スタンダード・プロトコル、又は他の専有的又は非占有的な通信プロトコル又はこれらの組み合わせを含む、所望する如何なる有線又は無線技術を仮想的に使用して１つ又はそれ以上の外部システム、ソース、又はデバイス又はそれらの組み合わせ、例えばコンピューティング・デバイス（この逆も同様）と通信することができる。そのような実施例において、マイクロサービス生成システム１０２は、かくして、ハードウェア（例えば、中央処理ユニット（ＣＰＵ）、トランシーバ、デコーダ、量子ハードウェア、量子プロセッサなど）、ソフトウェア（例えば、スレッドのセット、プロセスのセット、実行中のソフトウェア、量子パルス・スケジュール、量子回路、量子ゲートなど）又はマイクロサービス生成システム１０２と外部システム、ソース、又はデバイス又はそれらの組み合わせ（例えば、コンピューティング・デバイス、通信デバイスなど）との間で情報の通信を容易にするハードウェア及びソフトウェアの組み合わせを含むことができる。
【0052】
マイクロサービス生成システム１０２は、プロセッサ１０６（例えば古典的プロセッサ、量子プロセッサなど）によって実行された場合に、そのようなコンポーネント（複数でもよい）又は命令（複数でもよい）によって定義される動作の実行を容易にする、１つ又はそれ以上のコンピュータ又は機械又はそれら両方が書き込み、読み出し、又は実行、又はそれらの組み合わせが可能なコンポーネント又は命令又はこれらの組み合わせを含むことができる。さらに、種々の実施形態においては、種々の図面について参照の有無に拠らず、本明細書で説明されるように、マイクロサービス生成システム１０２に関連する如何なるコンポーネントは、プロセッサ１０６によって実行された場合に、そのようなコンポーネント複数でもよい）又は命令（複数でもよい）によって定義される動作の実行を容易にする、１つ又はそれ以上のコンピュータ又は機械又はそれら両方が読み出し、書き込み、又は実行、又はそれらの組み合わせが可能な実行可能なコンポーネント又は命令又はそれらの組み合わせを含むことができる。例えば、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０、又はマイクロサービス生成システム１０２に関連する如何なる他コンポーネントは、本明細書で説明されるように（例えば、マイクロサービス生成システム１０２により、通信的、電子的に、動作的に、又は光学的に、結合又は利用される、又はこれらの組み合わせ）、そのようなコンピュータ又は機械又はそれら両方が読み出し、書き込み、又は実行、又はそれらの組み合わせが可能なコンポーネント（複数でもよい）又は命令（複数でもよい）又はそれらの組み合わせを含むことができる。結果として、数多くの実施形態により、マイクロサービス生成システム１０２又はそれに関連する如何なるコンポーネント又はそれらの両方は、本明細書で説明されるように、プロセッサ１０６を使用して、そのようなコンピュータ又は機械又はそれらの両方が読み出し、書き込み、又は実行又はそれらの組み合わせが可能なコンポーネント（複数でもよい）又は命令（複数でもよい）を実行させ、マイクロサービス生成システム１０２又はそれに関連する如何なるそのようなコンポーネント又はそれらの組み合わせを参照して本明細書で説明される、１つ又はそれ以上の動作の実行を容易にする。
【0053】
マイクロサービス生成システム１０２は、本明細書で説明されるように、モデル・コンポーネント１０８又はクラスタ・コンポーネント１１０、又はマイクロサービス生成システム１０２に関連する別のコンポーネント又はそれらの組み合わせ（例えばコレクション・コンポーネント２０２、第２モデル・コンポーネント２０４、リファインメント・コンポーネント２０６など）により実行されるか、又はそれに関連する動作の実行を容易にすることができる（例えば、プロセッサ１０６を介する）。例えば、以下に説明されるように、マイクロサービス生成システム１０２は、プロセッサ１０６（例えば、古典的プロセッサ、量子プロセッサなど）を介して：モデルをトレーニングして実行されたテストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習させること；又はモデルを利用し、１つ又はそれ以上のモノリシック・アプリケーションのマイクロサービスを識別するためのクラスタ割り当てに基づいて、クラスのクラスタを生成すること、又はそれらの両方を容易にする。本明細書で参照されるように、クラスタは、本明細書に説明されるように１つ又はそれ以上の定義された目的（例えば、ビジネス・コンテキスト、呼び出し量など）に基づいて、マイクロサービス生成システム１０２又はその１つ又はそれ以上のコンポーネント、又はそれらの組み合わせ（例えばモデル・コンポーネント１０８、クラスタ・コンポーネント１１０、コレクション・コンポーネント２０２、第２モデル・コンポーネント２０４、リファインメント・コンポーネント２０６など）により、互いにクループ化されることのできるクラスのグループとして定義されることができる。より具体的には、モノリスのマイクロサービス・リファクタリングについて適用されるドメインにおいて（また、アプリケーション現代化として参照される）、本明細書で参照されるように、クラスタは、マイクロサービスへと構成されることが可能なクラスのグループとして定義されることができる。
【0054】
上記の実施例においては、以下に詳細に説明されるように、マイクロサービス生成システム１０２は、さらに、プロセッサ１０６（例えば古典的プロセッサ、量子プロセッサなど）を介して：モノリシック・アプリケーションのデータ依存性又はモノリシック・アプリケーションの静的呼び出しグラフの少なくとも１つに基づいて、１つ又はそれ以上のマイクロサービスをリファインすること；実行されたテストケースのランタイム・トレースに基づいて、１つ又はそれ以上の原因グラフを生成して、モノリシック・アプリケーション又はモノシリック・アプリケーションにおけるクラスのクラスタ割り当ての少なくとも１つの１次の時間的依存性又は高次の時間依存性の少なくとも１つを捕捉すること；又はモデルをトレーニングして、実行されたテストケースのランタイム・トレースに基づいて生成された１つ又はそれ以上の原因グラフの原因シーケンスを使用して、モノリシック・アプリケーションにおけるクラスタ割り当て又はクラスのグラフ埋め込みの少なくとも１つを学習させること、又はそれらの両方を含むことができる。上記の実施例においては、実行されるテストケースは、ランタイム・トレース内でモノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含むことができる。
【0055】
別の実施例では、以下に詳細に説明されるように、マイクロサービス生成システム１０２は、さらに、プロセッサ１０６（例えば古典的プロセッサ、量子プロセッサなど）を介して：モノリシック・アプリケーション上で実行されたテストケースのランタイム・トレースを収集すること；ランタイム・トレースに基づいてモデルをトレーニングしてモノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習させること；又はモノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するためのクラスタ割り当てに基づいてクラスのクラスタを生成すること、又はこれらの両方を含むことができる。この実施例においては、以下に説明されるように、マイクロサービス生成システム１０２は、さらに、プロセッサ１０６（例えば古典的プロセッサ、量子プロセッサなど）を介して：モノリシック・アプリケーションのデータ依存性又は静的呼び出しグラフの少なくとも１つに基づいて１つ又はそれ以上のマイクロサービスをリファインすること；ランタイム・トレースに基づいて、１つ又はそれ以上の原因グラフを生成して、モノリシック・アプリケーション又はモノリシック・アプリケーションにおけるクラスのクラスタ割り当ての少なくとも１つの１次の時間依存性又は高次の時間依存性の少なくとも１つを捕捉すること；又はモデルをトレーニングして、ランタイム・トレースに基づいて生成された１つ又はそれ以上の原因グラフの原因シーケンスを使用してモノリシック・アプリケーションにおけるクラスタ割り当て又はクラスのグラフ埋め込みの少なくとも１つを学習させること、又はこれらの両方を含むことができる。この実施形態においては、実行されるテストケースは、ランタイム・トレース内でモノリシック・アプリケーションのビジネス機能を提供するビジネス機能テストケースを含むことができる。
【0056】
モデル・コンポーネント１０８は、実行されたテストケースに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタ割り当てを学習することができる。例えば、モデル・コンポーネント１０８は、トレーニングすることができる（例えば、マイクロサービス生成システム１０２を介して）人工知能（ＡＩ）又は機械学習（ＭＬ）モデル（例えば、ニューラル・ネットワーク）を含み、モノリシック・アプリケーションをそのようなテストケースの実行（例えば、プロセッサ１０６を介して）のために利用して生成されることができるランタイム・トレースに基づいて、モノリシック・アプリケーション（例えば、モノリス・エンタープライズ・アプリケーション）におけるクラスのクラスタ割り当てを学習させることを含むことができる。いくつかの実施形態では、モデル・コンポーネント１０８は、以下に説明され、かつ図４に示されるモデル４００を含むことができ、ここで、モデル４００は、トレーニングされる（例えば、以下に説明するマイクロサービス生成システム１０２を介して）ことができるニューラル・ネットワークを含み、モノリシック・アプリケーションをそのようなテストケースの実行（例えば、プロセッサ１０６を介して）のために利用して生成されることができるランタイム・トレースに基づいて、モノリシック・アプリケーション（例えばモノリス・エンタープライズ・アプリケーション）におけるクラスのクラスタ割り当てを学習させることを含むことができる。
【0057】
実施例においては、上述した実行されたテストケースは、モノリシック・アプリケーションを使用して実行されることができるビジネス機能テストケースを含むことができる（例えば、プロセッサ１０６を介してモノリシック・アプリケーション上で動作する）。この実施例においてはそのようなビジネス機能テストケースは、ランタイム・トレース内のモノリシック・アプリケーションのビジネス機能を提供することができる。例えば、そのようなビジネス機能テストケースは、順序及びモノリシック・アプリケーションのクラスと、関数呼び出しとがどれだけに頻度で相互作用するかを含むマイクロサービス生成システム１０２又はモデル・コンポーネント１０８又はこれらの両方の提供することを可能とすると共に、さらにマイクロサービス生成システム１０２又はモデル・コンポーネント１０８又はこれら両方がそれぞれのトレースにビジネス・コンテキストを関連付けて、機能グルーピングを改善することを提供する（例えば、以下に説明するように、マイクロサービス生成システム１０２、モデル・コンポーネント１０８、又はクラスタ・コンポーネント１１０又はそれらの組み合わせを介して）。
【0058】
モデル・コンポーネント１０８は、上述したようにモノリシック・アプリケーションについてのテストケースの実行により生成されることができるランタイム・トレースに基づいて生成される、１つ又はそれ以上の原因グラフの原因シーケンスを使用して、モノリシック・アプリケーション又はモノリシック・アプリケーションにおけるそのようなクラスのグラフ埋め込み、又はそれら両方においてクラスのクラスタ割り当てを学習することができる。実施例においては、モデル・コンポーネント１０８は、上述したランタイム・トレースに基づいて生成することができる、１つ又はそれ以上の原因グラフの原因シーケンスを使用して、上述したクラスタ割り当て及びグラフ埋め込みを同時に学習することができる（例えば、図２を参照して以下に説明するように第２モデル・コンポーネント２０４による）。この実施形態においては、そのような１つ又はそれ以上の上述した原因グラフの生成（例えば、第２モデル・コンポーネント２０４）は、マイクロサービス生成システム１０２又はモデル・コンポーネント１０８又はそれらの両方に対して：モノリシック・アプリケーションの１次の時間依存性又は高次の時間依存性、又はそれらの両方；又はモノリシック・アプリケーションにおけるクラスのクラスタ割り当て、又はこれらの組み合わせを提供する。
【0059】
上述したモデル・コンポーネント１０８によるそのような学習を容易にするために、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングすることができる。例えば、モデル・コンポーネント１０８は、例えばニューラル・ネットワーク（例えばモデル４００）といった人工知能（ＡＩ）又は機械学習（ＭＬ）モデルを含むことができ、これらは、マイクロサービス生成システム１０２によってトレーニングされて、上述した１つ又はそれ以上の原因グラフの原因シーケンスを使用してクラスタ割り当て又はグラフ埋め込み、又はそれらの両方を学習させることができる。例えば、マイクロサービス生成システム１０２は、以下の説明するトレーニング手順を実装することにより、モデル・コンポーネント１０８をトレーニングして、上述したクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができる。
【0060】
マイクロサービス生成システム１０２がモデル・コンポーネント１０８をトレーニングするために実装して、上述したクラスタ割り当て又はグラフ埋め込み又はそれら両方を学習させる上述のトレーニング手順を説明するために、上述のモノリシック・アプリケーションは、例えば、１つ又はそれ以上の財務市場におけるセキュリティ・アセットのトレーディングのために用いることができる、例えば、Ｊａｖａ（登録商標）2 Platform Enterprise Edition (J2EE)を含む実施例のトレーディング・アプリケーションを含むことができる。この実施形態においては、実施例のトレーディング・アプリケーションは、ユーザにログイン、それらのポートフォリオのビュー、株式時価のルックアップ、又は株式持ち分の売買、又はこれらの組み合わせを許容する、オンライン株式トレーディングのためのＪ２ＥＥアプリケーションを含むことができる。この実施形態においては、実施例のトレーディング・アプリケーション上で実行するテストケース（例えば、ビジネス機能テストケース）によって生成されるラインタイム・トレースは、プレゼンテーション・レイヤ、ビジネス・ロジック、及びパーシスタンス・レイヤの３－タイヤ・アーキテクチャを表現することができるマルチスレッドのランタイム・トレースを含む。この実施形態においては、そのようなランタイム・トレースは、実施例のトレーディング・アプリケーションのテストケース（例えば、ビジネス機能テストケース）上での実行（例えば、プロセッサ１０６）により生成され、これらに限定されることはなく、init、login、log-off、トレード・アカウント・アップデート・プロファイル、マーケット・サマリ・グロッサリ、トレード・クオート買い、トレード・ポートフォリオ売り、又は別のテストケース又はこれらの組み合わせを含む。この実施形態においては、クラス及び他のクラスへのその呼び出しは、多数のビジネス・コンテキストを含む可能性がある。この実施形態においては、実施例のトレーディング・アプリケーション上で上記に定義されたそのようなテストケースを実行することにより生成されることができるラインタイム・トレースは、以下のランタイム・トレースを含むことができる。
【0061】
1567027540073，init，Root は MarketSummarySingletonを呼び出す
【0062】
1567027540074，init，MarketSummarySingleton は、Logを呼び出す
【0063】
1567027540075，init，LogはTradeConfigを呼び出す
【0064】
1567027540076，init，TradeConfigはLogに返す
【0065】
1567027540077，init，LogはTradeConfigを呼び出す
【0066】
1567027540078，init，TradeConfigは、Logに返す
【0067】
1567027540079，init，LogはMarketSummarySingletonに返す
【0068】
......
【0069】
1567027743085，trade-quotes-buy，RootはOrdersAlertFilterを呼び出す
【0070】
1567027743086，trade-quotes-buy，OrdersAlertFilterは、TradeConfigを呼び出す
【0071】
1567027743087，trade-quotes-buy，TradeConfigは、OrdersAlertFilterに返す
【0072】
Root － MarketSummarySingleton － Log － TradeConfig － (TradeConfig-Log) －－ log － MarketSummarySingleton init
【0073】
Root － OrdersAlertFilter － TradeConfig － (TradeConfig-OrdersAlertFilter) －－ OrdersAlertFilter trade-quotes-buy
【0074】
この実施形態においては、モノリシック・アプリケーションが実施例のトレーディング・アプリケーションを含む場合、マイクロサービス生成システム１０２は、上記に定義したランタイム・トレースに基づく原因シーケンスを含む、１つ又はそれ以上の原因グラフを生成することができる。この実施形態においては、マイクロサービス生成システム１０２は、そのような１つ又はそれ以上の原因グラフを生成して、モノリシック・アプリケーション又はモノリシック・アプリケーションにおけるクラス又はそれらの両方の１次の時間依存又は高次の時間依存又はそれら両方を捕捉する。この実施形態においては、そのような１つ又はそれ以上の原因グラフの生成を容易にするために、マイクロサービス生成システム１０２は、例えば、上記に説明したそのような原因グラフ（複数でもよい）を生成するための高次の時間的ニューラル・ネットワークといったニューラル・ネットワークを含むことができる第２モデル・コンポーネント（例えば、図２を参照して以下に説明される第２モデル・コンポーネント２０４）を利用することができる。この実施形態においては、マイクロサービス生成システム１０２は、そのような第２モデル・コンポーネント（例えば、図２を参照して以下に説明される第２モデル・コンポーネント２０４）を使用してパスの時間的関係を捕捉（例えば、上記に説明した原因シーケンスを含む原因グラフの生成を介して）すると共に、高く関係した呼び出しシーケンスを外挿することができる。
【0075】
この実施形態において、モノリシック・アプリケーションが実施例のトレーディング・アプリケーションを含む場合、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８を入力として、上記に説明した１つ又はそれ以上の原因グラフの原因シーケンスを使用してトレーニングし、上記に説明したクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができ（また、本明細書では、ランタイム原因シーケンス又はランタイム・シーケンス、又はそれら両方として参照する）、ここで、出力は、ノード埋め込み（例えば、マッピングｆ：Ｖ→Ｒｄ）及びクラスタ割り当てを含むことができる。この実施形態においては、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングして、ランタイム原因シーケンスから近接するノードを直接サンプルすることができる。この実施形態においては、所与のラインタイム・シーケンスＳについて、ノードｖを含むウィンドウのコレクションをＮｓ（ｖ）で記述することができる。この実施形態においては、マイクロサービス生成システム１０２は、以下のサンプル・ルーチンを実装することにより、モデル・コンポーネント１０８をトレーニングして、原因シーケンスから１つ又はそれ以上のポジティブなサンプル・ペアを生成することができる：
【0076】
所与のランタイム・シーケンスについて “Root, MarketSummarySingleton, Log, TradeConfig, TradeConfigは、Logを Log及びサイズ３の観察ウィンドウを返す。
【0077】
……
【0078】
ノード“MarketSummarySingleton”は、近隣ウィンドウNs(v=MarketSummarySingleton)を有する。
【0079】
[Root, MarketSummarySingleton, Log]
【0080】
[MarketSummarySingleton, Log, TradeConfig]
【0081】
ポジティブなサンプル・ペアを抽出する：
【0082】
(MarketSummarySingleton, Root)
【0083】
(MarketSummarySingleton, Log)
【0084】
(MarketSummarySingleton, TradeConfig)
【0085】
この実施例の実施形態においては、モノリシック・アプリケーションが実施例のトレーディング・アプリケーションを含み、モデル・コンポーネント１０８は、例えば図４に示されたモデル４００といったニューラル・ネットワークを含むことができる。この実施形態においては、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８（例えばモデル４００）を、以下のタスクについてモデル・コンポーネント１０８をトレーニングすることにより、上記に説明したクラスタ割り当て又はグラフ埋め込み又はそれら両方を学習させることができる：ラインタイム・シーケンスにおける所与の特定のクラスＡについて、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングして、ランタイム・シーケンス内のＡの“近隣”クラスであるクラスごとに確率を予測する。この実施形態においては、もしも２つのＪａｖａ(登録商標)クラスが極めて類似する“コンテキスト”を有するのであれば、このことは、これらの２つのクラスが同一のビジネス・コンテイストの下で同一のコンテキスト・ウィンドウ内で共起しがちであることを意味することができ、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングしてこれらの２つのクラスについて類似する埋め込みを出力することができる。シーケンス・ベースの埋め込みを使用するこの実施形態においては、近隣ノードのシーケンスは、例えば、ランダム・ウォークといった方法を使用して原因グラフ（複数でもよい）からサンプルされることができると共に（例えば、マイクロサービス生成システム１０２又はモデル・コンポーネント１０８又はそれらの両方）、目的はノードの近隣を観察することについてのネガティブ・ログ尤度を最小化すること、とすることができる。
【0086】
この実施例の実施形態においては、モノリシック・アプリケーションが実施例のトレーディング・アプリケーションを含み、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングして、以下に定義される式（１）により、ノード埋め込みの条件に基づいて、上記に説明したノードの近隣を観察することについてのネガティブ・ログ尤度の最小化を達成することができる。
【0087】
【数1】
【0088】
ここで、ｆ（ｖ）は、ノードｖに対する埋め込みを意味し、Ｐは、確率関数を意味し、Ｎｓ（ｉ）は、ノードｖの周りの近隣ノードのコレクションを意味する。
【0089】
この実施例の実施形態においては、モノリシック・アプリケーションが実施例のトレーディング・アプリケーションを含み、条件的独立性の仮定及び将来空間における対称性にしたがって、上記に定義された式（１）が、マイクロサービス生成システム１０２又はモデル・コンポーネント１０８又はそれらの両方により、以下に定義される式（２）として定式化されることができる。
【0090】
【数2】
【0091】
ここで、Ｌｈは、埋め込みの最適化関数を意味し、ｕは、ノードｕを意味し、ｆ（ｕ）は、ノードｕの埋め込みを意味し、かつｆ（ｎｉ）は、ノードｎｉについての埋め込みを意味する。
【0092】
この実施例の実施形態においては、モノリシック・アプリケーションが実施例のトレーディング・アプリケーションを含み、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングして、クラスタ割り当て又はグラフ埋め込み又はそれらの両方を同時に学習させることができる。例えば、そのような同時的な学習を容易にするために、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８を、以下に定義される式（３）のｋ－ｍｅａｎｓコスト関数を含むように目的関数（例えば式（２））を拡張して、トレーニングすることができる。
【0093】
【数3】
【0094】
ここで、Ｌｃは、埋め込み及びクラスタリングの両方についての全体の最適化関数を意味し、γは、クラスタ・コストの重み係数を判断するためのハイパー・パラメータを意味し、ｕｃは、ｃ番目のクラスタのクラスタ平均を意味する。これらは、トレーニング可能なパラメータであることに留意されたい。
【0095】
いくつかの実施形態においては、マイクロサービス生成システム１０２は、１つ又はそれ以上の人工知能（ＡＩ）モデル又は１つ又はそれ以上の機械学習（ＭＬ）モデル又はそれらの両方を含むか、又は利用するか、又はそれらの両方により、モデル・コンポーネント１０８をトレーニングして、上記に説明した１つ又はそれ以上の原因グラフの原因シーケンスを使用して上記に説明したようにクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができる。例えば、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングするための１つ又はそれ以上のＡＩ又はＭＬモデル又はそれらの両方を含むか、又は使用するか、又はそれらの両方により、上記に説明した１つ又はそれ以上の原因グラフの原因シーケンスを使用し、かつ１つ又はそれ以上の教師無し学習モデル（例えば、例示的に上記に説明したトレーニング手順といったような教師無しクラスタリング方法）を使用してクラスタ割り当て又はグラフ埋め込み又はそれら両方を学習することができる。
【0096】
いくつかの実施形態においては、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングして、クラス化に基づいて、上記に説明した１つ又はそれ以上の原因グラフの原因シーケンス、コリレーション推定、又は人工知能の原理に関連する表現又はそれらの組み合わせを使用して、上記に説明したクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができる。例えば、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングするための自動クラス化システム又は自動クラス化処理又はそれらの両方を利用し、上記に説明した１つ又はそれ以上の原因グラフの原因シーケンスを使用して上記に説明したクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができる。１つの実施形態においては、マイクロサービス生成システム１０２は、モデル・コンポーネント１０８をトレーニングするための確率的又は統計ベースの分析（例えば、分析ユーティリティへのファクタリング及びコスト）を利用して、上記に説明した１つ又はそれ以上の原因グラフの原因シーケンスを使用して上記に説明したクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができる。
【0097】
いくつかの実施形態においては、マイクロサービス生成システム１０２は、如何なる好適な機械学習ベース技術、統計ベース技術又は確率ベース又はこれらの組み合わせの技術を利用し、上記に説明した１つ又はそれ以上の原因グラフの原因シーケンスを使用してモデル・コンポーネント１０８をトレーニングし、上記に説明したクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができる。例えば、マイクロサービス生成システム１０２は、エキスパート・システム、ファジー・ロジック、サポート・ベクトル・マシン（ＳＶＭ）、隠れマルコフ・モデル（ＨＭＭｓ）、グリーディ検索アルゴリズム、ルール・ベース・システム、ベイジアン・モデル（例えばベイジアン・ネットワーク）、ニューラル・ネットワーク、他の非線形トレーニング技術、データ・フュージョン、ユーティリティ・ベースの分析システム、ベイジアン・モデルを使用するシステム、又は別のモデル、又はそれらの組み合わせを使用することができる。いくつかの実施形態においては、マイクロサービス生成システム１０２は、トレーニングするモデル・コンポーネント１０８に関連する機械学習計算のセットを実行して、１つ又はそれ以上の原因グラフの原因シーケンスを使用して上記に説明したクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができる。例えば、マイクロサービス生成システム１０２は、クラスタリング機械学習計算のセット、記号論理学的な回帰機械学習計算のセット、決定木機械学習計算のセット、ランダム・フォレスト機械学習計算のセット、回帰木機械学習計算のセット、最小二乗法機械学習計算のセット、インスタンス・ベースの機械学習計算のセット、回帰機械学習計算のセット、サポート・ベクトル回帰機械計算のセット、ｋ－ｍｅａｎｓ機械学習計算のセット、スペクトル・クラスタリング機械学習計算のセット、ルール学習機械学習計算のセット、ベイジアン機械学習計算のセット、ディープ・ボルツマン機械学習のセット、ディープ・ビリーフ・ネットワーク(deep belief network)計算のセット、又は異なる機械学習計算のセット、又はこれらの組み合わせを実行してモデル・コンポーネント１０８をトレーニングし、上記に説明した１つ又はそれ以上の原因グラフの原因シーケンスを使用して、上記に説明したクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることができる。
【0098】
クラスタ・コンポーネント１１０は、モデル・コンポーネント１０８を使用してモノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するモノリシック・アプリケーションにおけるクラスタ割り当てに基づいて、モノリシック・アプリケーションにおけるクラスのクラスタを生成することができる。例えば、モデル・コンポーネント１０８をトレーニングして上記に説明した１つ又はそれ以上の原因グラフの原因シーケンスを使用してモノリシック・アプリケーションのクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させるマイクロサービス生成システム１０２に基づいて、クラスタ・コンポーネント１１０は、モデル・コンポーネント１０８のトレーニングされたバージョンを利用して、モデル・コンポーネント１０８により学習されたそのようなクラスタ割り当て又はグラフ埋め込み又はそれらの両方に基づいて、モノリシック・アプリケーションにおけるクラスのクラスタを生成する。この実施例において、上記に説明したクラスタ・コンポーネント１１０によって生成されることができるクラスのクラスタ（モデル・コンポーネント１０８を介する）は、モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービス（モノリシック・アプリケーションの１つ又はそれ以上の可能性のあるマイクロサービス候補）を識別することができ、このことによって、クラスタ・コンポーネント１１０によって識別されるか又は図２を参照して以下に説明されるように、リファインメント・コンポーネント２０６によりさらにリファインされるか、又はそれらの両方が行われる。
【0099】
図２は、本明細書において説明される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づきモノリシック・アプリケーションからマイクロサービスを生成することを容易にすることができる実施例の非限定的システム２００のブロック図を示す。システム２００は、マイクロサービス生成システム１０２を含むことができ、これはさらに、コレクション・コンポーネント２０２、第２モデル・コンポーネント２０４、又はリファインメント・コンポーネント２０６又はこれらの組み合わせを含むことができる。
それぞれの実施形態において利用されるそれぞれの同様な要素又はプロセス又はそれらの組み合わせのそれぞれの説明は、簡略化の目的のため、省略する。
それぞれの実施形態において利用されるそれぞれの同様な要素又はプロセス又はそれらの組み合わせのそれぞれの説明は、簡略化の目的のため、省略する。
【0100】
コレクション・コンポーネント２０２は、モノリシック・アプリケーションについて実行されるテストケースのランタイム・トレースを収集することができる。例えば、コレクション・コンポーネント２０２は、モノリシック・アプリケーションを使用するテストケースの実行（例えば、プロセッサ１０６を介する）により生成されることができるランタイム・トレースを収集することができ、ここで、そのようなテストケースは、図１を参照して上記に説明されたビジネス機能テストケースを含むことができる。
【0101】
上記に説明したそのようなランタイム・トレースの収集を容易にするため、コレクション・コンポーネント２０２は、人工知能（ＡＩ）に基づく機械学習（ＭＬ）及び自然言語処理（ＮＬＰ）又は固有表現抽出（ＮＥＲ）又はそれらの組み合わせを利用することができ、これらに限定されないが、モノリシック・アプリケーションを使用する上記に説明したそのようなテストケースを実行することによって生成されたランタイム・トレースの抽出を容易にすることができる、シャロー又はディープ・ニューラル・ネットワーク・モデル、サポート・ベクトル・マシン（ＳＶＭ）、決定木分類器、又はいなかる教師あり又は教師無し機械学習モデルを含む。例えば、コレクション・コンポーネント２０２は、モノリシック・アプリケーションの搭載されたソースコードからランタイム・ログを生成することができるモニタリング・アプリケーションを利用することができる。別の実施例においては、コレクション・コンポーネント２０２は、パイソン・ベース・ツールを使用して、モノリシック・アプリケーションのソースコードから、例えば、クラス・ネーム、アトリビュート、メソッド・ネーム、メソッド引数、リターン・タイプ、又は他の情報、又はこれらの組み合わせといった情報を抽出することができ、ここで、そのようなパイソン・ベース・ツールは、さらに、モノリシック・アプリケーションへと、ランタイム・トレース生成のためさらにコードを挿入することができる。別の実施例においては、コレクション・コンポーネント２０２は、ビジネス・コンテキストに基づいてトレースを生成することが可能な、Ｊａｖａ（登録商標）フロント・エンド・ツールを使用することができる。別の実施例においては、コレクション・コンポーネント２０２は、承継関係、データ依存性、アトリビュート、メソッド引数、リターン・タイプ、又は他の関係又はそれらの組み合わせを抽出することができる抽出アプリケーションを使用することができる。
【0102】
第２モデル・コンポーネント２０４は、モノリシック・アプリケーション上で実行されるテストケースのランタイム・トレースに基づいて、１つ又はそれ以上の原因グラフを生成して、モノリシック・アプリケーション又はモノリシック・アプリケーションのクラスのクラスタ割り当て、又はそれらの両方の１次の時間的依存性又は高次の時間的依存性を捕捉することができる。例えば、第２モデル・コンポーネント２０４は、モノリシック・アプリケーション上でのビジネス機能テストケースの実行により生成されたランタイム・トレースに基づき図１を参照して上記に説明された１つ又はそれ以上の原因グラフを生成して、モノリシック・アプリケーション又はモノリシック・アプリケーションにおけるクラスのクラスタ割り当て又はそれら両方の１次の時間的依存性又は高次の時間的依存性又はそれら両方を捕捉することができる。
【0103】
第２モデル・コンポーネント２０４は、ニューラル・ネットワークを含むことができる。実施例においては、第２モデル・コンポーネント２０４は、図１を参照して上記に説明したランタイム・トレースに基づく原因シーケンスを含む１つ又はそれ以上の原因グラフを生成することができる高次の時間的ニューラル・ネットワークを含み、上記に説明した１次の時間的依存性又は高次の時間的依存性又はそれらの両方を捕捉することができる。例えば、第２モデル・コンポーネント２０４は、図１を参照して上記に説明したランタイム・トレースに基づく原因シーケンスを含む１つ又はそれ以上の原因グラフを生成することができる高次の時間的ニューラル・ネットワークを含み、パスの時間的関係を捕捉できると共に、高く関係する呼び出しシーケンスを外挿することができる。実施例においては、第２モデル・コンポーネント２０４により生成されることができるそのような原因グラフ（複数でもよい）又は原因シーケンスは、モデル・コンポーネント１０８をトレーニングするマイクロサービス生成システム１０２によって使用され、図１を参照して上記に説明されたようなモノリシック・アプリケーションのクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習することができる。
【0104】
リファインメント・コンポーネント２０６は、モノリシック・アプリケーションのデータ依存性又はモノリシック・アプリケーションの静的呼び出しグラフ又はそれらの両方に基づいて（例えば使用して）、モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスをリファインすることができる。例えば、クラスタ・コンポーネント１１０により上記のように生成されることができるクラスのクラスタ（例えば、モデル・コンポーネント１０８の利用を介する）は、モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービス（モノリシック・アプリケーションの１つ又はそれ以上の可能性のあるマイクロサービス候補）を識別することができ、これがモノリシック・アプリケーションのデータ依存性又はモノリシック・アプリケーションの静的呼び出しグラフ又はそれらの両方に基づいて（例えば使用して）、以下に説明されるように、リファインメント・コンポーネント２０６によってさらにリファインされることができる。
【0105】
図１を参照して上記に説明したトレーディング・アプリケーションの実施例においては、モノリシック・アプリケーションのデータ依存性又はモノリシック・アプリケーションの静的呼び出しグラフ又はそれらの両方に基づいて（例えば使用して）、モノリシック・アプリケーションのそのような１つ又はそれ以上のマイクロサービスのリファインメントを容易にするため、リファインメント・コンポーネント２０６は、コスト関数（例えば式（３））を増強して追加の制限項を追加することができる。例えば、図１を参照して上記に説明したトレーディング・アプリケーションの実施形態の実施例においては、リファインメント・コンポーネント２０６は、以下の定義される式（４）を得るように追加の制限項を追加して、コスト関数（例えば式（３））を増強することができる。図１を参照して上記に説明したトレーディング・アプリケーションの実施形態の実施例においては、リファインメント・コンポーネント２０６は、以下に定義する式（４）を利用して、モノリシック・アプリケーションのデータ依存性又はモノリシック・アプリケーションの静的呼び出しグラフ又はそれらの両方に基づいて（例えば使用して）、モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスをリファインすることができ、ここで、そのようなデータ依存性又は静的呼び出しグラフは、上記に説明されるように、コレクション・コンポーネント２０２により収集されることができる（例えば、モノリシック・アプリケーションを使用するビジネス機能テストケースの実行により生成されるラインタイム・トレースから収集される）。
【0106】
【数4】
【0107】
ここで、ω（ｕ，ｖ）は、規制重みを意味し、λｉは、規制係数（例えばペナルティの深刻さを判断する）を意味する。
【0108】
上記の実施例において、ｃ２は：ｕ、ｖが異なるクラスタに属するが、ランタイム呼び出し依存性を有し、かつω２（ｕ，ｖ）は、規格化された呼び出し頻度を計算する。上記の実施例においては、もしも２つのクラスが頻繁な関数呼び出しを有するのであれば、その後、それらの表現は近い（例えば、クラスタ間の呼び出し量）とすべきであろう。
【0109】
図３は、本明細書において説明される１つ又はそれ以上の実施形態に基づくモノリシック・アプリケーションからマイクロサービスを生成することを容易にすることができる、実施例の非限定的コンピュータ実装方法３００のフロー図を示す。それぞれの実施形態において利用されるそれぞれの同様な要素又はプロセス又はそれらの組み合わせのそれぞれの説明は、簡略化の目的のため、省略する。
【0110】
３０２で、コンピュータ実装方法３００は、入力データを収集することを含むことができる（例えば、マイクロサービス生成システム１０２又はコレクション・コンポーネント２０２又はこれらの両方を介する）。例えば、図２を参照して上記に説明したように、コレクション・コンポーネント２０２は、モノリシック・アプリケーションを使用してテストケース（例えば、ビジネス機能テストケース）を実行（例えば、プロセッサ１０６を介する）することにより生成されることができる、ランタイム・トレースを収集することができる。
【0111】
実施例においては、図３に示されるように、３０２で、コレクション・コンポーネント２０２は、モノリシック・アプリケーションが実装するソースコードからランタイム・ログを生成することができるモニタリング・アプリケーションを利用することができる。この実施例においては、図３に示されるように、３０２で、そのようなモニタリング・アプリケーションは、ログ・ファイル又はテキスト・ファイル又はそれら両方としてフォーマットされたランタイム・ログを生成することができる。
【0112】
別の実施例においては、図３に示されるように、３０２で、コレクション・コンポーネント２０２は、ランタイム・コンテキストを生成することができる例えばＪａｖａ（登録商標）フロント・エンド・ツールといったラインタイム・コンテキスト・ジェネレータを利用することができる。この実施形態においては、図３に示されるように３０２で、そのようなランタイム・コンテキスト・ジェネレータは、Ｊａｖａ（登録商標）Ｓｃｒｉｐｔオブジェクト・ノーテーション（ＪＳＯＮ）ファイル又はカンマ・セパレーテッド・バリュー（ＣＳＶ）ファイルとしてフォーマットされた、コンテキスト・ラベル（例えば、ビジネス・コンテキスト・ラベル）を含むラインタイム・コンテキストを生成することができる。この実施例においては、マイクロサービス生成システム１０２を実装するエンティティ（例えば、人間、クライアント、ユーザ、コンピューティング・デバイス、ソフトウェア・アプリケーション、エージェント、機械学習（ＭＬ）モデル及び人工知能（ＡＩ）モデルなど）は、そのようなコンテキスト・ラベル（例えばビジネス・コンテキスト・ラベル）を、マイクロサービス生成システム１０２のインタフェース・コンポーネント（図には示されていない）（例えば、アプリケーション・プログラミング・インタフェース（ＡＰＩ）、表現状態移行ＡＰＩ、グラフィカル・ユーザ・インタフェース（ＧＵＩ）など）を使用して定義することができる。
【0113】
別の実施例においては、３０２で図３に示されるように、コレクション・コンポーネント２０２は、例えば、パイソン・ベース・ツールといったようなデータ依存性ジェネレータを利用して、データ依存性グラフを生成するために使用されることができるモノリシック・アプリケーションのソースコードから情報を抽出することができ、ここで、そのような情報は、クラス・ネーム、アトリビュート、メソッド・ネーム、メソッド引数、リターン・タイプ、又は他の情報、又はこれらの組み合わせを含むことができる。この実施例においては、図３に示されるように、３０２で、そのようなデータ依存性ジェネレータは、ＪＳＯＮファイルとしてフォーマットされることができる、シンボル・テーブル（図３においてsymTableとして表示される）又は参照テーブル（図３においてrefTableとして表示される）又はそれらの両方を含むデータ依存性グラフを生成することができる。
【0114】
別の実施例においては、図３に示されるように３０２で、コレクション・コンポーネント２０２は、例えば、承継関係、データ依存性、アトリビュート、メソッド引数、リターン・タイプ、又は他の関係又はそれらの組み合わせを抽出することができる抽出アプリケーションといった静的呼び出しグラフ・ジェネレータを使用して、静的呼び出しグラフを生成することができる。この実施形態においては図３に示されるように、３０２で、そのような静的呼び出しグラフ・ジェネレータは、ＪＳＯＮとしてフォーマットされた静的呼び出しグラフを生成することができる。この実施形態においては、図３に示されるように、３０２で、マイクロサービス生成システム１０２又はコレクション・コンポーネント２０２又はそれら両方は、静的呼び出しグラフから非アプリケーション・クラスをフィルタアウトすることができ、ここで、そのようなフィルタされた静的呼び出しグラフは、以下に説明されるように、クラスのクラスタをリファインするために使用されるか、又はユーザ・インタフェース（ＵＩ）に提供されることができるか、又はそれらの両方が行われる。
【0115】
３０４で、コンピュータ実装方法３００は、ランタイム・トレースを生成することを含むことができる（例えば、マイクロサービス生成システム１０２又は第２モデル・コンポーネント２０４又はそれらの両方）。例えば、図３に示されるように、３０４で、上記に説明した３０２で、実装ソースからのランタイム・ログの収集又はランタイム・コンテキストの生成、又はそれらの両方（例えば、ビジネス・コンテキスト又はビジネス・コンテキスト・ラベル、又はそれら両方）に基づいて、３０４で、マイクロサービス生成システム１０２又は第２モデル・コンポーネント２０４又はそれら両方は、フロー（例えば、原因シーケンス、データフローなど）を生成すると共に、モノリシック・アプリケーションを使用して上述したテストケース（例えばビジネス機能テストケース）の実行により生成されたそれぞれのトレースへとテキスト・ラベルを追加することができ、それによってＪＳＯＮファイル（複数でもよい）としてフォーマットされることができるランタイム・トレースを得る。
【0116】
３０６で、コンピュータ実装方法３００は、モノリシック・アプリケーションのクラスをクラスタリングすることを含み（例えば、マイクロサービス生成システム１０２、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０、又は第２モデル・コンポーネント２０４又はそれらの組み合わせ）、図３に図示されるようにクラスタリングＡ、Ｂ、又はＣ又はこれらの組み合わせを生成することができる。例えば、３０６でクラスのそのようなクラスタリングを容易にするために、コンピュータ実装方法３００は、クラスタをモノリシック・アプリケーションのクラスに割り当てることを含み（例えば、マイクロサービス生成システム１０２、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０、又は第２モデル・コンポーネント２０４又はそれらの組み合わせ）、図３に図示されるようにクラスタリングＡ、Ｂ、又はＣ又はこれらの組み合わせを生成することができる。例えば、図３に示されるように３０６で、コンピュータ実装方法３００は：ａ）原因グラフを生成すること又は適用すること又はそれらの両方（例えば、マイクロサービス生成システム１０２又は第２モデル・コンポーネント２０４又はそれらの両方を介して）を行って間的依存性を取得して、クラスタリングＡを得；ｂ）原因グラフを生成すること又は適用すること又はそれらの両方を行って（例えば、マイクロサービス生成システム１０２、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０、又は第２モデル・コンポーネント２０４又はそれらの組み合わせ）、モデル・コンポーネント１０８をトレーニングし、モノリシック・アプリケーションのクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習（図１及び図２を参照して上記に説明したように）させて、原因グラフを使用してそれぞれのクラスのパーティションを取得し、それにより、クラスタリングＢを得、又はｃ）上記に説明したように３０４で生成されたランタイム・トレースを適用することを行って（例えば、マイクロサービス生成システム１０２、モデル・コンポーネント１０８又はクラスタ・コンポーネント１１０又はそれらの組み合わせ）、モデル・コンポーネント１０８をトレーニングし、モノリシック・アプリケーションのクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習（図１及び図２を参照して上記に説明したように）させて、ランタイム・トレースを使用してそれぞれのクラスのパーティションを取得し、それにより、クラスタリングＣを得るか、これらのことの組み合わせを行う。
【0117】
３０８で、コンピュータ実装方法３００は、図３に図示したように、上記に説明した３０２で生成されたデータ依存性グラフに基づき、かつエンティティ（例えば、人間、クライアント、ユーザ、コンピューティング・デバイス、ソフトウェア・アプリケーション、エージェント、機械学習（ＭＬ）モデル、人工知能（ＡＩ）モデルなど）からの入力を使用して、クラスタリングＡ、Ｂ、又はＣ、又はそれらの組み合わせをリファインすることを含むことができる（例えば、マイクロサービス生成システム１０２又はリファインメント・コンポーネント２０６又はそれらの組み合わせ）。例えば図３に示されるように３０８で、リファインメント・コンポーネント２０６又は上記に説明したエンティティ又はこれらの組み合わせは、ランタイム・トレース内に存在しないクラスを追加（例えば、Ａ、Ｂ、又はＣ、又はこれらの組み合せに対して）することができ、ここで、そのようなクラスはデータ依存性を有する（例えば、データ依存性グラフを使用して判断されたクラスタリングＡ、Ｂ、又はＣ、又はそれらの組み合わせにおける１つ又はそれ以上のクラスのデータ依存性）。この実施例においては、図３に示されるように３０８で、リファインメント・コンポーネント２０６又は上記に説明したエンティティ又はこれらの組み合わせは、さらに、クラスタを横断するデータ依存性（例えば、クラスタリングＡ、Ｂ、又はＣ、又はこれらの組み合せのクラスの間のクラスタを横断するデータ依存性）で、さらにクラスタ（例えば、Ａ、Ｂ、又はＣ、又はこれらの組み合せ）をマージすることができる。この実施例においては、図３に示されるように３０８で、上記に説明されたそのようなリファインメント動作は、ナチュラル・シーム(natural seam)を生成するように実装されることができる。
【0118】
３１０で、コンピュータ実装方法３００は、図３に図示されるように、クラスタリングＡ、Ｂ、又はＣ又はこれらの組み合わせを、上記に説明された３０２で生成された静的呼び出しグラフ（例えばフィルタされた静的呼び出しグラフ）に基づき、かつエンティティ（例えば、人間、クライアント、ユーザ、コンピューティング・デバイス、ソフトウェア・アプリケーション、エージェント、機械学習（ＭＬ）モデル、人工知能（ＡＩ）モデルなど）からの入力を使用してリファインすること（マイクロサービス生成システム１０２又はリファインメント・コンポーネント２０６又はそれらの両方）を含むことができる。例えば、図３に示されるように３１０で、リファインメント・コンポーネント２０６又は上記に定義したエンティティ又はこれらの組み合わせは、ランタイム・トレース内に存在しないクラスを追加する（例えば、Ａ、Ｂ、又はＣ、又はこれらの組み合せに対して）ことができ、ここで、そのようなクラスは、静的呼び出し依存性を有する（例えば、静的呼び出しグラフを使用して判断されたクラスタリングＡ、Ｂ、又はＣ、又はそれらの組み合わせ内の１つ又はそれ以上のクラスを有する静的呼び出し依存性）。この実施形態においては、図３に示されるように３１０で、リファインメント・コンポーネント２０６又は上記に定義したエンティティ又はこれらの組み合わせは、さらに、クラスに対して呼び出し依存性を全く有しないクラスタ（例えば、静的呼び出しグラフを使用して判断されたクラスタリングＡ、Ｂ、又はＣ、又はそれらの組み合わせ内の１つ又はそれ以上のクラス内で全く静的呼び出し依存性がない）を追加（例えば、Ａ、Ｂ、又はＣ、又はこれらの組み合せに対して）することができる。この実施例においては、図３に示されるように３１０で、上記に説明したそのようなリファインメント動作は、ビジネス・ロジックを生成するために実装することができる。
【0119】
実施例においては、図３に示されるように、上記に説明された３０２で生成されたデータ依存性グラフ又は静的呼び出しグラフ（例えばフィルタされた静的呼び出しグラフ）又はこれらの組み合わせは、ＪＳＯＮファイルとしてユーザインタフェース（ＵＩ）に提供されることができる。実施例においては、図３に示されるように、上記に説明された３０４で生成されたランタイム・トレースは、ＪＳＯＮファイルとしてフォーマットされることができるランタイム・グラフの形態においてユーザ・インタフェース（ＵＩ）に提供されることができる。実施例においては、図３に示されるように、３０８及び３１０で生成されたナチュラル・シーム又はビジネス・ロジック又はそれらの両方は、それぞれ上記に説明されたように、ＪＳＯＮファイルとしてユーザ・インタフェース（ＵＩ）に提供されることができる。
【0120】
図４は、本明細書に記載される１つ又はそれ以上の実施形態による、ランタイム・トレースに基づくモノリシック・アプリケーションからのマイクロサービスの生成を容易にすることができる実施例の非限定的モデル４００の図を示す。それぞれの実施形態において利用されるそれぞれの同様な要素又はプロセス又はそれらの組み合わせのそれぞれの説明は、簡略化の目的のため、省略する。
【0121】
いくつかの実施形態においては、モデル・コンポーネント１０８又は第２モデル・コンポーネント２０４又はこれらの組み合わせは、モデル４００を含むことができる。例えば、図１で上記に説明したように、モデル・コンポーネント１０８は、モデル４００を含み、これは、トレーニング（例えば、上記に説明されたマイクロサービス生成システム１０２を介した）することができるニューラル・ネットワークを含み、上記に説明したような１つ又はそれ以上の原因グラフの原因シーケンスを使用して上記に説明したように、クラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習することができる。
【0122】
図４に示されるようにモデル４００は、入力レイヤ４０２、埋め込みレイヤ４０４、又は出力レイヤ４０６、又はこれらの組み合わせを含むことができる。図１を参照して上記に説明した実施例のトレーディング・アプリケーションの実施形態においては、入力レイヤ４０２は、埋め込みレイヤ４０４に対して、図４に図示されるような入力ベクトルの形態におけるモノリシック・アプリケーションのＪａｖａ（登録商標）クラス（図４において、“MarketSummarySingleton”として表示される）を提供することができる。埋め込みレイヤ４０４は、入力Ｊａｖａクラスの１つ又はそれ以上の埋め込みを生成することができ、ここで、そのような１つ又はそれ以上の埋め込みは、入力Ｊａｖａ（登録商標）クラスの１つ又はそれ以上のベクトル表現を含むことができる。入力Ｊａｖａ（登録商標）クラスそのようなベクトル表現（複数でもよい）に基づいて、出力レイヤ４０６は、図４に示されるようなｓｏｆｔｍａｘ分類器を含むことができ、かつモノリシック・アプリケーションの別のクラスが事前定義されたウィンドウ内に有るか否かを予測することができる（例えば、図１を参照して上記に説明された実施例のトレーディング・アプリケーションにおいて表示されたようなウィンドウ・サイズ３）。例えば、出力レイヤ４０６は、モノリシック・アプリケーションにおけるＪａｖａ（登録商標）クラスのペアが同一のウィンドウ内に属するか否かを予測することができる（図４において“近隣”として表示される）。例えば、図１を参照して上記に説明され、かつ図４に示されるような実施例のトレーディング・アプリケーションの実施形態においては、“MarketSummarySingleton”として図４に表示された入力Ｊａｖａ（登録商標）クラスのベクトル表現を生成する埋め込みレイヤ４０４に基づいて、出力レイヤ４０６は、：ａ）クラス“Log”が近隣に存在する確率（例えば、入力Ｊａｖａ（登録商標）クラス“MarketSummarySingleton,”に関連してウィンドウ・サイズ３内にあること）；ｂ）クラス“TradeConfig”が近隣に存在する確率（例えば、入力Ｊａｖａ（登録商標）クラス“MarketSummarySingleton”に関連してウィンドウ・サイズ３内）；ｃ）クラス“QuoteDataBeam”が近隣に存在する確率（例えば、入力Ｊａｖａ（登録商標）クラス“MarketSummarySingleton,”に関連してウィンドウ・サイズ３内）；又はｄ）クラス“TradeSLSBBeam”が近隣に存在する確率（例えば、入力Ｊａｖａ（登録商標）クラス“MarketSummarySingleton”に関連してウィンドウ・サイズ３内）、又はこれらの組み合わせを予測することができる。
【0123】
マイクロサービス生成システム１０２は、種々の技術に関連することができる。例えば、マイクロサービス生成システム１０２は、アプリケーション現代化技術、モノリシック・アプリケーション技術、モノリシック・エンタープライズ・アプリケーション技術、アプリケーション・プログラミング技術、クラウド・コンピューティング技術、機械学習技術、人工知能技術、又は他の技術又はそれらの技術の組み合わせに関連する可能性がある。
【0124】
マイクロサービス生成システム１０２は、上記に識別された種々の技術に関連するシステム、デバイス、コンポーネント、動作ステップ又は処理ステップ又はこれらの組み合わせに対して技術的改善を提供することができる。例えば、マイクロサービス生成システム１０２は、モデルをトレーニングして、モノリシック・アプリケーションを使用して実行することができるビジネス機能テストケースのランタイム・トレースに基づいて、モノリシック・アプリケーションにおけるクラスタ割り当て又はクラスのグラフ埋め込み又はそれらの両方を学習することができるか、又はさらにモノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するためのクラスタ割り当て又はグラフ埋め込みに基づいて、クラスのクラスタを生成するモデルを使用すること、又はこれらの組み合わせを行うことができる。モノリシック・アプリケーションを使用するそのようなビジネス機能テストケースの実行は、そのようなビジネス機能テストケースのそれぞれに対応するランタイム・トレースを得ることができる。マイクロサービス生成システム１０２は、それぞれのビジネス機能テストケースに対応するそのようなランタイム・トレースを使用して、そのようなそれぞれのビジネス機能テストケースにまた対応する原因シーケンスを含む原因グラフを生成することができる。それぞれのビジネス機能テストケースに対応するそのような原因グラフ又は原因シーケンス又はそれらの組み合わせは、マイクロサービス生成システム１０２に対してモノリシック・アプリケーション又はモノリシック・アプリケーションにおけるクラスのクラスタ又はそれらの両方の１次の時間的依存性又は高次の時間的依存性又はそれらの両方を提供し、ここで、そのような依存性は、それぞれのビジネス機能テストケースに対応する。これら１次の時間的依存性又は高次の時間的依存性又はそれらの両方は、マイクロサービス生成システム１０２に対して、例えば、モノリシック・アプリケーションのクラス及び機能呼び出しがどのように相互作用するかについての順序及び頻度といったモノリシック・アプリケーションの種々のビジネス機能を提供する。１次の時間的依存性又は高次の時間的依存性又はそれらの両方は、さらに、マイクロサービス生成システム１０２がビジネス・コンテキストとそれぞれのトレースとを関連付けて、モノリシック・アプリケーションにおけるクラスの改善した機能グルーピング（例えば機能的クラスタリング）を提供することを可能とする。モノリシック・アプリケーションのクラスのそのような改善された機能グルーピングは、マイクロサービス生成システム１０２が、より正確にモノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別することを可能とすることができ、それによって、マイクロサービス生成システム１０２による改善されたモノリシック・アプリケーションのアプリケーション現代化が容易となる。
【0125】
マイクロサービス生成システム１０２は、マイクロサービス生成システム１０２に関連する古典的コンピューティング・デバイス又は量子コンピューティング・デバイス又はそれらに両方に関連するプロセッシング・ユニット（例えば、プロセッサ１０６）に対する技術的な改善を提供することができる。例えば、モノリシック・アプリケーションにおけるクラスの機能グルーピングを改善すること（例えば機能クラスタリング）によって、上記に説明したように、マイクロサービス生成システム１０２が、モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスをより正確に識別すること可能とし、マイクロサービス生成システム１０２が、モノリシック・アプリケーションのアプリケーション現代化を実行するために使用されるプロセッサ（例えば、プロセッサ１０６）のワークロードを削減することが可能となる（例えば、そのようなプロセッサがアプリケーション現代化プロセスを完了するために実行するプロセッシング・サイクル数を削減することによる）。そのようなプロセッサ（例えばプロセッサ１０６）のそのようなワークロードの削減は、そのようなプロセッサの処理性能又は処理効率又はそれらの両方を改善することができるか、又はそのようなプロセッサの計算機コストをさらに削減することができるか又はそれらの両方が可能とされる。
【0126】
マイクロサービス生成システム１０２の実用的な用途は、それがモノリシック・アプリケーションについての改善されたアプリケーション現代化プロセスを実行するように実装することができることである。例えば、マイクロサービス生成システム１０２の実用的な用途は、それがモノリシック・アプリケーションの所有者によって実装されて（例えばモノリシック・エンタープライズ・アプリケーション）、モノリシック・アプリケーションのマイクロサービスを迅速かつ正確に識別することを可能とし、それによってモノリシック・アプリケーションについてのアプリケーション近代化プロセスを改善することが可能とされる。
【0127】
マイクロサービス生成システム１０２は、現在では、モノリシック・アプリケーションに関連する一定の設計、又はプログラミング・モデルについて仮定することを含むか、又は人間からの手作業による意図的な入力を行ってモノリシック・アプリケーションについてのアプリケーション現代化プロセスを実行することを含むか又はそれらの両方であるところのものに、相対的に新しいアプリケーション現代化技術により駆動される新しいアプローチを提供することについて認識されるべきである。例えば、人間からの手作業による、マイクロサービス生成システム１０２は：モノリシック・アプリケーションに関連する一定の設計又はプログラミング・モデルのそのような仮定を定義すること；モノリシック・アプリケーションのマイクロサービス候補を構成する可能性のあるモノリシック・アプリケーションのクラス又はクラスのクラスタ又はそれらの両方を識別すること；又はそのような可能性のあるマイクロサービス候補をリファインして、モノリシック・アプリケーションのスタンドアローン・アプリケーションとして含まれるか又は実装されるか、又はこれらの両方のモノシリック・アプリケーションのマイクロサービスを識別すること又はこれらの組み合わせについての意図的な入力無く、モノリシック・アプリケーションのアプリケーション現代化を実行するために新しく自動化されたアプローチを提供する。
【0128】
マイクロサービス生成システム１０２は、その性質において高度に技術的であり、抽象的なものではなく、かつ人間による精神的活動のセットとして実行することは不可能な問題を解決するためのハードウェア又はソフトウェアを使用することができる。いくつかの実施形態においては、本明細書において説明された１つ又はそれ以上のプロセスは、１つ又はそれ以上の特殊化されたコンピュータ（例えば、特殊化されたプロセッシング・ユニット、特殊化された古典的コンピュータ、特殊化された量子コンピュータなど）によって実行されて、上記に識別された種々の技術に関連する定義されたタスクを実行する。マイクロサービス生成システム１０２又はそのコンポーネント又はそれらの両方は、上述した技術的進歩、量子コンピューティング・システム、クラウド・コンピューティング・システム、コンピュータ・アーキテクチャ又は別の技術、又はこれらの組み合わせの利用を通じて発生する新規な問題を解決するために利用することができる。
【0129】
本明細書において説明されたマイクロサービス生成システム１０２により実行されることができる種々の動作、又はそのコンポーネント、又はそれらの両方は、人間精神の能力をはるかに超えた動作であるが故に、マイクロサービス生成システム１０２は、種々の電気的コンポーネント、機械的コンポーネント、及び人間の精神内に複製することが不可能、又は人間により実行することが不可能な回路を利用することができることについて認識されるであろう。例えば、マイクロサービス生成システム１０２により一定の時間的期間にわたって処理されるデータの量、そのようなデータの処理速度、又はデータのタイプは、同一の時間的間隔にわたって人間精神により処理されることが可能な量、速さ、又はデータ・タイプよりも、より多く、より速く、又は相違する。
【0130】
いくつかの実施形態によれば、マイクロサービス生成システム１０２は、また、本明細書で説明された種々の動作を実行しながら、また、１つ又はそれ以上の他の機能（例えば完全に電力が供給され、完全に実行されるなど）を実行することに向けて、完全に動作可能である。そのような同期的なマルチ動作的実行は、人間精神の能力を超えたものであることが認識されるべきであろう。また、マイクロサービス生成システム１０２は、人間のユーザといったエンティティにより手作業で取得することが不可能な情報を含むことができる。例えば、マイクロサービス生成システム１０２、モデル・コンポーネント１０８、クラスタ・コンポーネント１１０、コレクション・コンポーネント２０２、第２モデル・コンポーネント２０４、リファインメント・コンポーネント２０６、又はモデル４００又はこれらの組み合わせに含まれる情報のタイプ、量、又は多様性又はこれらの組み合わせは、人間のユーザにより手作業で取得される情報よりもより複雑である。
【0131】
図５は、本明細書において説明された１つ又はそれ以上の実施形態によるランタイム・トレースに基づくモノリシック・アプリケーションからマイクロサービスを生成することを容易にすることが可能な実施例の非限定的なコンピュータ実装方法５００のフロー図を示す。それぞれの実施形態において利用されるそれぞれの同様な要素又はプロセス又はそれらの組み合わせのそれぞれの説明は、簡略化の目的のため、省略する。
【0132】
５０２で、コンピュータ実装方法５００は、プロセッサ（例えば、プロセッサ１０６、量子プロセッサなど）に動作的に結合されたシステム（例えば、マイクロサービス生成システム１０２を介する）によりモデル（例えば、モデル・コンポーネント１０８、モデル４００など）をトレーニングして、モノリシック・アプリケーション（例えば、モノリス・エンタープライズ・アプリケーション）におけるクラスのクラスタ割り当て（例えば、Ｊａｖａ（登録商標）クラスのクラスタ割り当て又はグラフ埋め込み又はそれらの両方）を、実行されたテストケース（例えば、モノリシック・アプリケーションを使用して実行されたビジネス機能テストケース）のランタイム・トレース（例えば、図１及び３を参照して上記に説明したランタイム・トレース）に基づいて学習させることを含むことができる。
【0133】
５０４で、コンピュータ実装方法５００は、システム（例えば、マイクロサービス生成システム１０２又はクラスタ・コンポーネント１１０又はそれらの両方）によりモデルを利用してモノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するためのクラスタ割り当てに基づいてクラスのクラスタを生成することができる。
【0134】
図６は、本明細書で説明される１つ又はそれ以上の実施形態によるランタイム・トレースに基づくモノリシック・アプリケーションからのマイクロサービスの生成を容易にすることを可能とする、実施例の非限定的なコンピュータ実装方法６００のフロー図を示す。それぞれの実施形態において利用されるそれぞれの同様な要素又はプロセス又はそれらの組み合わせのそれぞれの説明は、簡略化の目的のため、省略する。
【0135】
６０２で、コンピュータ実装方法６００は、プロセッサ（例えば、プロセッサ１０６、量子プロセッサなど）、に動作的に結合されたシステム（例えば、マイクロサービス生成システム１０２又はコレクション・コンポーネント２０２又はこれらの両方）により、モノリシック・アプリケーション（例えば、モノリス・エンタープライズ・アプリケーションといったモノリシック・アプリケーションを使用して実行された、例えば、ビジネス機能テストケース）について実行されたテストケースのランタイム・トレース（例えば、図１及び３を参照して上記に説明されたランタイム・トレース）を収集することを含むことができる。
【0136】
６０４で、コンピュータ実装方法６００は、システム（例えば、マイクロサービス生成システム１０２を介する）により、ランタイム・トレースに基づいてモデル（モデル・コンポーネント１０８、モデル４００など）をトレーニングして、モノリシック・アプリケーションにおけるクラスのクラスタ割り当て（例えば、Ｊａｖａ（登録商標）クラスのクラスタ割り当て又はグラフ埋め込み又はそれらの両方）を学習させることができる。
【0137】
６０６で、コンピュータ実装方法６００は、システム（例えば、マイクロサービス生成システム１０２又はクラスタ・コンポーネント１１０又はそれらの両方を介する）によりモデルを利用して、モモノリシック・アプリケーションの１つ又はそれ以上のマイクロサービスを識別するためのクラスタ割り当てに基づいて、クラスのクラスタを生成する。
【0138】
図７は、本明細書で説明される１つ又はそれ以上の実施形態によるランタイム・トレースに基づくモノリシック・アプリケーションからのマイクロサービスの生成を容易にすることを可能とする、実施例の非限定的なコンピュータ実装方法７００のフロー図を示す。それぞれの実施形態において利用されるそれぞれの同様な要素又はプロセス又はそれらの組み合わせのそれぞれの説明は、簡略化の目的のため、省略する。
【0139】
７０２で、コンピュータ実装方法７００は、モデル（例えばモデル・コンポーネント１０８、モデル４００など）をトレーニング（例えばマイクロサービス生成システム１０２）して、モノリシック・アプリケーションを使用して実行されたビジネス機能テストケースのランタイム・トレース（例えば、図１及び図３を参照して上記に説明されたランタイム・トレース）に基づいて、モノリシック・アプリケーション（例えば、モノリス・エンタープライズ・アプリケーション）におけるＪａｖａ（登録商標）クラスのクラスタ割り当て又はグラフ埋め込み又はそれらの両方を学習させることを含むことができる。
【0140】
７０４で、コンピュータ実装方法７００は、モデルを利用して（例えば、マイクロサービス生成システム１０２又はクラスタ・コンポーネント１１０又はそれらの両方を介する）、クラスタ割り当て又はグラフ埋め込み又はそれらの両方に基づいて、Ｊａｖａ（登録商標）クラスのクラスタを生成することを含むことができる。
【0141】
７０６で、コンピュータ実装方法７００は、モノリシック・アプリケーションの１つ又はそれ以上のマイクロサービス候補が識別されるか否かを判断することを含むことができる（例えば、マイクロサービス生成システム１０２、モデル・コンポーネント１０８又はクラスタ・コンポーネント１１０、又はそれらの組み合わせを介する）。例えば、図１及び上記に説明した実施例のトレーディング・アプリケーションを参照すると、クラスタ・コンポーネント１１０は、モデル・コンポーネント１０８のトレーニングされたバージョンを利用して、原因シーケンスから１つ又はそれ以上のポジティブなサンプル・ペアを生成することができ、ここで、そのような１つ又はそれ以上のポジティブなサンプル・ペアは、モノリシック・アプリケーションの１つ又はそれ以上の可能性のあるマイクロサービス候補を構成することができる。
【0142】
もしも７０６で、モノリシック・アプリケーションの１つ又はそれ以上の可能性のあるマイクロサービス候補が識別されるのであれば、７０８で、コンピュータ実装方法７００は、モノリシック・アプリケーションのマイクロサービスを識別するためのデータ依存性グラフ又は静的呼び出しグラフ又はそれら両方（例えば、図１、２、又は３又はこれらの組み合わせを参照して上記に説明されたデータ依存性グラフ又は静的呼び出しグラフ又はそれら両方）に基づいて、１つ又はそれ以上の可能性のあるマイクロサービス候補をリファイン（例えば、リファインメント・コンポーネント２０６を介する）することを含むことができる。
【0143】
７０６で、もしもモノリシック・アプリケーションの１つ又はそれ以上の可能性のあるマイクロサービス候補が識別されないのであれば、７１０で、コンピュータ実装方法７００は、モデルにより使用されるウィンドウ・サイズ（例えば、モノリシック・アプリケーションの１つ又はそれ以上の可能性のあるマイクロサービス候補を構成することができる１つ又はそれ以上のポジティブなサンプル・ペアを生成するために使用することができる、図１を参照して上記に説明されたウィンドウ・サイズ）を修正（マイクロサービス生成システム１０２又はモデル・コンポーネント１０８又はそれらの両方を介する）するか、又はモノリシック・アプリケーションを使用して異なるビジネス機能テストケース（例えば、図１を参照して上記に説明されたもの以外のビジネス機能テストケース）を実行（例えば、マイクロサービス生成システム１０２又はコレクション・コンポーネント２０２又はこれらの両方を介する）するか、又はこれらの両方を行うことを含むことができる。例えば、７１０で、コンピュータ実装方法７００は、モデルによって使用されるウィンドウ・サイズを、例えばウィンドウ・サイズ３から例えばウィンドウ・サイズ４へと修正することを含むことができる。
【0144】
７１２で、コンピュータ実装方法７００は、７１０で実行された異なるビジネス機能テストケースのランタイム・トレース又は修正されたウィンドウ・サイズ、又はこれらの両方に基づいてモデルを再トレーニング（例えば、マイクロサービス生成システム１０２）して、モノリシック・アプリケーションにおけるＪａｖａ（登録商標）クラスのクラスタ割り当て又はグラフ埋め込み又はこれらの両方を学習させることを含むことができる。
【0145】
説明の簡略化のため、コンピュータ実装方法論は、動作のシリーズとして図示され、かつ説明される。主題のイノベーションは、示された動作により又は動作の順序により、又はこれらの組み合わせによって限定されることはなく、例えば動作は、種々の順序において、又は同時的に、又はこれらの組み合わせにおいて及び本明細書において提示及び説明されていない他の動作と共に発生することができることについて、理解及び認識されるべきである。さらに、示された動作の全部は、開示される主題にしたがってコンピュータ実装方法論を実装するために必要とされることはない。追加的に、当業者は、コンピュータ実装方法論は、状態図又はイベントを介した相互関連状態のシリーズとして代替的に表現されることがあることについて、理解及び認識するであろう。追加的に、さらに、以下に、かつ本明細書を通して開示されたコンピュータ実装方法論は、コンピュータに対してそのようなコンピュータ実装方法論を送付すること及び転送することを容易にする製造品に格納されることができることについて認識されるべきであろう。本明細書に使用される用語、製造品は、如何なるコンピュータ可読なデバイス又は記録媒介からアクセス可能なコンピュータ・プログラムに及ぶことを意図する。
【0146】
本開示の主題の種々の側面についてのコンテキストを提供するため、以下の議論に加えて、図８は、本開示の主題の種々の側面を実装することが可能な好適な環境の一般的説明を提供することを意図する。図８は、本明細書において説明された１つ又はそれ以上の実施形態を容易とすることができる実施例の非限定的な動作環境のブロック図を示す。それぞれの実施形態において利用されるそれぞれの同様な要素又はプロセス又はそれらの組み合わせのそれぞれの説明は、簡略化の目的のため、省略する。
【0147】
図８を参照すると、本開示の種々の側面を実装するための好適な動作環境８００はまた、コンピュータ８１２を含むことができる。コンピュータ８１２はまた、プロセッシング・ユニット８１４、システムメモリ８１６、及びシステムバス８１８を含むことができる。システムバス８１８は、これらに限定されないがシステムメモリ８１６を含むシステム・コンポーネントをプロセッシング・ユニット８１４に結合する。プロセシング・ユニット８１４は、種々の利用可能なプロセッサの如何なるものとすることができる。デュアル・マイクロプロセッサ及び他のマルチプロセッサ・アーキテクチャはまた、プロセッシング・ユニット８１４として利用することができる。システムバス８１８は、メモリバス、又はメモリ・コントローラ、周辺バス又は外部バス、又はこれらに限定されないが、インダストリアル・スタンダード・アーキテクチャ（ＩＳＡ）、マイクロ・チャネル・アーキテクチャ（ＭＣＡ）、エクステンデットＩＳＡ（ＥＩＳＡ）、インテリジェント・ドライブ・エレクトロニクス（ＩＤＥ）、ＶＥＳＡローカル・バス（ＶＬＢ）、ペリフェラル・コンポーネント・インタコネクト（ＰＣＩ）、カード・バス、ユニバーサル・シリアル・バス（ＵＳＢ）、アドバンスド・グラフィックス・ポート（ＡＧＰ）、ファイアワイア（ＩＥＥＥ１３９４）、及びスモール・コンピュータ・システム・インタフェース（ＳＣＳＩ）を含む種々の如何なる利用可能なバス・アークテクチャを含む、バス構造（複数でもよい）のいくつかのタイプの如何なるものとすることができる。
【0148】
システムメモリ８１６はまた、揮発性メモリ８２０及び不揮発性メモリ８２２を含むことができる。スタートアップなどの間にコンピュータ８１２内における要素の間で情報を転送する基本的なルーチンを含むベーシックインプット／アウトプット・システム（ＢＩＯＳ）は、不揮発性メモリ８２２内に格納される。コンピュータ８１２はまた、取り外し可能／取り外し不可能、揮発性／不揮発性のコンピュータ記録媒体を含むことができる。図８は、例えばディスク・ストレージ８２４を示す。ディスク・ストレージ８２４はまた、これに限定されないが、磁気ディスクドライブ、フロッピー（登録商標）ディスクドライブ、テープドライブ、Ｊａｚドライブ、Ｚｉｐドライブ、ＬＳ－１００ドライブ、フラッシュ・メモリ・カード、又はメモリ・スティックを含むことができる。ディスク・ストレージ８２４はまた、別の又は他の記録媒体と組み合わせにおける記録媒体を含むことができる。ディスク・ストレージ８２４のシステムバス８１８への結合を容易にするために、取り外し可能又は取り外し不可能なインタフェース８２６といったインタフェースが典型的に使用される。図８はまた、ユーザと、好適な動作環境８００において説明された基本的なコンピュータ・リソースとの間の中継として動作するソフトウェアを図示する。そのようなソフトウェアはまた、例えばオペレーティング・システム８２８を含むことができる。オペレーティング・システム８２８は、ディスク・ストレージ８２４に格納されることができ、コンピュータ８１２のリソースを制御すると共に、割り当てるために動作する。
【0149】
システム・アプリケーション８３０は、例えば、システムメモリ８１６又はディスク・ストレージ８２４のいずれかに格納されるプログラム・モジュール８３２及びプログラム・データ８３４を通してオペレーティング・システム８２８によるリソースの管理の利益を受ける。本開示は、種々のオペレーティング・システム又はオペレーティング・システムの組み合わせと共に実装することができることについて認識されるべきである。ユーザは、入力デバイス（複数でもよい）８３６を通してコンピュータ８１２へとコマンド又は情報を入力する。入力デバイス８３６は、これらに限定されないが、マウス、トラックボール、スタイラスといったポインティング・デバイス、タッチパッド、キーボード、マイクロホン、ジョイ・スティック、ゲーム・パッド、サテライト・ディッシュ、スキャナ、ＴＶチューナ・カード、ディジタル・カメラ、ディジタル・ビデオ・カメラ、ウェブ・カメラなどを含む。これら及びその他の入力デバイスは、インタフェース・ポート（複数でもよい）８３８を介してシステムバス８１８を通してプロセッシング・ユニット８１４に接続する。インタフェース・ポート（複数でもよい）８３８は、例えば、シリアル・ポート、パレレル・ポート、ゲーム・ポート、及びユニバーサル・シリアル・バス（ＵＳＢ）を含む。出力デバイス（複数でもよい）８４０は、入力デバイス（複数でもよい）８３６のような同一のタイプのポートのいくつかを使用する。したがって、例えば、ＵＳＢポートは、コンピュータ８１２への入力を提供すると共に、コンピュータ８１２から出力デバイス８４０への出力情報を提供するために使用することができる。出力アダプタ８４２は、他の出力デバイス８４０のうちの、モニタ、スピーカ、及びプリンタのような、特殊アダプタを必要とするいくつかの出力デバイス８４０が存在することを示すために提供される。出力アダプタ８４２は、例示の目的により、かつ限定ではなく、出力デバイス８４０とシステムバス８１８との間の接続の手段を提供するビデオ及びサウンド・カードを含む。他のデバイス又はデバイスのシステム、又はそれらの組み合わせは、リモート・コンピュータ（複数でもよい）８４４といった入力及び出力機能の両方を提供することについて指摘されるべきであろう。
【0150】
コンピュータ８１２は、リモート・コンピュータ（複数でもよい）８４４といった１つ又はそれ以上のリモート・コンピュータへの論理接続を使用するネットワーク環境において動作することができる。リモート・コンピュータ（複数でもよい）８４４は、コンピュータ、サーバ、ルータ、ネットワークＰＣ、ワークステーション、マイクロプロセッサ・ベースの機器、ピア・デバイス又は他の共通ネットワーク・ノードなどとすることができると共に、典型的にはまたコンピュータ８１２について説明された要素の多数又はすべてを含むことができる。簡略化の目的のため、リモート・コンピュータ（複数でもよい）８４４についてメモリ・ストレージ・デバイス８４６のみを示す。リモート・コンピュータ（複数でもよい）８４４は、ローカルにコンピュータ８１２へとネットワーク・インタフェース８４８を介して接続され、その後、通信接続８５０を介して物理的に接続される。ネットワーク・インタフェース８４８は、ローカルエリア・ネットワーク（ＬＡＮ）、ワイドエリア・ネットワーク（ＷＡＮ）、セルラ・ネットワークなどといった有線又はワイヤレス又はこれら両方の通信ネットワークに及ぶ。ＬＡＮ技術は、ファイバ・ディストリビューテッド・データ・インタフェース（ＦＤＤＩ）、コッパー・ディスリビューテッド・データ・インタフェース（ＣＤＤＩ）、イーサネット（登録商標）、トークン・リングなどを含む。ＷＡＮ技術は、これらに限定されることなく、ポイント・ツウ・ポイント・リンク、インテグレーテッド・サービス・デジタル・ネットワーク（ＩＳＤＮ）及びそれ上の変種、パケット交換ネットワーク及びデジタル・サブスクライバ・ライン（ＤＳＬ）を含む。通信接続（複数でもよい）８５０は、ネットワーク・インタフェース８４８をシステムバス８１８に接続するために利用されるハードウェア／ソフトウェアを参照する。通信接続８５０は、例示的な明確さのためコンピュータ８１２内に示されているが、それはまた、コンピュータ８１２の外部とすることができる。ネットワーク・インタフェース８４８に接続するためのハードウェア／ソフトウェアはまた、例示的な目的のみとして、普通電話グレードのモデム、ケーブル・モデム、及びＤＳＬモデムを含むモデム類、ＩＳＤＮアダプタ及びイーサネット（登録商標）カードといった内部及び外部技術を含むことができる。
【0151】
ここで図９を参照して、例示的なクラウド・コンピューティング環境９５０を図示する。図示するように、クラウド・コンピューティング環境９５０は、１つ又はそれ以上のクラウド・コンピューティング・ノード９１０を含み、それらと共にクラウド・コンシューマにより使用される例えばパーソナル・デジタル・アシスタント（ＰＤＡ）又はセルラ電話９５４Ａ、デスクトップ・コンピュータ９５４Ｂ、ラップトップ・コンピュータ９５４Ｃ、又は自動車コンピュータ・システム９５４Ｎ又はこれらの組合せといったローカル・コンピューティング・デバイスが通信する。図９に示されてはいないが、クラウド・コンピューティング・ノード９１０は、さらにクラウド・コンシューマにより使用されるローカル・コンピューティング・デバイスと通信することができる量子プラットホーム（例えば、量子コンピュータ、量子ハードウェア、量子ソフトウェアなど）を含むことができる。ノード９１０は、互いに通信することができる。これらは、上述したプライベート、コミュニティ、パブリック、又はハイブリッド・クラウド、又はそれらの組合せといった、１つ又はそれ以上のネットワーク内で、物理的又は仮想的にグループ化することができる（不図示）。これは、クラウド・コンピューティング環境９５０が、クラウド・コンシューマがローカルなコンピューティング・デバイス上のリソースを維持する必要を無くするための、インフラストラクチャ、プラットホーム、又はソフトウェア・アズ・ア・サービスを提供することを可能とする。図９に示すコンピューティング・デバイス９５４Ａ－Ｎのタイプは、例示を意図するためのみのものであり、コンピューティング・ノード９１０及びクラウド・コンピューティング環境９５０は、任意のタイプのネットワーク又はアドレス可能なネットワーク接続（例えばウェブ・ブラウザを使用して）、又はそれらの両方を通じて、いかなるタイプのコンピュータ化デバイスとも通信することができることが理解される。
【0152】
ここで、図１０参照すると、クラウド・コンピューティング環境９５０（図９）により提供される機能的抽象レイヤのセットが示される。予め、図１０に示したコンポーネント、レイヤ、及び機能は、例示することのみを意図したものであり、本発明の実施形態は、これらに限定されることは無いことは理解されるべきである。図示したように、後述するレイヤ及び対応する機能が提供される。
【0153】
ハードウェア及びソフトウェア・レイヤ１０６０は、ハードウェア及びソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例としては、メインフレーム１０６１；ＲＩＳＣ（縮小命令セットコンピュータ）アーキテクチャに基づく複数のサーバ１０６２；複数のサーバ１０６３；複数のブレード・サーバ１０６４；複数のストレージ・デバイス１０６５；及びネットワーク及びネットワーキング・コンポーネント１０６６を含むことができる。いくつかの実施形態ではソフトウェア・コンポーネントは、ネットワーク・アプリケーション・サーバ・ソフトウェア１０６７及びデータベース・ソフトウェア１０６８、量子プラットホーム・ルーチング・ソフトウェア（図１０には示されていない）、又は量子ソフトウェア（図１０には示されていない）、又はこれらの組み合わせを含む。
【0154】
可視化レイヤ１０７０は、それから後述する仮想エンティティの実施例が提供される抽象レイヤ；仮想サーバ１０７１；仮想ストレージ１０７２；仮想プライベート・ネットワークを含む仮想ネットワーク１０７３；仮想アプリケーション及びオペレーティング・システム１０７４；及び仮想クライアント１０７５を提供する。
【0155】
１つの実施例では、マネージメント・レイヤ１０８０は、下記の機能を提供することができる。リソース提供部１０８１は、コンピューティング資源及びクラウド・コンピューティング環境内でタスクを遂行するために用いられる他の資源の動的獲得を提供する。計測及び価格設定部１０８２は、クラウド・コンピューティング環境内で資源が使用されるとコストの追跡を提供すると共に、これらの資源の消費に対する課金又は請求を提供する。１つの実施例では、これら資源としてはアプリケーション・ソフトウェア・ライセンスを含むことができる。セキュリティ部は、クラウド・コンシューマ及びタスクの同定及び認証と共にデータ及び他の資源の保護を提供する。ユーザ・ポータル部１０８３は、コンシューマに対するクラウド・コンピューティング環境及びシステム・アドミニストレータへのアクセス性を提供する。サービスレベル・マネージメント部１０８４は、クラウド・コンピューティング資源の割り当て及び管理を提供し、必要なサービス・レベルに適合させる。サービス・レベル・アグリーメント（ＳＬＡ）プランニング・フルフィルメント部１０８５は、ＳＬＡにしたがって将来的な要求が要求されるクラウド・コンピューティング資源の事前準備を行うと共にその獲得を行う。
【0156】
ワークロード・レイヤ１０９０は、クラウド・コンピューティング環境を利用するための機能の例示を提供する。このレイヤによって提供されるワークロード及び機能の非限定的な実施例としては、マッピング及びナビゲーション１０９１；ソフトウェア開発及びライフタイム・マネージメント１０９２；仮想教室教育伝達１０９３；データ分析処理１０９４；トランザクション・プロセッシング１０９５；及びマイクロサービス生成ソフトウェア１０９６を含むことができる。
【0157】
本発明は、いかなる可能な技術的に詳細な一体化レベルであっても、システム、方法、又はコンピュータ・プログラム製品、又はこれらの組み合わせとすることができる。コンピュータ・プログラム製品は、プロセッサに対して本発明の特徴を遂行させるためのコンピュータ可読なプログラム命令をそれ上に有する記録媒体（又は複数の媒体）を含むことができる。コンピュータ可読な記録媒体は、命令実行デバイスが使用するための複数の命令を保持し格納することができる有形のデバイスとすることができる。コンピュータ可読な媒体は、例えば、これらに限定されないが、電子的記録デバイス、磁気的記録デバイス、光学的記録デバイス、電子磁気的記録デバイス、半導体記録デバイス又はこれらのいかなる好ましい組み合わせとすることができる。コンピュータ可読な記録媒体の限定的ではない実施例は、次のポータブル・コンピュータ・ディスク、ハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリー・メモリ（ＲＯＭ）、消去可能なプログラマブル・リード・オンリー・メモリ（ＥＰＲＯＭ又はフラッシュ・メモリ（登録商標））、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク・リード・イオンリー・メモリ（ＣＤ－ＲＯＭ）、デジタル多目的ディスク（ＤＶＤ）、メモリ・スティック、フロッピー・ディスク（登録商標）、パンチ・カード又は命令を記録した溝内に突出する構造を有する機械的にエンコードされたデバイス、及びこれらの好ましい如何なる組合せを含む。本明細書で使用するように、コンピュータ可読な記録媒体は、ラジオ波又は他の自由に伝搬する電磁波、導波路又は他の通信媒体（例えば、光ファイバ・ケーブルを通過する光パルス）といった電磁波、又はワイヤを通して通信される電気信号といったそれ自体が一時的な信号として解釈されることはない。
【0158】
本明細書において説明されるコンピュータ・プログラムは、コンピュータ可読な記録媒体からそれぞれのコンピューティング／プロセッシング・デバイスにダウンロードでき、又は例えばインターネット、ローカルエリア・ネットワーク、ワイドエリア・ネットワーク又はワイヤレス・ネットワーク及びそれからの組み合わせといったネットワークを介して外部コンピュータ又は外部記録デバイスにダウンロードすることができる。ネットワークは、銅通信ケーブル、光通信ファイバ、ワイヤレス通信、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ及びエッジ・サーバ又はこれらの組み合わせを含むことができる。それぞれのコンピューティング／プロセッシング・デバイスにおけるネットワーク・アダプタ・カード又はネットワーク・インタフェースは、ネットワークからコンピュータ可読なプログラム命令を受領し、このコンピュータ可読なプログラム命令を格納するためにそれぞれのコンピューティング／プロセッシング・デバイス内のコンピュータ可読な記録媒体内に転送する。本発明の操作を遂行するためのコンピュータ可読なプログラム命令は、アセンブラ命令、命令セット・アーキテクチャ（ＩＳＡ）命令、機械語命令、マシン依存命令、マイクロ・コード、ファームウェア命令、状態設定データ、集積回路のための構成データ、又は１つ又はそれ以上の、Ｓｍａｌｌｔａｌｋ（登録商標）、Ｃ＋＋などのオブジェクト指向プログラミング言語、“Ｃ”プログラミング言語又は類似のプログラム言語といった手続き型プログラミング言語を含むプログラミング言語のいかなる組合せにおいて記述されたソースコード又はオブジェクト・コードのいずれかとすることができる。コンピュータ可読なプログラム命令は、全体がユーザ・コンピュータ上で、部分的にユーザ・コンピュータ上でスタンドアローン・ソフトウェア・パッケージとして、部分的にユーザ・コンピュータ上で、かつ部分的にリモート・コンピュータ上で、又は全体がリモート・コンピュータ又はサーバ上で実行することができる。後者のシナリオにおいて、リモート・コンピュータは、ローカルエリア・ネットワーク（ＬＡＮ）、ワイドエリア・ネットワーク（ＷＡＮ）を含むいかなるタイプのネットワークを通してユーザ・コンピュータに接続することができ、又は接続は、外部コンピュータ（例えばインターネット・サービス・プロバイダを通じて）へと行うことができる。いくつかの実施形態では、例えばプログラマブル論理回路、フィールド・プログラマブル・ゲートアレイ（ＦＰＧＡ）、又はプログラマブル論理アレイ（ＰＬＡ）を含む電子回路がコンピュータ可読なプログラム命令を、コンピュータ可読なプログラム命令の状態情報を使用して、本発明の特徴を実行するために電子回路をパーソナライズして実行することができる。
【0159】
本明細書で説明した本発明の側面を、本発明の実施形態にしたがい、フローチャート命令及び方法のブロック図、又はそれらの両方、装置（システム）、及びコンピュータ可読な記録媒体及びコンピュータ・プログラムを参照して説明した。フローチャートの図示及びブロック図又はそれら両方及びフローチャートの図示におけるブロック及びブロック図、又はそれらの両方のいかなる組合せでもコンピュータ可読なプログラム命令により実装することができることを理解されたい。これらのコンピュータ可読なプログラム命令は、汎用目的のコンピュータ、特定目的のコンピュータ、または他のプロセッサ又は機械を生成するための他のプログラマブル・データ・プロセッシング装置に提供することができ、コンピュータのプロセッサ又は他のプログラマブル・データ・プロセッシング装置による実行がフローチャート及びブロック図のブロック又は複数のブロック又はこれらの組み合わせで特定される機能／動作を実装するための手段を生成する。コンピュータ、プログラマブル・データ・プロセッシング装置及び他の装置又はこれらの組み合わせが特定の仕方で機能するように指令するこれらのコンピュータ可読なプログラム命令は、またコンピュータ可読な記録媒体に格納することができ、その内に命令を格納したコンピュータ可読な記録媒体は、フローチャート及びブロック図のブロック又は複数のブロック又はこれらの組み合わせで特定される機能／動作の特徴を実装する命令を含む製造品を構成する。コンピュータ可読なプログラム命令は、またコンピュータ、他のプログラマブル・データ・プロセッシング装置、又は他のデバイス上にロードされ、コンピュータ、他のプログラマブル装置、又は他のデバイス上で操作ステップのシリーズに対してコンピュータ実装プロセスを生じさせることで、コンピュータ、他のプログラマブル装置又は他のデバイス上でフローチャート及びブロック図のブロック又は複数のブロック又はこれらの組み合わせで特定される機能／動作を実装させる。
【0160】
図のフローチャート及びブロック図は、本発明の種々の実施形態にしたがったシステム、方法及びコンピュータ・プログラム製品のアーキテクチャ、機能、及び可能な実装操作を示す。この観点において、フローチャート又はブロック図は、モジュール、セグメント又は命令の部分を表すことかでき、これらは、特定の論理的機能（又は複数の機能）を実装するための１つ又はそれ以上の実行可能な命令を含む。いくつかの代替的な実装においては、ブロックにおいて記述された機能は、図示した以外で実行することができる。例えば、連続して示された２つのブロックは、含まれる機能に応じて、実質的に同時的に、又は複数のブロックは、時として逆の順番で実行することができる。またブロック図及びフローチャートの図示、又はこれらの両方及びブロック図中のブロック及びフローチャートの図示又はこれらの組み合わせは、特定の機能又は動作を実行するか又は特定の目的のハードウェア及びコンピュータ命令を遂行する特定目的のハードウェアに基づいたシステムにより実装することができることを指摘する。
【0161】
本発明の主題がコンピュータ又は複数のコンピュータ又はこれらの組み合わせ上で動作するコンピュータ・プログラム製品のコンピュータ実行可能な命令の一般的なコンテキストにおいて上記に説明してきたが、当業者は、本開示がまた、他のプログラム・モジュールとの組み合わせにおいて実装することができることについて認識するであろう。一般に、プログラム・モジュールは、特定のタスクを実行するか又は特定の抽象データ・タイプを実装するか、又はそれら両方のプログラム・モジュールは、ルーチン、プログラム、コンポーネント、データ構造などを含む。さらに、当業者は、発明的なコンピュータ実装方法がシングル・プロセッサ又はマルチプロセッサ・コンピュータ・システム、ミニコンピューティング・デバイス、コンピュータに加えてメインフレーム・コンピュータ、ハンドヘルド・コンピューティング・デバイス（例えばＰＤＡ、電話）、マイクロプロセッサ・ベース又はプログラマブル・コンシューマ、又は工業的電子機器などを含む他のコンピュータ・システム構成と共に実施することができることを認識するであろう。示された側面は、タスクが通信ネットワークを通してリンクされたリモート・プロセッシング・デバイスにより実行される分散コンピューティング環境において実施されることができる。しかしながら、いくつかは、もしも本開示のすべての側面ではないとしてもスタンドアローンのコンピュータ上で実施することができる。分散コンピューティング環境においては、プログラム・モジュールは、ローカル又はリモートのメモリ・ストレージ・デバイスに配置されることができる。例えば、１つ又はそれ以上の実施形態においては、コンピュータ実行可能なコンポーネントは、１つ又はそれ以上の分散メモリ・ユニットを含むか又は構成するメモリから実行されることができる。本明細書で使用される用語“メモリ”及び“メモリ・ユニット”は、互換的である。さらに、本明細書の１つ又はそれ以上の実施形態は、例えば、組み合わせ又は協働的に１つ又はそれ以上の分散メモリ・ユニットからのコードを実行するマルチプル・プロセッサといった分散様式において、コンピュータ実行可能なコンポーネントのコードを実行することができる。本明細書において使用される用語“メモリ”は、単一のロケーションでの単一メモリ又は１つ又はそれ以上のロケーションでの多数のメモリ又はメモリ・ユニットに及ぶことができる。
【0162】
本出願において使用されるように、用語“コンポーネント”、“システム”、“プラットホーム”、“インタフェース”などは、コンピュータに関連するエンティティ又は１つ又はそれ以上の特定の機能で動作する機械に関連するエンティティを参照又は包含するか、又はそれらの両方とすることができる。本明細書で開示されるエンティティは、ハードウェア、ハードウェア及びソフトウェアの組み合わせ、ソフトウェア又は実行中のソフトウェアの何れかとすることができる。例えば、コンポーネントは、これらに限定されることは無いが、プロセッサ上で動作するプロセス、プロセッサ、オブジェクト、実行可能物、実行スレッド、プログラム又はコンピュータ、又はそれらの組み合わせとすることができる。例示の目的として、サーバ上で動作するアプリケーション及びサーバの両方は、コンポーネントとすることができる。１つ又はそれ以上のコンポーネントは、プロセス又は実行スレッド又はそれら両方内に滞在することができ、かつコンポーネントは、１つのコンピュータにローカライズされるか又は２つ又はそれ以上のコンピュータの間に分散されるか、又はそれらの両方とすることができる。別の実施形態においては、それぞれのコンポーネントは、それに格納された種々のデータ構造を有する種々のコンピュータ可読な媒体から実行する。コンポーネントは、１つ又はそれ以上のデータ・パケットを有する信号（例えば、ローカル・システム内の１つのコンポーネントと相互作用する別のコンポーネント、分散システム又はインターネットのような信号を介して他のシステムとネットワークを横断するか又はこれらの両方で）ローカル又はリモート・プロセスを介して通信することができる。別の実施例として、コンポーネントは、電気又は電子回路により動作される機械的部分により特定の機能を有する装置とすることができ、これは、プロセッサによって実行されるソフトウェア又はファームウェアにより動作される。そのような場合において、プロセッサは、装置の内部又は外部とすることができると共に、ソフトウェア又はファームウェア・アプリケーションの少なくとも一部を実行することができる。さらに別の実施例として、コンポーネントは、機械部品を有しない特定の電子コンポーネントを提供する装置とすることができ、ここで、電子コンポーネントは、プロセッサ又は電子コンポーネントの機能の少なくとも部分で与えられるソフトウェア又はファームウェアを実行するための他の手段を含むことができる。側面において、コンポーネントは、例えばクラウド・コンピューティング・システム内での仮想マシンを介して電子コンポーネントをエミュレートすることができる。
【0163】
追加的に、用語“又は”は、排他的“オア”ではなく、包含的“又は”を意味することを意図する。すなわち、他に特定されるか又はコンテキストから明確でない限り、“Ｘは、Ａ又はＢを利用する”ことは、自然な包含的置き換えの如何なるものを意味することを意図する。すなわち、もしもＸがＡを利用し；ＸがＢを利用し；又はＸがＡ及びＢの両方を利用するのであれば、“Ｘは、Ａ又はＢを利用する”ことは前述の例の如何なるものの下で充足される。さらに、主題の明細書及び添付される図面において使用されるところの冠詞“ａ”及び“ａｎ”は、単数形であることが他に特定されるか又はコンテキストから明確でない限り、一般に、“１つ又はそれ以上”を意味すると解釈される。本明細書において使用されるように、用語“実施例”又は“例示的”又はそれらの両方は、実施例、例、又は例示として提供することを意味するために使用される。疑義を排除するために、本明細書で開示される手段は、そのような実施例により限定されない。追加的に、本明細書において“実施例”又は“例示的”又はそれらの両方として説明される如何なる側面又は設計は、他の側面又は設計を超えて好ましいとか、又は利益的であるとして解釈される必要はなく、当業者に知られた等価的な例示的構造及び技術を排除することを意味しない。
【0164】
主題の明細書において使用されるように、用語“プロセッサ”は、これらに限定されることは無く、シングルコア・プロセッサ；ソフトウェアのマルチスレッド実行能力を有するシングル・プロセッサ；ソフトウェアのマルチスレッド実行能力を有するマルチコア・プロセッサ；ハードウェア・マルチスレッド技術を有するマルチコア・プロセッサ；及び分散共有メモリを有する並列プラットホームを含む、実質的に如何なるコンピューティング・プロセッシング・ユニット又はデバイスを参照することができる。追加的にプロセッサは、集積回路、用途特定集積回路（ＡＳＩＣ）、デジタル・シグナル・プロセッサ（ＤＳＰ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、プログラマブル・ロジック・コントローラ（ＰＬＣ）、コンプレックス・プログラマブル・ロジック・デバイス（ＣＰＬＤ）、離散的なゲート又はトランジスタ・ロジック、離散的なハードウェア・コンポーネント又は本明細書において説明した機能を実行するように設計されたそれらの如何なる組み合わせを参照することができる。さらに、プロセッサは、これらに限定されることは無く、空間利用を最適化又はユーザ搭載の性能を向上させるため、分子及び量子ドット・ベースのトランジスタ、スイッチ、及びゲートといったナノ－スケール・アーキテクチャを実施することができる。プロセッサはまた、コンピューティング・プロセッシング・ユニットの組み合わせとして実装することができる。本開示において、“格納”、“記録”、“データ・ストア”、“データ・ストレージ”、“データベース”及びコンポーネントの動作及び機能に関連する、実質的に如何なる他の情報格納コンポーネントといった用語は、“メモリ・コンポーネント”、“メモリ”内に実体化されたエンティティ又はメモリを含むコンポーネントを参照するために使用される。本明細書において説明されるメモリ又はメモリ・コンポーネント又はそれら両方は、揮発性メモリ又は不揮発性メモリの何れかとすることができ、又は揮発性及び不揮発性メモリの両方を含むことができる。例示の目的で、限定ではなく、不揮発性メモリは、リード・オンリー・メモリ（ＲＯＭ）、電気的にプログラマブルなＲＯＭ（ＰＲＯＭ）、電気的に消去可能なＲＯＭ（ＥＥＰＲＯＭ）、フラッシュ・メモリ、又は不揮発性のランダム・アクセス・メモリ（ＲＡＭ）（例えば、強誘電体ＲＡＭ（ＦｅＲＡＭ））を含むことができる。揮発性メモリは、ＲＡＭを含むことができ、これは、例えば外部的なキャッシュ・メモリとして動作することができる。例示の目的で限定ではなく、ＲＡＭは、シンクロナスＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）、ダブル・データレートＳＤＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、エンハンスドＳＤＲＡＭ（ＥＳＤＲＡＭ）、シンクリンクＤＲＡＭ（ＳＬＤＲＡＭ）、ダイレクト・ランバスＲＡＭ（ＤＲＲＡＭ）、ダイレクト・ランバスダイナミックＲＡＭ（ＤＲＤＲＡＭ）、及びランバス・ダイナミックＲＡＭ（ＲＤＲＡＭ）といった多くの形態において利用可能である。追加的に、本明細書におけるシステムの開示されるメモリ・コンポーネント又はコンピュータ実装方法は、これに限定されることなく、これら及び好適な他の如何なるタイプのメモリを含むことを意図する。
【0165】
上記に説明されたものは、システム及びコンピュータ実装方法の単なる実施例を含む。当然ながら、本開示を記述する目的のためにすべての想定可能なコンポーネント又はコンピュータ実装方法の組み合わせを説明することは可能ではないが、当業者は、多くのさらなる組み合わせ及び本開示の置換が可能であることを認識可能である。さらに、用語“含む”、“有する”、“所有する”、などは詳細な説明、請求項、添付物及び図面において使用される程度で、そのような用語は、 “含んでいる”ことが、請求項における置き換え単語として使用される場合に解釈されるように、用語“含む”に類似する仕方において包含的であることを意図する。
【0166】
種々の実施形態の説明は、例示の目的のために提示されてきたが、開示される実施形態に尽きるとか、限定されることを意図しない。多くの修正及び変更は、説明された実施例の範囲から逸脱する事なく、当業者にとってあきらかであろう。本明細書で使用する用語は、本実施形態の原理、実用的用途、又は市場において見出される技術を超える技術的改善を最良に説明するため、又は本明細書において開示された実施形態を当業者の他の者が理解できるようにするために選択したものである。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
