Microservice Architecture of Virtual Training Complexes

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

The task of automating and reducing the complexity of the process of developing virtual training complexes is considered. The analysis of the subject area showed the need to move from a monolithic to a service-oriented version of the architecture. It is found that the use of a monolithic architecture in the implementation of virtual training complexes limits the possibility of modernizing the system, increases its software complexity, and makes it difficult to implement an interface for managing and monitoring the training process. The general concept of the microservice architecture of virtual training complexes is presented, and definitions of the main and secondary components are given. The scientific novelty of the research lies in the transition from the classical monolithic architecture in the subject area of the HTC to the microservice architecture; eliminating the shortcomings of this approach by implementing a single protocol for the exchange of information between modules; separation of network interaction procedures into software libraries to unify and improve the reliability of the system. The use of isolated, loosely coupled microservices allows developers to use the best technologies, platforms and frameworks for their implementation; separate the graphical interface of the simulator instructor from the visualization and virtual reality system; provide the ability to flexibly replace the main components (visualization, interface, interaction with virtual reality) without changing the architecture and affecting other modules. The decomposition of the structural model of the microservice architecture is carried out, and the specifics of the functioning of the main components are presented. The implementation of microservices networking libraries and a JSON-based data exchange protocol is considered. The practical significance of the proposed architecture lies in the possibility of parallelization and reducing the complexity of the development and modernization of training complexes. The features of the functioning of the systems implemented in the proposed microservice architecture are analyzed.

Авторлар туралы

A. Obukhov

Tambov State Technical University

Email: obuhov.art@gmail.com
Sovetskaya St. 106

A. Volkov

Tambov State Technical University

Email: didim@eclabs.ru
Sovetskaya St. 106

A. Nazarova

Tambov State Technical University

Email: nazarova.al.ol@yandex.ru
Sovetskaya St. 106

Әдебиет тізімі

  1. Zahabi M., Abdul Razak A.M. Adaptive virtual reality-based training: a systematic literature review and framework // Virtual Reality. 2020. vol. 24. no. 4. pp. 725-752.
  2. Saldana D. et al. Applications of head-mounted displays for virtual reality in adult physical rehabilitation: a scoping review // The American Journal of Occupational Therapy. 2020. vol. 74. no. 5. pp. 7405205060p1-7405205060p15.
  3. Jerdan S.W. et al. Head-mounted virtual reality and mental health: critical review of current research // JMIR serious games. 2018. vol. 6. no. 3. pp. e9226.
  4. Zulueta A. et al. Virtual reality-based assessment and rating scales in ADHD diagnosis // Psicología Educativa. Revista de los Psicólogos de la Educación. 2019. vol. 25. no. 1. pp. 13-22.
  5. Alcañiz M. et al. Eye gaze as a biomarker in the recognition of autism spectrum disorder using virtual reality and machine learning: A proof of concept for diagnosis // Autism Research. 2022. vol. 15. no. 1. pp. 131-145.
  6. Obukhov A.D. et al. The study of virtual reality influence on the process of professional training of miners // Virtual Reality. 2022. pp. 1-25
  7. Drossis G., Birliraki C., Stephanidis C. Interaction with immersive cultural heritage environments using virtual reality technologies // International Conference on Human-Computer Interaction. Springer, Cham. 2018. pp. 177-183.
  8. Shinde P.P., Shah S. A review of machine learning and deep learning applications // 2018 Fourth international conference on computing communication control and automation (ICCUBEA). IEEE. 2018. pp. 1-6.
  9. Qi X. et al. Applying neural-network-based machine learning to additive manufacturing: current applications, challenges, and future perspectives // Engineering. 2019. vol. 5. no. 4. pp. 721-729.
  10. Delazio A. et al. Force jacket: Pneumatically-actuated jacket for embodied haptic experiences // Proceedings of the 2018 CHI conference on human factors in computing systems. 2018. pp. 1-12.
  11. Andrews C. et al. Extended reality in medical practice // Current treatment options in cardiovascular medicine. 2019. vol. 21. no. 4. pp. 1-12.
  12. Obukhov A. et al. Methodology for the Development of Adaptive Training Systems Based on Neural Network Methods // Proceedings of the Computational Methods in Systems and Software. Springer, Cham. 2021. pp. 238-253.
  13. Tapia F. et al. From monolithic systems to microservices: A comparative study of performance // Applied sciences. 2020. vol. 10. no. 17. p. 5797.
  14. Niknejad N. et al. Understanding Service-Oriented Architecture (SOA): A systematic literature review and directions for further investigation // Information Systems. 2020. no. 91. p. 101491.
  15. Cerny T., Donahoo M.J., Trnka M. Contextual understanding of microservice architecture: current and future directions // ACM SIGAPP Applied Computing Review. 2018. vol. 17. no. 4. pp. 29-45.
  16. Rushani L. et al. Differences between Service-Oriented Architecture and Microservices Architecture // International Journal of Natural Sciences: Current and Future Research Trends. 2022. vol. 13. no. 1. pp. 30-48.
  17. Maurya R. et al. Application of Restful APIs in IOT: A Review // Int. J. Res. Appl. Sci. Eng. Technol. 2021. vol. 9. pp. 145-151.
  18. Taibi D., Lenarduzzi V., Pahl C. Architectural patterns for microservices: a systematic mapping study // CLOSER 2018: Proceedings of the 8th International Conference on Cloud Computing and Services Science; Funchal, Madeira, Portugal, 19-21 March 2018. SciTePress. 2018.
  19. Li S. et al. Understanding and addressing quality attributes of microservices architecture: A Systematic literature review // Information and software technology. 2021. vol. 131. pp. 106449.
  20. Cerny T. et al. On code analysis opportunities and challenges for enterprise systems and microservices // IEEE Access. 2020. vol. 8. pp. 159449-159470.
  21. Velepucha V., Flores P. Monoliths to microservices-Migration Problems and Challenges: A SMS // 2021 Second International Conference on Information Systems and Software Technologies (ICI2ST). IEEE. 2021. pp. 135-142.
  22. Городничев М.Г., Полонский Р.В. Оценка возможности использования микросервисной архитектуры при разработке пользовательских интерфейсов клиент-серверного программного обеспечения // Экономика и качество систем связи. 2020. № 3 (17). С. 33-43.
  23. Bogner J. et al. Microservices in industry: insights into technologies, characteristics, and software quality // 2019 IEEE international conference on software architecture companion (ICSA-C). – IEEE, 2019. pp. 187-195.
  24. Auer F. et al. From monolithic systems to Microservices: An assessment framework // Information and Software Technology. 2021. vol. 137. pp. 106600.
  25. Huang L., Zhang C., Zeng Z. Design of a public services platform for university management based on microservice architecture // Microsystem Technologies. 2021. vol. 27. №. 4. pp. 1693-1698.
  26. Krasnyanskiy M.N., Obukhov A.D., Dedov D.L. Control System for an Adaptive Running Platform for Moving in Virtual Reality // Automation and Remote Control. 2022. Т. 83. №. 3. С. 355-366.
  27. Obukhov A. et al. Mobile Simulator Control System for Isolating Breathing Apparatus of Software-Hardware Platform // International Journal of Interactive Mobile Technologies. 2020. Т. 14. №. 8. С. 32-42.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».