мікросервісна архітектура

Deploying small language models (e.g., SLMs) on edge devices has become increasingly viable due to advancements in model compression and efficient inference frameworks. Running small models offers significant benefits, including privacy through on-device processing, reduced latency, and increased autonomy. This paper conducts a comparative review and analysis of Node.js inference frameworks that operate on-device. It evaluates frameworks in terms of performance, memory consumption, isolation, and deployability.

This article presents a new scalable system for automated modeling of physical processes and experiment management based on microservice architecture and cloud technologies. The proposed platform addresses the growing need for flexible, cost-effective, and highly scalable computational solutions for physical research. The system utilizes Amazon Web Services cloud infrastructure with containerized microservices to provide automated resource allocation, experiment orchestration, and laboratory equipment integration.

Розглянуто безпеку мікросервісних архітектур з огляду на типові вразливості, що виникають у розподілених системах. Проаналізовано сутність мікросервісного підходу, який, попри свої переваги в масштабованості та гнучкості, породжує нові виклики у сфері кібербезпеки. Основна увага приділяється проблемам управління доступом, налаштуван- ню мережевих з’єднань та захисту даних під час їх передачі між сервісами, що можуть створювати додаткові вектори атак.

Запропоновано підхід для протидії кібератакам у рамках мікросервісної архітектури з використанням моделей на основі машин станів. Створене рішення орієнтоване на інтелектуальний аналіз поточних та потенційних мережевих вторгнень. Метод розроблено для застосувань, що функціонують у середовищі мікросервісної архітектури, розгорнутої на платформі Kubernetes. У рамках дослідження було зібрано спеціалізований набір даних. Для цього було відтворено низку поширених вразливостей зареєстрованих у 2024 році, та зібрано відповідний мережевий трафік кібератак.

This article presents the development of a recommender system for recruiting personnel and vacancies to improve the efficiency of the hiring process. The proposed system has integrated collaborative and hybrid filtering methods to provide personalized job recommendations. Collaborative filtering model has analyzed historical data, identifying patterns by detecting connections between user information and job content.

This study examines the capabilities and limitations of small, 4-bit quantized language models that run locally on Apple Silicon. Four models have been benchmarked on a dataset of natural language prompts, with runtime metrics including inference time, memory usage, and token throughput, as well as output behavior. The study provides an empirical assessment of the feasibility of deploying language models on resource-constrained devices.

Мікросервіси являють собою підхід до розроблення програмного забезпечення, варіацію сервіс-орієнтованої архітектури, яка структурує додаток як набір слабо пов'язаних сервісів. У даній роботі досліджено методологію проєктування та впровадження інформаційних систем із використанням мікро-інтерфейсів для підвищення якості та швидкості розробки, водночас спрощуючи їх використання. У роботі запропоновано метод переходу від монолітної архітектури програмного забезпечення до мікросервісної архітектури.

Integrating AI agents within serverless architectures offers a modern approach to deploying and executing intelligent applications. Leveraging the advantages of serverless computing, AI agents can dynamically respond to varying workloads without the overhead of managing the underlying infrastructure. This article explores the concept of scalable serverless AI agents in the cloud, detailing their architecture, benefits and drawbacks, challenges, and real-world applications. The paper provides advantages and drawbacks of the serverless approach.

Виникнення мікросервісної архітектури істотно модернізувало практики розроблення програмного забезпечення завдяки децентралізації компонентів, що полегшило масштабова- ність та сприяло гнучкості у проєктуванні та впровадженні систем. Використання мікросервісів замість одного сервера має певні переваги, проте розподілені компоненти також спричиняють додаткові обмеження та складнощі у підтримці узгодженості даних.