Umeå universitets logga

umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
A Comparison Between Different Frameworks Based on Application Metrics à la Argo Rollouts
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap.
2024 (Engelska)Självständigt arbete på avancerad nivå (masterexamen), 20 poäng / 30 hpStudentuppsats (Examensarbete)
Abstract [en]

This research investigates the integration and effectiveness of two monitoring frameworks, the Four Golden Signals and the RED Method, with Argo Rollouts for automated deployments. The study aims to identify which framework integrates better with Argo Rollouts, compare their effectiveness in automating deployment procedures, and assess the impact of automated deployments on application performance. Experiments involve fault injections, such as HTTP 500 errors and delays, to evaluate the frameworks ability to detect unhealthy deployments and trigger rollbacks. Both frameworks were successfully integrated using Prometheus for metric collection and custom analysis templates for health assessment. The Four Golden Signals provided more comprehensive insights due to its additional metrics (saturation and latency), whereas the RED Method was simpler to configure and interpret. The findings highlight the importance of carefully calibrating metric thresholds to accurately identify unhealthy deployments. Future work suggests exploring Blue-Green deployments, investigating the robustness of systems under security breaches, and assessing cost savings from using Argo Rollouts over time.

Ort, förlag, år, upplaga, sidor
2024. , s. 59
Serie
UMNAD ; 1492
Nyckelord [en]
Argo Rollouts, Kubernetes, Cloud, DevOps, CI/CD, Elastisys, Umea University
Nyckelord [sv]
Umeå Univeritet
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:umu:diva-227103OAI: oai:DiVA.org:umu-227103DiVA, id: diva2:1876931
Externt samarbete
Elastisys AB
Utbildningsprogram
Civilingenjörsprogrammet i Teknisk datavetenskap
Presentation
2024-05-31, mit.121, UNIVERSITETSTORGET 4, Umeå, 11:00 (Engelska)
Handledare
Examinatorer
Tillgänglig från: 2024-06-26 Skapad: 2024-06-25 Senast uppdaterad: 2024-06-26Bibliografiskt granskad

Open Access i DiVA

fulltext(1544 kB)256 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1544 kBChecksumma SHA-512
62ab65ec8ee09fe66b18a90cf9e239afd9e3041ff808efe8da468aaf828c69f256c963eb77594e6b52d75d773fb3098d4ac6427e03e9f43687bbe056df4f7999
Typ fulltextMimetyp application/pdf

Av organisationen
Institutionen för datavetenskap
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 256 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 647 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf