1. ভূমিকা
ওয়েব সার্ভিস (WS) হল স্বায়ত্তশাসিত সফটওয়্যার উপাদান যা দূরবর্তী আবিষ্কার, আহ্বান এবং কম্পোজিশনের জন্য নকশা করা হয়েছে। সেমান্টিক পদ্ধতিগুলি (যেমন OWL-S) স্বয়ংক্রিয় যুক্তির লক্ষ্য রাখলেও, জটিলতা ও ব্যয়ের কারণে তাদের গ্রহণযোগ্যতা বাধাগ্রস্ত হয়। ফলস্বরূপ, উৎপাদন ব্যবস্থাগুলি প্রধানত WSDL (ওয়েব সার্ভিস বর্ণনা ভাষা) ব্যবহার করে সিনট্যাকটিক বর্ণনার উপর নির্ভর করে। এই গবেষণা WS কম্পোজিশনের জন্য সিনট্যাকটিক পদ্ধতি তদন্তের মাধ্যমে, বিশেষত তিনটি প্রতিষ্ঠিত স্ট্রিং সাদৃশ্য মেট্রিক্স: লেভেনস্টাইন, জারো এবং জারো-উইঙ্কলার ব্যবহার করে ওয়েব সার্ভিস কম্পোজিশন নেটওয়ার্ক নির্মাণ ও বিশ্লেষণের মাধ্যমে এই ফাঁকটি পূরণ করে। মূল উদ্দেশ্য হল বাস্তব-বিশ্বের WSDL ফাইল থেকে শুধুমাত্র সিনট্যাকটিক বৈশিষ্ট্যের উপর ভিত্তি করে সম্ভাব্য সার্ভিস সম্পর্ক চিহ্নিত করতে এই মেট্রিক্সগুলির কর্মক্ষমতার তুলনামূলক মূল্যায়ন।
2. পটভূমি ও সংশ্লিষ্ট গবেষণা
2.1 সেমান্টিক বনাম সিনট্যাকটিক ওয়েব সার্ভিস
OWL-S-এর মতো মানদণ্ড দ্বারা সমর্থিত সেমান্টিক ওয়েব সার্ভিস প্যারাডাইম, অন্টোলজি ব্যবহার করে সার্ভিস বর্ণনায় মেশিন-ব্যাখ্যাযোগ্য অর্থ এম্বেড করার চেষ্টা করে। যাইহোক, PDF-এ উল্লিখিত এবং ওয়ার্ল্ড ওয়াইড ওয়েব কনসোর্টিয়াম (W3C)-এর জরিপ দ্বারা সমর্থিত হিসাবে, অ্যানোটেশনের জন্য প্রয়োজনীয় উল্লেখযোগ্য ম্যানুয়াল প্রচেষ্টা এবং অন্টোলজি ম্যাপিংয়ে অমীমাংসিত চ্যালেঞ্জের কারণে ব্যাপক গ্রহণযোগ্যতা সীমিত রয়েছে। এই ব্যবহারিক বাধা বিদ্যমান, অ-সেমান্টিক WSDL বর্ণনার উপর কাজ করতে পারে এমন শক্তিশালী সিনট্যাকটিক পদ্ধতিতে আগ্রহ বজায় রেখেছে, যা মোতায়েনকৃত সার্ভিসগুলির বিশাল সংখ্যাগরিষ্ঠতা গঠন করে।
2.2 WSDL-এর জন্য সাদৃশ্য মেট্রিক্স
সিনট্যাকটিক আবিষ্কারের উপর পূর্ববর্তী কাজ, যেমন PDF-তে [3] দ্বারা, শব্দগত (পাঠ্য বৈশিষ্ট্য), বৈশিষ্ট্য, ইন্টারফেস (অপারেশন I/O প্যারামিটার) এবং QoS-এর মতো মাত্রা বরাবর সাদৃশ্য শ্রেণীবদ্ধ করে। আমাদের কাজ শব্দগত এবং ইন্টারফেস স্তরে ফোকাস করে, WSDL থেকে নিষ্কাশিত উপাদানের নামগুলিতে (সার্ভিস, অপারেশন, প্যারামিটার নাম) সাধারণ-উদ্দেশ্য স্ট্রিং সাদৃশ্য মেট্রিক্স প্রয়োগ করে। এই পদ্ধতিটি ওয়েব সার্ভিসে প্রয়োগ করা LSA (লেটেন্ট সেমান্টিক অ্যানালিসিস)-এর মতো পদ্ধতিতে দেখা যায়, পরিসংখ্যানগত পাঠ্য বিশ্লেষণের মাধ্যমে অন্তর্নিহিত শব্দার্থবিজ্ঞানের সুবিধা নেওয়ার প্রবণতার সাথে সামঞ্জস্যপূর্ণ।
3. পদ্ধতিবিদ্যা ও নেটওয়ার্ক নির্মাণ
3.1 তথ্য সংগ্রহ ও প্রাক-প্রক্রিয়াকরণ
বাস্তব-বিশ্বের WSDL বর্ণনার একটি সংগ্রহ টেস্টবেড হিসাবে ব্যবহৃত হয়েছিল। প্রতিটি WSDL ফাইল পার্স করা হয়েছিল মূল সিনট্যাকটিক উপাদানগুলি নিষ্কাশন করতে: সার্ভিসের নাম, অপারেশনের নাম, এবং প্যারামিটারের নাম। সাদৃশ্য গণনার ভিত্তি গঠনের জন্য এই পাঠ্য উপাদানগুলিকে স্বাভাবিক করা হয়েছিল (ছোট হাতের অক্ষর, বিশেষ অক্ষর অপসারণ)।
3.2 সাদৃশ্য মেট্রিক্স বাস্তবায়ন
তিনটি মেট্রিক্স বাস্তবায়ন ও তুলনা করা হয়েছিল:
- লেভেনস্টাইন দূরত্ব: একটি স্ট্রিংকে অন্য স্ট্রিংতে পরিবর্তন করতে প্রয়োজনীয় একক-অক্ষর সম্পাদনার (সন্নিবেশ, মুছে ফেলা, প্রতিস্থাপন) সর্বনিম্ন সংখ্যা পরিমাপ করে। স্বাভাবিককৃত সাদৃশ্য হিসাবে গণনা করা হয় $sim_{Lev}(s_1, s_2) = 1 - \frac{edit\_distance(s_1, s_2)}{\max(|s_1|, |s_2|)}$।
- জারো সাদৃশ্য: মিলে যাওয়া অক্ষরের সংখ্যা ও ক্রয়ের উপর ভিত্তি করে। সূত্রটি হল $sim_j = \begin{cases} 0 & \text{if } m=0 \\ \frac{1}{3}\left(\frac{m}{|s_1|} + \frac{m}{|s_2|} + \frac{m-t}{m}\right) & \text{otherwise} \end{cases}$, যেখানে $m$ হল মিলে যাওয়া অক্ষরের সংখ্যা এবং $t$ হল ট্রান্সপোজিশনের সংখ্যার অর্ধেক।
- জারো-উইঙ্কলার সাদৃশ্য: একটি বৈকল্পিক যা সাধারণ উপসর্গ সহ স্ট্রিংগুলির স্কোর বাড়ায়। $sim_{jw} = sim_j + (l \cdot p \cdot (1 - sim_j))$, যেখানে $l$ হল সাধারণ উপসর্গের দৈর্ঘ্য (সর্বোচ্চ ৪ অক্ষর) এবং $p$ হল একটি ধ্রুবক স্কেলিং ফ্যাক্টর (সাধারণত ০.১)।
3.3 নেটওয়ার্ক তৈরির প্রক্রিয়া
প্রতিটি মেট্রিক্সের জন্য, একটি ওয়েব সার্ভিস কম্পোজিশন নেটওয়ার্ক নির্মাণ করা হয়েছিল। নোডগুলি পৃথক ওয়েব সার্ভিসগুলিকে উপস্থাপন করে। দুটি সার্ভিস নোডের মধ্যে একটি অনির্দেশিত প্রান্ত তৈরি করা হয় যদি তাদের নিষ্কাশিত উপাদানগুলির সমষ্টিগত সাদৃশ্য স্কোর (যেমন, সমস্ত অপারেশন নাম জোড়ার মধ্যে গড় সাদৃশ্য) একটি পূর্বনির্ধারিত থ্রেশহোল্ড $\theta$ অতিক্রম করে। সংবেদনশীলতা বিশ্লেষণের জন্য $\theta$ মানের একটি পরিসরের জন্য নেটওয়ার্ক তৈরি করা হয়েছিল।
4. পরীক্ষামূলক ফলাফল ও বিশ্লেষণ
মূল কর্মক্ষমতা সারসংক্ষেপ
জারো-উইঙ্কলার উচ্চতর থ্রেশহোল্ডে আরও শব্দার্থগতভাবে সম্ভাব্য সংযোগ চিহ্নিত করেছে। জারো কম থ্রেশহোল্ডে কম ঘন, সম্ভাব্য আরও সুনির্দিষ্ট নেটওয়ার্ক তৈরি করেছে। লেভেনস্টাইন ছোট বানানের তারতম্যের প্রতি আরও সংবেদনশীল ছিল।
4.1 টপোলজিকাল বৈশিষ্ট্যের তুলনা
উৎপন্ন নেটওয়ার্কগুলির টপোলজিকাল কাঠামো গড় ডিগ্রি, ক্লাস্টারিং সহগ এবং গড় পথ দৈর্ঘ্য-এর মতো মেট্রিক্স ব্যবহার করে বিশ্লেষণ করা হয়েছিল। জারো-উইঙ্কলার দিয়ে নির্মিত নেটওয়ার্কগুলি তুলনামূলক থ্রেশহোল্ডে ধারাবাহিকভাবে উচ্চতর সংযোগ (উচ্চতর গড় ডিগ্রি) এবং শক্তিশালী স্থানীয় ক্লাস্টারিং দেখিয়েছে, যা পরামর্শ দেয় যে এটি সত্যিকার অর্থে অনুরূপ কার্যকারিতা সহ সার্ভিসগুলিকে আরও কার্যকরভাবে গ্রুপ করে।
চার্ট বর্ণনা (কল্পিত): তিনটি মেট্রিক্সের জন্য "নেটওয়ার্ক ঘনত্ব" বনাম "সাদৃশ্য থ্রেশহোল্ড" প্লট করা একটি লাইন চার্ট দেখাবে যে থ্রেশহোল্ড বাড়ার সাথে সাথে জারো-উইঙ্কলার জারো এবং লেভেনস্টাইনের চেয়ে উচ্চতর ঘনত্ব বজায় রাখছে, যা কঠোর মানদণ্ডের অধীনে অর্থপূর্ণ সংযোগ ধরে রাখার তার ক্ষমতা নির্দেশ করে।
4.2 বিভিন্ন থ্রেশহোল্ডে মেট্রিক্সের কর্মক্ষমতা
গবেষণায় একটি স্পষ্ট ট্রেড-অফ পাওয়া গেছে:
- উচ্চ থ্রেশহোল্ড ($\theta > 0.9$): জারো-উইঙ্কলার অন্যদের চেয়ে ভালো করেছে, এখনও সম্পর্কিত সার্ভিসগুলির একটি সংযুক্ত উপাদান গঠন করেছে, যখন অন্যগুলি খণ্ডিত হয়েছে। এটি সাধারণ উপসর্গ সহ নাম এবং শনাক্তকারী মেলানোর জন্য এর নকশার সাথে সামঞ্জস্যপূর্ণ।
- নিম্ন থেকে মাঝারি থ্রেশহোল্ড ($\theta \approx 0.7$): জারো মেট্রিক্স পছন্দনীয় ছিল, কারণ এটি লেভেনস্টাইনের তুলনায় কম ভুয়া প্রান্ত (মিথ্যা ইতিবাচক) তৈরি করেছে, যা প্রায়শই তুচ্ছ স্ট্রিং ওভারল্যাপের উপর ভিত্তি করে সার্ভিসগুলিকে সংযুক্ত করত।
4.3 পরিসংখ্যানগত তাৎপর্য পরীক্ষা
একাধিক বুটস্ট্র্যাপ নমুনা জুড়ে নেটওয়ার্ক মেট্রিক বন্টনের উপর জোড়া পরিসংখ্যানগত পরীক্ষা (যেমন, উইলকক্সন সাইনড-র্যাঙ্ক টেস্ট) নিশ্চিত করেছে যে জারো-উইঙ্কলার এবং অন্যান্য মেট্রিক্সের মধ্যে গড় ক্লাস্টারিং সহগ এবং ডিগ্রি কেন্দ্রীয়তার পার্থক্যগুলি পরিসংখ্যানগতভাবে তাৎপর্যপূর্ণ ছিল ($p < 0.05$)।
5. প্রযুক্তিগত কাঠামো ও গাণিতিক বিবরণ
বিশ্লেষণের মূলটি মেট্রিক্সের গাণিতিক সূত্রের উপর নির্ভর করে। জারো-উইঙ্কলার বুস্ট ফ্যাক্টরটি গুরুত্বপূর্ণ: $sim_{jw} = sim_j + (l \cdot p \cdot (1 - sim_j))$। এটি উপসর্গ ম্যাচগুলিকে যথেষ্ট ওজন দেয়, যা প্রযুক্তিগত নামকরণের জন্য অত্যন্ত কার্যকর (যেমন, "getUserProfile" বনাম "getUserData")। বিপরীতে, লেভেনস্টাইনের সম্পাদনা দূরত্ব, $d_{Lev}$, সমস্ত অক্ষর সম্পাদনাকে সমানভাবে বিবেচনা করে, যা API নকশায় সাধারণ ক্যামেলকেস বা সংক্ষিপ্ত শব্দগুলির জন্য কম বিচক্ষণ করে তোলে। একাধিক সার্ভিস উপাদানের মধ্যে সাদৃশ্য একত্রিত করার জন্য সমষ্টি ফাংশনের (গড়, সর্বোচ্চ, ওজনযুক্ত গড়) পছন্দও চূড়ান্ত প্রান্তের ওজন এবং নেটওয়ার্ক টপোলজিকে উল্লেখযোগ্যভাবে প্রভাবিত করে।
6. কেস স্টাডি: সার্ভিস কম্পোজিশন দৃশ্যকল্প
দৃশ্যকল্প: শুধুমাত্র সিনট্যাকটিক WSDL তথ্য ব্যবহার করে একটি "ট্র্যাভেল বুকিং" সার্ভিসের জন্য স্বয়ংক্রিয়ভাবে একটি কম্পোজিশন চেইন প্রস্তাব করা।
ফ্রেমওয়ার্ক প্রয়োগ:
- নোড উপস্থাপনা: সার্ভিস: ফ্লাইট সার্চ, হোটেল ফাইন্ডার, কার রেন্টাল API, ওয়েদার সার্ভিস, কারেন্সি কনভার্টার।
- সাদৃশ্য গণনা: জারো-উইঙ্কলার ব্যবহার করে, ফ্লাইট সার্চ এবং হোটেল ফাইন্ডার সাধারণ প্যারামিটার নাম যেমন "লোকেশন," "তারিখ," "প্রাপ্তবয়স্ক"-এর কারণে উচ্চ সাদৃশ্য রয়েছে। কার রেন্টাল API-ও এগুলির সাথে উচ্চ স্কোর করে। ওয়েদার সার্ভিস এবং কারেন্সি কনভার্টার মূল গ্রুপের সাথে কম সাদৃশ্য দেখায়।
- নেটওয়ার্ক গঠন: ০.৮৫-এর থ্রেশহোল্ডে, ফ্লাইট সার্চ, হোটেল ফাইন্ডার এবং কার রেন্টাল API-কে সংযুক্ত করে একটি স্পষ্ট ক্লাস্টার উদ্ভূত হয়।
- কম্পোজিশন অনুমান: নেটওয়ার্ক ক্লাস্টার সরাসরি একটি কার্যকর কম্পোজিশন পথ প্রস্তাব করে: একটি সম্পূর্ণ ট্র্যাভেল বুকিং ওয়ার্কফ্লোর জন্য চেইন ফ্লাইট সার্চ -> হোটেল ফাইন্ডার -> কার রেন্টাল API, সাথে ওয়েদার সার্ভিস এবং কারেন্সি কনভার্টার সম্ভাব্য প্রান্তিক সার্ভিস হিসাবে।
7. ভবিষ্যতের প্রয়োগ ও গবেষণার দিকনির্দেশনা
- হাইব্রিড সেমান্টিক-সিনট্যাকটিক সিস্টেম: সিনট্যাকটিক নেটওয়ার্কগুলিকে একটি দ্রুত, স্কেলযোগ্য প্রাক-ফিল্টারিং স্তর হিসাবে ব্যবহার করে প্রার্থীদের সংকীর্ণ করা আরও গণনাগতভাবে ব্যয়বহুল সেমান্টিক যুক্তির জন্য, যেমন LLM-এ রিট্রিভাল-অগমেন্টেড জেনারেশন কীভাবে কাজ করে তার অনুরূপ।
- API নলেজ গ্রাফের সাথে একীকরণ: সিনট্যাকটিক নেটওয়ার্ক থেকে নোডগুলিকে বৃহত্তর-স্কেল API নলেজ গ্রাফে এম্বেড করা যেমন APIGraph গবেষণায় অন্বেষণ করা হয়েছে, সেগুলিকে সিনট্যাকটিক সাদৃশ্য প্রান্ত দিয়ে সমৃদ্ধ করা।
- মাইক্রোসার্ভিসে গতিশীল কম্পোজিশন: এই নেটওয়ার্ক মডেলগুলিকে রানটাইম পরিবেশে প্রয়োগ করা (যেমন, কুবেরনেটস, ইস্তিও) রিয়েল-টাইম ডিপ্লয়মেন্ট ডেস্ক্রিপ্টরের উপর ভিত্তি করে মাইক্রোসার্ভিস প্রস্তাব বা স্বয়ংক্রিয়ভাবে কম্পোজ করার জন্য।
- উন্নত মেট্রিক্স: এম্বেডিং-ভিত্তিক সাদৃশ্য অন্বেষণ করা (যেমন, WSDL পাঠ্যে BERT বা Word2Vec ব্যবহার করা) গভীর প্রাসঙ্গিক অর্থ ক্যাপচার করার সময় "সিনট্যাকটিক" অর্থে থাকা, আনুষ্ঠানিক অন্টোলজির প্রয়োজন ছাড়াই।
8. তথ্যসূত্র
- W3C. (2001). ওয়েব সার্ভিস বর্ণনা ভাষা (WSDL) ১.১. W3C নোট। থেকে সংগৃহীত https://www.w3.org/TR/wsdl
- মার্টিন, ডি., et al. (2004). OWL-S: ওয়েব সার্ভিসের জন্য সেমান্টিক মার্কআপ. W3C সদস্য জমা।
- ডং, এক্স., et al. (2004). ওয়েব সার্ভিসের জন্য সাদৃশ্য অনুসন্ধান। ৩০তম VLDB সম্মেলনের কার্যবিবরণী।
- এলগাজ্জার, কে., et al. (2010). ওয়েব সার্ভিস আবিষ্কার বুটস্ট্র্যাপ করতে WSDL নথি ক্লাস্টারিং। IEEE আন্তর্জাতিক ওয়েব সার্ভিস সম্মেলন (ICWS)।
- ঝু, জে., et al. (2020). APIGraph: একটি বৃহৎ-স্কেল API নলেজ গ্রাফ. ২৮তম ACM যৌথ সভার কার্যবিবরণীতে, ESEC/FSE।
- উইঙ্কলার, ডব্লিউ. ই. (1990). রেকর্ড লিঙ্কেজের ফেলেগি-সান্টার মডেলে স্ট্রিং তুলনাকারী মেট্রিক্স এবং উন্নত সিদ্ধান্ত নিয়ম।
9. বিশেষজ্ঞ বিশ্লেষণ ও সমালোচনামূলক অন্তর্দৃষ্টি
মূল অন্তর্দৃষ্টি: এই গবেষণাপত্রটি একটি ব্যবহারিক, প্রয়োজনীয় বাস্তবতা পরীক্ষা প্রদান করে। এটি সঠিকভাবে চিহ্নিত করে যে সম্পূর্ণ সেমান্টিক, স্বয়ংক্রিয়ভাবে কম্পোজ করা ওয়েব সার্ভিসের মহান দৃষ্টিভঙ্গি জটিলতার কারণে উৎপাদনে স্থবির হয়ে পড়েছে, যা অন্যান্য AI-চালিত ক্ষেত্রে দেখা "গ্রহণযোগ্যতা খাদ" সমস্যার প্রতিধ্বনি করে। লেখকদের সিনট্যাকটিক পদ্ধতির কঠোর মূল্যায়নের দিকে ঘুরে দাঁড়ানো পিছিয়ে যাওয়া নয়, বরং মোতায়েনযোগ্য সমাধানের দিকে একটি কৌশলগত পার্শ্বীয় পদক্ষেপ। তাদের কাজ মূলত যুক্তি দেয়: আমরা মেশিনগুলিকে সার্ভিস "বুঝতে" শেখানোর আগে, আসুন প্রথমে পৃষ্ঠের প্যাটার্নের উপর ভিত্তি করে কীভাবে তারা সেগুলি "দেখে" এবং "সংযুক্ত করে" তা নিখুঁত করি। এটি গভীর শিক্ষার বিপ্লবের আগে হস্তনির্মিত বৈশিষ্ট্যের (যেমন SIFT) উপর নির্ভরশীল প্রাথমিক, অত্যন্ত কার্যকর কম্পিউটার ভিশন পদ্ধতির কথা স্মরণ করিয়ে দেয়—তারা সীমিত তথ্য নিয়ে দৃঢ়ভাবে কাজ করেছিল।
যুক্তিসঙ্গত প্রবাহ: যুক্তিটি শব্দ এবং প্রকৌশল-কেন্দ্রিক। প্রাক্কলন: সেমান্টিক পদ্ধতিগুলি ব্যয়বহুল। পর্যবেক্ষণ: সিনট্যাকটিক তথ্য (WSDL) প্রচুর। অনুমান: বিভিন্ন স্ট্রিং সাদৃশ্য মেট্রিক্স বিভিন্ন গুণমানের কম্পোজিশন নেটওয়ার্ক তৈরি করবে। পরীক্ষা: নেটওয়ার্ক তৈরি করুন, টপোলজি বিশ্লেষণ করুন। ফলাফল: উচ্চ-আত্মবিশ্বাসের লিঙ্কের জন্য জারো-উইঙ্কলার সেরা; জারো বিস্তৃত, কোলাহলপূর্ণ অন্বেষণের জন্য ভাল। সমস্যা স্বীকৃতি থেকে পদ্ধতিগত তুলনা হয়ে কার্যকরী নির্দেশনার দিকে প্রবাহটি স্পষ্ট এবং আকর্ষক।
শক্তি ও ত্রুটি: প্রধান শক্তি হল একটি সফটওয়্যার ইঞ্জিনিয়ারিং সমস্যায় নেটওয়ার্ক বিজ্ঞান কৌশল প্রয়োগ, সার্ভিস সম্পর্কের উপর একটি পরিমাণগত, কাঠামোগত লেন্স প্রদান। বাস্তব-বিশ্বের WSDL ফাইল ব্যবহার গবেষণাকে ব্যবহারিকতায় ভিত্তি দেয়। যাইহোক, একটি উল্লেখযোগ্য ত্রুটি হল বৈধতার জন্য একটি পরিমাণগত গ্রাউন্ড ট্রুথ-এর অভাব। আমরা কীভাবে জানব যে নেটওয়ার্কের একটি সংযোগ "উপযুক্ত"? মূল্যায়ন আংশিকভাবে স্বজ্ঞাত বলে মনে হয়। পরিচিত, বৈধ সার্ভিস কম্পোজিশনের একটি বেঞ্চমার্কের বিরুদ্ধে নেটওয়ার্কগুলি মূল্যায়ন করে বা নেটওয়ার্কগুলিকে একটি কম্পোজিশন প্রস্তাবক চালিত করতে ব্যবহার করে এবং এর নির্ভুলতা পরিমাপ করে অধ্যয়নটি ব্যাপকভাবে শক্তিশালী হবে, যেমন সামাজিক নেটওয়ার্ক বিশ্লেষণে লিঙ্ক ভবিষ্যদ্বাণী মূল্যায়ন করা হয়।
কার্যকরী অন্তর্দৃষ্টি: অনুশীলনকারীদের জন্য, বার্তাটি স্পষ্ট: জারো-উইঙ্কলার দিয়ে শুরু করুন। আপনি যদি একটি সার্ভিস রেজিস্ট্রি বা একটি প্রস্তাবনা সিস্টেম তৈরি করছেন এবং অত্যন্ত অনুরূপ সার্ভিস খুঁজে বের করতে চান (যেমন, ডুপ্লিকেশন অপসারণ বা উচ্চ-নির্ভুলতা প্রস্তাবনার জন্য), একটি উচ্চ থ্রেশহোল্ড সহ জারো-উইঙ্কলার বাস্তবায়ন করুন। অন্বেষণমূলক কাজের জন্য, যেমন ডোমেন জুড়ে সম্ভাব্য সম্পর্কিত সার্ভিস আবিষ্কার করা, একটি কম থ্রেশহোল্ড সহ জারো মেট্রিক ব্যবহার করুন। গবেষণাটি একটি বহু-মেট্রিক কৌশল-এর জন্যও অন্তর্নিহিতভাবে সমর্থন করে: আবিষ্কার পাইপলাইনের বিভিন্ন পর্যায়ে বিভিন্ন মেট্রিক ব্যবহার করুন। তদুপরি, এই কাজটি একটি সার্ভিস ইকোসিস্টেমকে একটি গ্রাফ হিসাবে বিবেচনা করার ভিত্তি স্থাপন করে—একটি দৃষ্টিভঙ্গি যা আধুনিক DevOps এবং প্ল্যাটফর্ম ইঞ্জিনিয়ারিংয়ের জন্য মৌলিক, যেমন Spotify-এর Backstage-এর মতো টুলের উত্থানে দেখা যায়, যা একটি গ্রাফ হিসাবে মডেল করা একটি সফটওয়্যার ক্যাটালগ ব্যবহার করে। পরবর্তী যৌক্তিক পদক্ষেপ হল এই ধরনের ডেভেলপার পোর্টালে এই সিনট্যাকটিক সাদৃশ্য প্রান্তগুলিকে একীভূত করা স্বয়ংক্রিয়ভাবে নির্ভরতা এবং কম্পোজিশন প্রস্তাব করার জন্য।