ARCHI 微服务识别需求到架构数据集
数据集简介
从需求到微服务架构的配对设计
ARCHI 数据集的核心思路是把自然语言软件需求与服务级参考架构成对组织,使研究者能够评测系统从需求文本推导微服务划分的能力。需求侧由系统描述与编号用户故事构成,架构侧则以参考服务组及其相互关系表达。v2 版本在 v1.0.0(8 个项目)基础上扩展为 16 个精选学生项目,并新增一组开源微服务系统,形成学生项目与真实系统并存的评测素材。
学生项目子集的组织方式
student_projects/ 下每个项目文件夹包含三类文件:
input.txt:系统描述与编号用户故事,是评测时唯一应提供给被测系统的输入;Student_Doc.md:学生原始设计文档,16 份文档合计约 46,000 词;DataMetrics.json:参考服务组列表,每组含set_id、set_name、所含user_stories、与其他组的links,以及表示该组是否需要持久化的db标志。
该子集整体规模为 438 条用户故事、107 个参考服务组、137 条组间链接,其中 87 个服务组需要独立的数据存储。
开源微服务系统子集
open_source_projects/ 收录六个公开微服务系统:HipsterShop、RideShare、ServiceBoutique、SockShop、TeaStore 与 TrainTicket。每个文件夹含 input.txt(14–24 条用户故事)、input_old.txt 以及 <System>_endpoints.csv 端点清单。端点由源仓库静态提取,六个系统合计 103 条用户故事与 1,107 条 REST 端点记录。端点 CSV 的列结构因系统实现语言而异:Java 系统为 (method, path, file),其他系统为 (path_or_url, file, line, text)。
五项基准任务
数据集面向从需求推导微服务架构的评测,覆盖五类任务:服务识别、依赖预测、持久化分配、数据模式选择(Saga、CQRS、API Composition、Event Sourcing)与端点接地(endpoint grounding)。评测时仅 input.txt 应交给被测系统,参考架构与端点清单用于评分。评分代码、提示与基线输出托管在 GitHub 仓库 IlKaiser/ArchiLLM。
使用限制与伦理处理
学生材料经团队同意后发布,已移除姓名、联系方式、仓库 URL 与成绩等可识别信息;开源系统部分仅提供派生元数据,不重新分发源代码。使用时应遵循上述边界,不尝试从数据中反向识别学生身份,也不将派生元数据视为源系统的完整替代。
相关论文与引用
该数据集由罗马大学(Sapienza University of Rome)MSc 课程 Software Engineering – Laboratory of Advanced Programming 的教学实践衍生,相关论文由 Calamo 等作者在 ICSOC 2025 Workshops 发表。正式引用请参照论文《ARCHI Dataset: a requirements-to-architecture dataset for microservice identification》。数据集记录页为 https://zenodo.org/records/23242968,发布日期为 2026-10-08。