STRESS TEST AUTOMATIZZATO DI UN'APPLICAZIONE A MICROSERVIZI SU INFRASTRUTTURE CLOUD ETEROGENEE

La presente tesi descrive la progettazione e l'esecuzione di uno stress test automatizzato su un'applicazione a microservizi distribuita su infrastrutture cloud eterogenee. L'applicazione utilizzata come caso di studio è Google Online Boutique, un'architettura composta da dodici microservizi che comunicano tramite protocollo gRPC, sviluppata da Google per dimostrare le caratteristiche del modello a microservizi in ambiente cloud-native. L'intera pipeline sperimentale è stata automatizzata tramite Terraform per il provisioning di tre cluster Kubernetes managed — Amazon EKS, Google GKE e Microsoft AKS — ciascuno composto da cinque nodi worker con specifiche hardware equivalenti, garantendo la parità ambientale di partenza. Il traffico sintetico è stato generato dal microservizio loadgenerator, basato sul framework Locust, configurato per simulare flussi realistici di navigazione, aggiunta al carrello e checkout. Il monitoraggio full-stack è stato affidato alla piattaforma Dynatrace, integrata tramite Operator Kubernetes in modalità classicFullStack, che ha permesso la raccolta di metriche infrastrutturali e applicative per l'intera durata dell'esperimento. Lo stress test ha permesso di osservare il comportamento delle tre infrastrutture sotto carico prolungato, documentando fenomeni quali la saturazione logica delle risorse (CPU Requests Commitment), gli eventi di terminazione forzata dei container da parte del kernel (OOMKill), la degradazione del throughput gRPC sui microservizi CurrencyService e PaymentService, e l'impatto ambientale dell'infrastruttura stimato tramite il modello Davis AI Carbon Impact di Dynatrace. I dati raccolti durante il processo di osservazione vengono presentati come evidenze esperienziali di interesse professionale, utili a comprendere quali variabili emergono in questo tipo di sperimentazione e come si manifestano negli strumenti di osservabilità adottati.