Enterprise thrives on software applications that are built to fulfil the core business requirements. A single business application can offer a cluster of capabilities to generate value from processing huge amount of data often termed as Big Data. The time-based requirements of these applications are satisfied frequently by applying monolithic approaches with increased complexity and less scalability. Traditional approaches for Big Data Analytics suffer from overpriced, excessive and irrelevant data transfer owing to the constricted coupling amongst computing resources and data processing logic. Service-oriented approach came into existence as a new paradigm to enable applications to be rendered as service for better flexibility and scalability. Service orientation architecture avoids monolithic style but web services, one of its major implementation encourages monolith development of software application. Thus building a scalable, robust, resilient, cost-effective and optimum solution is one of the major requirements for outsized data. New software development style Microservices offer low degree of coupling and smaller size. This work reviews the existing and prevalent approaches like monolithic architecture in this area along with their drawbacks. This work also proposes a generic microservice model µBIGMSA for handling Knowledge Discovery in Big Data. Reference applications are implemented using proposed model. The effectiveness of the proposed model is evaluated by comparing the reference application with the monolithic application using various software metrics.

企业依靠为满足核心业务需求而构建的软件应用程序而蓬勃发展。单个业务应用程序可以提供一系列功能，以通过处理通常称为大数据的大量数据来产生价值。通过应用具有增加的复杂性和较小的可伸缩性的整体方法，可以经常满足这些应用程序的基于时间的要求。由于计算资源和数据处理逻辑之间的耦合受限，传统的大数据分析方法遭受了定价过高，过多和不相关的数据传输。面向服务的方法作为一种新范例而应运而生，它使应用程序可以作为服务呈现，从而具有更好的灵活性和可伸缩性。面向服务的体系结构避免了整体风格，但Web服务，它的主要实现之一鼓励整体开发软件应用程序。因此，构建可扩展，健壮，有弹性，具有成本效益的最佳解决方案是大型数据的主要要求之一。新的软件开发风格的微服务提供了较低的耦合度和较小的尺寸。这项工作回顾了该领域中现有的和普遍的方法，例如整体式体系结构及其缺点。这项工作还提出了用于处理大数据知识发现的通用微服务模型µBIGMSA。参考应用程序使用建议的模型实现。通过使用各种软件指标将参考应用程序与整体应用程序进行比较，可以评估所提出模型的有效性。弹性，成本效益和最佳解决方案是超大数据的主要要求之一。新的软件开发风格的微服务提供了较低的耦合度和较小的尺寸。这项工作回顾了该领域中现有的和普遍的方法，例如整体式体系结构及其缺点。这项工作还提出了用于处理大数据知识发现的通用微服务模型µBIGMSA。参考应用程序使用建议的模型实现。通过使用各种软件指标将参考应用程序与整体应用程序进行比较，可以评估所提出模型的有效性。弹性，成本效益和最佳解决方案是超大数据的主要要求之一。新的软件开发风格的微服务提供了较低的耦合度和较小的尺寸。这项工作回顾了该领域中现有的和普遍的方法，例如整体式体系结构及其缺点。这项工作还提出了用于处理大数据知识发现的通用微服务模型µBIGMSA。参考应用程序使用建议的模型实现。通过使用各种软件指标将参考应用程序与整体应用程序进行比较，可以评估所提出模型的有效性。这项工作回顾了该领域中现有的和普遍的方法，例如整体式体系结构及其缺点。这项工作还提出了用于处理大数据知识发现的通用微服务模型µBIGMSA。参考应用程序使用建议的模型实现。通过使用各种软件指标将参考应用程序与整体应用程序进行比较，可以评估所提出模型的有效性。这项工作回顾了该领域中现有的和普遍的方法，例如整体式体系结构及其缺点。这项工作还提出了用于处理大数据知识发现的通用微服务模型µBIGMSA。参考应用程序使用建议的模型实现。通过使用各种软件指标将参考应用程序与整体应用程序进行比较，可以评估所提出模型的有效性。