Ο σχεδιασμός και η αξιολόγηση στρατηγικών τοποθέτησης μικρο-υπηρεσιών(microservices) σε cloud υποδομές είναι κρίσιμα για τη βελτιστοποίηση της χρήσης των πόρων, τη μείωση των λειτουργικών εξόδων και τη διασφάλιση υψηλής απόδοσης. Αυτή η διατριβή εξετάζει το πρόβλημα της τοποθέτησης Υπηρεσιών σε Cloud περιβάλλοντα, με στόχο τη βελτίωση της κατανομής των πόρων και την ελαχιστοποίηση της εξαγόμενης κίνησης (egress traffic). Η τοποθέτηση Υπηρεσιών μοντελοποιείται ως ένα πρόβλημα ομαδοποίησης κόμβων ενός γράφου, και διερευνόνται διάφοροι αλγόριθμοι ομαδοποίησης—συγκεκριμένα οι Affinity Propagation, Maximum Standard Deviation Reduction (MSDR) και Markov Clustering—τόσο μεμονωμένα όσο και σε συνδυασμό με μια στρατηγική τοποθέτησης ονόματι Heuristic Packing ένα είδος Bin Packing αλγορίθμου, για την ανάπτυξη αποδοτικών λύσεων τοποθέτησης υπηρεσιών.Η μελέτη βασίζεται σε δύο εφαρμογές αναφοράς βασισμένων σε microservices, το iXen (πρωτότυπο IoT) και το Online Boutique (πλατφόρμα ηλεκτρονικού εμπορίου), οι οποίες έχουν αναπτυχθεί σε Kubernetes clusters στο Google Cloud. Μέσω φόρτισης του συστήματος (load stressing), αξιολογούνται κριτήρια όπως η απόδοση των διαφορετικών στρατηγικών τοποθέτησης ως προς τη χρήση των κόμβων, τη μείωση της εξαγόμενης κίνησης, το χρόνο εκτέλεσής τους στην λήψη απόφασης και η οικονομική αποδοτικότητα. Τα αποτελέσματά δείχνουν ότι ο Affinity Propagation αλγόριθμος σε συνδυασμό με Heuristic Packing και ο Maximum Standard Deviation Reduction σε συνδυασμό με Heuristic Packing ξεπερνούν σταθερά άλλες στρατηγικές, προσφέροντας χαμηλή χρήση πόρων, μειωμένη εξαγόμενη κίνηση και ελάχιστα κόστη συνολικά.Τα ευρήματα υποδεικνύουν ότι, ενώ ο Affinity Propagation προσφέρει ταχεία εκτέλεση, καθιστώντας τον κατάλληλο για δυναμικά περιβάλλοντα, ο MSDR προσφέρει ανώτερη βελτιστοποίηση μακροπρόθεσμα εις βάρος του χρόνου εκτέλεσης. Αυτές οι στρατηγικές συνιστώνται για εφαρμογές με υψηλή επικοινωνία μεταξύ των υπηρεσιών και μεταβαλλόμενα φορτία κίνησης. Αυτή η εργασία συνεισφέρει στον τομέα προσφέροντας γνώση σχετικά με την εφαρμογή αλγορίθμων ομαδοποίησης για την τοποθέτηση microservices και προτείνει μελλοντικές κατευθύνσεις για την ενσωμάτωση τεχνητής νοημοσύνης και προσαρμοστικών στρατηγικών, με στόχο την περαιτέρω βελτιστοποίηση της τοποθέτησης υπηρεσιών σε cloud υποδομές.