AI Dictionary › Fondamenti AI
Microservizi
Microservices are an architectural style in which an application is composed of many small, independent services, each responsible for a single business capability: catalog, payments, notifications. Each service is developed, tested, deployed and scaled on its own. It is the alternative to the monolith, the single application where everything is intertwined.
Microservices are an architectural style in which an application is composed of many small, independent services, each responsible for a single business capability: catalog, payments, notifications. Each service is developed, tested, deployed and scaled on its own. It is the alternative to the monolith, the single application where everything is intertwined.
Services communicate through APIs (typically HTTP/REST or gRPC) or asynchronous messages over queues and event buses. Each owns its data and can use the language and database best suited to its job. The price is distributed complexity: you need service discovery, observability, partial failure handling and a mature DevOps culture. Hence the practical rule: monolith until it hurts, microservices when the organization demands it.
In AI, platforms are almost always microservices: one service for inference, one for retrieval, one for guardrails, one for agent orchestration, each scaling separately (inference GPUs scale differently from the vector database). Beyond AI, Netflix and Amazon are the textbook cases of the monolith-to-services transition.
The term solidified between 2011 and 2012, when a group of software architects at a workshop near Venice used microservice to describe the style they were observing in the field. The canonical definition arrived in 2014 with the article by James Lewis and Martin Fowler, which fixed its characteristics and boundaries, turning an emerging practice into the dominant architecture of the cloud decade.
I microservizi sono uno stile architetturale in cui un'applicazione è composta da tanti servizi piccoli e indipendenti, ognuno responsabile di una singola capacità di business: catalogo, pagamenti, notifiche. Ogni servizio si sviluppa, si testa, si distribuisce e si scala per conto proprio. È l'alternativa al monolite, l'applicazione unica in cui tutto è intrecciato.
I servizi comunicano tramite API (tipicamente HTTP/REST o gRPC) o messaggi asincroni su code ed event bus. Ognuno possiede i propri dati e può usare il linguaggio e il database più adatti al suo compito. Il prezzo è la complessità distribuita: servono service discovery, osservabilità, gestione dei guasti parziali e una cultura DevOps matura. Per questo la regola pratica è: monolite finché basta, microservizi quando l'organizzazione lo richiede.
Nell'AI le piattaforme sono quasi sempre a microservizi: un servizio per l'inferenza, uno per il retrieval, uno per i guardrail, uno per l'orchestrazione degli agenti, ognuno scalabile separatamente (le GPU dell'inferenza scalano in modo diverso dal database vettoriale). Fuori dall'AI, Netflix e Amazon sono i casi di scuola della transizione dal monolite ai servizi.
Il termine si consolidò tra il 2011 e il 2012, quando un gruppo di architetti software a un workshop nei pressi di Venezia usò microservice per descrivere lo stile che stavano osservando sul campo. La definizione canonica arrivò nel 2014 con l'articolo di James Lewis e Martin Fowler, che ne fissò caratteristiche e confini, trasformando una pratica emergente nell'architettura dominante del decennio cloud.
From our network
AGORÀ Intelligence — Enterprise AI Governance Platform
Govern AI at scale: policies, adoption and measurable results on your data. Built for boards and C-suite.
Visit agora-intelligence.com →From the Agora Intelligence blog
📱 Download the Android app (beta) iOS coming soon
Say what you mean. Get what you need.
Grace Certified — the AI coach that trains and certifies your prompt engineering — by Agora Intelligence.