近日，阿里云容器服務團隊與達摩院資料決策團隊合作的論文《RobustScaler: QoS-Aware Autoscaling for Complex Workloads》被資料管理與資料庫國際頂級會議 ICDE 2022 長文錄用，ICDE 和 SIGMOD、VLDB 并稱為資料庫領域的三大國際頂尖學識訓議，入選中國計算機學會（CCF）推薦 A 類國際會議串列，
阿里云容器服務 ACK 管理著海量的 Kubernetes 集群，在集群管理、集群運維等領域積累了豐富的經驗，并構建了智能運維平臺 CIS(Container Intelligence Service)，旨在通過智能化手段解決運維難題，達摩院資料決策團隊在時間序列分析/預測/例外監測/AIOps 方向深耕多年，數十篇文章發表在 KDD, SIGMOD, ICDE, AAAI 等頂會和多篇中美專利，獲得 2022 ICASSP AIOps Challenge 冠軍等多個國際獎項，
如今，企業業務流量往往呈現出明顯的波峰、波谷形態，如果采用固定實體數會存在極大的資源浪費，為應用配置彈性伸縮是提升資源利用率的有效方式，
Kubernetes 中現有的彈性伸縮策略如 HPA、CronHPA 等都存在彈性觸發滯后的問題，導致應用的服務質量下降，如何在保證應用服務質量的前提下，根據應用的歷史資料，基于時序演算法提前進行擴縮容呢？
為解決該問題，我們在論文中提出了一種基于非齊次柏松程序（NHPP）和隨機約束優化的智能彈性框架 RobustScaler，此外，研發了一種專門的交替方向乘子法 (ADMM) 來有效地訓練 NHPP 模型，并證明了基于優化的主動策略可以保證應用的服務質量， 大量實驗表明，RobustScaler 在各種實際場景中優于常見的自動伸縮策略，并且在具有復雜周期性的應用中也表現優異，
RobustScaler 演算法已經應用于智能運維平臺 CIS 的 AHPA 組件中，智能運維平臺 CIS 由例外發現、例外定位、例外修復、例外預測四大模塊組成，包含定時巡檢、網路診斷、運行時診斷、CVE 漏洞修復、應用配置優化等眾多功能，AHPA 是 CIS 的核心組件之一，組件架構如下圖所示，AHPA 彈性策略可分為主動預測和被動預測，主動預測從歷史資料中識別周期性趨勢，主動預測下個周期應用的實體數量；被動預測基于應用實時資料設定實體數量，可以很好的應對突發流量，此外，AHPA 還增加了兜底保護策略，用戶可以設定實體數量的上下界，AHPA 演算法中最終生效的實體數是主動預測、被動預測及兜底策略中的最大值，
AHPA 組件正在公測中，點擊申請白名單[1]，歡迎大家試用并提寶貴意見，
點擊此處查看阿里云容器服務 AHPA 彈性預測產品檔案詳情，當前 AHPA 已開啟用戶邀測，歡迎感興趣的用戶點擊檔案中“提交工單”位置申請白名單，期待您的試用及反饋，
相關鏈接
[1]申請白名單https://help.aliyun.com/document_detail/412229.html
發布云原生技術最新資訊、匯集云原生技術最全內容，定期舉辦云原生活動、直播，阿里產品及用戶最佳實踐發布，與你并肩探索云原生技術點滴，分享你需要的云原生內容，
關注【阿里巴巴云原生】公眾號，獲取更多云原生實時資訊！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/455522.html
標籤：其他
上一篇：Qt 實作配置 OpenCV 環境，并實作打開圖片與呼叫攝像頭
下一篇：訊息中間件MQ的學習境界和路線