近日，阿里云容器服務團隊與達摩院數據決策團隊合作的論文《RobustScaler: QoS-Aware Autoscaling for Complex Workloads》被數據管理與數據庫國際頂級會議 ICDE 2022 長文錄用。ICDE 和 SIGMOD、VLDB 并稱為數據庫領域的三大國際頂尖學術會議，入選中國計算機學會（CCF）推薦 A 類國際會議列表。

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。達摩院數據決策團隊在時間序列分析/預測/異常監測/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，如果采用固定實例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，根據應用的歷史數據，基于時序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過程（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 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 由異常發現、異常定位、異常修復、異常預測四大模塊組成，包含定時巡檢、網絡診斷、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。主動預測從歷史數據中識別周期性趨勢，主動預測下個周期應用的實例數量；被動預測基于應用實時數據設定實例數量，可以很好的應對突發流量。此外，AHPA 還增加了兜底保護策略，用戶可以設置實例數量的上下界。AHPA 算法中最終生效的實例數是主動預測、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 彈性預測產品文檔詳情。當前 AHPA 已開啟用戶邀測，歡迎感興趣的用戶點擊文檔中“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

總結

以上是生活随笔為你收集整理的阿里云与达摩院合作 AHPA 弹性预测论文被顶会 ICDE 录用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。