Auto-scaling containerized cloud applications: A workload-driven approach
文章目录
Personal Summary
该方法不在直接预测资源,首先 基于K-Means算法判断资源扩缩所处的那个阶段【高增长与高缩小,稳定增长与缩小,缓慢增长与缩小】,然后通过使用CNN来对时间序列做出预测,最后基于预测的结果来对资源做出调整。文章使用了间接的方法来做出预测,即先通过聚类方法判断扩缩的阶段,再通过另一个指标来做出扩缩,读者认为这种方法规避了直接预测时间序列延后性的问题。
本文是基于阈值来被动和主动结合做出调整
- 被动方法 - 即达上升或者下降幅度到某个阈值 ( u p p e r / l o w ) t h r e s h o l d (upper/low)threshold (upper/low)threshold下触发调整策略,文章在调整策略上设置一个参数 S v Sv Svz
- 主动方法 - 通过CNN先做出时间序列的预测,得到预测曲线后,根据window length大小和预测的时间长度 p r e d i c t i o n − s i z e prediction-size prediction−size将预测的序列分割为