关键词predictive autoscaling
搜索结果 - 2
- 预测性自动缩放中的持续学习
在动态云环境中,使用预测自动缩放来预测服务器的工作负载,并提前准备资源以确保服务水平目标(SLOs)。然而,在实践中,由于外部事件(例如销售促销活动和应用程序重新配置)导致的异常流量,其预测任务通常会遭受性能下降的影响。针对这个问题,我们提 - KDD云中基于元强化学习方法的预测自动伸缩
本研究提出了一种基于端对端预测元模型的强化学习算法,通过神经过程的指导,将计算资源优化分配到应用程序服务中,以维持稳定的 CPU 利用水平,以应对动态变化的工作负载。该算法不仅确保了扩展策略的可预测性和准确性,还能够在高样本效率下自适应地适