Holt-Winters · 趋势与季节 | kube-res-foresight

用途与适用负载

分离水平、趋势和季节变化。支持加性或乘性季节，以及阻尼趋势，适合有周期且水平缓慢变化的负载。

有季节项时至少两个完整周期；没有季节项时至少 4 个点。

输入应是等间隔、无缺口且数值有限的序列。输出保留输入指标单位，例如 CPU 核、内存字节或每秒请求数；采样步长决定步数对应的真实时间。最低样本数仅表示可运行，不代表预测可靠。

此方法不使用协变量；分别预测各目标指标。

窄屏可左右滑动参数表，查看完整说明。

参数 / 类型	默认值 / 范围 / 单位	含义与使用
`season_length_steps` int	0 ≥ 0; steps	周期长度（步数）；0 表示不含季节项，启用季节项需要至少两个完整周期。
`trend` bool	true 无额外范围限制	是否包含趋势项。
`damped` bool	false 无额外范围限制	趋势是否阻尼，避免长 horizon 无限外推。
`alpha` float	0 ≥ 0; ≤ 1	水平平滑系数；0 = 自动选择。
`beta` float	0 ≥ 0; ≤ 1	趋势平滑系数；0 = 自动选择。
`gamma` float	0 ≥ 0; ≤ 1	季节平滑系数；0 = 自动选择。
`seasonal_mode` string	"additive" additive / multiplicative	季节形式：additive = 每个季节位置加一个固定量；multiplicative = 按比例放大缩小（负载越高日内波动越大的资源用它）。乘性要求历史严格大于 0，触到 0 的序列会被拒绝，请改用加性。
`damping_phi` float	0.98 ≥ 0.8; ≤ 1	趋势阻尼系数，仅 damped=true 时使用；越小趋势衰减越快，1 = 不阻尼。
`non_negative` bool	true 无额外范围限制	预测是否下限取 0：资源量不会为负，加性趋势可能外推到 0 以下。

在“算法管理”编辑参数。以下仅为参数对象，不是 config.yaml 全文；周期示例按 5 分钟采样，需按实际步长调整。未列出的可选参数使用上表默认值。

JSON

{
  "season_length_steps": 288,
  "trend": true,
  "damped": true,
  "seasonal_mode": "additive",
  "damping_phi": 0.98
}

先使用自动平滑系数（0）。需要抑制远期趋势时开启 damped。multiplicative 要求周期至少 2 且历史严格大于 0，含零值时改用 additive。

参数 / 类型	默认值 / 范围 / 单位	含义与使用
`reset_on_change` bool	false 无额外范围限制	水平突变后重置：检测历史里最后一次水平突变（发布、扩缩容、流量切换），只用突变之后的历史预测。关闭时用全部历史（现状）。突变之后至少要有 6 步才会被确认；突变后的历史不够算法所需时，取算法所需的最新一段。
`change_threshold` float	8 ≥ 3; ≤ 50	突变阈值：突变幅度（扣除前一段趋势后）超过噪声的多少倍才算，越大越不容易误报，噪声由相邻步变化的稳健标准差估计。仅 reset_on_change=true 时使用。
`change_min_shift` float	0.2 ≥ 0; ≤ 5	最小突变幅度：突变至少是水平的这个比例（0.2 = 20%），很干净的序列上的微小跳变不算。仅 reset_on_change=true 时使用。
`quantile_level` float	0 ≥ 0; ≤ 0.99	推荐分位数：0 = 点预测（现状）；0.9 等 = 预测「实际值有约 90% 的把握不超过」的线（保形预测：用本算法在这个负载最近几个窗口里的真实误差校准，需要更多历史和时间）。必须大于 0.5。
`calibration_windows` int	8 ≥ 3; ≤ 50	校准窗口数：用最近多少个历史窗口测本算法的误差；越多越稳，也越慢（每个窗口多跑一次预测）。仅推荐分位数大于 0 时使用。

quantile_level 是 0～1 的分位点，percentile 是 1～100 的百分数，二者不是同一参数。分位校准会额外运行历史预测；增加校准窗口前检查历史与运行预算，覆盖率是评估目标而非保证。

历史不足、参数不合法、运行超时或输出无效时，检查算法运行原因；没有合格预测时按模块的固定周期、兜底与保护规则处理。