MSTL · 多重季节分解 | kube-res-foresight

用途与适用负载

同时分离日、周季节形状，对去季节后的序列使用 Theta。本项目采用固定季节形状的迭代分解，不是随时间变化的 LOESS 分解。

至少最长周期的两倍。5 分钟采样的日周期需要 576 点；加周周期后需要 4032 点，即两周。

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
`daily_season_steps` int	必填，无默认值 ≥ 2; steps	一天的步数 = 86400 / 步长秒数（1 分钟一步是 1440，5 分钟一步是 288）。
`weekly_season_steps` int	0 ≥ 0; steps	一周的步数 = 7 × 一天的步数；0 = 只做日季节。必须大于一天的步数。启用周季节至少需要两周历史。

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

{
  "daily_season_steps": 288,
  "weekly_season_steps": 2016
}

先配置 daily_season_steps。weekly_season_steps=0 只做日季节；启用周季节时必须大于日周期，历史不足会跳过而非补齐。

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。