← 算法与模型总览

用途与适用负载

先计算滚动最大值包络,再用稳健斜率外推,关注高水位而非平均值。适合内存锯齿、缓存增长等形态。

历史数据与运行条件

至少 envelope_window_steps + 10 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。

参数说明

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
envelope_window_steps
int
30
≥ 2; ≤ 100000; steps
滚动最大值的窗口(步数):要大于一个锯齿的周期(一次 GC 或缓存淘汰的间隔),否则包络还是锯齿。
fit_steps
int
0
≥ 0; steps
只拟合包络最近的这么多步;0 = 全部。负载的增长速度变过时用它只看最近的趋势。
allow_decline
bool
false
无额外范围限制
是否允许预测下降:false(默认)= 下降的斜率按平处理,预测不低于当前包络,用于防 OOM;true = 照直线走,也可能低于当前峰值。
safety_margin
float
0
≥ 0; ≤ 5
安全边际:结果再乘 (1+边际)。

配置示例

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
{
  "envelope_window_steps": 30,
  "fit_steps": 180,
  "allow_decline": false,
  "safety_margin": 0.1
}

调参与取舍

包络窗口应大于一次 GC 或缓存淘汰周期。fit_steps 限制拟合的近期范围;allow_decline 默认关闭,防止下降斜率把预测压到当前包络以下。

通用参数:变化重置与分位校准

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。

在模块中使用

  1. 保存参数,检查历史窗口、采样步长和预测范围。
  2. 打开模块的“启用预测”;固定算法只运行指定方法,动态算法使用平台已启用的方法。
  3. 先运行滚动回测,通过版本晋升后才会采用;修改影响模型版本的参数后重新回测。
  4. 在仅观察或仅推荐下检查误差、峰值低估、耗时与采用原因,再分别授权准入和副本执行。

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。

回测与效果评估 · 推荐与前瞻决策