以工作负载为中心
一个模块描述一个 Kubernetes 工作负载及其预测、资源和执行策略。指标提供输入，算法预测未来变化，推荐把预测和约束转成建议，执行与实测结果再反馈到下一轮评估。
指标接入→预测与评估→资源推荐→受控执行→实际表现
模块、指标与算法
| 概念 | 管理什么 |
|---|---|
| 工作负载模块 | 目标、指标模板、周期、阈值、资源边界、模式和兜底策略。 |
| 指标模板 | 查询和变量、指标含义、单位与聚合范围，在模块中按目标渲染。 |
| 数据集 | 采样、聚合、换算、精度与缺失处理，让历史保持统一口径。 |
| 算法 | 平台级启用、参数、权重、预算和采用门槛，统一作用于模块。 |
| 推荐快照 | 某次计算的资源和副本建议、来源、约束、版本和有效期。 |
四种运行模式
- Observe：采集、预测和比较，不应用资源变更。
- Recommend：审查资源与副本建议，理解决定因素。
- Admission：为新 Pod 应用授权的资源建议。
- Auto：由 Operator 在边界、步长和冷却限制内调整副本。
使用边界
平台面向单集群，不承担跨集群迁移。历史观测、容量估计、未来预测与实际 Ready 容量需要分别阅读。单 Pod 容量估计不能直接视为真实最大承载能力。
同一工作负载只能由一个控制者写副本。准入只处理新 Pod，运行中的资源配置需要新建或滚动更新应用。
模型计算与执行授权分别配置
预测方式回答“建议怎样算”：不预测、固定算法或动态算法。运行模式回答“允许做什么”：仅观察、仅推荐、准入或自动。两者独立配置，因此可以运行模型并比较效果，同时保持集群资源不变。
新模块默认关闭预测。打开后，固定算法只运行指定方法；动态算法使用已启用的方法，并在动态副本决策中形成多算法共识。查看模型与预测方式了解采用规则。