Анализ данных для планирования мощностей вычислительных ресурсов#

Контекст#

В современных облачных и контейнеризированных системах, основанных на Kubernetes, возникает необходимость точного прогнозирования будущих значений метрик для эффективного планирования выделения ресурсов и предотвращения перегрузок.

Компании могут сталкиваться с задачей прогнозирования будущих значений метрик для принятия обоснованных решений о расширении емкости инфраструктуры до наступления пиковых нагрузок.

Особую актуальность это приобретает в средах, где одновременно работают десятки или сотни микросервисов с различным характером нагрузки, а также при планировании расширения емкости инфраструктуры. Традиционные подходы, основанные на экспертной оценке или статических коэффициентах, приводят к избыточному выделению ресурсов или, наоборот, к рискам нехватки мощностей.

Проблема#

Отсутствие механизма прогнозирования будущих значений метрик приводит к следующим проблемам:

• Ручной анализ исторических метрик и прогнозирование будущих значений требует времени, усилий и высокой квалификации специалистов.

• Нехватка ресурсов для планирования приводит к неоправданным затратам на инфраструктуру.

Решение#

Для решения вышеуказанных проблем предлагается использовать паттерн анализа данных для планирования мощностей вычислительных ресурсов с помощью компонента PREM (Metrics Predictor).

Необходимое решение:

1. Использование сервиса компонента PREM, который прогнозирует будущие значения метрик на основе исторических данных. Сервис позволяет прогнозировать на длительное время с детерминированной периодичностью (ежедневно или еженедельно).

2. Применение методов временных рядов, которые позволяют получить прогнозы будущих значений метрик.

3. Для обеспечения надежности и избежания дефицита ресурсов рекомендуется выбирать максимальную утилизацию за анализируемый период и учитывать этот показатель при планировании емкости на год вперед, с учетом роста нагрузки и сезонных колебаний.