近日，阿里云容器服务团队与达摩院数据决策团队合作的论文《RobustScaler: QoS-Aware Autoscaling for Complex Workloads》被数据管理与数据库国际顶级会议 ICDE 2022 长文录用。ICDE 和 SIGMOD、VLDB 并称为数据库领域的三大国际顶尖学术会议，入选中国计算机学会（CCF）推荐 A 类国际会议列表。

阿里云容器服务 ACK 管理着海量的 Kubernetes 集群，在集群管理、集群运维等领域积累了丰富的经验，并构建了智能运维平台 CIS(Container Intelligence Service)，旨在通过智能化手段解决运维难题。达摩院数据决策团队在时间序列分析/预测/异常监测/AIOps 方向深耕多年，数十篇文章发表在 KDD, SIGMOD, ICDE, AAAI 等顶会和多篇中美专利，获得 2022 ICASSP AIOps Challenge 冠军等多个国际奖项。

如今，企业业务流量往往呈现出明显的波峰、波谷形态，如果采用固定实例数会存在极大的资源浪费。为应用配置弹性伸缩是提升资源利用率的有效方式。Kubernetes 中现有的弹性伸缩策略如 HPA、CronHPA 等都存在弹性触发滞后的问题，导致应用的服务质量下降。如何在保证应用服务质量的前提下，根据应用的历史数据，基于时序算法提前进行扩缩容呢？

为解决该问题，我们在论文中提出了一种基于非齐次柏松过程（NHPP）和随机约束优化的智能弹性框架 RobustScaler。此外，研发了一种专门的交替方向乘子法 (ADMM)  来有效地训练 NHPP 模型，并证明了基于优化的主动策略可以保证应用的服务质量。 大量实验表明，RobustScaler 在各种实际场景中优于常见的自动伸缩策略，并且在具有复杂周期性的应用中也表现优异。

RobustScaler 算法已经应用于智能运维平台 CIS 的 AHPA 组件中。智能运维平台 CIS 由异常发现、异常定位、异常修复、异常预测四大模块组成，包含定时巡检、网络诊断、运行时诊断、CVE 漏洞修复、应用配置优化等众多功能。AHPA 是 CIS 的核心组件之一，组件架构如下图所示，AHPA 弹性策略可分为主动预测和被动预测。主动预测从历史数据中识别周期性趋势，主动预测下个周期应用的实例数量；被动预测基于应用实时数据设定实例数量，可以很好的应对突发流量。此外，AHPA 还增加了兜底保护策略，用户可以设置实例数量的上下界。AHPA 算法中最终生效的实例数是主动预测、被动预测及兜底策略中的最大值。

AHPA 组件正在公测中，点击申请白名单^[1]，欢迎大家试用并提宝贵意见。