DeepScaler：基于时空图神经网络与自适应图学习的微服务整体自动扩缩容
软件工程
2023-09-06 v1
摘要
自动扩缩容函数为现代云计算范式实现弹性提供了基础。它能够在无需人工干预的情况下，为云软件服务和应用动态配置或释放资源，以适应工作负载波动。然而，微服务自动扩缩容由于多种因素而具有挑战性。特别是复杂、时变的服务依赖关系难以准确量化，并在分配资源时可能导致级联效应。本文提出 DeepScaler，一种基于深度学习的微服务整体自动扩缩容方法，侧重于应对服务依赖关系以优化服务级别协议（SLA）保障与成本效率。DeepScaler 采用（i）基于期望最大化的学习方法自适应生成揭示服务依赖关系的亲和度矩阵，以及（ii）基于注意力的图卷积网络，通过聚合图结构数据的邻居信息来提取微服务的时空特征。因此 DeepScaler 能够捕获更多潜在服务依赖关系，并准确估计动态工作负载下所有服务的资源需求。它使 DeepScaler 能够在一次资源调配操作中同时重新配置交互服务的资源，避免由服务依赖引起的级联效应。实验结果表明，我们的方法实现了更有效的微服务自动扩缩容机制，不仅能准确分配资源，还能适应依赖关系变化，以更低成本将 SLA 违规平均显著降低 41%。
引用
@article{arxiv.2309.00859,
title = {DeepScaler: Holistic Autoscaling for Microservices Based on Spatiotemporal GNN with Adaptive Graph Learning},
author = {Chunyang Meng and Shijie Song and Haogang Tong and Maolin Pan and Yang Yu},
journal= {arXiv preprint arXiv:2309.00859},
year = {2023}
}
备注
To be published in the 38th IEEE/ACM International Conference on Automated Software Engineering (ASE 2023)