一体通用：面向动态多租户边缘云平台的统一工作负载预测

多租户边缘云平台（MT-ECP）中的工作负载预测对于高效的应用部署和资源供给至关重要。然而，MT-ECP中异构的应用模式、多变的基础设施性能以及频繁的部署，给准确高效的工作负载预测带来了重大挑战。基于聚类的动态MT-ECP建模方法常因需维护大量数据簇和模型而产生过高成本。现有的端到端时间序列预测方法难以在动态MT-ECP中提供一致的预测性能。本文中，我们提出一种带全局池化和静态内容感知的端到端框架DynEformer，为动态MT-ECP提供统一的工作负载预测方案。精心设计的全局池化和信息融合机制能有效识别并利用全局应用模式来驱动局部工作负载预测。静态内容感知机制的集成增强了模型在真实场景中的鲁棒性。通过在五个真实世界数据集上的实验，DynEformer在MT-ECP的动态场景中达到了最先进水平，并为MT-ECP提供了统一的端到端预测方案。