面向微服务的时空感知自适应弹性伸缩框架——STaleX

虽然云环境和自动弹性伸缩解决方案已广泛应用于传统单体式应用，但在针对微服务架构时面临显著局限。微服务因其动态时空特性而引入额外挑战，需更高效、专门化的弹性伸缩策略。针对整个微服务应用进行集中式弹性伸缩已不足够，因为链中的每个服务都具有不同的规格和性能需求。因此，每个服务都需要独立的专用弹性伸缩器以有效应对其独特的扩缩需求，同时考虑与链中其他服务的依赖关系以及整体应用。本文结合控制理论、机器学习和启发式方法，提出一种自适应弹性伸缩框架——STaleX，集成时空特征，实现实时资源调整以最小化 SLO 违规。STaleX 为每个服务部署加权比例-积分-微分（PID）控制器，权重由集成时空特征的监督单元动态调整。该监督单元持续监控和调整各服务的权重及资源分配。框架考虑空间特征，包括服务规格和服务间依赖关系，以及工作负载的时变特性，确保资源分配持续优化。通过在 Kubernetes 集群上部署的微服务演示应用实验，证明该框架在降低成本方面优于传统扩缩方法（如 Kubernetes 横向 pod 自动伸缩 HPA），实现约 26.9% 的资源使用降低。