容量保障核心技术与实战
吴骏龙
前阿里巴巴本地生活P8高级专家
新⼈⾸单¥55
825 人已学习
课程目录
已更新 10 讲 / 共 17 讲
0/2登录后,你可以任选2讲全文学习。
开篇词 (1讲)
开篇词 | 互联网时代,人人肩负容量保障的职责
免费
基础篇 (4讲)
01 | 容量保障的目标:容量保障的目标是什么?该如何度量?
02 | 容量测试与验证:怎样科学实施容量测试?
03 | 容量指标分析经典5问:响应时间真的是越短越好吗?
04 | 容量治理的三板斧:扩容、限流与降级
进阶篇 (5讲)
05 | 全链路压测:系统整体容量保障的“核武器”(上)
06 | 全链路压测:系统整体容量保障的“核武器”(下)
07 | 工具进化:如何实现一个分布式压测平台
08 | 容量预测(上):第三只眼,通过AI预测服务容量瓶颈
09 | 容量预测(下):为不同服务“画像”,提升容量预测准确性
容量保障核心技术与实战
15
15
1.0x
00:00/00:00
登录|注册

09 | 容量预测(下):为不同服务“画像”,提升容量预测准确性

吴骏龙 2021-05-31
你好,我是吴骏龙。
在容量预测的上篇中,我介绍了容量预测的基本过程和方法,在课后讨论环节也出了一道题目供你思考,你都学会了吗?掌握了这些基础知识后,在这一讲我们继续讨论容量预测中的一些进阶问题,这些问题都是我在实践中摸爬滚打提炼出来的,如果你想在工作中应用容量预测,那么这些问题也是绕不开的。
首先,虽然我们已经建立了理想化的模型,但现实情况是,这个模型可能针对某些服务的预测结果总是不那么准确,而且无论怎么调整模型的参数都收效甚微。这时候,我们应该回过头思考一下,当初选择的特征是否合适?
其次,服务是在不断迭代的,不断有新功能上线,这就意味着服务的容量始终处于变化的过程中,如果容量预测的模型也跟着高频变化,计算量就会非常大,怎么权衡好服务迭代和模型更新之间的关系呢?
最后,即便服务不变,业务场景的变化也会造成服务容量的变化,例如大促活动带来局部几个服务的流量突增,如果我们按照非大促期间业务场景的流量特征去建立模型,对容量进行预测,肯定是不准确的,那该如何应对呢?
别急,上面这三个问题,都是有解决方案的。我们赶紧来看一看这些问题都是如何解决的吧。

相关度分析与服务画像

在上一讲所提到的特征选取过程中,我比较“草率”地将服务的 TPS 和依赖服务的 TPS 作为输入,与 CPU 利用率建立模型。但实际情况下,CPU 利用率可能不仅仅受 TPS 制约,如果我们忽略其他特征的话,有很大可能就会影响模型的准确性。
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《容量保障核心技术与实战》,如需阅读全部文章,
请订阅文章所属专栏新⼈⾸单¥55
立即订阅
登录 后留言

精选留言

由作者筛选后的优质留言将会公开显示,欢迎踊跃留言。
收起评论
返回
顶部