一种预测与响应相结合的Kubernetes容器云弹性伸缩策略.pdfVIP

第42卷第3期微电子学与计算机Vol.42No.3

2025年3月MICROELECTRONICSCOMPUTERMarch2025

引用格式：夏冰冰，范中磊．一种预测与响应相结合的Kubernetes容器云弹性伸缩策略[J].微电子学与计算机，2025，42（3）：40-

48．

XIABB，FANZL.Acombinedpredictiveandresponsiveelasticscalingstrategyforkubernetescontainerclouds[J].Microelec-

tronicsComputer，2025，42（3）：40-48.

DOI：10.19304/J.ISSN1000-7180.2024.0052

一种预测与响应相结合的Kubernetes容器云弹性伸缩策略

夏冰冰，范中磊

（长安大学信息工程学院,陕西西安710064）

摘要：针对Kubernetes内置弹性伸缩策略导致Pod水平扩容存在响应延迟，从而导致应用服务质量（Qualityof

Service,QoS）下降的问题。对Kubernetes进行了深入研究，提出了一种预测与响应相结合的弹性伸缩策略（PR策

略）对原内置策略进行优化。该策略采用基于变分模态分解（VariableModalDecomposition,VMD）和长短期记忆网

络（LongShortTermMemory,LSTM）相结合的组合模型进行Pod扩容量预测。VMD-LSTM模型采用VMD对原始

时间序列进行分解，通过自适应的方式将非平稳性数据变为较为平稳的数据，同时将分解后各分量输入LSTM进

行预测，然后相加各分量的预测值得到最终预测结果，Kubernetes根据预测结果进行伸缩操作。在阿里云Cluster-

trace-v2018部分数据集上进行模型精确度实验，发现与单一模型ARIMA、BRR、LSTM、组合模型GRU-LSTM、

EMD-LSTM相比，VMD-LSTM具有更高的预测精度。由于预测模型可能会出现一定误差，并且负载可能会突然

增加到达峰值，故在扩容阶段引入响应式算法弥补预测式算法的不足。实验结果表明，相比Kubernetes内置弹性

伸缩策略，所提策略能够降低响应延迟时间和提高QoS。

关键词：负载预测；Kubernetes；长短期记忆网络；变分模态分解

中图分类号：TP311.5；TP391文献标识码：A文章编号：1000-7180（2025）03-0040-09

Acombinedpredictiveandresponsiveelasticscalingstrategyfor

kubernetescontainerclouds

XIABingbing，FANZhonglei

（CollegeofInformationEngineering,ChanganUniversity,Xian710064,China）

Abstract：ResponselatencyinPod-levelscalingisaproblemcausedbyKubernetesbuilt-inelasticscalingtechnique,and

thislowersapplicationQualityofService(QoS).Inthispaper,weconductanin-depthstudyonK