在最近的一篇博文中，亞馬遜宣佈，他們爲EC2實例增加了一個預測性伸縮功能，使得EC2實例的自動伸縮功能更加強大。此外，有了這個新特性，客戶可以創建一個伸縮計劃，而不需要手動調整自動伸縮。
2009年，亞馬遜向EC2實例添加了可伸縮功能，如自動伸縮和彈性負載均衡，這些功能可以自動響應流量需求的快速變化。隨着機器學習在雲上的發展，亞馬遜現如今增加了經過良好訓練的模型來預測客戶的預期流量和EC2使用情況——這就是所謂的“預測性伸縮”。AWS首席宣傳官Jeff Barr在博客中寫道：
該模型需要至少一天的歷史數據才能開始預測；它每24小時重新評估一次，從而創建未來48小時的預測。
這些預測將基於客戶的使用情況以及亞馬遜自己從數萬個具有不同運行時的EC2實例中獲得的數百萬個數據點。亞馬遜使用這些數據點構建了一個複雜的遞歸神經網絡（RNN），例如，它可以預測EC2機羣的平均CPU利用率。
客戶可以通過使用一個三步向導流程來選擇他們想要觀察和縮放的資源，從而實現預測性伸縮。第一步是打開自動伸縮控制檯，搜索可伸縮資源。接下來，選擇一個EC2自動伸縮組，爲該組分配一個名稱，選擇一個伸縮策略，並同時啓用預測性伸縮和動態伸縮。
圖片來源：https://aws.amazon.com/blogs/aws/new-predictive-scaling-for-ec2-powered-by-machine-learning/
Barr在博客中解釋說，預測性伸縮是通過預測負載和調度最小容量來實現的；動態伸縮使用“目標跟蹤”將指定的CloudWatch指標集中到特定的目標上。這兩個模型可以很好地協同工作，因爲已經通過預測性伸縮設置了預定的最小容量。可以根據三個預先選擇的指標中的一個或自定義指標進行預測，客戶可以根據自己的需要調整預測性伸縮。最後，當計劃就緒，學習和預測過程就可以開始了。客戶可以通過控制檯觀察基於所選指標的預測。
圖片來源：https://aws.amazon.com/blogs/aws/new-predictive-scaling-for-ec2-powered-by-machine-learning/
按照Barr的說法，關於預測性伸縮，有幾個注意事項。
-
定時——一旦做出了最初的預測，伸縮計劃就開始發揮作用，計劃將每天更新，並對接下來的兩天進行預測。
-
成本——你可以免費使用預測性伸縮，甚至可以減少使用AWS的費用。
-
資源——我們現在推出的是EC2實例支持，我們計劃逐步支持其他AWS資源。
-
適用範圍——預測性伸縮是非常適合存在週期性流量高峯的網站和應用程序。按照設計，它不適合負載峯值不是週期性或不可預測的情況。
-
長期基準——預測性伸縮根據歷史需求維持最小容量；這可以確保指標中的任何缺陷都不會導致意外的收縮。
EC2實例的預測性伸縮特性最初將在美國東部（N. Virginia）、美國東部（俄亥俄）、美國西部（俄勒岡）、歐洲（愛爾蘭）和亞太地區（新加坡）提供。有關EC2自動伸縮的詳細定價，請參見定價頁面：
https://aws.amazon.com/ec2/autoscaling/pricing/
查看英文原文：
https://www.infoq.com/news/2018/11/ec2-predictive-scaling-feature