在最近的一篇博文中，亚马逊宣布，他们为EC2实例增加了一个预测性伸缩功能，使得EC2实例的自动伸缩功能更加强大。此外，有了这个新特性，客户可以创建一个伸缩计划，而不需要手动调整自动伸缩。
2009年，亚马逊向EC2实例添加了可伸缩功能，如自动伸缩和弹性负载均衡，这些功能可以自动响应流量需求的快速变化。随着机器学习在云上的发展，亚马逊现如今增加了经过良好训练的模型来预测客户的预期流量和EC2使用情况——这就是所谓的“预测性伸缩”。AWS首席宣传官Jeff Barr在博客中写道：
该模型需要至少一天的历史数据才能开始预测；它每24小时重新评估一次，从而创建未来48小时的预测。
这些预测将基于客户的使用情况以及亚马逊自己从数万个具有不同运行时的EC2实例中获得的数百万个数据点。亚马逊使用这些数据点构建了一个复杂的递归神经网络（RNN），例如，它可以预测EC2机群的平均CPU利用率。
客户可以通过使用一个三步向导流程来选择他们想要观察和缩放的资源，从而实现预测性伸缩。第一步是打开自动伸缩控制台，搜索可伸缩资源。接下来，选择一个EC2自动伸缩组，为该组分配一个名称，选择一个伸缩策略，并同时启用预测性伸缩和动态伸缩。
图片来源：https://aws.amazon.com/blogs/aws/new-predictive-scaling-for-ec2-powered-by-machine-learning/
Barr在博客中解释说，预测性伸缩是通过预测负载和调度最小容量来实现的；动态伸缩使用“目标跟踪”将指定的CloudWatch指标集中到特定的目标上。这两个模型可以很好地协同工作，因为已经通过预测性伸缩设置了预定的最小容量。可以根据三个预先选择的指标中的一个或自定义指标进行预测，客户可以根据自己的需要调整预测性伸缩。最后，当计划就绪，学习和预测过程就可以开始了。客户可以通过控制台观察基于所选指标的预测。
图片来源：https://aws.amazon.com/blogs/aws/new-predictive-scaling-for-ec2-powered-by-machine-learning/
按照Barr的说法，关于预测性伸缩，有几个注意事项。
-
定时——一旦做出了最初的预测，伸缩计划就开始发挥作用，计划将每天更新，并对接下来的两天进行预测。
-
成本——你可以免费使用预测性伸缩，甚至可以减少使用AWS的费用。
-
资源——我们现在推出的是EC2实例支持，我们计划逐步支持其他AWS资源。
-
适用范围——预测性伸缩是非常适合存在周期性流量高峰的网站和应用程序。按照设计，它不适合负载峰值不是周期性或不可预测的情况。
-
长期基准——预测性伸缩根据历史需求维持最小容量；这可以确保指标中的任何缺陷都不会导致意外的收缩。
EC2实例的预测性伸缩特性最初将在美国东部（N. Virginia）、美国东部（俄亥俄）、美国西部（俄勒冈）、欧洲（爱尔兰）和亚太地区（新加坡）提供。有关EC2自动伸缩的详细定价，请参见定价页面：
https://aws.amazon.com/ec2/autoscaling/pricing/
查看英文原文：
https://www.infoq.com/news/2018/11/ec2-predictive-scaling-feature