知识卡片
容量趋势的多模型优选
容量预测难在业务增长受节假日、临时事件等多因素干扰,单一算法难以稳定准确。做法是”多模型并行+择优”:把当前配置、性能、告警及近一年历史容量数据送入分析平台,用多种预测模型各自在线预测并输出MAPE等指标;再把在线训练的度量统计与在线预测结果加权比对,选出最优模型的预测值。用途是给中长期容量规划与临时扩容提供依据,避免人工预测不准导致的紧急扩容或资源浪费。边界上,模型再优也依赖历史数据质量与特征提取效果,对剧烈突变的业务仍可能失准;反例是认为”选一个最准的模型固定用”即可,忽略了业务规律会随季节与事件漂移。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 12 存储维护
原书出处 · 1 处
- 存储维护 12.2.2 容量趋势预测 · 查看原书依据
系统容量的变化受多种因素影响,单一的预测算法无法确保预测结果的准确性,可采用多种预测模型进行在线预测,输出多种预测模型的预测结果。
参考来源
- 位置:《数据存储架构与技术(第2版)》第12章《12.2.2 容量趋势预测》(源文件:extracted/数据存储架构与技术(第2版)/_epub-src/converter-master/example/312279/230.html)
- 结论依据:原文指出单一预测算法无法确保准确性,应采用多种模型在线预测并输出结果,再通过在线训练的统计信息与预测结果比对"选取最优的预测结果",支撑了多模型择优的思路。
- 原始内容:系统容量的变化受多种因素影响,单一的预测算法无法确保预测结果的准确性,可采用多种预测模型进行在线预测,输出多种预测模型的预测结果。