基于WTT-iTransformer时序预测的容器群伸缩策略研究

来源：电子测量技术杂志2025年第12期北京时间：

作者：陈奇超，叶楠，曹炳尧

单位：上海大学特种光纤与光接入网重点实验室 上海 200444

摘要：Kubernetes默认的HPA策略因其特有的响应性机制而存在扩缩容滞后的局限。为了提高资源的响应性能和资源利用率，本文引入了基于时序资源负载预测的弹性伸缩策略，预测部分创新得提出了WTT-iTransformer模型对集群资源进行预测。已知iTransformer不仅在长期序列预测表现优异，还可通过变量序列作为token嵌入获取了多变量间的关联性。本文通过增加了小波变换卷积层WTConv2d和多尺度时间卷积网络的WTT-iTransformer模型可以更精确地从时、频域两方面提取资源时间序列的长期特征与依赖关系，更符合容器使用特征的预测。基于该模型的负载变化预测，能够实现高、低流量发生的初期进行快速扩缩容，以解决反应滞后和资源利用率低的问题。实验结果表明，WTT-iTransformer在训练过程中表现出更好的稳定性和更低的训练误差，能够较为准确地预测集群负载的变化趋势，改进的弹性伸缩策略与Kubernetes传统的HPA相比更加智能、稳定，在负载特征明显、突发性负载较多的场景展现出显著提升，具有广泛的应用潜力。

关键词：Kubernetes;时序预测模型WTT-iTransformer;负载预测;混合弹性伸缩策略;小波变换卷积;时间卷积网络;iTransformer模型

基金资助：国家重点研发计划（2021YFB2900800）、高等学校学科创新引智计划（111项目）（D20031）资助