Machine-learning predictive autoscaling for Flink

Machine-learning predictive autoscaling for Flink

摘要

Grab通过Flink平台处理实时数据流，面临CPU资源浪费和配置难题。为解决这些问题，团队开发了预测性资源顾问，利用时间序列预测和回归模型优化CPU配置。新方案显著提升了应用稳定性，降低了35%的云基础设施成本，并简化了用户部署流程。未来，团队将进一步优化内存配置和模型精度，扩展解决方案的适用范围。