利用AI，系统可以学习容器的正常行为，并预测流量高峰的出现时间，从而实时自动扩展。
译自 ScaleOps Adds Predictive Horizontal Scaling, Smart Placement，作者 Susan Hall。
以色列初创公司ScaleOps在其产品中增加了水平扩展和其他功能，以在运行时动态分配容器资源。
其预测式水平Pod自动伸缩功能使用AI预测应用程序负载以实时扩展。
“如今的问题之一是，一旦需要为应用程序进行水平扩展，并且需要更多副本以处理负载，问题在于应用程序进行水平扩展需要很长时间……我们预测并提前扩展，然后当负载真正到来时，您已经拥有了运行所需的副本数量，它们可以处理不断变化的需求，”ScaleOps联合创始人兼首席执行官Yodar Shafrir在一次采访中表示。
该公司表示，通过提供具有集群和每个应用程序需求的整体视图的上下文感知平台，它可以消除开发团队和DevOps团队之间关于实时资源分配的摩擦。
“我们意识到市场上没有人解决这个问题；他们只是提供可见性并让人们意识到这个问题。资源分配过程仍然完全中断，”Shafrir在公告中表示。
该系统使用AI和机器学习，可以从前一周或前一个月确定容器的正常行为，并预测流量峰值何时发生以及相应地进行扩展。
它与其他自动伸缩器集成，例如开源Karpenter、集群自动伸缩器、水平Pod自动伸缩器(HPA)或Keda，以确定每个工作负载的最佳副本数量。
它还宣布了智能Pod部署功能，该功能通过考虑应用程序约束和集群状态来优化资源分配，从而减少所需的活动节点数量。
“如今在集群中运行的一些Pod有一些限制[这]可能会阻止节点缩容。通常，这适用于无法抢占且无法容忍节点缩容的工作负载，”Shafrir解释道。
“那么公司会怎么做呢？他们添加注释来告诉Kubernetes集群永远不要缩容Pod当前正在运行的节点。我们了解每个应用程序的需求和所有限制，并且我们也拥有整个集群的整体视图，因此我们确保所有具有此限制的Pod都将调度到相同的节点上。这样，这些节点将保持静态，并且无法缩容，但集群的其余部分将更加动态，然后您可以在需要时缩容节点。”
该公司认为，实时预测式扩展和智能Pod部署相结合可以为组织节省50%的云成本并提高应用程序性能。
第三个新功能是一组仪表板，可帮助工程团队快速分析和了解问题的根本原因，然后相应地管理工作负载。
ScaleOps可在任何Kubernetes环境中运行，包括主要的云平台，如AWS、Microsoft Azure和Google Cloud，以及本地和隔离服务器。
ScaleOps成立于2022年，总部位于特拉维夫，最近宣布获得B轮融资5800万美元，使公司总融资额达到8000万美元。
“今天，我们主要关注生产和预发布用例，我们将扩展到传统资源，包括网络、存储、GPU，以及我们今天正在使用的计算和内存，”Shafrir表示。