Формалізація задачі оптимального автомасштабування Kubernetes з урахуванням затримки запуску подів

Анотація

Проактивні автомасштабувачі Kubernetes прогнозують майбутнє навантаження і заздалегідь запускають нові поди, проте в усіх існуючих системах зроблено неявне припущення, що нова потужність з’являється миттєво або через однакову для всіх сервісів фіксовану затримку. Однак у поліглотних розгортаннях затримки запуску можуть відрізнятися в рази, що унеможливлює застосування єдиного глобального часового зсуву і породжує фундаментальну неузгодженість між рішенням оптимізатора та реальною доступністю потужності. У роботі автомасштабування Kubernetes формалізовано як задачу дискретної оптимізації з обмеженням на «мертвий час», де затримка запуску входить до моделі ефективної потужності як окремий параметр кожного мікросервісу. Для задачі одного сервісу доведено дискретну опуклість цільової функції за рішенням про масштабування. Багатосервісний варіант з обмеженням на ресурси кластера класифіковано як NP-повну обмежену задачу про ранець, для розв’язання якої запропоновано використовувати жадібний підхід за маржинальною ефективністю, динамічне програмування по бюджету або LP-релаксацію з округленням. Зв’язок з моделлю M/M/k/setup з теорії черг аналітично обґрунтовує обмеженість реактивного масштабування, бо поліноміальне спадання штрафу з кількістю серверів унеможливлює компенсацію затримки запуску після настання пікового попиту. Окремо досліджено структурну асиметрію реакції оптимізатора на помилки прогнозу, зумовлену обмеженням мертвого часу. Показано, що переоцінку попиту оптимізатор здатний нейтралізувати на етапі прийняття рішення, тоді як наслідки недооцінки є невідворотними: виправлення набуде сили лише після закінчення затримки запуску, протягом якої система перебуватиме у стані дефіциту потужності. Ця асиметрія є структурною властивістю моделі і не потребує модифікації цільової функції. Отримані теоретичні результати закладають формальну основу для розробки практичних проактивних автомасштабувачів, адаптованих до гетерогенного середовища поліглотних мікросервісних систем.

Ключові слова: автомасштабування, Kubernetes, мікросервіси, затримка запуску, дискретна оптимізація, прогнозування навантаження, динамічне програмування, асиметричні втрати.