ERDQ-LEARNING: MÔ HÌNH HỌC TĂNG CƯỜNG TÍCH HỢP HPA PHÂN CHIA TỶ LỆ POD SERVERLESS TRONG KUBERNETES

Đặng Thanh Chương và CS. Tập 134, Số 2A, 2025 146 15 giây; tuy nhiên, khoảng thời gian này có thể được điều chỉnh linh hoạt thông qua tham số 𝜏 trong thuật toán nhằm phù hợp với đặc thù tải và mục tiêu vận hành của hệ thống serverless. Hình 1. Minh họa cơ chế HPA hoạt động trong Kubernetes [7] Thuật toán 1 – Điều chỉnh số Pod bằng HPA mặc định [7-8] Đầu vào: 𝜌target, 𝑀 (Số Pod tối thiểu), 𝐿 (Số Pod tối đa), 𝑇( thời gian mô phỏng), 𝜏 (chu kỳ lấy mẫu) Đầu ra: 𝑑desired(𝑡) Ý tưởng: 1. 𝑡 ← 0 2. While (𝑡 ≤ 𝑇) do { 3. 𝜌̅(𝑡) ← 𝑀𝑒𝑡𝑟𝑖𝑐𝑠. 𝐺𝑒𝑡(𝐶𝑃𝑈_𝑎𝑣𝑒𝑟𝑎𝑔𝑒) 4. 𝑑_𝑜𝑛(𝑡) ← 𝑀𝑒𝑡𝑟𝑖𝑐𝑠. 𝐶𝑜𝑢𝑛𝑡(𝑃𝑜𝑑) 5. 𝑑desired(𝑡) ← [ 𝑑𝑜𝑛(𝑡) × 𝜌̅ (𝑡) 𝜌𝑡𝑎𝑟𝑔𝑒𝑡 ] 6. 𝑑desired(𝑡) ← 𝑚𝑖𝑛( 𝑚𝑎𝑥( 𝑑desired(𝑡), 𝑀 ), 𝐿 ) 7. 𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑙𝑒𝑟. 𝑆𝑐𝑎𝑙𝑒(𝑑_𝑑𝑒𝑠𝑖𝑟𝑒𝑑(𝑡)) 8. 𝑊𝑎𝑖𝑡(𝜏) 9. 𝑡 ← 𝑡 + 𝜏 }