Implementación de técnicas de auto escalado proactivo en Kubernetes para mejorar la elasticidad de los microservicios

Abstract

En la actualidad, la computación en la nube y las aplicaciones que la usan son el nuevo estándar en la industria del desarrollo de software. Sin embargo, existen retos por superar para asegurar la calidad de servicio (QoS) y la optimización de los recursos que se usan. Actualmente, se implementan sistemas de control cerrado de auto escalado reactivo, basados en métricas sobre la utilización de recursos, para predecir la cantidad de instancias nece-sarias que permitan mantener buenos estándares en la prestación de servicio. El escalado reactivo puede no ser la técnica más eficiente, ya que puede haber una indisponibilidad del servicio mientras los nuevos recursos están disponibles. En este trabajo se presenta una propuesta de un enfoque de auto escalado proactivo que, por medio de modelos de redes neuronales recurrentes es capaz de predecir la cantidad de réplicas necesarias para cumplir con las necesidades de una carga de trabajo en un momento dado y se tenga un mejor uso de los recursos.