STARIXNet: нейросеть Walmart сократила расходы на облачные ресурсы на 10–50%

Исследователи представили STARIXNet — лёгкую нейронную сеть для интеллектуального масштабирования микросервисов в облачных платформах. В отличие от существующих решений, которые обычно работают только с одномерными данными (например, загрузкой CPU), новый подход анализирует многомерное пространство метрик, улавливая пространственно-временные связи между ними.

STARIXNet моделирует сезонные, временные, авторегрессионные интегрированные и экзогенные паттерны, а затем реализует политику агрегации для принятия решений о масштабировании. Приоритетом является стабильность сервиса, а эффективность затрат — вторым по значимости показателем, что выгодно отличает метод от чисто прогнозных подходов.

Разработка была развёрнута в промышленных микросервисах Walmart, где показала осязаемую экономию в размере от 10% до 50%, а также нематериальные выгоды за счёт улучшения стабильности сервисов и качества обслуживания клиентов. Результаты были получены в реальных условиях эксплуатации.

Как отмечается в работе, существующие решения либо ограничены одномерным анализом, либо страдают от высокой вычислительной сложности, что делает их непрактичными для крупномасштабных развёртываний в реальном времени. STARIXNet решает эти проблемы благодаря лёгкой архитектуре, позволяющей работать в режиме реального времени.

По данным авторов, STARIXNet превосходит традиционные методы по точности прогнозирования и скорости реакции системы, минимизируя риски недооценки нагрузки и задержек. Дальнейшие планы включают адаптацию метода для других облачных провайдеров и расширение набора учитываемых метрик.