github.com/gocrane/crane@v0.11.0/docs/tutorials/analytics-and-recommendation.zh.md (about)

     1  # 智能推荐（已废弃），新版请前往：https://gocrane.io/zh-cn/docs/tutorials/recommendation/
     2  
     3  智能推荐能够帮助用户自动分析集群并给出优化建议。就像手机助手一样，智能推荐会定期的扫描、分析你的集群并给出推荐建议。目前，我们提供了两种优化能力：
     4  
     5  - [**资源推荐**](resource-recommendation.zh.md): 通过资源推荐的算法分析应用的真实用量推荐更合适的资源配置，您可以参考并采纳它提升集群的资源利用率。
     6  - [**副本数推荐**](replicas-recommendation.zh.md): 通过副本数推荐的算法分析应用的真实用量推荐更合适的副本和 EHPA 配置，您可以参考并采纳它提升集群的资源利用率。
     7  
     8  应用可以根据资源推荐调整 request 也可以根据副本数推荐调整副本数，这两种优化都能帮助您降低成本，您可以根据您的需求选择采用相应的优化建议。
     9  
    10  ## 架构
    11  
    12  ![analytics-arch](../images/analytics-arch.png)
    13  
    14  ## 一次分析的过程
    15  
    16  1. 用户创建 Analytics 对象，通过 ResourceSelector 选择需要分析的资源，支持选择多类型（基于Group,Kind,Version）的批量选择
    17  2. 并行分析每个选择的资源，尝试进行分析推荐，每次分析过程分成筛选和推荐两个阶段：
    18     1. 筛选：排除不满足推荐条件的资源。比如对于弹性推荐，排除没有 running pod 的 workload
    19     2. 推荐：通过算法计算分析，给出推荐结果
    20  3. 如果通过筛选，创建 Recommendation 对象，将推荐结果展示在 Recommendation.Status
    21  4. 未通过筛选的原因和状态展示在 Analytics.Status
    22  5. 根据运行间隔等待下次分析
    23  
    24  ## 名词解释 
    25  
    26  ### 分析
    27  
    28  分析定义了一个扫描分析任务。支持两种任务类型：资源推荐和弹性推荐。Crane 定期运行分析任务，并产生推荐结果。
    29  
    30  ### 推荐
    31  
    32  推荐展示了一个优化推荐的结果。推荐的结果是一段 YAML 配置，根据结果用户可以进行相应的优化动作，比如调整应用的资源配置。
    33  
    34  ### 参数配置
    35  
    36  不同的分析采用不同的计算模型，Crane 提供了一套默认的计算模型以及一套配套的配置，用户可以通过修改配置来定制推荐的效果。支持修改全局的默认配置和修改单个分析任务的配置。