korean-docs
Wave Autoscale
Min/Max Recommendations

Min/Max Recommendations

Min/Max Recommendations는 Autopilot을 위한 ML 기반 최소/최대 레플리카 범위를 제공합니다. Wave는 각 Deployment의 트래픽을 분석해 사용할 레플리카 범위를 권고합니다. 권고값은 Performance 세트(더 넉넉한 여유 용량)와 Cost 세트(더 슬림한 구성) 두 가지로 제공됩니다.

⚠️

Deployment 전용. Min/Max Recommendations는 Deployment에서만 사용할 수 있으며, StatefulSet이나 DaemonSet에서는 지원하지 않습니다.

동작 방식

Wave는 Deployment의 트래픽 패턴(24시간 주기, 7~14일치 이력)을 학습해 두 가지 권장 범위 세트를 산출합니다.

  • Performance: Min PerformanceMax Performance는 스파이크에 대비해 더 많은 여유 용량을 유지합니다. 프로덕션, 사용자 대면 서비스에 사용하세요.
  • Cost: Min CostMax Cost는 비용 절감을 위해 더 슬림하게 운영합니다. 비용에 민감하거나 지연에 관대한 워크로드에 사용하세요.

별도의 토글은 없습니다. Deployment에서 Autopilot을 활성화하고 충분한 데이터가 쌓이면 권고값이 자동으로 나타납니다.

권고값 확인하기

  1. Deployment에서 Autopilot(또는 Monitoring)을 활성화합니다. 자세한 내용은 Getting Started를 참고하세요.
  2. Deployment를 열고 Min/Max Recommendation 탭으로 이동합니다.
  3. PerformanceCost 카드를 확인합니다.
Min/Max Recommendation cards showing Performance and Cost min/max values

카드 아래에는 24시간 히트맵과 영역 차트가 시간대별로 산출된 레플리카 수를 보여주므로, 피크 시간대와 비피크 시간대를 한눈에 파악할 수 있습니다.

Min/Max Recommendation hourly heatmap

값 적용하기

권고값을 Autopilot 설정에 그대로 반영합니다.

  1. Deployment의 Autopilot 설정으로 이동합니다.
  2. 선택한 세트(Performance 또는 Cost)의 값으로 Min ReplicasMax Replicas를 설정합니다.
  3. 저장한 뒤 약 일주일간 스케일링을 관찰합니다.
Autopilot settings with min and max replicas

섞어서 사용하기. 하한값은 Min Cost(유휴 비용 최소화), 상한값은 Max Performance(피크 트래픽 수용)로 조합하는 방식이 흔히 사용됩니다.

문제 해결

⚠️

Autopilot을 활성화했는데 권고값이 나오지 않나요? ML 모델은 7~14일간 일정한 트래픽이 필요합니다. Deployment의 트래픽이 안정적인지, Autopilot을 충분히 오래 활성화했는지 확인하세요.

권고값이 실제 동작과 맞지 않나요? 모델이 이례적인 기간에 학습되었을 수 있습니다. 히트맵을 현재 트래픽과 비교하고, 재학습될 때까지 시간을 두세요.

다음 단계