Machine learning 神经网络/ML如何帮助微服务？

我想知道神经网络是否有助于监控用户对微服务和单片服务的请求，从而提高生产率。我需要一个关于我的问题的详细建议

---

我读这篇文章的时候就知道了。我还对ML可以帮助微服务或监控服务器的任何其他想法感兴趣。

这取决于。。。取决于你想要实现什么。ML/AI通常用于根据现有数据预测特定结果。因此，如果有历史数据表明，如果系统处于{released | critical}状态，那么在达到临界状态之前，您可能会知道何时采取行动。但话说回来，当云服务提供商需要按需扩展更多资源时，您只需监控资源并定义一个阈值，这似乎是一种过火的做法

如果您正在考虑异常检测，这里是ML/AI可能会有所帮助的地方。但是：你需要有相关的数据来训练一个有用的网络

---

我的建议：检查像datadog这样的服务提供商，并检查他们为您准备了什么。训练、评估和放置神经网络不是一项琐碎的任务。

如果你以一种高效的方式使用它们，那么当然，但这对你的设置/环境的变量来说是非常主观的。没有人能真正为你回答这个问题。欢迎来到StackOverflow，和在这里申请。StackOverflow是一个针对特定编程问题的知识库，而不是一个研究讨论论坛。很好的答案。看起来OP共享的文章是针对优化容器和部署配置的，这是一个很好的例子，可以在其中建立数据来训练模型。OP可能还想把它作为一个普通的类别来研究。这篇文章不是很有趣，因为作者甚至懒得问这个问题：我们的“AI”能比Mesos或Kubernetes这样的资源管理器表现更好吗？有了云服务的所有弹性供应，他们采取了完全“人工智能”的路线，而不显示决策的投资回报率。他只是表示，这个决定是精心策划、执行的，而且比CSP做得更好——但我认为没有理由不认为这只是一篇营销博客文章。永远不要相信一篇关于AI的文章，因为它没有发布评估指标。