机器学习决策器
编辑机器学习决策器编辑
机器学习决策器（ml）计算运行机器学习作业和训练模型所需的内存和 CPU 资源。
机器学习决策器对管理 ml 节点的策略启用。
要使机器学习作业在集群未适当扩展时打开，请将 xpack.ml.max_lazy_ml_nodes 设置为可能的最大机器学习节点数（有关更多信息，请参阅高级机器学习设置）。在 Elasticsearch Service 中，这是自动设置的。
配置设置编辑
num_anomaly_jobs_in_queue 和 num_analytics_jobs_in_queue 都旨在延迟扩容事件。如果集群太小，则这些设置指示可以从节点取消分配每种类型的多少个作业。这两个设置仅考虑在当前规模下可以打开的作业。如果作业对于任何节点大小都太大，或者如果无法在用户干预的情况下分配作业（例如，用户针对实时异常检测作业调用 _stop），则会忽略该特定作业的数字。
-
num_anomaly_jobs_in_queue - （可选，整数）指定允许的排队异常检测作业数。默认为
0。 -
num_analytics_jobs_in_queue - （可选，整数）指定允许的排队数据帧分析作业数。默认为
0。 -
down_scale_delay - （可选，时间值）指定缩容前的延迟时间。默认为 1 小时。如果在整个时间窗口内都可以进行缩容，则会请求缩容。如果集群在窗口期间需要扩容，则会重置窗口。
示例编辑
此示例创建一个名为 my_autoscaling_policy 的自动伸缩策略，该策略会覆盖机器学习决策器的默认配置。
PUT /_autoscaling/policy/my_autoscaling_policy
{
"roles" : [ "ml" ],
"deciders": {
"ml": {
"num_anomaly_jobs_in_queue": 5,
"num_analytics_jobs_in_queue": 3,
"down_scale_delay": "30m"
}
}
}
API 返回以下结果
{
"acknowledged": true
}