预测
OpenSearch 中的预测功能使用随机森林割裂 (RCF) 模型将任何时间序列字段转换为自更新信号。RCF 是一种在线学习模型，它随着每个新数据点的出现而增量更新。由于 RCF 实时刷新，它可以立即适应技术条件的变化，而无需昂贵的批处理再训练。每个模型仅使用少量存储空间（通常为几百千字节），因此计算和存储开销都保持较低水平。
将预测功能与告警插件搭配使用，以便在预测值预计超出阈值时立即收到通知。
典型用例
预测功能可用于以下用例。
| 领域 | 您预测的内容 | 运营效益 |
|---|---|---|
| 预测性维护 | 每台机器的未来温度、振动或错误计数 | 在故障发生前更换零件，避免计划外停机。 |
| 网络预测 | 每个节点的未来吞吐量、延迟或连接数 | 提前分配带宽，以满足服务水平协议 (SLA) 目标。 |
| 容量和成本优化 | 每个微服务的未来 CPU、RAM 或磁盘使用情况 | 合理配置硬件并高效自动扩缩容。 |
| 财务和运营规划 | 未来订单量、收入或广告支出效率 | 根据需求信号调整人员配置和预算。 |