正文
应用对于资源的使用存在一定的规律。一般常规的做法是将其对于资源使用的特点，分为计算密集型、内存密集型、存储密集型等。这种简单的做法无法从 CPU/ 内存 / 存储 / 网络多个资源维度和时间维度上对于资源的使用进行描述。我们采用了强化机器学习算法，根据应用的历史数据，提取其资源使用的特征，进而将不同的应用进行归类，形成应用画像。
应用画像可以为调度提供依据。不同的应用根据应用画像的结果，进行亲和 / 反亲和的调度，将不同类的应用容器调度在一起，使其资源需求得到时空互补，而不会相互影响。同时对于一个应用中多个容器，可以依据应用画像对容器的健康状态进行评估预警，及早进行容器的自动扩容或者迁移，以免影响业务。另外，应用画像还为之后应用的资源使用提出指导意见，以便其在保证资源使用的同时，防止资源超配导致的浪费。
在以往的技术架构中，大量的业务应用属于长期服务 (long-running services)，其特点是需要长时间提供服务。而实际上，许多应用并不需要长期提供服务。以图片转换应用为例，商户上传的商品图片需要转换成多种尺寸，并在图片中打上水印 /logo 等，并上传到存储中。图片转换应用只需要在用户上传图片时提供服务，其他时间并不需要占用资源；而且应用对于延迟不敏感，允许最长几十秒级别的延迟执行。对于这种事件驱动、延迟容忍的应用，我们推动其由长期服务，转向使用 JDOS 提供的 serverless 架构。serverless 的架构在将长期服务转为离线计算任务方面发挥了巨大的作用。
