Decider для машинного обучения

И num_anomaly_jobs_in_queue, и num_analytics_jobs_in_queue предназначены для задержки события масштабирования вверх. Если кластер слишком мал, эти параметры указывают, сколько задач каждого типа можно снять с узла. Эти параметры учитываются только для задач, которые можно открыть при текущем масштабе. Если задача слишком велика для любого размера узла или если задачу нельзя назначить без вмешательства пользователя (например, пользователь вызвал _stop для задачи выявления аномалий в режиме реального времени), эти числа игнорируются для этой конкретной задачи.

В этом примере создается политика автоматического масштабирования с именем my_autoscaling_policy, которая переопределяет параметры по умолчанию для decider для машинного обучения.

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 возвращает следующий результат:

{
  "acknowledged": true
}