Uma abordagem que prevê a demanda com antecedência e provisiona a capacidade antes da chegada dos picos de carga, em vez de responder a eles depois que surgem.
Dois engenheiros da Adobe apresentam um projeto para escalabilidade proativa de cargas de GPU no Kubernetes, com o objetivo de compensar a lentidão na preparação dos nós, que faz com que a escalabilidade reativa fique atrasada em relação às ondas de demanda. O projeto utiliza um modelo Bi-LSTM, um detector de picos repentinos e um escalonador gradual, com testes em modo sombra que demonstraram precisão de 85% dentro de uma margem de ±10% dez minutos antes da demanda.