Informer机制Kubernetes使用Informer代替Controller去访问APIServer，Controller的所有操作都和Informer进行交互，而Informer并不会每次都去访问APIServer。Informer使用ListAndWatch的机制，在Informer首次启动时，会调用LISTAPI获取所有最新版本的资源对象，然后再通过WATCH

笔记简介笔记：记录一下实现Informer时序预测的过程，同时加注一些要点，并加上构建自己数据集进行预测的过程。内容：1、Informer论文解读、复现2、构建自己的数据集3、利用Informer对数据集进行预测一、Informer论文摘要：许多实际应用需要长序列时间序列的预测，例如电力消耗计

DeploymentController对象从 NewDeploymentController方法开始创建，我们首先看这个方法1//NewDeploymentControllercreatesanewDeploymentController.2funcNewDeploymentController(ctxcontext.Context,dInformerappsinformers.DeploymentInformer,rsInformer

informerFactory创建informerinformer一般由informerFactory创建（支持直接创建informer，一般不这么做），informerFactory支持创建多种资源类型的informer，同一个informerFactory中同一种资源类型只创建一个informer。DeltaFIFOqueue里面保存了KeyOf函数计算得到的存储资源对象的key

原始题目：Informer:BeyondEfficientTransformerforLongSequenceTime-SeriesForecasting中文翻译：Informer:超越有效变换器进行长序列时间序列预测发表时间：2021-05-18平台：ProceedingsoftheAAAIConferenceonArtificialIntelligence文章链接：https://ojs.aaai.org/i

labelOptions:=informers.WithTweakListOptions(func(opts*metav1.ListOptions){ opts.LabelSelector="a=b"})informerFactory:=informers.NewSharedInformerFactoryWithOptions(kubeClient,0,labelOptions)hasSynced:=informerFactory.Core().V1()

informercache默认通过namespace/name作为key把对象保存到map中。条件查询时一般通过labels.Selector来过滤，但这需要遍历所有元素，informercache可以类似于MySQL那样建立索引，来提高查询速度。//map根据指定的key来给对象分类//IndexFuncknowshowtocomputethesetofind

在看kube-scheduler组件的过程中遇到了kube-scheduler对于client-go的调用，泛泛的理解调用过程总有种隔靴搔痒的感觉，于是调转头先把client-go理清楚在回来看kube-scheduler。为什么要看client-go，并且要深入到原理，源码层面去看。很简单，因为它很重要。重要在两方面：kubern

0.前言在看kube-scheduler组件的过程中遇到了kube-scheduler对于client-go的调用，泛泛的理解调用过程总有种隔靴搔痒的感觉，于是调转头先把client-go理清楚在回来看kube-scheduler。为什么要看client-go，并且要深入到原理，源码层面去看。很简单，因为它很重要。重要在两方

原文链接：https://www.cnblogs.com/gaorong/p/16939111.htmlinformercache中的数据是只读的，任何修改都先deepcopyinformercache中的数据是只读的，任何修改都应该先deepcopy出来，然后提交apiserver,利用apiserverinformerevent重新同步回cache中。如果直接修改cache中的数据

在机器学习的广阔前景中，transformers就像建筑奇迹一样高高耸立，以其复杂的设计和捕获复杂关系的能力重塑了我们处理和理解大量数据的方式。自2017年创建第一个Transformer以来，Transformer类型呈爆炸式增长，其中包括ChatGPT和DALL-E等强大的生成式AI模型。虽然transform

Informer时间序列模型1Introduction3significantlimitationsinLSTFLSTF(Longsequencetime-seriesforecasting)Thequadraticcomputationofself-attention.Theatomoperationofself-attentionmechanism,namelycanonicaldot-product,causesthetimecom

Informer时间序列模型data1.WTH.csv水厂csv格式数据，总共13列，包含一列标签，12列特征，后面输入模型维度：12每隔一小时一条记录每个时间点对应多个特征，最后一个数据值作为数据标签2.ECL.csvcsv格式数据3.data_loadercols=list(df_raw.columns);cols.re

先看一段kubernetesscheduler的描述：TheKubernetesschedulerisacontrolplaneprocesswhichassignsPodstoNodes.TheschedulerdetermineswhichNodesarevalidplacementsforeachPodintheschedulingqueueaccordingtoconstraintsandavailableresou

Kubernetes组件在工作过程中需要大量监控并查询集群中的资源对象。以Deployment控制器为例，它需要实时关注Deployment和要控制的ReplicaSet的状态变更，实时收敛ReplicaSet的

一、源码代码核心exp_informer.py: #获取数据集处理类, 选取的数据集为'weather'，数据集处理类Dataset_CustomData=data_dict[self.args.dat

一、初始化1.代码结构main_informer.py:  exp=Exp(args)#setexperimentsexp_basic.py:classExp_Informer(E

作者：丛国庆在Kubernetes（简称K8s，一个可移植容器的编排管理工具）体系中，etcd存储集群的数据信息，kube-apiserver作为统一入口，任何对数据的操作都必须经过kube-apiserver。

Informer介绍想要获取资源，可以使用clientset：//使用clientset获取Deploymentsdeployments,err:=clientset.AppsV1().Deployments("default").List(context.Bac

Informer架构上图是整个client-go的完整架构图，或者说是我们要去实现一个自定义的控制器的一个整体流程，其中黄色图标是开发者需要自行开发的部分，而其它的部分是client-

SharedInformer源码分析我们分析了Indexer组件的实现，实际上最开始的时候我们在Informer示例中通过Informer的Lister获取的资源对象数据就来自于Indexer，当然除

Informer架构上图是整个client-go的完整架构图，或者说是我们要去实现一个自定义的控制器的一个整体流程，其中黄色图标是开发者需要自行开发的部分，而其它的部分是client-

Informer介绍想要获取资源，可以使用clientset：//使用clientset获取Deploymentsdeployments,err:=clientset.AppsV1().Deployments("default").List(context.Bac

作为云原生开发人员难免会给kubernetesclient-go打交道，但是有许多坑总是一遍又一遍的被开发者踩到，下面梳理常见的坑，希望大家注意避免： informercache中的数据是只读

Kubernetes的大多数组件（如控制器、Kubelet、调度器等）都不直接操作ETCD存储，组件之间也不直接通信，而是统一通过APIServer通信并间接实现对ETCD的存储和查询，而这些组件与APIS