预测节点anode容量如何规划

[TDuser_lFSY_4015 (曾真)]

【TDengine 使用环境】
生产环境

【TDengine 版本】
3.3.6.13

【操作系统以及版本】
docker镜像3.3.6.13

【部署方式】容器/非容器部署
k8s容器部署

【集群节点数】
6

【描述业务影响】

【遇到的问题：问题现象及影响】
每个容器的容量应该如何规划，采用几core多少内存。

[TDuser_lFSY_4015 (曾真)]

目前测试了推理1000个设备指标，3天推理一天数据432个点。6个节点配置8core8G内存，内存和CPU都无法满足需求，timeout设置为1200但预测的SQL也会报超时错误。

[Jade (Jade Chen)]

需要提供使用推理的算法，不同的算法消耗的资源是不一样的。

超时的问题。见 FAQ 3：

[TDuser_lFSY_4015 (曾真)]

采用的算法是timemoe-fc

[TDuser_lFSY_4015 (曾真)]

[TDuser_lFSY_4015 (曾真)]

配置了timeout=1200后执行forecast的SQL 4分钟后还是超时报错了

[Jade (Jade Chen)]

请验证是否为网络问题

[Haojun_Liao (廖浩均)]

timemoe 的推理过程要消耗的 CPU 资源与预测生成的点位数量是相关的。如果业务允许，可否将 rows=432 的参数调小，我们实测的结果，如果在 100 以内，消耗的计算资源（相对于432来说）应该会大幅度降低。而且，太多的预测点位，其预测准确度下降也非常快。参考意义不大。

[TDuser_lFSY_4015 (曾真)]

您好，数据业务采样点是3分20采集一次，预测一天就需要432个点。基于目前这个情况，有没有什么比较推荐的方式呢？例如是分次推理，还是分段推理。