上个月，来自Twitter的Arun Kejariwal在伦敦Velocity大会上做了一场演讲，展示了在主动预测系统资源需求以及业务指标（例如用户数或tweet条数等等）时，Twitter所使用的预测算法。考虑到其数据流的动态特性，他们发现当对数据进行清洗（例如移除异常值）后，经过改善的ARIMA模型将会有良好表现。

除了实际预测准确性外（随着时间的推移，通过对预测与实际结果进行对比，来实现后评估），Twitter使用的其他用于评估预测可用性的重要指标包括：模型在处理周期性（也即容纳每天的递归使用模式）和趋势（例如在重大体育活动过程中出现的井喷式使用）两方面的能力。如果离开适当的预测模型，潜在的周期性将变得更加难以处理：

随着用户基数以及用户使用热情的不断增长，面对潜在的趋势和上面提到的周期性，预测诸如tweet、喜爱、照片等业务指标已经不再是一项微不足道的任务。在这种情况下，使用线性回归进行预测是一种欠妥当的做法，因为线性回归并不捕捉时间序列中的周期性。为了消解这一限制，我们尝试着使用ARIMA模型，它明确地对趋势和给定时间序列中的周期性组成部分进行建模，并由此产出统计意义上可靠的预测。

然而，对某个时间序列盲目地使用ARIMA模型，得到的预测并不一定具有统计意义上的可靠性。大部分情形下，这是因为不规则的数据会影响模型的建立以及其后的预测。如果某个异常的时间段没有展现出周期性，那么整体预测的周期性也就将几近消失。此外，如果某个给定时间段的边界数据点恰巧是异常值，那么整体预测也同样会就此产生偏差。因此，需要对最初的预测需求进行分析，并进行一些数据清洗工作，以使预测更加准确也更有用。Arun还提到，异常值将被报告给开发团队，以便研究这些异常值是否由代码变化所致。

ARIMA预测——在第一个时间段中有一个向下激凸（异常值）（图片由Arun Kejariwal提供） 

ARIMA预测——第一个时间段内不含异常值（图片由Arun Kejariwal提供）

Arun表示，除ARIMA外，Twitter根据需要预测的资源类型，还使用了其他模型（例如Holt-Winters、Spline和linear regression）：

我们已经探索了许多预测模型。具体使用哪一个模型将依据具体情况而定，并与模型选择问题（这是研究中的一个活跃领域）直接相关。

在不存在周期性的时候，我们倾向于使用线性回归，因为与其他模型相比，它的计算成本相对较低。当面对非线性趋势的时候，我们可以使用二次模型或其他类似的东西。然而，当趋势和周期性现身的情况下，预测的选择也将变得复杂起来。

Arun还透露，Twitter的预测一般被限定在技术事件（例如内部系统容量升级）之前的几周内。不过有时候也会为了某些业务指标（例如用户数）安排更长时间跨度的预测。此外，他们还计划在不久的将来，将预测应用在弹性扩展上。