Stratum 是 Netflix 内部的平台级无服务器媒体处理平台，对于处理编码、封装等多样化的媒体工作负载至关重要。工程师将 Stratum 函数定义为 OCI 镜像，随后在 Titus 计算平台上作为批处理作业进行调度。由于需要管理数十万甚至更多的容器，Stratum 必须针对新内容格式（如播客和直播活动）实现动态扩缩容。资源请求以 YAML 格式指定，常因基础设施和应用变更而过度配置，导致效率低下和运营成本增加。为解决这一问题，Netflix 开发了 Stratum 资源调优器（Stratum Resource Tuner, SRT），这是一个旨在在生产环境中自动调整容器资源规模的自动化系统。SRT 的目标是消除人工资源配置，初期聚焦于高吞吐、对延迟要求宽松的工作负载，这类负载占资源使用量的 70% 至 80%。函数所有者可按资源类型（CPU、内存、磁盘、网络）选择启用自动资源调优。SRT 的工作流程包含五个步骤：收集资源使用指标、生成调优建议、通过实验验证建议、应用或拒绝建议，以及监控应用后的指标。建议的状态流转包括：CREATED（已创建）、EVALUATING（评估中）、APPLIED（已应用）、REJECTED（已拒绝）和 MONITORED（监控中）。例如，VideoEncoder.encodeV1 函数的过度配置内存和 CPU 已成功完成调优。指标收集机制稳健：执行级别的汇总数据存储在 Elasticsearch 中以支持短期查询，而高分辨率的原始使用指标则存储在 Iceberg 表中用于长期趋势分析。Conductor 工作流每日运行一次，利用一个月的 Iceberg 数据为所有函数和资源类型生成调优建议。该过程包括筛选高吞吐工作负载，对 CPU 和网络（基于 p99 使用率）进行激进调优，对内存和磁盘（基于 p99.9 使用率并保留安全缓冲）进行保守调优。已部署多种保障措施，例如：若资源缩减幅度过小则丢弃建议；对内存和磁盘的最大单次缩减比例限制为 15%。建议创建时处于 CREATED 状态，一旦越过此阶段即变为不可变。示例显示，CPU 推荐值从 8 降至 4，内存从 18000MB 降至 15300MB，均在单步完成，体现了 SRT 在成本优化方面的实际应用。