【技术实现步骤摘要】
本专利技术实施例涉及微服务资源管理，尤其涉及一种多租户无服务器平台资源管理方法。
技术介绍
1、无服务器函数即服务faas(function as a service，功能服务化)是一种云计算服务，它允许客户无需管理功能的资源分配，例如容器数量的扩展和资源限制的调整，以及功能的服务器调度。相反，这些性能和资源利用率的权衡问题被交给云提供商来处理。资源管理问题，以实现性能和利用率目标，是一个复杂的np(nondeterministic polynomiallyproblem，非确定性多项式难题)难题。尽管通常通过巧妙设计的启发式方法和专业领域专家的经验来解决这些问题，但最近的研究越来越集中在基于学习的方法上，如rl(reinforcement learning，强化学习)。
2、作为生成人工启发式的有效替代方案，rl使代理能够直接从与环境互动中学习最佳策略。由于资源管理问题的决策过程通常是顺序性的，rl非常适用于此类情景。研究已经证明，深度神经网络在这种系统应用环境中能够表达复杂的动态和决策策略。由于为每个无服务器功能生成资源...
【技术保护点】
1.一种多租户无服务器平台资源管理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标模型通过训练样本集迭代训练初始模型得到，所述训练样本集包括：性能数据样本、至少一个其他输出结果样本以及所述性能数据样本和至少一个所述其他输出结果样本对应的目标输出结果。
3.根据权利要求2所述的方法，其特征在于，通过训练样本集迭代训练初始模型，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述目标模型对应的资源管理决策输出结果确定所述多租户无服务器平台的当前资源管理行为，包括：
5.根据权利要求4所述的方...
【技术特征摘要】
1.一种多租户无服务器平台资源管理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标模型通过训练样本集迭代训练初始模型得到，所述训练样本集包括：性能数据样本、至少一个其他输出结果样本以及所述性能数据样本和至少一个所述其他输出结果样本对应的目标输出结果。
3.根据权利要求2所述的方法，其特征在于，通过训练样本集迭代训练初始模型，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述目标模型对应的资源管理决策输出结果确定所述多租户无服务器平台的当前资源管理行为，包括：
5.根据权利要求4所述的方法，其特征在于，所述多租户无服务器平台的当前资源管理行为包括：水平扩容、垂直扩容或者维持不变。
6.根据权利要求1所述的方法，其特征在于，多租户无服务器平台的当前性能数据包括：功能级性能统计数据和系统级资源利用率统计数据，其中，所述功能级性能统计数据包括：执行时间的尾部延迟、等待时间以及服务功能请求的冷启动时间中的至少一种，所述系统级资源利用率统计数据包括：功能容器的中央处理器利用率。
7.根据权利要求6所述的方法，其特征在于，在将所述多租户无服务器平台的当前性能数据和至少一个所述其他模型的资源管理决策输出结果输入目标模型之前，还包括：
8.一种多租户无服务器平台资源...
【专利技术属性】
技术研发人员：彭放，纪鑫，张乐，李君婷，陈屹婷，安然，吴文峻，张奎，陈睿博，
申请(专利权)人：国家电网有限公司大数据中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。