【技术实现步骤摘要】
本专利技术属于云计算资源管理领域，具体涉及一种基于分级强化学习的自适应多粒度云资源编排方法。
技术介绍
1、随着云计算的广泛应用和快速发展，如何高效管理日益复杂的云基础设施资源，满足用户和应用的多样化需求，已成为云服务提供商亟待解决的关键问题。传统的静态资源配置方法和粗粒度动态调整策略面临诸多挑战，难以适应云环境的高动态性、高异构性和高不确定性。主要问题包括：
2、(1)云工作负载呈现复杂多变的动态特性，而静态资源分配方法缺乏对负载变化的自适应能力，导致资源供需失衡问题突出。
3、(2)云环境中存在大量异构任务，粗粒度的资源调度方式无法匹配个性化的任务需求和性能目标，带来资源浪费和任务延迟等问题。
4、(3)云系统的不确定性，如负载的突发行为、软硬件故障等，给资源管理带来极大挑战，急需智能化的异常处理与动态决策机制。
5、(4)云资源利用效率与能源成本的权衡日益凸显，亟需协同优化计算、存储、网络等多维异构资源，平衡系统性能与经济效益。
6、针对以上痛点，业界和学界开展了卓有成效...
【技术保护点】
1.一种基于分级强化学习的自适应多粒度云资源编排方法，其特征在于，提出一种自适应多粒度云资源编排框架AMG-RL，将云任务自适应分组为K个任务簇，预测不同任务簇的资源需求，基于划分的不同任务簇及相应任务簇的资源需求，进行多粒度云资源编排，以实现任务资源分配与调度。
2.根据权利要求1所述的一种基于分级强化学习的自适应多粒度云资源编排方法，其特征在于，还包括对多粒度云资源编排的策略进行性能反馈，以调优多粒度云资源编排的策略。
3.根据权利要求2所述的一种基于分级强化学习的自适应多粒度云资源编排方法，其特征在于，包括如下步骤：
4.根据...
【技术特征摘要】
1.一种基于分级强化学习的自适应多粒度云资源编排方法，其特征在于，提出一种自适应多粒度云资源编排框架amg-rl，将云任务自适应分组为k个任务簇，预测不同任务簇的资源需求，基于划分的不同任务簇及相应任务簇的资源需求，进行多粒度云资源编排，以实现任务资源分配与调度。
2.根据权利要求1所述的一种基于分级强化学习的自适应多粒度云资源编排方法，其特征在于，还包括对多粒度云资源编排的策略进行性能反馈，以调优多粒度云资源编排的策略。
3.根据权利要求2所述的一种基于分级强化学习的自适应多粒度云资源编排方法，其特征在于，包括如下步骤：
4.根据权利...
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。