一种基于强化学习的云资源调度性能瓶颈预测方法

摘要

本发明实现了一种基于强化学习的云资源调度性能瓶颈预测方法，通过实现输入控制，队列调度，Container，VM等资源调度，完成对来自不同资源需求的任务流进行CPU，内存，带宽上的资源调度，从而输出一系列性能指标包括CPU利用率，内存利用率，带宽利用率，平均响应时间，QPS(Queries Per Second)。并且在仿真的基础上实现了对该种硬件配置下性能瓶颈的预测，从而可以较好地确定各种硬件配置的瓶颈情况，因而对配置进行灵活调整。在此基础上，我们在本发明中基于马尔科夫过程实现了一种自动调参算法，可以帮助减少使用人工干预。