典型文献
基于强化学习的云资源混合式弹性伸缩算法
文献摘要：
为解决强化学习(RL)应用于云资源弹性伸缩问题时算法空间随应用规模变化而呈指数级变化、可伸缩性受限、算法训练时间长、收敛慢及设置水平伸缩动作空间时难以兼顾系统性能与稳定性等问题,提出了一种基于强化学习的分组云资源混合式伸缩算法(BGRL).将应用实例进行逻辑分组,使算法空间固定,解决了算法空间爆炸及可伸缩性受限问题;采用并行学习,加快了学习速度,解决了算法收敛慢的问题;通过汇集多组的学习结果决定水平伸缩动作,解决了现有算法难以同时保证应用稳定性和资源调整及时性的问题;采用水平和垂直两个方向上的混合式伸缩,在保证应用能力范围的同时,解决了局部性能问题.通过重放实际应用数据集而产生的工作负载模式进行云应用仿真,结果表明:BGRL的应用资源量最贴合负载变化,资源利用率最高,稳定在80％左右;在消耗的资源量和违反服务质量请求的百分比方面,比其他算法分别减少了15％～20％和0.1％～3.26％.
文献关键词：
云资源;混合式弹性伸缩;强化学习;逻辑分组;局部性能问题
中图分类号：
作者姓名：
吴晓军;张成;原盛;任晓春;王玮
作者机构：
西安交通大学软件学院,710049,西安;轨道交通工程信息化国家重点实验室(中铁一院),710043,西安
文献出处：
引用格式：
[1]吴晓军;张成;原盛;任晓春;王玮-.基于强化学习的云资源混合式弹性伸缩算法)[J].西安交通大学学报,2022(01):142-150
A类：
混合式弹性伸缩,BGRL,逻辑分组,局部性能问题
B类：
强化学习,云资源,数级,可伸缩性,算法训练,训练时间,动作空间,系统性能,应用实例,空间爆炸,并行学习,学习速度,汇集,学习结果,果决,及时性,应用能力,重放,应用数据,负载模式,行云,云应用,应用仿真,资源量,贴合,负载变化,资源利用率,违反,请求,比方
AB值：
0.318947
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
