基于增强学习算法的云资源动态弹性伸缩

• 作者: 张继东 曹靖城 周帅
• 来源期刊: 信息技术
• 关键词: 增强学习算法 云资源 负载均衡 弹性收缩 动态基准
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 研究与探讨|RESEARCH AND DISCUSSION
• 页码范围: 122-126
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2021.08.023

摘要

为解决云资源节点负载不均衡导致利用效率低、资源负载均衡性较差等问题,提出以增强学习算法改善云资源动态负载均衡弹性伸缩的方法.采用云资源动态特性基准分析云资源动态的最初基准,对云资源动态特性进行节点采样,设置云资源节点负载的上限和下限,实现云资源动态负载均衡控制;采用非均匀离散傅里叶变换方法,对其节点负载状态均匀调整,引入增强学习算法中Q学习方法,不断自适应执行弹性收缩策略,实现云资源动态负载均衡的智能弹性伸缩.实验结果表明,采用所提方法后,云资源利用效率高达约97％,资源负载均衡性能得到提升.