摘要:
针对大规模云环境中业务量变化时平台服务质量和资源消耗的问题,提出一种基于Q-Learning的虚拟机扩容/缩容决策算法。将该问题转换为马尔科夫决策模型,为了在业务平台服务质量和资源消耗之间取得较好的平衡,智能体根据平台当前状态计算出最佳策略,执行决策并转到下一状态。仿真结果表明,该算法可根据业务量的变化实时作出伸缩决策,并提供最合适的虚拟机资源以满足业务需求,且能提高平台的稳定性。
中图分类号:
赵勉,李烨. 基于Q-Learning的虚拟机动态伸缩算法[J]. , 2016, 29(3): 35-.
ZHAO Mian,LI Ye. Q-Learning Based Auto-scaling Algorithm for Virtual Machines[J]. , 2016, 29(3): 35-.