本發(fā)明涉及一種基于微服務(wù)鏈路分析和強化學(xué)習(xí)的調(diào)度方法及裝置。該方法及裝置基于深度學(xué)習(xí)模型來對云服務(wù)器集群進行調(diào)度，強化學(xué)習(xí)可以選用三種不同的調(diào)度方式：橫向擴展、縱向擴展與管制。本發(fā)明利用基于深度學(xué)習(xí)模型的工作負載與鏈路分析器對微服務(wù)的鏈路進行分析與決策，選取最長延遲的關(guān)鍵路徑與關(guān)鍵節(jié)點。本發(fā)明基于Deep Q?Learning的強化學(xué)習(xí)算法，對云服務(wù)器負載數(shù)據(jù)進行訓(xùn)練，利用該算法訓(xùn)練出適應(yīng)于不同負載狀態(tài)下的深度學(xué)習(xí)模型。本發(fā)明解決了可能存在的鏈路長度與微服務(wù)延遲不匹配的問題，能得到一個針對延遲本身的優(yōu)化目標，依據(jù)于此對云服務(wù)器進行資源調(diào)度能有效的緩解存在的微服務(wù)鏈路延遲問題。