本發(fā)明涉及一種基于Q?learning的虛擬機細(xì)粒度資源自適應(yīng)管理辦法,屬于虛擬機動態(tài)管理技術(shù)領(lǐng)域。本發(fā)明首先利用Linux性能監(jiān)測工具實時搜集硬件計數(shù)器數(shù)據(jù)后,結(jié)合LightGBM算法來預(yù)測應(yīng)用的響應(yīng)時間是否滿足SLO。當(dāng)預(yù)測結(jié)果超出SLO規(guī)定范圍時,則基于強化學(xué)習(xí)框架Q?learning,來動態(tài)調(diào)整CPU、內(nèi)存、硬盤、網(wǎng)絡(luò)帶寬和末級緩存(Last Level Cache,LLC)這些細(xì)粒度資源。使得用戶應(yīng)用在滿足SLO指標(biāo)的同時,還能最大化細(xì)粒度資源的使用效率。
聲明:
“基于Q-learning的虛擬機細(xì)粒度資源自適應(yīng)管理辦法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)