本發(fā)明涉及一種基于Q?learning的虛擬機細粒度資源自適應管理辦法,屬于虛擬機動態(tài)管理技術領域。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算法來預測應用的響應時間是否滿足SLO。當預測結(jié)果超出SLO規(guī)定范圍時,則基于強化學習框架Q?learning,來動態(tài)調(diào)整CPU、內(nèi)存、硬盤、網(wǎng)絡帶寬和末級緩存(Last Level Cache,LLC)這些細粒度資源。使得用戶應用在滿足SLO指標的同時,還能最大化細粒度資源的使用效率。
聲明:
“基于Q-learning的虛擬機細粒度資源自適應管理辦法” 該技術專利(論文)所有權(quán)利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)