本發明涉及一種基于Q?learning的虛擬機細粒度資源自適應管理辦法,屬于虛擬機動態管理技術領域。本發明首先利用Linux性能監測工具實時搜集硬件計數器數據后,結合LightGBM算法來預測應用的響應時間是否滿足SLO。當預測結果超出SLO規定范圍時,則基于強化學習框架Q?learning,來動態調整CPU、內存、硬盤、網絡帶寬和末級緩存(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)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)