基于增强学习算法的云资源动态弹性伸缩

作者：张继东; 曹靖城; 周帅

来源：信息技术, 2021, (08): 122-126.

DOI：10.13274/j.cnki.hdzj.2021.08.023

• 增强学习算法
• 云资源
• 负载均衡
• 弹性收缩
• 动态基准

为解决云资源节点负载不均衡导致利用效率低、资源负载均衡性较差等问题,提出以增强学习算法改善云资源动态负载均衡弹性伸缩的方法。采用云资源动态特性基准分析云资源动态的最初基准,对云资源动态特性进行节点采样,设置云资源节点负载的上限和下限,实现云资源动态负载均衡控制;采用非均匀离散傅里叶变换方法,对其节点负载状态均匀调整,引入增强学习算法中Q学习方法,不断自适应执行弹性收缩策略,实现云资源动态负载均衡的智能弹性伸缩。实验结果表明,采用所提方法后,云资源利用效率高达约97%,资源负载均衡性能得到提升。