本发明涉及一种基于Q‑learning的虚拟机细粒度资源自适应管理办法,属于虚拟机动态管理技术领域。本发明首先利用Linux性能监测工具实时搜集硬件计数器数据后,结合LightGBM算法来预测应用的响应时间是否满足SLO。当预测结果超出SLO规定范围时,则基于强化学习框架Q‑learning,来动态调整CPU、内存、硬盘、网络带宽和末级缓存(Last Level Cache,LLC)这些细粒度资源。使得用户应用在满足SLO指标的同时,还能最大化细粒度资源的使用效率。
声明:
“基于Q-learning的虚拟机细粒度资源自适应管理办法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)