基于强化学习的虚拟机资源自动配置
李文婵 彭志平
虚拟机技术允许多个虚拟机在同一台物理主机上共享资源.为了响应应用需求的变化或者是资源供应的变化,分配到虚拟机上的资源应该能够动态的重新配置.为此,本文提出了一个基于强化学习的算法来自动处理配置进程,即(Standard Reinforcement Learning Auto-Configuration). 强调了基于算法的模型来解决在资源管理系统的稳定性和适应性问题.这里通过在一个云环境仿真软件CloudSim在基于虚拟机的云测试床实施具有代表性的服务器负载的实验,结果证明了的有效性.这个方法可以在小规模系统里发现最优(或接近最优)的配置策略,并且表现了很好的稳定性和适应性.
基于强化学习的虚拟机资源自动配置
时间: 2024-07-31 19:39:11