自2014年Martin Fowler正式提出微服務(wù)這一架構(gòu)概念后,微服務(wù)引起業(yè)界的廣泛關(guān)注,并且隨著大量企業(yè)如Amazon、Netflix將自身的核心業(yè)務(wù)轉(zhuǎn)為由基于微服務(wù)的解決方案提供后,微服務(wù)架構(gòu)的落地得到充足的工業(yè)生產(chǎn)經(jīng)驗,微服務(wù)架構(gòu)正逐漸成為企業(yè)應(yīng)用架構(gòu)的主流。而微服務(wù)架構(gòu)作為分布式系統(tǒng)開發(fā)的一種風(fēng)格,不可避免的將分配資源和提供網(wǎng)絡(luò)服務(wù)作為應(yīng)用目標(biāo)。由于微服務(wù)架構(gòu)自身的特點,會因劃分太多服務(wù)導(dǎo)致出現(xiàn)資源浪費的情況,因此資源優(yōu)化成為目前微服務(wù)架構(gòu)的主要研究方向。當(dāng)前在基于微服務(wù)應(yīng)用的資源分配方法上,主流的方法有根據(jù)預(yù)測的工作負(fù)載來進(jìn)行資源分配的策略制定,通過監(jiān)視應(yīng)用程序資源消耗以調(diào)整虛擬機的數(shù)量來優(yōu)化資源使用,通過設(shè)定規(guī)則求解次優(yōu)解來制定資源分配策略,通過設(shè)定規(guī)則求解最優(yōu)解來制定資源分配策略等。這些方法沒有考慮到分配資源的根本原因是為了滿足用戶的訪問需求,并且盡可能的節(jié)約成本,因此資源分配方法還有很大的改進(jìn)空間。在基于微服務(wù)架構(gòu)應(yīng)用平臺中,不同的用戶有不同的訪問習(xí)慣和行為偏好,對于應(yīng)用平臺的不同功能點的訪問行為有較大區(qū)別。如果不針對用戶的行為偏好來進(jìn)行資源的分配,勢必會造成某些服... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
    1.2 研究內(nèi)容和主要工作
    1.3 論文的組織結(jié)構(gòu)
第2章 相關(guān)研究
    2.1 引言
    2.2 微服務(wù)架構(gòu)研究現(xiàn)狀
    2.3 負(fù)載預(yù)測
    2.4 資源分配
    2.5 多智能體強化學(xué)習(xí)
    2.6 本章小結(jié)
第3章 整體研究框架
    3.1 引言
    3.2 研究內(nèi)容之間的聯(lián)系
第4章 基于用戶行為偏好的服務(wù)負(fù)載預(yù)測
    4.1 引言
    4.2 UBP模型的構(gòu)建
    4.3 基于服務(wù)負(fù)載的預(yù)測模型
        4.3.1 長短期記憶網(wǎng)絡(luò)
        4.3.2 自回歸綜合移動平均模型
        4.3.3 基于服務(wù)負(fù)載的預(yù)測模型
    4.4 用戶行為偏好
        4.4.1 基本符號定義
        4.4.2 特征選擇
        4.4.3 模型構(gòu)建
    4.5 組合預(yù)測模型
    4.6 實驗評估
        4.6.1 基準(zhǔn)方法
        4.6.2 評估標(biāo)準(zhǔn)
        4.6.3 實驗結(jié)果與分析
    4.7 本章小結(jié)
第5章 基于多智能體強化學(xué)習(xí)的資源分配
    5.1 引言
    5.2 相關(guān)理論方法
        5.2.1 演員-評論家算法
        5.2.2 DDPG
        5.2.3 MADDPG
        5.2.4 多頭注意力機制
    5.3 資源分配模型
        5.3.1 基本符號定義
        5.3.2 MAAC算法
        5.3.3 PbMA算法
    5.4 實驗評估
        5.4.1 實驗配置
        5.4.2 實驗結(jié)果與分析
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀學(xué)位期間參與的科研項目
學(xué)位論文評閱及答辯情況表



本文編號：3161065