技術特征：

1.一種基于雙代理的kubernetes容器自動伸縮方法，其特征在于：包括如下步驟：

2.如權利要求1所述的一種基于雙代理的kubernetes容器自動伸縮方法，其特征在于：所述步驟s1中，所述工作負載預測代理單元基于lstm網絡構建，公式為：

3.如權利要求1所述的一種基于雙代理的kubernetes容器自動伸縮方法，其特征在于：所述步驟s1中，所述狀態(tài)空間分層模塊的公式為：

4.如權利要求1所述的一種基于雙代理的kubernetes容器自動伸縮方法，其特征在于：所述步驟s1中，所述注意力經驗回放模塊生成的調度經驗的公式為：

5.如權利要求1所述的一種基于雙代理的kubernetes容器自動伸縮方法，其特征在于：所述步驟s1中，所述工作負載數據至少包括cpu使用率、內存使用率向量、請求數量、sla達成狀態(tài)、請求的隊列長度、請求的平均響應延遲、sla違約率；

6.一種基于雙代理的kubernetes容器自動伸縮系統，其特征在于：包括如下模塊：

7.如權利要求6所述的一種基于雙代理的kubernetes容器自動伸縮系統，其特征在于：所述伸縮模型創(chuàng)建模塊中，所述工作負載預測代理單元基于lstm網絡構建，公式為：

8.如權利要求6所述的一種基于雙代理的kubernetes容器自動伸縮系統，其特征在于：所述伸縮模型創(chuàng)建模塊中，所述狀態(tài)空間分層模塊的公式為：

9.如權利要求6所述的一種基于雙代理的kubernetes容器自動伸縮系統，其特征在于：所述伸縮模型創(chuàng)建模塊中，所述注意力經驗回放模塊生成的調度經驗的公式為：

10.如權利要求6所述的一種基于雙代理的kubernetes容器自動伸縮系統，其特征在于：所述伸縮模型創(chuàng)建模塊中，所述工作負載數據至少包括cpu使用率、內存使用率向量、請求數量、sla達成狀態(tài)、請求的隊列長度、請求的平均響應延遲、sla違約率；

技術總結
本發(fā)明提供了云計算資源管理技術領域的一種基于雙代理的Kubernetes容器自動伸縮方法及系統，方法包括：步驟S1、基于雙代理模塊、狀態(tài)空間分層模塊、注意力經驗回放模塊，創(chuàng)建伸縮模型，設定伸縮模型的獎勵函數；步驟S2、獲取大量的Kubernetes容器的歷史工作負載數據構建數據集；步驟S3、基于預設比例將數據集劃分為訓練集、驗證集以及測試集，通過訓練集對伸縮模型進行訓練，訓練過程中通過獎勵函數不斷優(yōu)化伸縮模型，通過驗證集對訓練后的伸縮模型進行驗證，通過測試集對驗證通過后的伸縮模型進行測試；步驟S4、通過測試通過的伸縮模型對Kubernetes容器的云計算資源進行調度。本發(fā)明的優(yōu)點在于：極大的提升了Kubernetes容器的云計算資源調度的資源利用率、效率以及可靠性。

技術研發(fā)人員：姜春茂
受保護的技術使用者：福建理工大學
技術研發(fā)日：
技術公布日：2025/1/2