一种基于负载时序预测的集群弹性伸缩方法

本发明提出一种基于负载时序预测的集群弹性伸缩方法，计算机技术领域。包括如下步骤：在LSTM网络输入层和输出层之间引入稀疏注意力机制，构建基于稀疏注意力机制的LSTM编解码负载时序预测模块；构建基于强化学习的集群弹性伸缩决策智能体；构建基于DQN算法的价值导向强化学习算法；构建基于负载时序预测的容器集群弹性伸缩决策框架，输出容器集群弹性伸缩策略。本发明将稀疏注意力机制运用于LSTM编解码网络中，降低了LSTM编解码网络的计算复杂度，改善了网络处理长时间序列的响应速度和计算精度；本发明通过历史负载时间序列数据进行负载预测，并根据预测结果改进决策场景的强化学习状态空间，实现了容器集群在面向复杂负载场景时安全高效的弹性伸缩能力。