摘要
本发明公开了一种自适应容器扩展方法、系统、设备及介质,解决了现有技术中容器扩展可靠性较低、不适应多样化的应用需求、资源利用率较低以及难以处理多维度资源约束的问题,包括持续从多个源头对容器和应用相关的数据进行数据采集和预处理;进行数据融合得到多模态数据融合结果;采用分层时序注意力网络模型预测未来资源使用情况,生成预测结果;基于所述预测结果选择最优的扩展动作;将所述扩展动作应用到实际环境中,并收集反馈计算奖励。本发明能够综合考虑多种因素,适应多样化的应用需求,实现智能化和自动化,提高了容器化应用的性能、可靠性和资源利用率。
技术关键词
多模态数据融合
深度Q网络
容器
深度强化学习
时序
分层
分布式数据采集
资源
多模态数据采集
可读存储介质
贪心策略
扩展系统
处理器
指标
注意力机制
传播算法
参数