一种基于深度强化学习的双层资源调度方法和系统

本发明公开一种基于深度强化学习的双层资源调度方法和系统，该方法包括：步骤一：根据资源利用状态将部署完成的微服务分为两类；步骤二：根据两类微服务构建深度神经网络模型；步骤三：通过双深度Q网络算法对深度神经网络模型进行训练，得到最优的深度神经网络模型；步骤四：将目标请求速率输入最优的深度神经网络模型中，得到对应的目标微服务的节流率，将对应的目标微服务的节流率发送给目标微服务，完成目标微服务的资源调度。本发明通过深度强化学习的方式，利用节流率实时对资源进行调节，从而实现在不违反服务级时延要求的情况下尽可能的减少资源分配，实现了预测的准确性与计算开销的平衡。