一种基于PPO-DU算法的微服务自动伸缩方法

本发明涉及微服务自动伸缩领域，尤其涉及一种基于PPO‑DU算法的微服务自动伸缩方法。该方法包括：定义微服务集群，将微服务自动伸缩目标转化为目标优化问题；为了解决目标优化问题，构建马尔可夫决策过程，利用资源利用率和服务质量来设计奖励函数；根据马尔可夫决策过程，设计Actor‑Critic神经网络，该网络包括状态输入、Actor网络、Critic网络、输出；结合Actor‑Critic神经网络，引入延迟更新策略，设计PPO‑DU算法，用于根据微服务的状态输出容器数量的调整比例，从而实现微服务的自动伸缩。本发明能够根据系统运行状态的实时变化动态生成最优伸缩策略，精准预测负载需求并动态调整资源分配，能够确保微服务系统在高负载环境下稳定运行，同时大幅降低资源浪费和运维成本。