一种基于奖励累积深度强化学习的Kubernetes微服务最优部署方法、设备及介质

本发明公开了一种基于奖励累积深度强化学习的Kubernetes微服务最优部署方法、设备及介质，涉及电数字数据处理领域，部署方法包括以下步骤：S1、构建多目标微服务部署优化问题；S2、构建微服务资源偏好函数结合优化目标；S3、构建强化学习模型；S4、构建奖励函数，对模型进行训练；S5、通过训练好的模型根据真实状态在线获得最优部署策略。本发明通过构建多目标微服务部署优化问题，兼顾服务响应延迟最低和资源负载均衡两个目标，有效的将Kubernetes部署需求转化为可计算、可求解的最优问题；同时，设计微服务资源偏好函数，并将其与优化目标相结合，降低模型训练时的计算复杂度，保证了Kubernetes部署的实时性，从而满足微服务架构的开发需求。