摘要
本申请公开了一种流量调度方法及电子设备,涉及流量调度技术领域,方法包括:确定微服务的优先级权重,根据网络设备的历史流量信息预测目标流量;根据网络设备的拓扑信息和微服务的依赖关系构建图模型,对图模型中的节点进行嵌入学习以生成表征网络状态的状态向量;微服务的优先级权重、状态向量、目标流量作为强化学习模型的输入,获取网络设备的流量调度策略;根据强化学习模型的策略网络参数和图模型的特征学习网络参数编码形成的迭代粒子进行迭代搜索确定强化学习模型参数;将流量调度策略下发至网络设备并执行,以应对相关技术中流量调度方法难以适应微服务架构下动态复杂的网络环境与业务需求的技术问题,实现提高流量调度可靠性。
技术关键词
强化学习模型
流量调度方法
网络流量预测模型
特征学习网络
网络性能数据
节点
策略
粒子群优化算法
参数
邻居
注意力
流量调度技术
关系
网络设备执行
时延
微服务架构
电子设备
系统为您推荐了相关专利信息
无毒家用消毒液
性能预测模型
参数
随机森林模型
深度强化学习模型
探伤检测系统
探伤检测方法
多模态传感器
闭环控制单元
迁移学习模型
多源特征融合
动作反馈信号
热失控预测
消防联动控制方法
电池簇
策略网络模型
激光雷达数据
智能车
样本
SAC算法