[发明专利]基于强化学习的面向微服务的资源管理系统

说明书

一种基于强化学习的面向微服务的资源管理系统，包括：状态转化单元、资源分配决策单元以及管理方法评价单元，状态转化单元采集数据中心当前的运行状态信息、执行资源分配决策单元的动作以及将微服务之间的资源需求关系转化成资源二分图，资源分配决策单元通过二分图神经网络建模推导得到微服务资源性能特征，并且通过感知器网络得出可行的资源分配方案，管理方法评价单元采用反映数据中心资源的效益的标准生产总值指标评价资源分配方案的优劣性，通过比较在不同配置的资源分配决策单元下系统的GNP，实现资源分配方案的优化。本发明能够在资源受限的情况下，一方面能够保证微服务应用的时延要求，另一方面也可以最大化地利用数据中心资源，进而提升数据中心的执行能力和整体性能。

技术领域

本发明涉及的是一种计算机信息处理领域的技术，具体是一种数据中心中基于强化学习的面向微服务的资源管理系统。

背景技术

微服务作为一种新兴的软件架构，强调将传统大型的单个应用服务拆分为许多特征不规则的、动态变化的小服务。尽管微服务架构已经被普遍应用，微服务条件下的资源管理系统却面临两个挑战：第一、对于众多微服务，能够识别它们的不规则特征，这包括获得不同微服务的多维度的资源需求以及判断不同微服务的资源分配结果对整个应用的性能的重要性等；第二、在突发的、动态变化的执行环境中，能够自我优化资源分配决策，即每当用户负载等执行状态发生变化时，这就要求资源系统能够自动决策，无需人工干预。

发明内容

本发明针对现有数据中心在上述两种情形下的资源浪费及应用性能下降的缺陷，提出一种基于强化学习的面向微服务的资源管理系统，采用强化学习获得不规则的、动态变化的微服务的特征，制定微服务特征感知的资源分配机制，从而在资源受限的情况下，一方面能够保证微服务应用的时延要求，另一方面也可以最大化地利用数据中心资源，进而提升数据中心的执行能力和整体性能。

本发明是通过以下技术方案实现的：

本发明涉及一种基于强化学习的面向微服务的资源管理系统，包括：状态转化单元、资源分配决策单元以及管理方法评价单元，其中：状态转化单元采集数据中心当前的运行状态信息、执行资源分配决策单元的动作以及将微服务之间的资源需求关系转化成资源二分图，资源分配决策单元通过二分图神经网络建模推导得到微服务资源性能特征，并且通过感知器网络得出可行的资源分配方案，管理方法评价单元采用反映数据中心资源的效益的标准生产总值(Gross Normalized Product，GNP)指标评价资源分配方案的优劣性，通过比较在不同配置的资源分配决策单元下系统的GNP，实现资源分配方案的优化。

所述的微服务资源性能特征是指：微服务在不同资源数量下的执行时间的变化特征。

所述的运行状态信息包括：数据中心的CPU、存储、磁盘的资源使用情况以及剩余信息、不同微服务对不同资源的需求信息和不同微服务在不同资源数量下的执行时间以及对整个应用响应时间。

所述的使用情况以及剩余信息，利用现有的服务器资源管理工具采集，优选利用Linux工具df查看磁盘的信息。

所述的需求信息，利用服务器系统提供的进程资源管理工具采集，优选利用Linux提供的cgroups机制获取每一个微服务对不同资源的需求信息。

所述的执行时间以及和整个应用响应时间，通过分布式追踪工具采集，优选利用Zipkin。

所述的资源二分图，根据采集到的资源的需求信息以及微服务之间的调用关系构建得到，其中每一个节点表示一个微服务，节点的属性是一个数组，记录着该微服务对不同资源的需求信息；图的边表示微服务之间的调用关系。

所述的微服务之间的调用关系是指：所生成的微服务资源二分图的一组节点是API微服务，是应用请求的入口，将请求分配给多个微服务执行；另一组节点是函数微服务，是执行请求的逻辑功能，即一类请求通过一个API微服务，调用多个函数微服务。