边缘场景下基于DDQN的容器组调度策略

来源：计算机技术与发展杂志2024年第09期北京时间：

作者：王钰童;;顾进广;;*

摘要：工业互联网中存在大量部署于边缘服务器上的在/ 离线容器服务,这些容器服务一方面承载着低延时,高响应的需求,另一方面又具有错综复杂的调用关系。 通常边缘集群的调度策略并未考虑到容器服务之间的依赖关系,这导致具有依赖关系容器服务可能在调度过程中被分散到不同的边缘节点上,并由此产生大量跨节点调用造成额外资源损耗。 针对具有依赖关系的容器,该文提出面向边缘场景的容器组调度优化策略。 首先通过容器聚类算法 CDSC( Container Dependency Spectral Clustering)将有依赖关系的容器划分为一个或多个容器组,使得组内容器依赖强度尽可能的大,组间依赖强度尽可能的小,以减少其进行跨节点调用的频率;再通过引入双深度 Q 网络模型(Double DQN)将容器组作为基本调度单位,以容器依赖开销,集群和节点内部负载为优化目标,根据边缘节点实际情况自适应学习优化调度策略,使其能应对复杂多变的边缘集群情况。 经实验表明,相比于传统的启发式算法和其他深度强化学习算法,该算法在容器服务响应时间、集群和节点负载方面具有明显的优势。

关键词：调度优化;深度强化学习;容器聚类;集群;容器依赖开销