人工智能驱动的多集群环境下云资源优化

于红博

摘要: 现代云原生系统越来越依赖多集群部署来支持可伸缩性、弹性和地理分布。然而，现有的资源管理方法仍然主要是反应性的和集群中心的，限制了它们在动态工作负载下优化整个系统行为的能力。这些限制导致资源利用效率低下、调整延迟和在分布式环境中增加操作开销。本文提出了一个用于多集群云系统自适应资源优化的人工智能驱动框架。所提出的方法集成了预测学习、基于策略的决策制定和持续反馈，以实现跨集群的主动和协调的资源管理。通过分析跨集群遥测和历史执行模式，该框架动态调整资源分配以平衡性能、成本和可靠性目标。一个原型实现展示了改进的资源效率、在工作负载波动期间更快的稳定性以及与传统的反应性方法相比降低性能变化的结果。结果突出了智能、自适应基础设施管理作为可伸缩和弹性云平台的关键推动因素的有效性。

更新时间: 2025-12-31 15:15:46

领域: cs.DC,cs.AI

下载: http://arxiv.org/abs/2512.24914v1