ARGOS：强化学习驱动的多维弹性服务编排

Javier Mateos-Bravo 等作者发表论文提出 ARGOS，一个面向计算连续体的端到端控制器，将多维弹性建模为针对分析质量与集群压力的逐请求马尔可夫决策过程，并配合容量感知准入控制。 在异构集群的受控负载与多租户时变到达测试中，其深度强化学习策略持续优于非学习基线，并接近独立调优的最佳固定参考。实际在线评估显示其相较静态中点方案有所改善，未记录 CPU 或内存违规，但仍存在覆盖率违规。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。