.png){kind=icon}
返回
Adaptive multi-objective swarm intelligence for containerized microservice deployment
.png){kind=icon}
PRE
AI
DOI：10.1016/j.future.2025.108012.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于容器的微服务架构对现代应用至关重要。然而，由于微服务之间的复杂相互依赖关系，优化部署仍然是一个严峻的挑战。本文通过系统分析服务功能链（SFCs）内的相互依赖关系，提出了一种形式化的部署模型。为实现此目标，我们设计了一种新颖的群体智能优化算法，名为多目标沙猫群优化混合策略算法（MSCSO-HS），用于微服务部署的多目标优化。我们的算法有效优化了微服务间通信成本，并提高了容器聚合密度，以提升应用可靠性并最大化资源利用率。大量实验表明，MASCSO在所有优化指标上均优于当前最先进算法。我们的模型在通信延迟方面实现了23.76%的改进，部署密度方面实现了47.51%的改进，故障率方面实现了38.70%的改进，CPU利用率方面实现了58.50%的改进，以及RAM使用率方面实现了53.81%的改进。MASCSO框架不仅增强了微服务性能和可靠性，还为云环境中的微服务部署资源调度提供了稳健的解决方案。
Keyword:
microservice deployment
service function chains
swarm intelligence optimization
container aggregation
resource utilization
期刊
F
IF:
0
论文数:
642
被引数:
0
机构
查看更多机构
引用论文
暂无论文信息