公开(公告)号：CN114153640B

公开(公告)日：2024-05-31

申请号：CN202111421597.3

申请日：2021-11-26

Applicant: 哈尔滨工程大学

Inventor： 庄园 ,  邱天瑞 ,  孙建国 ,  何佳蔓 ,  刘昊洋 ,  武俊鹏 ,  黄子瑶

IPC: G06F11/07 ,  G06F11/14 ,  G06F9/50 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/092

Abstract: 本发明属于分布式流处理系统容错技术领域，具体涉及一种基于深度强化学习的系统容错策略方法。本发明将深度强化学习技术应用于分布式流处理系统的容错问题中，能够将容错问题中数据备份的分配问题表述为资源分配问题，构建以任务和任务之间的联系为顶点和边的神经网络模型，并经过多层次的训练，有效的使当前系统容错问题处理效果更优秀，同时能够为分布式流处理系统容错问题提供一种基于深度强化学习的可行的方法。本发明所提供的技术方案可恰当分配备份资源，对系统容错开销进行评价，从而降低当前主要以上游备份为主要方案进行处理的复杂度，提高系统容错的效率，降低现有方法的容错开销。

公开(公告)号：CN114153640A

公开(公告)日：2022-03-08

申请号：CN202111421597.3

申请日：2021-11-26

Applicant: 哈尔滨工程大学

Inventor： 庄园 ,  邱天瑞 ,  孙建国 ,  何佳蔓 ,  刘昊洋 ,  武俊鹏 ,  黄子瑶

IPC: G06F11/07 ,  G06F11/14 ,  G06F9/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于分布式流处理系统容错技术领域，具体涉及一种基于深度强化学习的系统容错策略方法。本发明将深度强化学习技术应用于分布式流处理系统的容错问题中，能够将容错问题中数据备份的分配问题表述为资源分配问题，构建以任务和任务之间的联系为顶点和边的神经网络模型，并经过多层次的训练，有效的使当前系统容错问题处理效果更优秀，同时能够为分布式流处理系统容错问题提供一种基于深度强化学习的可行的方法。本发明所提供的技术方案可恰当分配备份资源，对系统容错开销进行评价，从而降低当前主要以上游备份为主要方案进行处理的复杂度，提高系统容错的效率，降低现有方法的容错开销。