ARGOS: Reinforcement Learning-Driven Multidimensional Elasticity for Service Orchestration in the Computing Continuum

📄 arXiv: 2609.37085v1 📥 PDF

作者: Javier Mateos-Bravo, Sergio Laso, Juan Luis Herrera, Ilir Murturi, Pantelis Frangoudis, Schahram Dustdar

分类: cs.DC, cs.AI

发布日期: 2026-09-29

💡 一句话要点

提出ARGOS以解决计算连续体中的服务编排问题

🎯 匹配领域: 支柱二：RL算法与架构 (RL & Architecture)

关键词: 服务编排 强化学习 多维弹性 计算连续体 资源管理 数据密集型服务 动态调整 马尔可夫决策过程

📋 核心要点

  1. 现有服务编排方法在资源扩展达到容量限制时，难以平衡分析质量与集群压力，导致质量范围被违反。
  2. ARGOS通过将多维弹性建模为每请求的马尔可夫决策过程，结合深度强化学习来动态调整服务质量与资源使用。
  3. 实验结果表明，ARGOS在控制场景下的深度强化学习策略显著优于传统方法，且在真实环境中表现出色，未出现CPU或内存违规。

📝 摘要（中文）

在计算连续体中，数据密集型服务必须在异构节点上平衡分析质量、资源使用和成本。尤其在资源扩展达到容量限制时，需求变化和集群压力必须被吸收，而不违反客户定义的质量范围。现有的编排器主要适应资源、位置或副本，而分析需求如覆盖率、样本和新鲜度保持固定。本文提出ARGOS，即自适应强化学习驱动的编排服务治理，作为一个端到端控制器，将多维弹性公式化为针对分析质量和集群压力的每请求马尔可夫决策过程，并支持基于容量的接纳。ARGOS在异构集群上进行控制工作负载和时间变化的多租户到达的评估，结果显示深度强化学习策略在控制场景中始终优于非学习基线，并接近独立调优的最佳固定参考。

🔬 方法详解

问题定义：本文旨在解决在计算连续体中，数据密集型服务在资源扩展达到容量限制时，如何有效平衡分析质量与集群压力的问题。现有方法主要适应资源和副本，未能动态调整分析需求，导致质量范围可能被违反。

核心思路：ARGOS的核心思路是将多维弹性视为每请求的马尔可夫决策过程，利用强化学习动态调整服务质量和资源使用，以适应变化的需求和集群压力。这种设计使得系统能够在不违反质量范围的情况下，灵活应对资源限制。

技术框架：ARGOS的整体架构包括数据接入模块、决策模块和执行模块。数据接入模块负责收集实时的资源使用和分析质量数据，决策模块基于深度强化学习算法生成最优的资源分配策略，执行模块则负责实施这些策略并监控效果。

关键创新：ARGOS的主要创新在于将多维弹性与深度强化学习结合，形成了一种新的服务编排治理机制。这与现有方法的本质区别在于，ARGOS能够动态调整分析需求，而不仅仅是资源配置。

关键设计：在设计中，ARGOS使用了基于容量的接纳策略，确保在资源有限的情况下，优先处理高优先级的请求。损失函数设计考虑了分析质量和资源使用的平衡，网络结构则采用了深度神经网络，以提高决策的准确性和效率。

🖼️ 关键图片

fig_0
img_1
img_2

📊 实验亮点

在实验中，ARGOS的深度强化学习策略在控制场景下的表现显著优于非学习基线，且在真实环境中处理饱和到达时未出现CPU或内存违规，显示出良好的稳定性和适应性。

🎯 应用场景

ARGOS的研究成果可广泛应用于云计算、边缘计算和物联网等领域，尤其是在需要处理大量数据的场景中。通过动态调整服务质量和资源使用，ARGOS能够提高系统的整体效率和用户满意度，具有显著的实际价值和未来影响。

📄 摘要（原文）

Data-intensive services in the Computing Continuum must balance analytics quality, resource usage, and cost across heterogeneous nodes with limited and uneven capacity. This balance becomes especially difficult when resource scaling reaches capacity limits, because changes in demand and cluster pressure must then be absorbed without violating client-defined quality ranges. Existing orchestrators mainly adapt resources, placements, or replicas, while analytics requirements such as coverage, sample, and freshness remain fixed. This article presents ARGOS, the Adaptive Reinforcement Learning-Driven Governance for Orchestrated Services, an end-to-end controller that formulates multidimensional elasticity as a per-request Markov decision process over analytics quality and cluster pressure, supported by capacity-aware admission. ARGOS is evaluated under controlled workloads and time-varying multi-tenant arrivals on a heterogeneous cluster. Across the controlled scenarios, the deep reinforcement learning policies consistently outperform the non-learning baselines and approach the independently tuned best-fixed reference. A separate live evaluation reports improvements over the static midpoint under realistic and saturated arrivals, with no recorded CPU or memory violations but remaining coverage violations. These results support deep reinforcement learning as an adaptive mechanism for multidimensional elasticity when resource scaling alone is insufficient.