針對(duì)現(xiàn)云計(jì)算環(huán)境下需求不確定與并發(fā)性、混合云異構(gòu)成本與計(jì)算環(huán)境動(dòng)態(tài)性、新興的容器化資源分配方式等新特征與新挑戰(zhàn)，以提升流程QoS、降低云成本、改善云資源利用率和應(yīng)對(duì)不確定需求為目標(biāo)，解決大數(shù)據(jù)服務(wù)流程QoS與資源配置的協(xié)同優(yōu)化問題。本書結(jié)合深度學(xué)習(xí)注意力機(jī)制、圖網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)等新興方法，從云計(jì)算流程(服務(wù))QoS(性能、負(fù)載)預(yù)測(cè)與流程(工作流、任務(wù)或資源)調(diào)度優(yōu)化兩方面展開，介紹了并發(fā)場(chǎng)景下融合多種復(fù)雜因素的QoS預(yù)測(cè)模型、考慮QoS、混合云成本的多目標(biāo)服務(wù)選擇模型、基于容器化混合云的邊-云多模態(tài)工作流調(diào)度模型和算法、容器化混合云中考慮工作流QoS的微服務(wù)集群彈性伸縮多目標(biāo)優(yōu)化模型，以及隨機(jī)不確定場(chǎng)景下基于深度強(qiáng)化學(xué)習(xí)的邊-云工作流實(shí)時(shí)調(diào)度框架等。