針對現(xiàn)云計算環(huán)境下需求不確定與并發(fā)性、混合云異構成本與計算環(huán)境動態(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對不確定需求為目標，解決大數(shù)據(jù)服務流程QoS與資源配置的協(xié)同優(yōu)化問題。本書結合深度學習注意力機制、圖網(wǎng)絡、強化學習等新興方法，從云計算流程(服務)QoS(性能、負載)預測與流程(工作流、任務或資源)調度優(yōu)化兩方面展開，介紹了并發(fā)場景下融合多種復雜因素的QoS預測模型、考慮QoS、混合云成本的多目標服務選擇模型、基于容器化混合云的邊-云多模態(tài)工作流調度模型和算法、容器化混合云中考慮工作流QoS的微服務集群彈性伸縮多目標優(yōu)化模型，以及隨機不確定場景下基于深度強化學習的邊-云工作流實時調度框架等。