關(guān)鍵詞： 虛擬現(xiàn)實(shí) 興趣度 云存儲(chǔ) 深度強(qiáng)化學(xué)習(xí) VR UO-CRUSH

中圖分類號(hào)： TP393.01 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1672-3791（2023）16-0043-08

傳統(tǒng)的虛擬現(xiàn)實(shí)技術(shù)由于資源所需的硬件成本高昂而發(fā)展緩慢，而隨著云技術(shù)的發(fā)展，傳統(tǒng)的資源存儲(chǔ)方式開(kāi)始向云存儲(chǔ)轉(zhuǎn)變，這將使傳統(tǒng)的虛擬現(xiàn)實(shí)有了新的發(fā)展方向，即云VR[1]。云VR 是將傳統(tǒng)VR 與云技術(shù)相結(jié)合，利用云進(jìn)行資源的存儲(chǔ)和相關(guān)任務(wù)的執(zhí)行。然而由于虛擬現(xiàn)實(shí)獨(dú)特的真實(shí)性，其產(chǎn)生的數(shù)據(jù)和所需資源量極為龐大，這些數(shù)據(jù)資源若隨意上傳至云端進(jìn)行處理，會(huì)不可避免地增加云端處理難度，降低云端處理效率。

資源存儲(chǔ)過(guò)程混亂和云空間使用不均衡是云資源存儲(chǔ)中的常見(jiàn)問(wèn)題[2-3]。當(dāng)海量數(shù)據(jù)資源同時(shí)向云端發(fā)送，若無(wú)合適的處理流程，資源在存儲(chǔ)時(shí)往往會(huì)雜亂無(wú)章，這樣導(dǎo)致的存儲(chǔ)過(guò)程混亂會(huì)嚴(yán)重降低云端處理效率。而云空間使用不均衡是指資源在存儲(chǔ)過(guò)程中沒(méi)有合理地選擇存儲(chǔ)空間，這樣造成部分空間的過(guò)載和空閑，導(dǎo)致云空間的使用效率低下。針對(duì)這些問(wèn)題，本文從云VR 資源存儲(chǔ)過(guò)程著手進(jìn)行分析、實(shí)驗(yàn)，得出云VR 資源在存儲(chǔ)過(guò)程中，將所有資源都獨(dú)立分析存儲(chǔ)，會(huì)造成存儲(chǔ)過(guò)程混亂及空間使用不均衡等問(wèn)題。在此基礎(chǔ)上，先將問(wèn)題轉(zhuǎn)化為云VR 資源分析優(yōu)化問(wèn)題與空間內(nèi)資源量標(biāo)準(zhǔn)差的優(yōu)化問(wèn)題，然后考慮云VR 資源間關(guān)聯(lián)度，對(duì)資源進(jìn)行綜合分析，利用強(qiáng)化學(xué)習(xí)算法，使綜合分析后的資源在云空間中分布更加均衡，提高了云VR 資源存儲(chǔ)效率及空間綜合利用率。

1 相關(guān)工作

云VR 資源存儲(chǔ)主要涉及云服務(wù)器資源監(jiān)控、負(fù)載預(yù)測(cè)、資源放置組構(gòu)建方法和資源放置執(zhí)行等。云VR 資源動(dòng)態(tài)存儲(chǔ)過(guò)程中，首先在資源分析階段通過(guò)資源放置組構(gòu)建方法進(jìn)行資源分析與劃分，接著在存儲(chǔ)執(zhí)行階段通過(guò)資源放置方法實(shí)現(xiàn)資源存儲(chǔ)。目前，關(guān)于云資源存儲(chǔ)方法有很多，其中主要集中在資源放置組構(gòu)建方法和資源放置方法。

1.1 資源放置組構(gòu)建方法

關(guān)于資源放置組構(gòu)建方法，林偉偉等人[4]提出了一種基于服務(wù)器集群劃分的可擴(kuò)展分布式方法，該方法將可用服務(wù)器分為若干個(gè)服務(wù)器集群，然后在每個(gè)集群上利用Choco 求解模型獲得能耗優(yōu)化的資源分配方式。龔志遠(yuǎn)[5]研究了多云存儲(chǔ)系統(tǒng)中數(shù)據(jù)的放置問(wèn)題，提出了一種多云環(huán)境下混合I/O 細(xì)粒度感知的數(shù)據(jù)放置算法，在其數(shù)據(jù)感知階段，使用了基于決策樹(shù)的混合I/O 感知算法進(jìn)行資源決策。張從越等人[6]考慮了實(shí)際云端已有資源分布狀況，在已有資源分配的前提下，對(duì)新資源進(jìn)行混合放置，從而構(gòu)建新的合理資源放置組。張鴻等人[7]考慮的是數(shù)據(jù)塊的多指標(biāo)Qos 約束，在服務(wù)器資源空間有限的情況下，最大化滿足Qos 要求的數(shù)據(jù)塊放置組的構(gòu)建。祁志陽(yáng)[8]從經(jīng)濟(jì)學(xué)原理的角度入手，以信譽(yù)度為約束條件，構(gòu)建出合適的云計(jì)算經(jīng)濟(jì)學(xué)模型，運(yùn)用超邊際分析的方法實(shí)現(xiàn)了云計(jì)算環(huán)境下的資源合理分配。此外，SHEN J 等人[9]也在優(yōu)化放置方法方面做了研究，他們提出了一種基于網(wǎng)格編碼的云存儲(chǔ)方案，可以均勻地構(gòu)建資源放置組。李振波[10]提出了一種數(shù)據(jù)分層存儲(chǔ)方法，通過(guò)貝葉斯的分類原理，找到并行節(jié)點(diǎn)進(jìn)行數(shù)據(jù)資源的合理分類。

1.2 資源放置方法

對(duì)于資源放置方法的研究，主要可以分為傳統(tǒng)式放置方法和人工智能型放置方法兩大類。常見(jiàn)的傳統(tǒng)式放置方法有輪詢算法、貪心算法等。黃祥書[11]提出了一種基于流行度的加權(quán)輪詢算法存儲(chǔ)策略，將目標(biāo)服務(wù)器空間按流行度進(jìn)行編號(hào)，之后采用加權(quán)輪詢算法選擇合適的目標(biāo)服務(wù)器空間進(jìn)行資源的放置。楊蘇影等人[12]提出了一種基于包簇框架的資源分配策略，采用了平衡蟻群算法實(shí)現(xiàn)均衡的資源放置，此方法有效提高了云空間的資源利用率并降低了遷移開(kāi)銷。為了最大化地利用云存儲(chǔ)空間，Balakrishnan 等人提出了一種改進(jìn)的貪心算法，該算法通過(guò)重新分析已放置的資源占用空間，利用改進(jìn)的貪心算法將資源放置在最佳空間內(nèi)。而人工智能型放置方法主要為深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。李新鵬等人[13-14]針對(duì)云存儲(chǔ)系統(tǒng)中數(shù)據(jù)資源在各存儲(chǔ)設(shè)備中分布不均衡，影響云存儲(chǔ)系統(tǒng)的整體Qos性能這一問(wèn)題，利用強(qiáng)化學(xué)習(xí)相關(guān)算法，通過(guò)與周圍環(huán)境進(jìn)行交互、反饋、決策，對(duì)現(xiàn)有算法進(jìn)行優(yōu)化，較好地解決了資源在各存儲(chǔ)設(shè)備中分布不均衡的問(wèn)題，消除了數(shù)據(jù)資源分布不平衡導(dǎo)致的系統(tǒng)性能瓶頸，從而改善了云存儲(chǔ)系統(tǒng)整體的Qos性能。KARTHIBAN K等人[15]提出了一種基于深度強(qiáng)化學(xué)習(xí)的公平資源分配模型，當(dāng)傳統(tǒng)空間呈指數(shù)增長(zhǎng)時(shí)，傳統(tǒng)的Q-Learning 學(xué)習(xí)模型無(wú)法解決維數(shù)問(wèn)題，導(dǎo)致系統(tǒng)負(fù)載不平衡，而該模型利用深度強(qiáng)化學(xué)習(xí)的特性，動(dòng)態(tài)地調(diào)整資源分配方案，從而合理、高效地實(shí)現(xiàn)資源分配放置。

目前，對(duì)于云資源存儲(chǔ)的研究過(guò)程中，往往是從云存儲(chǔ)系統(tǒng)本身入手，卻很少考慮需要存儲(chǔ)的云資源本身的特性或只是簡(jiǎn)單地對(duì)資源進(jìn)行分析。如果聯(lián)系緊密的存儲(chǔ)資源存儲(chǔ)到不同的空間內(nèi)，不僅會(huì)使資源存儲(chǔ)混亂，也將在后期計(jì)算與調(diào)度過(guò)程中帶來(lái)更多的服務(wù)器之間的數(shù)據(jù)傳輸和通信開(kāi)銷。針對(duì)此問(wèn)題，定義興趣度指數(shù)用于量化云VR 資源間的關(guān)聯(lián)程度，并提出了一種基于興趣度的云VR 資源存儲(chǔ)方法。該方法設(shè)計(jì)了一個(gè)UO-CRUSH 算法，首先將聯(lián)系緊密的存儲(chǔ)資源組成資源放置組進(jìn)行成組放置，以減少傳輸和通信開(kāi)銷，之后利用深度強(qiáng)化學(xué)習(xí)方法，可以動(dòng)態(tài)計(jì)算當(dāng)前云存儲(chǔ)空間狀態(tài)，從而為資源放置組選擇最佳存儲(chǔ)空間進(jìn)行資源放置。

2 基于興趣度的云VR 資源存儲(chǔ)方法

針對(duì)提出的云VR 資源存儲(chǔ)方法，將從興趣度指數(shù)定義、資源放置組構(gòu)建、資源放置執(zhí)行以及存儲(chǔ)方法的具體實(shí)現(xiàn)這4 個(gè)部分進(jìn)行介紹。

2.1 興趣度指數(shù)

虛擬現(xiàn)實(shí)場(chǎng)景中由于場(chǎng)景資源是結(jié)合虛擬用戶配套出現(xiàn)的，不同的虛擬用戶需要不同的場(chǎng)景資源，若無(wú)差別地進(jìn)行資源存儲(chǔ)會(huì)增加存儲(chǔ)開(kāi)銷。關(guān)聯(lián)程度決定了興趣度指數(shù)，所以在設(shè)計(jì)云VR 資源存儲(chǔ)方法前，需要將資源之間的關(guān)聯(lián)程度進(jìn)行量化。

2.4 基于興趣度的云VR 資源存儲(chǔ)方法實(shí)現(xiàn)

描述云VR 資源存儲(chǔ)方法中兩大核心方法后，進(jìn)一步介紹基于興趣度的云VR 資源存儲(chǔ)方法的總體實(shí)現(xiàn)，并主要介紹在資源分析階段中基于興趣度的資源放置組構(gòu)建方法和存儲(chǔ)執(zhí)行階段中基于深度強(qiáng)化學(xué)習(xí)的資源放置策略的具體實(shí)現(xiàn)過(guò)程。

2.4.1 總體流程

云資源存儲(chǔ)的總體流程分為兩個(gè)階段，分別為資源分析階段和存儲(chǔ)執(zhí)行階段。設(shè)計(jì)的基于興趣度的資源放置組構(gòu)建方法應(yīng)用于資源分析模塊，基于深度強(qiáng)化學(xué)習(xí)的資源放置方法應(yīng)用于存儲(chǔ)執(zhí)行模塊。云資源存儲(chǔ)的總體框架見(jiàn)圖1。

在云存儲(chǔ)管理中心發(fā)現(xiàn)部分服務(wù)器新增資源存儲(chǔ)請(qǐng)求時(shí)，存儲(chǔ)管理服務(wù)器開(kāi)始進(jìn)行資源存儲(chǔ)，主要流程分為兩個(gè)階段：資源分析階段和存儲(chǔ)執(zhí)行階段。資源分析階段主要進(jìn)行資源放置組的構(gòu)建，存儲(chǔ)執(zhí)行階段主要進(jìn)行對(duì)象存儲(chǔ)設(shè)備的計(jì)算以便存儲(chǔ)資源放置組。

2.4.2 基于興趣度的資源放置組構(gòu)建方法實(shí)現(xiàn)

在描述云資源存儲(chǔ)的總體流程后，將具體介紹在資源分析階段如何對(duì)云VR 資源進(jìn)行特性分析，并使用基于興趣度的資源放置組構(gòu)建方法進(jìn)行資源放置組的構(gòu)建。

下面將具體描述基于興趣度的資源放置組構(gòu)建方法實(shí)現(xiàn)步驟。

第一步，云存儲(chǔ)管理中心發(fā)現(xiàn)新增資源存儲(chǔ)指令后，發(fā)送資源分析指令開(kāi)始啟動(dòng)資源放置組的構(gòu)建，分析資源本身特性及資源之間的關(guān)聯(lián)程度。

第二步，計(jì)算資源的興趣度指數(shù)，按照興趣度指數(shù)降序進(jìn)行排序并過(guò)濾興趣度指數(shù)小于預(yù)設(shè)閾值的資源。

第三步，按照設(shè)定的組內(nèi)上限W，將計(jì)算好興趣度指數(shù)的資源進(jìn)行分組。

第四步，重復(fù)以上過(guò)程，直至將所有資源構(gòu)建成資源放置組，此時(shí)發(fā)送完成指令至云存儲(chǔ)管理中心，并準(zhǔn)備進(jìn)入存儲(chǔ)執(zhí)行階段。

2.4.3 基于深度強(qiáng)化學(xué)習(xí)的資源放置方法實(shí)現(xiàn)

介紹了在資源分析階段如何對(duì)云VR 資源進(jìn)行分析，并利用基于興趣度的資源放置組構(gòu)建方法實(shí)現(xiàn)了資源放置組的構(gòu)建后，將具體說(shuō)明在存儲(chǔ)執(zhí)行階段云VR 資源的存儲(chǔ)放置過(guò)程，以及如何使用基于深度強(qiáng)化學(xué)習(xí)的資源放置方法計(jì)算出最合適的對(duì)象存儲(chǔ)設(shè)備用于資源放置組的存儲(chǔ)。

下面將具體描述基于深度強(qiáng)化學(xué)習(xí)的資源放置方法實(shí)現(xiàn)。

第一步，云存儲(chǔ)管理中心發(fā)現(xiàn)新增資源存儲(chǔ)指令后獲取各個(gè)服務(wù)器資源的使用情況，并根據(jù)資源分析階段的結(jié)果構(gòu)成候選資源放置組列表L= {PG₁ ，PG₂ …PG_n}。選取列表中的部分資源放置組作為需要存儲(chǔ)執(zhí)行的資源對(duì)象。

第二步，將當(dāng)前云空間環(huán)境和選取的資源放置組作為計(jì)算參數(shù)發(fā)送給DQN 算法，計(jì)算出當(dāng)前云空間中對(duì)象存儲(chǔ)設(shè)備的權(quán)重。

第三步，將計(jì)算得出的權(quán)重代入CRUSH 算法中，得到最佳的對(duì)象存儲(chǔ)設(shè)備，此時(shí)將選擇的資源放置組存儲(chǔ)到計(jì)算所得的對(duì)象存儲(chǔ)設(shè)備。

第四步，上述過(guò)程完成后，更新當(dāng)前云空間環(huán)境。重復(fù)以上過(guò)程直至候選資源放置組全部存儲(chǔ)到對(duì)象存儲(chǔ)設(shè)備中。

3 實(shí)驗(yàn)結(jié)果分析

3.1 實(shí)驗(yàn)方案

在實(shí)驗(yàn)中，采用5 臺(tái)PC 作為測(cè)試樣機(jī)。各PC 的配置如表1 所示。

實(shí)驗(yàn)中將以上設(shè)備搭建成一個(gè)集群系統(tǒng)，并在系統(tǒng)上部署資源放置組構(gòu)建方法和資源放置方法，實(shí)現(xiàn)云VR 資源存儲(chǔ)方法。實(shí)驗(yàn)利用Python 語(yǔ)言編寫UOCRUSH算法，并利用相關(guān)工具運(yùn)行算法以及對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行收集與分析。

（1）在不同規(guī)模對(duì)象存儲(chǔ)設(shè)備（OSD）的情況下，分別對(duì)比UO-CRUSH 算法和CRUSH 算法的資源放置組（PG）計(jì)算完成時(shí)間。

（2）在不同規(guī)模時(shí)間周期的情況下，分別對(duì)比UOCRUSH算法和CRUSH 算法的資源放置組完成數(shù)量。

（3）在不同規(guī)模對(duì)象存儲(chǔ)設(shè)備的情況下，分別對(duì)比UO-CRUSH算法和CRUSH算法的資源放置組分布狀況。

（4）在集群系統(tǒng)中不同副本設(shè)備，不同規(guī)模對(duì)象存儲(chǔ)設(shè)備的情況下，計(jì)算資源放置組在對(duì)象存儲(chǔ)設(shè)備中的映射地址，驗(yàn)證同一個(gè)資源放置組在對(duì)象存儲(chǔ)設(shè)備的映射地址是否相同。

3.2 結(jié)果分析

3.2.1 不同規(guī)模對(duì)象存儲(chǔ)設(shè)備資源放置組計(jì)算完成時(shí)間對(duì)比

圖2 是在集群系統(tǒng)中5 臺(tái)副本設(shè)備，不同數(shù)量規(guī)模的對(duì)象存儲(chǔ)設(shè)備的情況下，分別運(yùn)行UO-CRUSH算法和CRUSH算法時(shí)，資源放置組在對(duì)象存儲(chǔ)設(shè)備上的平均計(jì)算完成時(shí)間對(duì)比。從圖中對(duì)比可以看出：UO-CRUSH算法計(jì)算時(shí)間整體均小于CRUSH 算法。小規(guī)模的20 s，相比CRUSH 算法的29 s，計(jì)算效率提高了45%；大規(guī)模的517 s，相比CRUSH 算法的668 s，計(jì)算效率提高了29%。經(jīng)過(guò)對(duì)多次實(shí)驗(yàn)過(guò)程分析，在同等實(shí)驗(yàn)條件和相同實(shí)驗(yàn)步驟下，UO-CRUSH 算法由于在資源放置組構(gòu)建過(guò)程中考慮到不同資源間的關(guān)聯(lián)程度會(huì)造成不同的網(wǎng)絡(luò)通信開(kāi)銷，采用了興趣度指數(shù)作為關(guān)鍵參數(shù)進(jìn)行資源放置組構(gòu)建，使用興趣度指數(shù)構(gòu)建的資源放置組內(nèi)資源關(guān)聯(lián)程度較高，在一定程度上降低了構(gòu)建過(guò)程中相關(guān)開(kāi)銷，對(duì)比CRUSH 算法的順序分配構(gòu)建效率提高了約14%，且以興趣度指數(shù)構(gòu)建的資源放置組在存儲(chǔ)執(zhí)行階段的執(zhí)行效率要高出CRUSH 算法約28%。

3.2.2 不同規(guī)模時(shí)間周期資源放置組完成數(shù)量對(duì)比

圖3 是在集群系統(tǒng)中5 臺(tái)副本設(shè)備，不同規(guī)模時(shí)間周期的情況下，分別運(yùn)行UO-CRUSH 算法和CRUSH算法時(shí)，資源放置組構(gòu)建完成的平均數(shù)量對(duì)比。從圖中對(duì)比可以看出：UO-CRUSH 算法30 s 完成23 個(gè)放置組構(gòu)建，相比CRUSH 算法完成的16 個(gè)，構(gòu)建效率提高了43%；600 s完成856個(gè)放置組構(gòu)建，對(duì)比CRUSH算法完成的714個(gè)，構(gòu)建效率提高了20%。通過(guò)對(duì)多次實(shí)驗(yàn)過(guò)程分析，在同等實(shí)驗(yàn)條件和實(shí)驗(yàn)步驟下，UO-CRUSH算法由于在資源放置組構(gòu)建過(guò)程中考慮到不同資源間的關(guān)聯(lián)程度會(huì)造成不同的網(wǎng)絡(luò)通信開(kāi)銷，為了降低相關(guān)開(kāi)銷，提高整體運(yùn)行效率，采用了興趣度指數(shù)作為關(guān)鍵參數(shù)進(jìn)行資源放置組構(gòu)建。對(duì)比CRUSH算法的順序分配構(gòu)建，采用UO-CRUSH 算法，不僅減少了構(gòu)建次數(shù)，而且簡(jiǎn)化了構(gòu)建過(guò)程，總體構(gòu)建效率提高了約15%。

3.2.3 不同規(guī)模對(duì)象存儲(chǔ)設(shè)備資源放置組分布狀況對(duì)比

圖4 是在集群系統(tǒng)中5 臺(tái)副本設(shè)備，不同數(shù)量規(guī)模的對(duì)象存儲(chǔ)設(shè)備的情況下，分別運(yùn)行UO-CRUSH 算法和CRUSH 算法時(shí)，資源放置組在對(duì)象存儲(chǔ)設(shè)備上的平均分布狀況對(duì)比。資源放置組在分布存儲(chǔ)時(shí)不僅要確保自身分布得當(dāng)，還要盡可能地確保整體存儲(chǔ)空間利用率得當(dāng)。從圖中可以發(fā)現(xiàn)：使用UO-CRUSH 算法進(jìn)行資源放置組分布，在不同的對(duì)象存儲(chǔ)設(shè)備中數(shù)量最大為161個(gè)，最小為144個(gè)，差值為17個(gè)；而使用CRUSH算法進(jìn)行資源放置組分布的對(duì)象存儲(chǔ)設(shè)備中，數(shù)量最大為169個(gè)，最小為132個(gè)，差值為37個(gè)。由此可以看出，使用UO-CRUSH 算法進(jìn)行資源放置組分布時(shí)標(biāo)準(zhǔn)差更小，分布更加均衡，提高了對(duì)象存儲(chǔ)設(shè)備的整體利用率。通過(guò)對(duì)多次實(shí)驗(yàn)過(guò)程分析，在同等實(shí)驗(yàn)條件和實(shí)驗(yàn)步驟下，UO-CRUSH 算法在資源存儲(chǔ)執(zhí)行階段既考慮了資源間的關(guān)聯(lián)程度，又考慮了對(duì)象存儲(chǔ)設(shè)備的存儲(chǔ)狀況，相比CRUSH 算法的常規(guī)分配算法，對(duì)資源的分布存儲(chǔ)變得更加均勻、合理。

3.2.4 不同規(guī)模對(duì)象存儲(chǔ)設(shè)備資源放置組映射地址

以下是在不同規(guī)模對(duì)象存儲(chǔ)設(shè)備中，UO-CRUSH算法計(jì)算得出的資源放置組在對(duì)象存儲(chǔ)設(shè)備的映射。在不同規(guī)模對(duì)象存儲(chǔ)設(shè)備的情況下，隨機(jī)選取5 個(gè)資源放置組進(jìn)行計(jì)算對(duì)象存儲(chǔ)設(shè)備映射地址。實(shí)驗(yàn)分別計(jì)算小規(guī)模（圖5）、中規(guī)模（圖6）和大規(guī)模（圖7）下理論映射地址和UO-CRUSH 算法計(jì)算的映射地址，比較兩者計(jì)算結(jié)果是否相同。從圖中可以看出：在30 個(gè)OSD時(shí)，理論映射地址分別為11，4，19，9，21，使用UO-CRUSH算法計(jì)算得出的映射地址也同樣為11，4，19，9，21，理論映射地址與實(shí)際映射地址一致。同樣在60 個(gè)OSD、150 個(gè)OSD 實(shí)驗(yàn)中，理論映射地址與實(shí)際映射地址也完全一致。在經(jīng)過(guò)多次重復(fù)實(shí)驗(yàn)時(shí)，都可以準(zhǔn)確地計(jì)算出資源放置組在對(duì)象存儲(chǔ)設(shè)備上的映射地址，驗(yàn)證了UO-CRUSH 算法的有效性。

4 結(jié)語(yǔ)

隨著云技術(shù)的飛速發(fā)展，傳統(tǒng)VR 的資源存儲(chǔ)開(kāi)始轉(zhuǎn)向云端。但VR 龐大的資源量在存儲(chǔ)過(guò)程中若不進(jìn)行合理規(guī)劃就任意存儲(chǔ)，往往會(huì)發(fā)生存儲(chǔ)不當(dāng)?shù)氖虑?。?dāng)具有先后次序的資源無(wú)序進(jìn)行存儲(chǔ)時(shí)，會(huì)導(dǎo)致存儲(chǔ)過(guò)程發(fā)生混亂，增加后續(xù)操作開(kāi)銷。而在選擇云存儲(chǔ)空間進(jìn)行資源存儲(chǔ)時(shí)，未合理考慮云存儲(chǔ)空間狀況，會(huì)造成云空間使用不當(dāng)?shù)膯?wèn)題。

針對(duì)以上問(wèn)題，本文提出了一種基于興趣度的云VR 資源存儲(chǔ)方法。首先，定義興趣度指數(shù)，用于量化資源之間的關(guān)聯(lián)程度。其次，設(shè)計(jì)了基于興趣度的資源放置組構(gòu)建方法，將關(guān)聯(lián)程度較高的云VR 資源構(gòu)建成資源放置組。最后，設(shè)計(jì)基于深度強(qiáng)化學(xué)習(xí)的資源放置方法，計(jì)算出合理的對(duì)象存儲(chǔ)設(shè)備用于資源放置組的放置存儲(chǔ)，有效地提高了云存儲(chǔ)空間利用率。通過(guò)實(shí)驗(yàn)與結(jié)果分析，驗(yàn)證了基于興趣度的云VR 資源存儲(chǔ)方法在進(jìn)行云VR 資源存儲(chǔ)過(guò)程中有效解決了資源存儲(chǔ)不當(dāng)?shù)膯?wèn)題。