针对数据布局不合理导致云边协同集群服务质量下降和运营开销增加等问题,提出一种基于"推荐-学习"的两阶段数据副本管理机制.鉴于数据密集型移动应用的特点,综合考虑了云边环境下的数据访问延迟和放置代价之间的最优权衡.从理论上构建了副本放置的多目标数学模型,将决策问题描述为具有延迟和成本约束的双目标优化问题;在"推荐"阶段,设计了一个基于移动预测和反馈优化的副本推荐引擎,减少了副本创建的盲目性;在"学习"阶段,构建了一个基于异步优势行动者-评论家算法(A3C)的强化学习副本放置规则学习模型,改进了副本服务的全局性能指标.实验结果表明,基于"推荐-学习"的两阶段数据布局策略能够有效地...