本发明公开了一种自适应的分布式体系架构，通过自适应地调整指定微服务实例规模的方式，能够应对由于用户需求变更对云服务即保质又要控制成本的要求的挑战。本发明站在分布式集群层级角度观察并发与性能的内在关系，具备良好的模型泛化能力，能广泛应用于不同结构及行为特征的分布式集群中，有效降低IDC运维及研发人员的工作强度。此外，本发明主干算法来自google deepmind团队基于Q Learning的改进，算法不需要出现正确的输入/输出对，也不需要精确校正次优化的行为，更加专注于在线规划，需要在探索(在未知的领域)和遵从(现有知识)之间找到平衡。