在云计算领域,服务调度是一个重要分支。若服务的性能受到影响,可能会出现服务延时、服务不响应、服务反馈错误信息等问题,所以调度问题已成为云计算领域的关键研究问题之一。在物联网环境下,支撑服务的基础环境变得更加复杂,影响调度的因素也随之增多,例如数据分布更加分散,服务之间的依赖更加复杂等,这些都对调度提出了更高的要求。微服务是一种新型的应用软件结构,由于每个微服务都可以拥有自己的存储和处理资源,所以微服务具有灵活、可扩展等优势,已被普遍运用于各领域应用。因此,本文以物联网环境为背景,针对微服务的调度方法展开研究。首先,分析物联网环境下微服务的监控需求,设计了物联网环境下面向微服务的多层级监控架构。其次,本文探讨了物联网环境下的调度模型,包括基础环境、调度约束,以及调度目标,并提出一种基于深度确定策略梯度（Deep Deterministic Policy Gradient）的服务调度方法。最后,本文基于面向微服务的多层级监控架构,实现了一个可视化监控系统,还对基于深度确定策略梯度的服务调度方法的有效性进行验证。本文主要的研究工作如下:1、为了解决物联网环境下调度对监控提出的全面监控微服务运行状态的需求,本文设计了一种面向微服务的多层级监控架构。该架构结合Kubernetes和Istio技术,从资源和服务两个视角实现了节点层、容器层和服务层的微服务多级监控。具体的,面向微服务的多层级监控架构由服务集群和监控服务器组成,服务集群是监控对象,监控服务器则负责收集各种类型的监控数据,并且提供可以从外部访问监控数据的接口,最后基于该架构,实现了一个可视化监控系统,该系统能够监控节点、容器和服务的运行状态,获取的监控指标可以用于支持调度方法的执行。2、为了应对物联网环境下影响微服务质量因素的变化,本文对物联网环境下的调度模型进行分析和设计,并提出一种基于深度确定性策略梯度的服务调度方法。具体的,本文设计的服务调度模型将服务依赖、数据依赖和用户依赖作为调度约束,并从服务商和用户视角出发以资源均衡性和服务时延作为调度目标。本文提出的服务调度方法将深度学习和强化学习相结合,实现调度方案的持续优化。3、为了验证可视化监控系统的可行性和基于深度确定策略梯度的服务调度方法的有效性,本文将从可视化监控系统中获取的监控数据进行处理后作为实验数据集,将提出的方法与基于粒子群（Particle Swarm Optimization,PSO）的调度方法和基于遗传算法（Genetic Algorithm,GA）的调度方法进行对比。实验结果表明,相比基于粒子群的调度方法和基于遗传算法的调度方法,基于深度确定策略梯度的调度方法在物联网环境的约束下,能够生成更符合调度目标的调度方案。