【技术实现步骤摘要】
边缘云服务器流失预测方法及装置
[0001]本专利技术属于云服务器
，尤其涉及一种边缘云服务器流失预测方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着万物互联时代到来以及5G通信网络普及，互联网数据规模呈现指数级增长。在此背景下，传统的云计算的中心化架构已经无法满足终端用户对于时效、容量、算力的需求。边缘云的超低时延、海量数据、边缘智能等特性促使更多的企业选择边缘云技术方案的原因，也使得边缘云计算在市场中成为构筑在中心云与终端之间的重要组成。
[0003]商用边缘云平台对比已经成熟的中心云，需要额外整合大量异构的边缘设备作为边缘云资源来提供云服务，而边缘设备的主要供应方往往来自独立的设备供应商。作为独立的利益个体，设备供应商在综合所提供设备的服务指标后，会对设备是否继续提供服务做出判断，若设备被动离线或被供应商主动下机(设备流失)，会导致平台违反服务协议(SLA)而造成巨额的SLA处罚，给平台的服务稳定性、收益、用户体验等带来巨大影响。因此边缘云平台的优化整合需要考虑设备的流失问题。
[0...
【技术保护点】
【技术特征摘要】
1.一种边缘云服务器流失预测方法，其特征在于，包括以下步骤：步骤1：获取边缘云服务器的特征数据，其中，所述特征数据包括静态肖像特征和时间序列特征；步骤2：基于PCA算法和Light MLP算法分别对所述静态肖像特征进行筛选和编码以获取静态可学习调整参数；其中，所述静态肖像特征至少包括：边缘云服务器的硬件属性、计费规则、业务的部署情况、过往流失情况；步骤3：基于Transformer模型对所述时间序列特征以及实时获取的动态时不变特征进行处理和编码以获取动态可学习调整参数；步骤4：获取步骤2的输出和步骤3的输出进行合并，基于MLP分类器、softmax函数对所述合并后的参数进行处理以获得所述边缘云服务器的流失预测。2.根据权利要求1所述的边缘云服务器流失预测方法，其特征在于，所述步骤1进一步包括：通过sql指令、PyODPS功能库从边缘云运行的数据平台采集数据；将所述数据分为两类：静态肖像特征和时间序列特征，并预设特殊特征编码规则；将采集的所述静态肖像特征和时间序列特征数据收集和分类编码后，以每台边缘云服务器的预设时间段数据为最小样本单位，构建输入样本。3.根据权利要求1或2所述的边缘云服务器流失预测方法，其特征在于，所述步骤2进一步包括：对所述静态肖像特征S求转置得到X：X＝S
T
；X取零均值化：X＝X
‑
mean(X)；求X的协方差矩阵C，其中M表示静态特征数量：求C的最大K个特征值对应的特征向量组成矩阵P：P＝TOP
K
Eigenvector(C)；根据以下公式计算降维后的静态肖像特征Y
PCA
：Y
PCA
＝P
T
X。4.根据权利要求3所述的边缘云服务器流失预测方法，其特征在于，所述步骤2进一步还包括：将降维后的静态肖像特征放大：Y
static
＝Sigmoid(W
s
(Norm(Y
PCA
))+b
s
)；其中Norm表示基于正态分布的标准化，将数据减去总体的均值再除于整体的标准差：W
s
和b
s
表示LightMLP中的线性隐藏层的可学习权重和偏移，Sigmoid表示激活函数，将每个隐藏向量的数值映射到0
‑
1的区间内，以削减负值和过大的映射结果对最终预测概率的影响，其计算公式为：
5.根据权利要求1所述的边缘云服务器流失预测方法，其特征在于，所述步骤3进一步包括：通过Transformer模型的Encoder对时间序列特征进行计算：将矩阵输入到一个线性嵌入层进行维度转换，将T的特征维度由D转换为H：通过位置编码层将位置信息嵌入输入X中：通过位置编码层将位置信息嵌入输入X中：之后的X与位置信息P拼接后将依次被输入多头自注意机制层、规范化层、和前馈层，相应的函数计算如下：其中，Z0是X和P的拼接，也是Encoder的输入，Z
′
l
为前一Encoder层输出与本层自注意机制层和规范化层操作之后...
【专利技术属性】
技术研发人员：李星星，黄少远，王晓飞，
申请(专利权)人：缀初网络技术上海有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。