一种云服务器的功能单元推荐方法和装置与流程

1.本技术涉及到云服务领域，具体而言，涉及一种云服务器的功能单元推荐方法和装置。


背景技术：

2.基础设施即服务(infrastructure as a service，简称为iaas)指把it基础设施作为一种服务通过网络对外提供，并根据用户对资源的实际使用量或占用量进行计费的一种服务模式。
3.在这种服务模型中，普通用户不用自己构建一个数据中心等硬件设施，而是通过租用的方式，利用网络从iaas服务提供商获得计算机基础设施服务，包括服务器、计算、存储和网络等服务。
4.用户在使用iaas时，可以根据自己的需要来创建云服务，例如，可以对存储空间的大小、虚拟处理器(简称为vcpu)的核数、内存大小等来进行不同的选择以创建符合自己需要的云服务器。为了描述方便在下文中将组成云服务器这些组件称为功能单元。由于在创建云服务时用户可以自己选择需要的功能单元，这对于用户来说是一种具有弹性的选择方式，因此，在本文中已经将通过这种方式创建的服务器称为弹性服务器(elastic compute service，简称为ecs)。
5.用户可以通过弹性服务器创建一个实例，在这里实例可以理解为云上的虚拟计算服务器，包括：vcpu、内存、操作系统、网络、磁盘等基础组件。实例的计算性能、内存性能和适用业务场景等由实例规格决定，实例的规格可以包括实例vcpu核数、内存大小、网络性能等。
6.用户通常可以通过接口调用来创建ecs弹性服务器(下文中也可以称为云服务器)，例如，创建一个或多个ecs规格实例。规格库存不足、规格已下线以及规格不正确等原因都会导致上述ecs实例创建失败。此时用户需要对ecs中功能单元的参数进行修改，进行重新尝试。然而，重新尝试也可能会创建失败，从而导致创建云服务器成功率低。


技术实现要素：

7.本技术实施例提供了一种云服务器的功能单元推荐方法和装置，以至少解决用户创建云服务器成功率低的问题。
8.根据本技术的一个方面，提供了一种云服务器的功能单元推荐方法，包括：获取调用失败的第一功能单元，其中，所述第一功能单元是组成云服务器的一个功能单元；确定与所述第一功能单元相似的至少一个功能单元，其中，与所述第一功能单元相似的至少一个功能单元能够在云服务器中替换所述第一功能单元；从所述至少一个功能单元中选择第二功能单元，其中，所述第二功能单元是在预定时间段内可用的功能单元；将所述第二功能单元推荐给用户。
9.根据本技术的另一个方面，还提供了一种云服务器的功能单元推荐装置，包括：获
取模块，用于获取调用失败的第一功能单元，其中，所述第一功能单元是组成云服务器的一个功能单元；确定模块，用于确定与所述第一功能单元相似的至少一个功能单元，其中，与所述第一功能单元相似的至少一个功能单元能够在云服务器中替换所述第一功能单元；选择模块，用于从所述至少一个功能单元中选择第二功能单元，其中，所述第二功能单元是在预定时间段内可用的功能单元；推荐模块，用于将所述第二功能单元推荐给用户。
10.根据本技术的另一个方面，还提供了一种电子设备，包括存储器和处理器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现上述的方法步骤。
11.根据本技术的另一个方面，还提供了一种可读存储介质，其上存储有计算机指令，其中，该计算机指令被处理器执行时实现上述的方法步骤。
12.在本技术实施例中，采用了获取调用失败的第一功能单元，其中，所述第一功能单元是组成云服务器的一个功能单元；确定与所述第一功能单元相似的至少一个功能单元，其中，与所述第一功能单元相似的至少一个功能单元能够在云服务器中替换所述第一功能单元；从所述至少一个功能单元中选择第二功能单元，其中，所述第二功能单元是在预定时间段内可用的功能单元；将所述第二功能单元推荐给用户。通过本技术解决了创建云服务器成功率低的问题，能够向用户推荐功能单元，提高了用户创建云服务器的成功率，进而提高了用户体验。
附图说明
13.构成本技术的一部分的附图用来提供对本技术的进一步理解，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
14.图1是根据本技术实施例的云服务器的功能单元推荐方法的流程图；
15.图2是根据本技术实施例的基于资源走势的功能单元推荐方法的流程图；
16.图3是根据本技术实施例的基于sku相似度推荐的流程示意图；
17.图4是根据本技术实施例的相似度计算流程示意图；以及，
18.图5是根据本技术实施例的未来库存预测的流程示意图。
具体实施方式
19.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本技术。
20.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
21.首先对如下实施方式中涉及到的技术术语进行说明。
22.弹性服务器(elastic compute service，简称为ecs)实例：根据用户的需要来创建云服务，例如，可以对存储空间的大小、虚拟处理器的核数、内存大小等来进行不同的选择以创建符合自己需要的云服务器。为了描述方便在下文中将组成云服务器这些组件称为功能单元，将ecs实例称为云服务器。
23.库存量单元(stock-keeping unit，简称为sku)，sku用于指示库存管理中最小的
可用单元，即库存进出计量的基本单元，在传统物品销售中可以是以件、盒等为单位，sku是对于传统物品管理的一种依据。现在sku已经被引申为产品统一编号的简称，每种单品均对应有唯一的sku号。对一种物品而言，当其品牌、型号、配置、等级、花色、包装容量、单位、生产日期、保质期、用途、价格、产地等属性中任一属性与其他物品存在不同时，可称为一个sku。在云服务器领域，不同规格的功能单元也可以认为是不同的sku，例如，1个核心的vcpu和2个核心的vcpu就是不同的sku；又例如，大小为1gb的内存和3gb的内存也是两个不同的sku。
24.word2vec或者bert模型，其中，word2vec的英文全称为word to vector，这是一种用来产生词向量的相关模型。bert的英文全称bidirectional encoder representations from transformers，这是一种用于自然语言处理任务的预训练模型。word2vec和bert模型均能将自然语言转换为词向量。
25.命名实体识别(named entity recognition，简称为ner)、文本消歧以及文本链接等步骤。其中，命名实体识别是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。文本消歧也被称作词性消歧，用在词性标注中，词性标注就是将每个单词的词性标注出来，标注的实现可以利用语料库，但是同一个单词在不同的句子可能会有不同的词性，这时就需要词性消歧。文本链接是将不同文本链接在一起。
26.考虑到在现有技术中用户使用暂不可用的规格作为参数创建ecs实例反复出现失败的情况，在以下实施方式中，为了提高用于体验，可以提供有效的错误诊断及引导信息。作为一种比较直接的方式，将能够用的功能单元直接推荐给用户，从节省用户的时间和精力，提高ecs实例(在以下实施方式中也称为云服务器)创建成功率，提高用户体验。
27.在现有技术中存在一些推荐算法，例如，基于内容的推荐算法、基于协同过滤的推荐算法，以及基于内容和协同过滤混合模型的推荐算法等。这些算法基本都需要大量的物品及用户的历史数据，利用复杂的推荐模型进行推理，不适用于规则性较强的ecs主动推荐场景。
28.例如，公开号为cn114154059a的中国专利申请公开文本中，公开了基于大数据规则车辆功能主动推荐系统及方法为保证服务找人和功能找人的准确性和个性化，采用大数据和规则相结合的技术，综合考虑场景、用户偏好和车辆功能等信息，将车辆功能和服务在合适的时机主动的推荐给车主。该申请利用大数据手段为用户推荐合适的车辆功能和服务，适合面向普通消费者场景的推荐。然而，对于云服务器的推荐，基本上是面向企业用户，这种场景下用户行为数据较稀疏，因此，基于大数据的该专利申请并不适用于本场景。
29.为了解决上述问题，在以下实施例中，提供了一种云服务器的功能单元推荐方法，在该算法中，用户在创建云服务器的时候，如果出现了调用识别的功能单元，则可以自动根据该调用失败的功能单元推荐在预定时间段内能够使用的相似功能单元，从而提高用户创建云服务器的成功率。图1是根据本技术实施例的云服务器的功能单元推荐方法的流程图，下面对图1中包括的步骤进行说明。
30.步骤s102，获取调用失败的第一功能单元，其中，所述第一功能单元是组成云服务器的一个功能单元。
31.步骤s104，确定与所述第一功能单元相似的至少一个功能单元，其中，与所述第一功能单元相似的至少一个功能单元能够在云服务器中替换所述第一功能单元；例如，所述
相似可以包括以下之一：实现的功能相似、应用的场景或业务相似。
32.步骤s106，从所述至少一个功能单元中选择第二功能单元，其中，所述第二功能单元是在预定时间段内可用的功能单元。
33.步骤s108，将所述第二功能单元推荐给用户。
34.在上述步骤中，涉及到功能单元，一方面，该功能单元是组成云服务器的组成部分；另一方面，该功能单元也可以是云服务器提供商可以向用户提供的功能单元。功能单元可以具有不同的规格，不同的规格可以采用不同策略来提供给用户(例如，可以采用不同的销售策略来进行销售)。因此，在以下实施方式中也将功能单元称为库存量单元(stock-keeping unit，简称为sku)，sku用于指示库存管理中最小的可用单元。在云服务器领域，不同规格的功能单元也可以认为是不同的sku，例如，1个核心的vcpu和2个核心的vcpu就是不同的sku；又例如，大小为1gb的内存和3gb的内存也是两个不同的sku。
35.云服务器领域与传统领域的不同之处在于，在推荐功能单元的时候还需要考虑相似功能单元的在预定时间段的可用性，通过上述步骤，推荐的功能单元是从至少一个相似的功能单元中选择出的在预定时间段内可用的功能单元，这样用户就可以根据推荐的功能单元来创建云服务器，从而解决了现有技术中云服务器创建成功率低的问题，提高了云服务器创建成功率。
36.在一个可选实施方式中，功能单元在预定时间段内是否可用取决于在该预定时间段内的资源可用情况，在推荐功能单元的时候可以考虑用于支持该功能单元的资源是否足够。资源在预定时间段是否可用的预测可以通过资源走势来确定，即在该可选实施方式中，首先可以确定与第一功能单元相似的功能单元，然后根据资源走势从相似的功能单元中选择在预定时间段内资源可以支撑的功能单元，将具有资源支撑的功能单元推荐给用户。图2是根据本技术实施例的基于资源走势的功能单元推荐方法的流程图，如图2所示，该流程包括如下步骤：
37.步骤s202，获取调用失败的第一功能单元。
38.步骤s204，确定与所述第一功能单元相似的至少一个功能单元。
39.步骤s206，获取预定时间段内的资源走势，该预定时间段可以为未来时间段，例如用户将来使用带有功能单元的云服务器的时间段。
40.步骤s208，至少根据所述资源走势从所述至少一个功能单元中选择第二功能单元，其中，所述第二功能单元是在所述预定时间段内能够得到资源支持的功能单元。
41.步骤s210，将所述第二功能单元推荐给用户。
42.在上述步骤中，可以根据资源走势从相似的功能单元中选择在预定时间段内资源可以支撑的功能单元，将具有资源支撑的功能单元推荐给用户，这样一方面可以解决创建云服务器成功率低的问题，另一方面保证了向用户推荐的功能单元在预定时间段能够使用，提高了用户创建云服务器的成功率，进而提高了用户体验。
43.功能单元在云服务器中有多种，并且每种功能单元均有不同的规格。另外，针对不同的地域，对于不同的规格的功能单元可能还存在不同的售卖策略。
44.例如，云服务器主要包含以下功能单元：
45.实例：云上的虚拟计算服务器，内含vcpu、内存、操作系统、网络、磁盘等基础组件(每个基础组件均是一个功能单元，不同规格的功能单元为不同的sku)。实例的计算性能、
内存性能和适用业务场景由实例规格决定，其具体性能指标包括实例vcpu核数、内存大小、网络性能等。
46.镜像：提供实例的操作系统、初始化应用数据及预装的软件。
47.块存储：块设备类型产品，具备高性能和低时延的特性。提供基于分布式存储架构的云盘以及基于物理机本地存储的本地盘。
48.快照：某一时间点云盘的数据状态文件。常用于数据备份、数据恢复和制作自定义镜像等。
49.安全组：由同一地域内具有相同保护需求并相互信任的实例组成，是一种虚拟防火墙，用于设置实例的网络访问控制。
50.专有网络：逻辑上彻底隔离的云上私有网络。用户可以自行分配私网ip地址范围、配置路由表和网关等。
51.经典网络：所有经典网络类型实例都建立在一个共用的基础网络上。由云服务器提供上统一规划和管理网络配置。
52.产品计费
53.云服务器ecs的资源中，计算资源(例如vcpu、内存等)、镜像、块存储、公网带宽、快照等资源涉及计费。
54.常见的计费方式包括：
55.包年包月：按一定时长购买资源，先付费后使用。
56.按量付费：按需开通和释放资源，先使用后付费。
57.抢占式实例：通过竞价模式抢占库存充足的计算资源，相对按量付费实例有一定的折扣，但是存在回收机制。
58.预留实例券：搭配按量付费实例使用的抵扣券，承诺使用指定配置的实例(包括实例规格、地域可用区等)，以折扣价抵扣计算资源的账单。
59.在一个可选实施方式中，还可以考虑并不是每个用户均可以购买所有规格的功能单元，即用户能够购买或使用的功能单元的规格与用户的属性相关。在这种情况下，至少根据所述资源走势从所述至少一个功能单元中选择所述第二功能单元可以包括如下步骤：根据所述资源走势从所述至少一个功能单元中选择出所有在所述预定时间段能够得到资源支持的功能单元；从所有在所述预定时间段能够得到资源支持的功能单元中，选择出与所述用户的属性对应的功能单元作为所述第二功能单元。通过该可选方式可以推荐与用户属性对应的、并且能够被资源支持的功能单元。
60.基于上述功能单元的规格多样性，在向用户推荐第二功能单元的时候，可以选择多个时机进行推荐。例如，可以在用户构建云服务器的界面进行推荐。构建云服务器的界面提供不同规格的功能单元供用户进行选择，或者用户也可以输入自己想要的规格。在用户选择或者输入了第一功能单元时，无论第一功能单元是否可用，均可以在该界面按照图1中的方法显示推荐的第二功能单元。可选地，在显示推荐的第二功能单元时还可以显示第二功能单元的价格和付费方式等信息，这样可以增加用户的选择空间。
61.在另一种可选的方式中，也可以用户选择第一功能单元之后，发现第一功能单元不再被支持时，显示推荐的第二功能单元。即接收所述用户输入的用于创建功能单元的信息(即规格)；获取根据所述用户输入的信息无法创建的功能单元；将无法创建的功能单元
作为所述第一功能单元。通过这种方式，推荐功能单元时更加有针对性，直接针对无法创建的功能单元来进行推荐，能够提供用户的使用体验。通过这种方式，还可以显示第一功能单元无法创建的原因，从而为用户提供周度失败诊断及操作引导，对创建失败的规格进行替换规格的主动推荐，并且，该方式中由于考虑了资源支持的情况，因此推荐的功能单元必然是可用的，资源足够(说明该规则的功能单元在库存中是足够的)，即该可选方式中提出的基于sku相似度和库存预测的主动规格推荐方法，能够为客户推荐与失败规格推荐相似且可用的替代产品规格。
62.为了能够确定在预定时间段内的资源走势，可以对资源走势进行预测，预测的方式有很多种，在一个可选实施方式中，可以根据过去时间段内已经发生过程资源使用情况来预测预定时间段内的资源走势。这是因为云服务的使用一般是具有一定规律的，因此，可以根据过去时间段的资源使用规律来确定未来时间的资源走势。在该可选实施方式中，获取所述预定时间段内的资源走势可以包括如下步骤：获取至少一个过去时间段内所述资源的使用情况，其中，所述过去时间段是当前时间之前的时间段；根据所述至少一个过去时间段内所述资源的使用情况确定在所述至少一个过去时间段内的资源走势；将所述至少一个过去时间段内的资源走势作为所述预定时间段内的资源走势。
63.在确定了预定时间段内的资源走势之后，获取当前时间的可用资源，然后根据当前时间的可用资源以及所述资源走势确定在所述预定时间段的可用资源；在根据所述至少一个功能单元的所需要的资源以及在所述预定时间段的可用资源确定所述第二功能单元。
64.下面通过一个例子进行说明，在该例子中将可用资源认为是一种库存的资源，也被称作库存特征或者库存。首先，对历史3*k(k为大于等1的自然数，可以根据实际需要来进行设置)天中每日的库存特征(例如，每日库存的最高、最低、起始、最终保有量)进行记录，从而对未来k天中的每日库存波动按照相似分布进行预测。接着，对当前时间的线上的可用资源进行采样和统计，获取当前线上的可用资源的状态，然后根据预测得到的资源走势，对线上资源变动进行模拟，得到可用资源的可用概率分布(需要说明的是，这里由于是预测得到的可用资源，因此可以将该可用资源理解为是一个概率值，概率越大该资源可用的可能性越大)。
65.在用户创建实例时，可以直接选择的不同参数对应的不同功能单元，这样有利于用户创建出规格明确的实例，但是，在某种情况，用户希望描述该实例所使用的场景或业务，然后根据场景或业务来生成自己需要的实例。因此，在一个可选的实施方式中，功能单元的规格信息可以作为判断功能单元相似的依据，规格信息可以用于指示所述第一功能单元或所述云服务器应用的场景或业务，例如，功能单元的规格信息中可以包括两类信息，一种功能单元的参数(该参数体现功能单元的物理属性，例如网络带宽的大小、内存的大小能)；另一种是描述信息，该描述信息用于描述该功能单元应用的场景或业务，或者该描述信息用于描述云服务器应用的场景或业务。在该可选实施方式中，在确定与所述第一功能单元相似的至少一个功能单元时，可以根据该规格信息来确定。即根确定与所述第一功能单元相似的至少一个功能单元的步骤可以包括：获取所述第一功能单元的规格信息，其中，所述规格信息包括描述信息和参数，所述描述信息用于说明所述第一功能单元或所述云服务器应用的场景或业务；确定待筛选的功能单元的规格信息与所述第一功能单元的规格信息的相似度；筛选出相似度大于阈值的至少一个功能单元，作为与所述第一功能单元相似
的至少一个功能单元。通过该可选实施方式，可以将规格信息作为相似功能单元的确定依据，由于规格信息直接体现了功能单元的参数以及功能单元的应用场景或业务，通过这种方式确定相似的功能单元将更加准确。
66.在上述可选实施方式中，规格信息存在两种信息，即描述信息和参数。通过这两种信息可以确定相似度，在确定相似的时候可以根据描述信息确定相似度，然后根据参数对该相似度进行调整从而得到最终的相似度；或者也可以根据参数确定相似度，然后根据描述信息进行调整从得到最终的相似度。这两种方式均是以一种信息为主另一种信息为辅来确定相似度的，在另一个可选实施方式中，可以根据这两种信息分别计算相似度，这样可以做到最大程度的利用这两种信息。即在该可选实施方式中，确定待筛选的功能单元的规格信息与所述第一功能单元的规格信息的相似度可以包括如下步骤：确定所述待筛选的功能单元的描述信息和所述第一功能单元的描述信息之间的第一相似度；确定所述待筛选的功能单元的参数与所述第一功能单元的参数之间的第二相似度；根据所述第一相似度和所述第二相似度得到所述待筛选的功能单元的规格信息与所述第一功能单元的规格信息的相似度。
67.基于参数的第二相似度的确定是比较容易实现的，例如可以根据参数数值的百分比来确定相似度，假设第一功能单元的内存大小为1gb，第二功能单元的内存大小为1.2gb，则1.2gb-1gb＝0.2g，1-0.2gb/1gb＝80％，第二功能单元与第一功能单元的相似度为80％。对于描述信息来说，其是使用自然语言表达的信息，因此使用描述信息来确定相似度可以将描述信息转换为词向量，然后通过两个词向量之间的关系来确定相似度。例如，可以使用0到1的一个数据来表示第二相似度，越接近1则表示两个功能单元的参数越相似，越接近0则表示两个功能单元的参数越不相似。
68.将自然语言转换为词向量的方式可以通过自然语言处理模型来进行转换，这种模型是基于神经网络的模型，通过这种模型就可以得到自然语言对应的词向量。
69.例如，可以采用word2vec或者bert模型，其中，word2vec的英文全称为word to vector，这是一种用来产生词向量的相关模型。bert的英文全称bidirectional encoder representations from transformers，这是一种用于自然语言处理任务的预训练模型。word2vec和bert模型均能将自然语言转换为词向量，下面以word2vec为例进行说明。
70.word2vec采用的是词嵌入(word embedding)方法，它可以计算每个单词在其给定语料库环境下的分布式词向量(distributed representation，亦直接被称为词向量)。词向量表示可以在一定程度上刻画每个单词的语义。如果词的语义相近，它们的词向量在向量空间中也相互接近，这使得词语的向量化建模更加精确，可以改善现有方法并提高鲁棒性。
71.word2vec采用一系列代表文档的词语来训练模型。该模型将每个词语映射到一个固定大小的向量。该模型使用文档中每个词语的平均数来将文档转换为词向量，然后这个词向量可以作为预测的特征，来计算文档相似度计算等。word2vec具有两种模型，其一是cbow，其思想是通过每个词的上下文窗口词词向量来预测中心词的词向量。其二是skip-gram，其思想是通过每个中心词来预测其上下文窗口词，并根据预测结果来修正中心词的词向量。
72.在使用自然语言处理模型生成词向量的时候，可以直接使用描述信息来生成词向
量。一个可选方式，为了是相似度的比较更加准确，可以在生成词向量的时候引入关键词，根据关键词和描述信息来生成向量，这样能够提高准确度。在该可选实施方式中，确定所述待筛选的功能单元的描述信息和所述第一功能单元的描述信息之间的第一相似度可以包括如下步骤：从所述待筛选的功能单元的描述信息中提取第一关键词，其中，所述第一关键词为一个或多个；从所述第一功能单元的描述信息中提取第二关键词，其中，所述第二关键词为一个或多个；根据所述第一关键词和所述待筛选的功能单元的描述信息得到第一词向量；根据所述第二关键词和所述第一功能单元的描述信息得到第二词向量；根据所述第一词向量和所述第二词向量得到所述第一相似度。
73.在得到第一词向量和第二词向量之后，可以根据第一词向量和第二词向量的欧几里得距离来确定这两个词向量的相似度，或者还可以根据余弦相似性来确定两个词向量的相似度。
74.余弦相似性通过测量两个向量的夹角的余弦值来度量它们之间的相似性。0度角的余弦值是1，而其他任何角度的余弦值都不大于1。从而两个向量之间的角度的余弦值确定两个向量是否大致指向相同的方向。两个向量有相同的指向时，余弦相似度的值为1；两个向量夹角为90
°
时，余弦相似度的值为0。这结果是与向量的长度无关的，仅仅与向量的指向方向相关。余弦值接近1，夹角趋于0，表明两个向量越相似，余弦值接近于0，夹角趋于90度，表明两个向量越不相似。
75.例如，根据所述第一词向量和所述第二词向量得到所述第一相似度可以包括如下步骤：获取所述第一词向量和所述第二词向量在向量空间中的夹角；根据所述夹角的余弦值确定所述第一相似度。通过该例子确定的相似度是一个0到1的值，在上文中确定的第二相似度也是一个0到1的值，此时可以将第一相似度和第二相似度求平均来得到最终的相似度。
76.在另一个可选方式中，还可以引入权值来计算最终的相似度。即根据所述第一相似度和所述第二相似度得到所述待筛选的功能单元的规格信息与所述第一功能单元的规格信息的相似度可以包括如下步骤：获取所述第一相似度对应的第一权值和所述第二相似度对应的第二权值；根据所述第一权值和所述第二权值对所述第一相似度和所述第二相似度进行加权和计算得到所述相似度。
77.例如，最终的相似度＝(1-x)*第一相似度+x*第二相似度，其中，x是一个0到1之间的值，如果第一相似度比较重要，则x的值可以小于0.5，如果第二相似度比较重要x值可以大于0.5，该权重值可以根据不同的功能单元来进行调整。
78.通过上述可选实施方式，可以为用户进行主动推荐可靠的用于替换的功能单元，提高了用户体验。考虑到功能单元作为一个可以向用户提供的用于组成云服务器的单元，而且各种功能单元在推荐给用户之后，用户能够来选择使用，该功能单元的相当于是云服务器中的sku，在下文中将功能单元也称作为sku，上述实施例利用非结构化信息(即描述信息)优化了sku相似度评估模型，在确定相似的功能单元时比较精确。在使用功能单元创建ecs实例时，不同功能单元创建的ecs实例具有不同的规格，在用户调用某个功能单元失败时，可以称作创建该规格的ecs实例失败，也称为该ecs规格创建失败。在这种情况下，可以进行基于sku的相似度推荐。
79.图3是根据本技术实施例的基于sku相似度推荐的流程示意图，在本可选实施例中
基于sku相似度和未来库存(将未来可用的资源成为未来库存)预测，为用户推荐与调用失败的规格相似的可用功能单元。具体流程如下图3所示：首先，针对当前失败调用中的ecs规格，基于sku相似度评估选中当前规格的最相似的n个sku(简称为top n，n取值为正整数，根据需求设定)作为相似的sku(或简称为相似规格)；其次，基于未来时间段内能够提供的库存(简称为未来库存)预测对top n相似规格进行过滤，得到相似且未来库存充足可用的规格，并向用户进行推荐，即未来库存充足可用，说明未来具有资源能够支持该规格的功能单元。
80.在本实施例中采用了基于非结构化信息的sku相似度评估模型，规则信息可以包括描述信息和参数，其中，描述信息使用自然语言表达的信息，其并不是结构化信息，在本可选实施例中称为非结构化边信息；而参数可以通过统一的格式来体现，因此，参数可以作为结构化信息来看待。在本可选实施例中，将参数也称为规格参数，或者称为结构化配置信息。
81.sku相似度用于衡量sku之间的相似程度，用来寻找与指定sku最相似的替代sku。在本可选实施方式中利用sku规格参数作为sku特征的同时，还加入了非结构化边信息(简称为文本)作为补充。其中，sku规格参数描述了sku的结构化配置信息，以硬件指标为主，例如，虚拟cpu数量，内存大小等。而非结构化边信息(文本)描述了指定sku面向大众用户的信息，以自然语言为主，该描述信息可以用于说明该规格适合的具体业务及使用场景，例如，“使用场景：网络密集型应用场景，例如移动互联网、视频弹幕、电信业务转发等；中小型数据库系统、缓存、搜索集群；各种类型和规模的企业或应用；大数据分析和机器学习”。
82.在本可选实施例中，把上述结合了非结构化文本信息的sku相似度评估方法称为基于非结构化边信息的sku相似性评估模型，在上述实施方式中，根据描述信息计算了相似度，该描述信息是文本信息，基于文本信息相似的计算方式有很多种，图4中示出了一种可选的实施方式，图4是根据本技术实施例的相似度计算流程示意图，如图4所示，首先，从数据库或网页中提取结构化信息及非结构化文本信息，并对文本信息进行预处理(这里的预处理可以包括去掉一些空格等无意义字符并进行格式统一等处理)。其次，对文本信息进行知识抽取，以得到关键词标签。在该步骤中，进行知识抽取可以包括：命名实体识别(named entity recognition，简称为ner)、文本消歧以及文本链接等步骤。其中，命名实体识别是指识别文本中具有特定意义的实体，主要包括人名、地名、机构名、专有名词等。文本消歧也被称作词性消歧，用在词性标注中，词性标注就是将每个单词的词性标注出来，标注的实现可以利用语料库，但是同一个单词在不同的句子可能会有不同的词性，这时就需要词性消歧。文本链接是将不同文本链接在一起。
83.然后，将关键词标签和非结构化文本信息作为输入，利用自然语言处理(natural language processing，简称为nlp)模型(例如，word2vec和bert)进行特征抽取(即得到输入信息对一个的向量)，在得到文本对应的词向量之后可以根据相似度算法(例如余弦相似度算法)进行文本相似度评估得到第一相似度；最终，将得到的文本相似度及结构化信息特征的相似度(第二相似度)作为输入，采用加权方法得到基于非结构化边信息的sku相似度评估模型，并生成替换规格推荐。
84.在上述的自然语言处理模型中，均是把待比较的两个文本信息分别转换成两个词向量，然后根据两个词向量的相似度确定两个文本信息的相似度，其中，确定两个词向量相
似度可以根据两个词向量之间的欧几里得距离或余弦相似性来计算。
85.图5是根据本技术实施例的未来库存预测的流程示意图，如图5所示，在本可选实施例中基于统计采样的方式对未来库存进行预测，以判断特定规格未来库存是否充足。具体预测流程如图5所示，首先，对历史3*k(k为大于等1的自然数，可以根据实际需要来进行设置)天中每日的库存特征(例如，每日库存的最高、最低、起始、最终保有量)进行记录，从而对未来k天中的每日库存波动按照相似分布进行预测。接着，对当前时间的线上的可用资源进行采样和统计，获取当前线上的可用资源的状态，然后根据预测得到的资源走势，对线上资源变动进行模拟，得到可用资源的可用概率分布(需要说明的是，这里由于是预测得到的可用资源，因此可以将该可用资源理解为是一个概率值，概率越大该资源可用的可能性越大)。
86.在上述可选实施例中，面向ecs主动推荐场景，设计了面向ecs特征的特定规则，能够为用于推荐合理且可用的ecs规格。其中，利用非结构化边信息来辅助结构化信息，以优化sku相似度评估模型。这类边信息包含描述sku适用场景的自然语言，是贴合大众用户视角的规格属性，为sku结构化规格进提供了有效补充，从而更好地衡量两个sku之间的相似程度，能够增加推荐可解释性并为用户提供更加优质的推荐结果。同时，上述可选实施例提出了基于统计采样的ecs库存预测，能够利用统计方法对ecs未来库存进行预测分析，从而对推荐结果进行过滤，得到库存充足的ecs规格，便于用户进行购买选择。
87.在本实施例中，提供一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行以上实施例中的方法。
88.上述程序可以运行在处理器中，或者也可以存储在存储器中(或称为计算机可读介质)，计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
89.这些计算机程序也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤，对应与不同的步骤可以通过不同的模块来实现。
90.该本实施例中就提供了这样的一种装置。该装置被称为一种云服务器的功能单元推荐装置，包括：获取模块，用于获取调用失败的第一功能单元，其中，所述第一功能单元是组成云服务器的一个功能单元；确定模块，用于确定与所述第一功能单元相似的至少一个功能单元，其中，与所述第一功能单元相似的至少一个功能单元能够在云服务器中替换所述第一功能单元；选择模块，用于从所述至少一个功能单元中选择第二功能单元，其中，所述第二功能单元是在预定时间段内可用的功能单元；推荐模块，用于将所述第二功能单元推荐给用户。
91.该系统或者装置用于实现上述的实施例中的方法的功能，该系统或者装置中的每个模块与方法中的每个步骤相对应，已经在方法中进行过说明的，在此不再赘述。
92.可选地，所述确定模块，用于获取所述第一功能单元的规格信息，其中，所述规格信息用于指示所述第一功能单元或所述云服务器应用的场景或业务；确定待筛选的功能单元的规格信息与所述第一功能单元的规格信息的相似度；筛选出相似度大于阈值的至少一个功能单元，作为与所述第一功能单元相似的至少一个功能单元。
93.可选地，所述规格信息包括描述信息和参数，所述描述信息用于描述所述第一功能单元或所述云服务器应用的场景或业务，所述确定模块，用于确定所述待筛选的功能单元的描述信息和所述第一功能单元的描述信息之间的第一相似度；确定所述待筛选的功能单元的参数与所述第一功能单元的参数之间的第二相似度；根据所述第一相似度和所述第二相似度得到所述待筛选的功能单元的规格信息与所述第一功能单元的规格信息的相似度。
94.可选地，所述确定模块，用于从所述待筛选的功能单元的描述信息中提取第一关键词；从所述第一功能单元的描述信息中提取第二关键词；根据所述第一关键词和所述待筛选的功能单元的描述信息得到第一词向量；根据所述第二关键词和所述第一功能单元的描述信息得到第二词向量；根据所述第一词向量和所述第二词向量得到所述第一相似度。
95.可选地，所述确定模块，用于获取所述第一词向量和所述第二词向量在向量空间中的夹角；根据所述夹角的余弦值确定所述第一相似度。
96.可选地，所述确定模块，用于获取所述第一相似度对应的第一权值和所述第二相似度对应的第二权值；根据所述第一权值和所述第二权值对所述第一相似度和所述第二相似度进行加权和计算得到所述相似度。
97.可选地，所述选择模块，用于获取所述预定时间段内的资源走势；至少根据所述资源走势从所述至少一个功能单元中选择第二功能单元，其中，所述第二功能单元是在所述预定时间段内能够得到资源支持的功能单元。
98.可选地，所述选择模块，用于获取过去时间段内所述资源的使用情况，其中，所述过去时间段是当前时间之前的时间段；根据所述过去时间段内所述资源的使用情况确定在所述过去时间段内的资源走势；将所述过去时间段内的资源走势作为所述预定时间段内的资源走势。
99.可选地，所述选择模块，用于获取当前时间的可用资源；根据所述当前时间的可用资源以及所述资源走势确定在所述预定时间段的可用资源；根据所述至少一个功能单元的所需要的资源以及在所述预定时间段的可用资源确定所述第二功能单元。
100.可选地，所述选择模块，用于根据所述资源走势从所述至少一个功能单元中选择出在所述预定时间段能够得到资源支持的功能单元；从所有在所述预定时间段能够得到资源支持的功能单元中，选择出与所述用户的属性对应的功能单元作为所述第二功能单元。
101.可选地，所述获取模块用于接收所述用户输入的用于创建功能单元的信息；确定根据所述用户输入的信息无法创建功能单元；将无法创建的功能单元确定为调用失败的所述第一功能单元。
102.通过上述实施例解决了创建云服务器成功率低的问题，能够向用户推荐功能单元，提高了用户创建云服务器的成功率，进而提高了用户体验。
103.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。