CN104317703B - 一种线程堆栈监测方法和装置 - Google Patents
一种线程堆栈监测方法和装置 Download PDFInfo
- Publication number
- CN104317703B CN104317703B CN201410522012.0A CN201410522012A CN104317703B CN 104317703 B CN104317703 B CN 104317703B CN 201410522012 A CN201410522012 A CN 201410522012A CN 104317703 B CN104317703 B CN 104317703B
- Authority
- CN
- China
- Prior art keywords
- thread
- storehouse
- water gauge
- stacks
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种线程堆栈监测方法和装置，其中，所述方法包括：所述线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据；在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量；根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。本发明技术方案在保证实时监测线程堆栈的情况下，兼顾了计算堆栈占用率和捕获占用堆栈最大的线程处理数据，为发现和定位问题提供了依据，具有比较有效的实用意义。
Description
技术领域
本发明涉及通信技术领域，特别是涉及一种线程堆栈监测方法和装置。
背景技术
堆栈，也可直接称栈，是一种特殊的串行形式的数据结构，它的特殊之处在于只能允许在链结串行或阵列的一端进行加入资料和输出资料的运算。由于堆栈数据结构只允许在一端进行操作，因而按照后进先出(Last In Fist Out，LIFO)的原理运作。设想有一个直径不大、一端开口一端封闭的竹筒。有若干个写有编号的小球，小球的直径比竹筒的直径略小。现在把不同编号的小球放到竹筒里面，可以发现一种规律：先放进去的小球只能后拿出来，反之，后放进去的小球能够先拿出来。所以后进先出就是这种结构的特点。
堆栈数据结构采用两种基本操作：推入(push)和弹出(pop)。推入：将数据放入堆栈的顶端，堆栈顶端指标加一；弹出：将堆栈顶端数据输出，堆栈顶端指标减一。
线程是现代编程技术中一种常用的机制，同一程序内可以运行多个线程，并且每个线程都拥有自己独立的堆栈。线程在运行过程中，就是堆栈的不断推入(push)和弹出(pop)的过程，此时堆栈的使用情况是实时变化的，目前无法实时获取线程堆栈的占用率。
发明内容
本发明提供一种线程堆栈监测方法和装置，以解决无法实时获取线程堆栈的占用率的问题。
为了解决上述问题，本发明公开了一种线程堆栈监测方法，包括：所述线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据；
在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量；
根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。
优选地，所述实时获取堆栈中被线程处理数据占用的水标数量，包括：
将线程堆栈顶端指标累计加一的数量作为所述被线程处理数据占用的水标数量；其中，所述线程堆栈顶端指标为所述线程堆栈中被所述线程处理数据占用的水标数量。
优选地，所述方法还包括：
在线程堆栈顶端指标累计加一之后，实时捕获线程堆栈中数据量最大的线程处理数据。
优选地，所述根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率，包括：
通过m＝i/(n+1)计算得到堆栈的占用率；
其中，m为堆栈的占用率，i为所述被线程处理数据占用的水标数量，n为所述线程堆栈中等分点的数量，i，n均为正整数。
优选地，所述各等分点处分别设置有不同水标或者相同水标。
相应地，本发明还公开了一种线程堆栈监测装置，所述线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据；所述装置包括：
获取模块，用于在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量；
计算模块，用于根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。
优选地，所述获取模块将线程堆栈顶端指标累计加一的数量作为所述被线程处理数据占用的水标数量；其中，所述线程堆栈顶端指标为所述线程堆栈中被所述线程处理数据占用的水标数量。
优选地，还包括：
捕获模块，用于在线程堆栈顶端指标累计加一之后，实时捕获线程堆栈中数据量最大的线程处理数据。
优选地，所述计算模块通过m＝i/(n+1)计算得到堆栈的占用率；
其中，m为堆栈的占用率，i为所述被线程处理数据占用的水标数量，n为所述线程堆栈中等分点的数量，i，n均为正整数。
优选地，所述各等分点处分别设置有不同水标或者相同水标。
与背景技术相比，本发明包括以下优点：
首先，充分利用堆栈的从栈底向栈顶依次生长的性质，线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，水标用于标示线程处理数据在线程堆栈中的位置；其中，每个数据块用于寄存线程处理数据。线程堆栈被等分之后，可以依据线程堆栈中的各数据块和水标，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，实时监测堆栈的使用情况，并进一步根据堆栈的使用情况来调整分配堆栈的大小，从而合理利用资源，避免空间浪费。
其次，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，即确定了线程堆栈中有多少数据块被线程处理数据占用，再根据整个线程堆栈的数据块的数量，就能计算得到线程堆栈的占用率。
再次，实时捕获占用堆栈最大的线程处理数据，在线程正常运行时，分析占用堆栈最大的线程处理数据的合理性，判断是否有线程处理数据进入了死循环，达到提早发现问题的目标，增加系统的稳定性。
综上，本发明在保证实时监测线程堆栈的情况下，兼顾了计算堆栈占用率和捕获占用堆栈最大的线程处理数据，为发现和定位问题提供了依据，具有比较有效的实用意义。
附图说明
图1是本发明实施例中一种线程堆栈结构示意图；
图2是本发明实施例中一种线程堆栈监测方法流程图；
图3是本发明实施例中另一种线程堆栈结构示意图；
图4是本发明实施例中再一种线程堆栈结构示意图；
图5是本发明实施例中另一种线程堆栈监测方法流程图；
图6是本发明实施例中一种线程堆栈监测装置结构示意图；
图7是本发明实施例中另一种线程堆栈监测装置结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供的一种线程堆栈监测方法和装置适用于Linux操作系统、VxWorks操作系统以及Pharos操作系统。下面以Linux操作系统为例，讲解线程堆栈的结构，如图1所示。
Linux操作系统中堆栈的生长方向是：从堆栈高地址向堆栈低地址方向生长，即栈顶位于堆栈的低地址，栈底位于堆栈的高地址。同时，Linux操作系统在栈顶方向默认有4k的保护页，该保护页的属性默认为不可读不可写。当线程运行时，从堆栈的高地址向堆栈的低地址依次生长，同时，为保证线程能够正常运行，线程实际使用的堆栈大小应该小于线程可用的堆栈大小(可用的堆栈大小＝栈底地址–栈顶地址–保护页大小)。
下面通过列举几个具体的实施例详细介绍本发明提供的一种线程堆栈监测方法和装置。
实施例一
详细介绍本发明实施例提供的一种线程堆栈监测方法。
参照图2，示出了本发明实施例中一种线程堆栈监测方法流程图。
本实施例中的线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据。
步骤100，在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量。
例如，一个线程堆栈被n个等分点A1、A2、A3……An-1、An分成n+1等份的数据块B1、B2、B3……Bn、Bn+1，并且n个等分点处分别设置有一个水标S1、S2、S3……Sn-1、Sn，如图3所示。在线程运行时，堆栈中推入一个线程处理数据D1，该线程处理数据D1寄存在数据块B1中，该线程处理数据D1占用了水标S1；再推入一个线程处理数据D2，该线程处理数据D2寄存在数据块B2中，该线程处理数据D2占用了水标S2，依此类推。实时获取堆栈中被线程处理数据占用的水标数量就可以确定堆栈中被占用的数据块的数量。
步骤102，根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。
接上例继续说明，如果被线程处理数据占用的水标为S1、S2……Si，数量为i，线程堆栈被使用到Ai点处，如图4所示。堆栈中数据块的数量为n+1，则根据i和n+1可以计算出堆栈的占用率。
综上所述，本实施例中：
首先，充分利用堆栈的从栈底向栈顶依次生长的性质，线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，水标用于标示线程处理数据在线程堆栈中的位置；其中，每个数据块用于寄存线程处理数据。线程堆栈被等分之后，可以依据线程堆栈中的各数据块和水标，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，实时监测堆栈的使用情况，并进一步根据堆栈的使用情况来调整分配堆栈的大小，从而合理利用资源，避免空间浪费。
其次，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，即确定了线程堆栈中有多少数据块被线程处理数据占用，再根据整个线程堆栈的数据块的数量，就能计算得到线程堆栈的占用率。
实施例二
详细介绍本发明实施例提供的一种线程堆栈监测方法。
参照图5，示出了本发明实施例中一种线程堆栈监测方法流程图。
本实施例中的线程堆栈可以在创建时被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述各等分点处分别设置有不同水标或者相同水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据。
步骤200，在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量。
优选地，上述步骤200可以为：将线程堆栈顶端指标累计加一的数量作为所述被线程处理数据占用的水标数量。
其中，所述线程堆栈顶端指标为所述线程堆栈中被所述线程处理数据占用的水标数。
例如，线程堆栈中推入一个线程处理数据，堆栈顶端指标加一；再推入一个线程处理数据，堆栈顶端指标累计加一，此时堆栈顶端指标为二，即被线程处理数据占用的水标数量为二。
优选地，若各等分点处分别设置有不同水标，上述步骤200还可以为实时识别堆栈中被线程处理数据占用的水标。例如，堆栈中设置有S1、S2……S9共9个不同的水标，当实时识别堆栈中被线程处理数据占用的水标为S1和S2时，则可以确定被占用的水标数量为2。
步骤202，在线程堆栈顶端指标累计加一之后，实时捕获线程堆栈中数据量最大的线程处理数据。
上述步骤200和上述步骤202可以同时执行，即堆栈中推入一个线程处理数据，在实时获取被占用水标的数量的同时，还可以实时捕获推入到堆栈中的线程处理数据的数据量，并与其他捕获到的线程处理数据的数据量做比较，确定数据量最大的线程处理数据。此处确定数据量最大的线程处理数据是通过，该数据占用的水标个数确定的，当执行该数据时，水标被冲掉的个数增加，则该数据为目前为止最大的线程处理数据，即哪个数据被冲掉的水标最多则该数据为占用堆栈最大的数据。
步骤204，根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。
优选地，上述步骤204可以为：通过m＝i/(n+1)计算得到堆栈的占用率；
其中，m为堆栈的占用率，i为所述被线程处理数据占用的水标数量，n为所述线程堆栈中等分点的数量，i，n均为正整数。
例如，被线程处理数据占用的水标数量i＝4，线程堆栈中等分点的数量n＝9，则堆栈的占用率m＝4/(9+1)＝4/10＝40％。
综上所述，本实施例中：
首先，充分利用堆栈的从栈底向栈顶依次生长的性质，线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，水标用于标示线程处理数据在线程堆栈中的位置；其中，每个数据块用于寄存线程处理数据。线程堆栈被等分之后，可以依据线程堆栈中的各数据块和水标，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，实时监测堆栈的使用情况，并进一步根据堆栈的使用情况来调整分配堆栈的大小，从而合理利用资源，避免空间浪费。
其次，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，即确定了线程堆栈中有多少数据块被线程处理数据占用，再根据整个线程堆栈的数据块的数量，就能计算得到线程堆栈的占用率。
再次，实时捕获线程堆栈中数据量最大的线程处理数据，在线程正常运行时，分析占用堆栈最大的线程处理数据的合理性，判断是否有线程处理数据进入了死循环，达到提早发现问题的目标，增加系统的稳定性。
综上，本发明在保证实时监测线程堆栈的情况下，兼顾了计算堆栈占用率和捕获占用堆栈最大的线程处理数据，为发现和定位问题提供了依据，具有比较有效的实用意义。
实施例三
详细介绍本发明实施例提供的一种线程堆栈监测装置。
参照图6，示出了本发明实施例中一种线程堆栈监测装置结构示意图。
所述线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据。
所述装置可以包括：获取模块300，以及，计算模块302。
下面分别详细介绍各模块的功能以及各模块之间的关系。
获取模块300，用于在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量。
计算模块302，用于根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。
综上所述，本实施例中：
首先，充分利用堆栈的从栈底向栈顶依次生长的性质，线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，水标用于标示线程处理数据在线程堆栈中的位置；其中，每个数据块用于寄存线程处理数据。线程堆栈被等分之后，可以依据线程堆栈中的各数据块和水标，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，实时监测堆栈的使用情况，并进一步根据堆栈的使用情况来调整分配堆栈的大小，从而合理利用资源，避免空间浪费。
其次，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，即确定了线程堆栈中有多少数据块被线程处理数据占用，再根据整个线程堆栈的数据块的数量，就能计算得到线程堆栈的占用率。
实施例四
详细介绍本发明实施例提供的一种线程堆栈监测装置。
参照图7，示出了本发明实施例中一种线程堆栈监测装置结构示意图。
所述线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述各等分点处分别设置有不同水标或者相同水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据。
所述装置可以包括：获取模块400，捕获模块402，以及，计算模块404。
下面分别详细介绍各模块的功能以及各模块之间的关系。
获取模块400，用于在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量。
优选地，所述获取模块400将线程堆栈顶端指标累计加一的数量作为所述被线程处理数据占用的水标数量。其中，所述线程堆栈顶端指标为所述线程堆栈中被所述线程处理数据占用的水标数量。
捕获模块402，用于在线程堆栈顶端指标累计加一之后，实时捕获线程堆栈中数据量最大的线程处理数据。此处确定数据量最大的线程处理数据是通过，该数据占用的水标个数确定的，当执行该数据时，水标被冲掉的个数增加，则该数据为目前为止最大的线程处理数据，即哪个数据被冲掉的水标最多则该数据为占用堆栈最大的数据。
计算模块404，用于根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。
优选地，所述计算模块404通过m＝i/(n+1)计算得到堆栈的占用率；
其中，m为堆栈的占用率，i为所述被线程处理数据占用的水标数量，n为所述线程堆栈中等分点的数量，i，n均为正整数。
综上所述，本实施例中：
首先，充分利用堆栈的从栈底向栈顶依次生长的性质，线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，水标用于标示线程处理数据在线程堆栈中的位置；其中，每个数据块用于寄存线程处理数据。线程堆栈被等分之后，可以依据线程堆栈中的各数据块和水标，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，实时监测堆栈的使用情况，并进一步根据堆栈的使用情况来调整分配堆栈的大小，从而合理利用资源，避免空间浪费。
其次，获得线程堆栈中的线程处理数据在整个线程堆栈中占据的位置，即确定了线程堆栈中有多少数据块被线程处理数据占用，再根据整个线程堆栈的数据块的数量，就能计算得到线程堆栈的占用率。
再次，实时捕获线程堆栈中数据量最大的线程处理数据，在线程正常运行时，分析占用堆栈最大的线程处理数据的合理性，判断是否有线程处理数据进入了死循环，达到提早发现问题的目标，增加系统的稳定性。
综上，本发明在保证实时监测线程堆栈的情况下，兼顾了计算堆栈占用率和捕获占用堆栈最大的线程处理数据，为发现和定位问题提供了依据，具有比较有效的实用意义。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
以上对本发明实施例所提供的一种线程堆栈监测方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种线程堆栈监测方法，其特征在于，包括：所述线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据；
在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量；所述实时获取堆栈中被线程处理数据占用的水标数量，包括：将线程堆栈顶端指标累计加一的数量作为所述被线程处理数据占用的水标数量；其中，所述线程堆栈顶端指标为所述线程堆栈中被所述线程处理数据占用的水标数量；
根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在线程堆栈顶端指标累计加一之后，实时捕获线程堆栈中数据量最大的线程处理数据。
3.根据权利要求1所述的方法，其特征在于，所述根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率，包括：
通过m＝i/(n+1)计算得到堆栈的占用率；
其中，m为堆栈的占用率，i为所述被线程处理数据占用的水标数量，n为所述线程堆栈中等分点的数量，i，n均为正整数。
4.根据权利要求1所述的方法，其特征在于，所述各等分点处分别设置有不同水标或者相同水标。
5.一种线程堆栈监测装置，其特征在于，所述线程堆栈被n个等分点分成n+1等份的数据块，n为正整数，且各等分点处分别设置有一个水标，所述水标用于标示线程处理数据在所述线程堆栈中的位置；其中，每个数据块用于寄存所述线程处理数据；所述装置包括：
获取模块，用于在线程运行时，实时获取堆栈中被线程处理数据占用的水标数量；所述获取模块将线程堆栈顶端指标累计加一的数量作为所述被线程处理数据占用的水标数量；其中，所述线程堆栈顶端指标为所述线程堆栈中被所述线程处理数据占用的水标数量；
计算模块，用于根据所述被线程处理数据占用的水标数量和堆栈中数据块的数量，计算得到堆栈的占用率。
6.根据权利要求5所述的装置，其特征在于，还包括：
捕获模块，用于在线程堆栈顶端指标累计加一之后，实时捕获线程堆栈中数据量最大的线程处理数据。
7.根据权利要求5所述的装置，其特征在于，所述计算模块通过m＝i/(n+1)计算得到堆栈的占用率；
其中，m为堆栈的占用率，i为所述被线程处理数据占用的水标数量，n为所述线程堆栈中等分点的数量，i，n均为正整数。
8.根据权利要求5所述的装置，其特征在于，所述各等分点处分别设置有不同水标或者相同水标。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410522012.0A CN104317703B (zh) | 2014-09-30 | 2014-09-30 | 一种线程堆栈监测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410522012.0A CN104317703B (zh) | 2014-09-30 | 2014-09-30 | 一种线程堆栈监测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104317703A CN104317703A (zh) | 2015-01-28 |
| CN104317703B true CN104317703B (zh) | 2017-01-18 |
Family
ID=52372938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410522012.0A Active CN104317703B (zh) | 2014-09-30 | 2014-09-30 | 一种线程堆栈监测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104317703B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105930217A (zh) * | 2016-04-15 | 2016-09-07 | 上海斐讯数据通信技术有限公司 | 一种线程优化系统及方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6795910B1 (en) * | 2001-10-09 | 2004-09-21 | Hewlett-Packard Development Company, L.P. | Stack utilization management system and method for a two-stack arrangement |
| CN103870244A (zh) * | 2014-02-21 | 2014-06-18 | 北京神舟航天软件技术有限公司 | 一种sparc平台任务栈溢出检测算法 |
| CN104050076A (zh) * | 2013-03-12 | 2014-09-17 | 阿里巴巴集团控股有限公司 | 移动终端上的应用软件测试方法、装置及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7197521B2 (en) * | 2003-11-21 | 2007-03-27 | Intel Corporation | Method and system performing concurrently mark-sweep garbage collection invoking garbage collection thread to track and mark live objects in heap block using bit vector |
-
2014
- 2014-09-30 CN CN201410522012.0A patent/CN104317703B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6795910B1 (en) * | 2001-10-09 | 2004-09-21 | Hewlett-Packard Development Company, L.P. | Stack utilization management system and method for a two-stack arrangement |
| CN104050076A (zh) * | 2013-03-12 | 2014-09-17 | 阿里巴巴集团控股有限公司 | 移动终端上的应用软件测试方法、装置及系统 |
| CN103870244A (zh) * | 2014-02-21 | 2014-06-18 | 北京神舟航天软件技术有限公司 | 一种sparc平台任务栈溢出检测算法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104317703A (zh) | 2015-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103927305B (zh) | 一种对内存溢出进行控制的方法和设备 | |
| CN106126384B (zh) | 一种采集性能监视单元pmu事件的方法及装置 | |
| CN110223502A (zh) | 一种交叉口进口道数据渠化的方法及装置 | |
| CN103353883A (zh) | 一种按需聚类的大数据流式聚类处理系统及方法 | |
| CN110347407A (zh) | 一种获取内存占用量的方法、装置、计算机设备及介质 | |
| CN109246210A (zh) | 物联网通信方法与装置 | |
| CN105159925B (zh) | 一种数据库集群数据分配方法及系统 | |
| CN105608894A (zh) | 一种确定突发性拥堵状态的方法及装置 | |
| CN115370973B (zh) | 供水漏损监测方法、装置、存储介质及电子设备 | |
| CN106201917A (zh) | 一种数据处理系统和方法 | |
| CN106156245B (zh) | 一种电子地图中的线要素合并方法及装置 | |
| CN104317703B (zh) | 一种线程堆栈监测方法和装置 | |
| CN110221914B (zh) | 文件处理方法及装置 | |
| CN110910054A (zh) | 轨迹的确定方法和装置、时间的推荐方法和装置 | |
| CN105242873B (zh) | 云计算系统的性能数据的采集与存储方法及装置 | |
| CN105939218B (zh) | 网络流量的统计方法及装置 | |
| CN107193839A (zh) | 数据聚合方法及装置 | |
| CN105159817A (zh) | 一种日志文件处理系统及方法 | |
| CN104598574A (zh) | 一种海量gps数据存储的方法及装置 | |
| CN108038127A (zh) | 一种数据同步的方法、装置、终端设备及存储介质 | |
| CN105023353A (zh) | 一种合理利用钞箱存取款的方法和装置 | |
| CN110275895A (zh) | 一种缺失交通数据的填充设备、装置及方法 | |
| CN111258874B (zh) | 一种基于web数据的用户操作轨迹分析方法及装置 | |
| CN103500071B (zh) | 一种定量存储性能指标数据的方法及其装置 | |
| CN104424123B (zh) | 一种无锁数据缓冲区及其使用方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |