CN106776246A - 一种云平台的性能评价方法和装置 - Google Patents

Abstract

本发明公开了一种云平台的性能评价方法和装置，包括：根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据；根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。云平台的分布于不同终端上的各个客户端除了与用户交互、与云平台交互之外，还能够等效于分布于互联网中的各个探头，本方案通过各个客户端监控并收集用户对云平台的使用行为，大量的用户行为数据能够表达群体用户对于云平台产品的使用习惯，由于使用习惯是由产品自身的性能来决定的，因此方案进一步能够通过大量的用户行为数据来反映云平台的性能，该评价方式有效且客观准确，符合互联网产品的发展需求。

Description

一种云平台的性能评价方法和装置

技术领域

本发明涉及互联网技术领域，具体涉及一种云平台的性能评价方法和装置。

背景技术

随着互联网技术的不断发展，人们对于网络的使用愈加频繁，通过网络可以进行工作、学习、生活、娱乐等多方面的事宜，给人们带来了极大的便利。云平台作为常见的互联网产品形式，为了给用户提供更加完美的使用体验，需要对云平台的性能进行评价，以根据云平台的性能承载能力向用户开放相应的功能。

现有技术中，往往只能针对具体的应用来进行性能评价，不同的应用所使用的性能评价方法不统一，十分费时费力，且不能得到有效、可靠的性能评价结果。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的云平台的性能评价方法和装置。

依据本发明的一个方面，提供了一种云平台的性能评价方法，包括：

根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据；

根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。

可选地，每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志；

则所述根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据包括：根据各个客户端上用户登录行为的日志和用户登出行为的日志，统计得到云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量。

可选地，所述根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标包括：

比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量，作为云平台的理论最大支持用户数量。

可选地，每个客户端在预定统计周期内的用户行为日志中还包括：该客户端上用户在登录之后执行下一个非登出行为的日志；

则所述根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据还包括：

根据各个客户端上用户登录行为日志和用户在登录之后执行下一个非登出行为的日志，计算得到云平台上每个用户从登录到执行下一个非登出行为的响应时间；

根据云平台上各个用户从登录到执行下一个非登出行为的响应时间，计算得到云平台上用户的平均响应时间。

可选地，所述根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标还包括：

根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量。

可选地，所述根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量包括：

将云平台的理论最大支持用户数量与云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

可选地，所述根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据还包括：

比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量；

计算云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值；

根据各个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值，计算得到平均比值，作为云平台上用户的平均习惯常量。

可选地，所述根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标还包括：

根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间、云平台上用户的平均习惯常量以及预设策略，计算得到云平台的最大支持用户数量。

可选地，所述根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间、云平台上用户的平均习惯常量以及预设策略，计算得到云平台的最大支持用户数量包括：

将云平台上用户的平均习惯常量的倒数、云平台的理论最大支持用户数量、以及云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

依据本发明的另一个方面，提供了一种云平台的性能评价装置，包括：

行为数据获取单元，适于根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据；

性能指标计算单元，适于根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。

可选地，每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志；

则所述行为数据获取单元，适于根据各个客户端上用户登录行为的日志和用户登出行为的日志，统计得到云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量。

可选地，所述性能指标计算单元，适于比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量，作为云平台的理论最大支持用户数量。

可选地，每个客户端在预定统计周期内的用户行为日志中还包括：该客户端上用户在登录之后执行下一个非登出行为的日志；

则所述行为数据获取单元，还适于根据各个客户端上用户登录行为日志和用户在登录之后执行下一个非登出行为的日志，计算得到云平台上每个用户从登录到执行下一个非登出行为的响应时间；根据云平台上各个用户从登录到执行下一个非登出行为的响应时间，计算得到云平台上用户的平均响应时间。

可选地，所述性能指标计算单元，还适于根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量。

可选地，所述性能指标计算单元，适于将云平台的理论最大支持用户数量与云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

可选地，所述行为数据获取单元，还适于比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量；计算云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值；根据各个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值，计算得到平均比值，作为云平台上用户的平均习惯常量。

可选地，所述性能指标计算单元，还适于根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间、云平台上用户的平均习惯常量以及预设策略，计算得到云平台的最大支持用户数量。

可选地，所述性能指标计算单元，适于将云平台上用户的平均习惯常量的倒数、云平台的理论最大支持用户数量、以及云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

由上述可知，在本发明提供的技术方案中，云平台的安装在不同终端上的各个客户端的用户行为日志详细记录了每个客户端上的用户使用行为，通过对云平台的各个客户端的用户行为日志的统计能够得到用户通过客户端对云平台进行使用的过程中的用户行为数据，云平台的用户行为数据能够反映用户对云平台的使用习惯，进而反映云平台自身的性能的好坏，因此本方案根据云平台的用户行为数据来计算得到云平台的指定性能指标，用以评价云平台的指定性能。其中，云平台的分布于不同终端上的各个客户端除了与用户交互、与云平台交互之外，还能够等效于分布于互联网中的各个探头，本方案通过各个客户端监控并收集用户对云平台的使用行为，大量的用户行为数据能够表达群体用户对于云平台产品的使用习惯，由于使用习惯是由产品自身的性能来决定的，因此方案进一步能够通过大量的用户行为数据来反映云平台的性能，该评价方式有效且客观准确，符合互联网产品的发展需求。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的一种云平台的性能评价方法的流程图；

图2示出了根据本发明一个实施例的一种云平台的性能评价装置的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1示出了根据本发明一个实施例的一种云平台的性能评价方法的流程图。如图1所示，该方法包括：

步骤S110，根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据。

步骤S120，根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。

可见，在图1所示的方法中，云平台的安装在不同终端上的各个客户端的用户行为日志详细记录了每个客户端上的用户使用行为，通过对云平台的各个客户端的用户行为日志的统计能够得到用户通过客户端对云平台进行使用的过程中的用户行为数据，云平台的用户行为数据能够反映用户对云平台的使用习惯，进而反映云平台自身的性能的好坏，因此本方案根据云平台的用户行为数据来计算得到云平台的指定性能指标，用以评价云平台的指定性能。其中，云平台的分布于不同终端上的各个客户端除了与用户交互、与云平台交互之外，还能够等效于分布于互联网中的各个探头，本方案通过各个客户端监控并收集用户对云平台的使用行为，大量的用户行为数据能够表达群体用户对于云平台产品的使用习惯，由于使用习惯是由产品自身的性能来决定的，因此方案进一步能够通过大量的用户行为数据来反映云平台的性能，该评价方式有效且客观准确，符合互联网产品的发展需求。

在本发明的一个实施例中，图1所示的方法可以通过以下三种方案来实现：

方案一，每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志；则上述步骤S110根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据包括：根据各个客户端上用户登录行为的日志和用户登出行为的日志，统计得到云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量。

进而，上述步骤S120根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标包括：比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量，作为云平台的理论最大支持用户数量。

例如，评价一个网盘云平台的性能，预定统计周期为1个月，预设单位时间为1秒，安装在不同终端上的客户端记录用户在该客户端上登录网盘行为的日志以及用户在该客户端上登出网盘行为的日志，具体地，每个客户端对应的每条日志中包含的信息可以有：客户端标识、用户标识、用户行为、对应时间；如一条用户登录行为的日志包括：客户端1、用户a、登录网盘、2016年11月16日9:30:03AM，反映了用户a于2016年11月16日9:30:03AM在客户端1上发生了登录网盘的行为；或者，一条用户登出行为的日志包括：客户端1、用户a、登出网盘、2016年11月16日10:00:20AM，反映了用户a于2016年11月16日10:00:20AM在客户端1上发生了登出网盘的行为；由上述两条日志可以知道，用户a在2016年11月16日9:30:03AM-2016年11月16日10:00:20AM这一段时间内在线。

因此，根据各个客户端上用户登录行为的日志和用户登出行为的日志，能够统计得到云平台在一个月中的每秒钟内共同在线的用户数量。通过比较一个月中的每秒对应的共同在线的用户数量，能够找到共同在线的用户数量最大的一秒钟，这一秒钟对应的共同在线的用户数量反映了网盘云平台能够支持的最大同时在线用户数量，称之为理论最大支持用户数量，表征用户同时在线的情况下网盘云平台所能承载的用户数量。

方案二，考虑到每个用户访问云平台并不能够像机器程序类访问一样做到毫秒甚至纳秒级别的无延迟操作，真实的用户访问云平台的过程应该是有响应时间的，该响应时间可以理解为用户的思考时间，如用户在登录云平台之后思考一段时间后才点击进行下一步的操作；而每个用户思考的时间段给云平台本身提供了负载程度的裕量，能够增加对上线用户的承载力，因此应当将该因素添加到实际最大支持用户数量的考量中。

在本方案二中，每个客户端在预定统计周期内的用户行为日志中除了该客户端上用户登录行为的日志，该客户端上用户登出行为的日志之外，还包括：该客户端上用户在登录之后执行下一个非登出行为的日志；则上述步骤S110根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据除了统计方案一所述的云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量之外，还包括：根据各个客户端上用户登录行为日志和用户在登录之后执行下一个非登出行为的日志，计算得到云平台上每个用户从登录到执行下一个非登出行为的响应时间；根据云平台上各个用户从登录到执行下一个非登出行为的响应时间，计算得到云平台上用户的平均响应时间。

则上述步骤S120根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标中除了如方案一一般计算出云平台的理论最大支持用户数量之外，该步骤S120还包括：根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量。

沿用上文中网盘云平台的例子，假设已计算得到的网盘云平台的理论最大支持用户数量为1000/s，表示1秒钟内对应的最大共同在线的用户数量；以及，获取到各个客户端上用户在登录之后执行下一个非登出行为的日志，如一条用户登录行为的日志包括：客户端1、用户a、登录网盘、2016年11月16日9:30:03AM，反映了用户a于2016年11月16日9:30:03AM在客户端1上发生了登录网盘的行为，以及一条用户在登录之后执行下一个非登出行为的日志包括：客户端1、用户a、上传文件、2016年11月16日9:45:18AM，反映了用户a在登录之后于2016年11月16日9:45:18AM在客户端1上发生了上传文件的行为，则可以获知该用户a在本次登录后的响应时间为从2016年11月16日9:30:03AM到2016年11月16日9:45:18AM的15min15sec的时间，同理，可以获知各个用户对应的响应时间，根据大量用户对应的响应时间求平均值，得到云平台上用户的平均响应时间为10s，具体地，在计算云平台上用户的平均响应时间时可以先剔除异常响应时间(过长或过短的响应时间)，再进行平均响应时间的计算。

则在本例中，将云平台的理论最大支持用户数量与云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量，即：

1000/s×10s＝10000，

计算得到云平台的最大支持用户数量，该最大支持用户数量考虑到了用户在登录云平台之后所需要的响应时间(思考时间)，更准确地表达了云平台实际能够承载的在线用户数量。

方案三，在方案一与方案二的基础上，进一步优化地，考虑到云平台的注册用户并不是同一时间都全部上线，不同用户的上线时间也会有所不同。上述方案一获得的云平台的性能指标之所以称之为理论最大支持用户数量，是因为用户同时在线的情况是极端状况，大部分情况下不同用户的使用习惯不同其在线时间会相互错开，在用户的在线实现相互错开的情况下网盘云平台所能承载的用户数量与用户同时在线的情况下网盘云平台所能承载的用户数量必然是不相同的，因此在方案三中要考虑前者状况下云平台所能支持的最大用户数量。

每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志之外，该客户端上用户在登录之后执行下一个非登出行为的日志；则上述步骤S110根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据包括：如方案一所述的云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量，如方案二所述的云平台上用户的平均响应时间，此外还包括：比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量；计算云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值；根据各个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值，计算得到平均比值，作为云平台上用户的平均习惯常量。

则步骤S120根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标包括：如方案一计算得到云平台的理论最大支持用户数量；在此基础上，还包括：根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间、云平台上用户的平均习惯常量以及预设策略，计算得到云平台的最大支持用户数量。

沿用上文中网盘云平台的例子，假设已计算得到的网盘云平台的理论最大支持用户数量为1000/s，表示1秒钟内对应的最大共同在线的用户数量；云平台上用户的平均响应时间为10s；以及，计算得到云平台上用户的平均习惯常量为50％，表示同一时间内只有50％的用户上线。则在本例中，将云平台上用户的平均习惯常量的倒数、云平台的理论最大支持用户数量、以及云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量，即：

1000/s×10s×1/(50％)＝20000，

计算得到云平台的最大支持用户数量，该最大支持用户数量不仅考虑到了用户在登录云平台之后所需要的响应时间(思考时间)，还考虑到了不同用户使用云平台的习惯在时间上的分布差异，更准确地表达了云平台实际能够承载的在线用户数量。最终云平台可以支持的最大用户数量为20000人，说明可以支持20000用户注册该网盘云平台。

图2示出了根据本发明一个实施例的一种云平台的性能评价装置的示意图。如图2所示，该云平台的性能评价装置200包括：

行为数据获取单元210，适于根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据。

性能指标计算单元220，适于根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。

可见，图2所示的装置在工作过程中，云平台的安装在不同终端上的各个客户端的用户行为日志详细记录了每个客户端上的用户使用行为，通过对云平台的各个客户端的用户行为日志的统计能够得到用户通过客户端对云平台进行使用的过程中的用户行为数据，云平台的用户行为数据能够反映用户对云平台的使用习惯，进而反映云平台自身的性能的好坏，因此本方案根据云平台的用户行为数据来计算得到云平台的指定性能指标，用以评价云平台的指定性能。其中，云平台的分布于不同终端上的各个客户端除了与用户交互、与云平台交互之外，还能够等效于分布于互联网中的各个探头，本方案通过各个客户端监控并收集用户对云平台的使用行为，大量的用户行为数据能够表达群体用户对于云平台产品的使用习惯，由于使用习惯是由产品自身的性能来决定的，因此方案进一步能够通过大量的用户行为数据来反映云平台的性能，该评价方式有效且客观准确，符合互联网产品的发展需求。

在本发明的一个实施例中，每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志；行为数据获取单元210，适于根据各个客户端上用户登录行为的日志和用户登出行为的日志，统计得到云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量。

则性能指标计算单元220，适于比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量，作为云平台的理论最大支持用户数量。

进一步地，每个客户端在预定统计周期内的用户行为日志中还包括：该客户端上用户在登录之后执行下一个非登出行为的日志；行为数据获取单元，210还适于根据各个客户端上用户登录行为日志和用户在登录之后执行下一个非登出行为的日志，计算得到云平台上每个用户从登录到执行下一个非登出行为的响应时间；根据云平台上各个用户从登录到执行下一个非登出行为的响应时间，计算得到云平台上用户的平均响应时间。

则性能指标计算单元220，还适于根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量。具体地，性能指标计算单元220，适于将云平台的理论最大支持用户数量与云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

在上述基础上，进一步地，行为数据获取单元210，还适于比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量；计算云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值；根据各个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值，计算得到平均比值，作为云平台上用户的平均习惯常量。

则性能指标计算单元220，还适于根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间、云平台上用户的平均习惯常量以及预设策略，计算得到云平台的最大支持用户数量。具体地，性能指标计算单元220，适于将云平台上用户的平均习惯常量的倒数、云平台的理论最大支持用户数量、以及云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

其中，图2所示的装置的各实施例与图1所示的方法的各实施例对应相同，上文中已详细说明，在此不再赘述。

综上所述，在本发明提供的技术方案中，云平台的安装在不同终端上的各个客户端的用户行为日志详细记录了每个客户端上的用户使用行为，通过对云平台的各个客户端的用户行为日志的统计能够得到用户通过客户端对云平台进行使用的过程中的用户行为数据，云平台的用户行为数据能够反映用户对云平台的使用习惯，进而反映云平台自身的性能的好坏，因此本方案根据云平台的用户行为数据来计算得到云平台的指定性能指标，用以评价云平台的指定性能。其中，云平台的分布于不同终端上的各个客户端除了与用户交互、与云平台交互之外，还能够等效于分布于互联网中的各个探头，本方案通过各个客户端监控并收集用户对云平台的使用行为，大量的用户行为数据能够表达群体用户对于云平台产品的使用习惯，由于使用习惯是由产品自身的性能来决定的，因此方案进一步能够通过大量的用户行为数据来反映云平台的性能，该评价方式有效且客观准确，符合互联网产品的发展需求。

需要说明的是：

在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的云平台的性能评价装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

本发明公开了A1、一种云平台的性能评价方法，其中，包括：

根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据；

根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。

A2、如A1所述的方法，其中，每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志；

则所述根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据包括：根据各个客户端上用户登录行为的日志和用户登出行为的日志，统计得到云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量。

A3、如A2所述的方法，其中，所述根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标包括：

比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量，作为云平台的理论最大支持用户数量。

A4、如A3所述的方法，其中，每个客户端在预定统计周期内的用户行为日志中还包括：该客户端上用户在登录之后执行下一个非登出行为的日志；

则所述根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据还包括：

根据各个客户端上用户登录行为日志和用户在登录之后执行下一个非登出行为的日志，计算得到云平台上每个用户从登录到执行下一个非登出行为的响应时间；

根据云平台上各个用户从登录到执行下一个非登出行为的响应时间，计算得到云平台上用户的平均响应时间。

A5、如A4所述的方法，其中，所述根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标还包括：

根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量。

A6、如A5所述的方法，其中，所述根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量包括：

将云平台的理论最大支持用户数量与云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

A7、如A4所述的方法，其中，所述根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据还包括：

比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量；

计算云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值；

根据各个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值，计算得到平均比值，作为云平台上用户的平均习惯常量。

A8、如A7所述的方法，其中，所述根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标还包括：

根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间、云平台上用户的平均习惯常量以及预设策略，计算得到云平台的最大支持用户数量。

A9、如A8所述的方法，其中，所述根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间、云平台上用户的平均习惯常量以及预设策略，计算得到云平台的最大支持用户数量包括：

将云平台上用户的平均习惯常量的倒数、云平台的理论最大支持用户数量、以及云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

本发明还公开了B10、一种云平台的性能评价装置，其中，包括：

行为数据获取单元，适于根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据；

性能指标计算单元，适于根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。

B11、如B10所述的装置，其中，每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志；

则所述行为数据获取单元，适于根据各个客户端上用户登录行为的日志和用户登出行为的日志，统计得到云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量。

B12、如B11所述的装置，其中，

所述性能指标计算单元，适于比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量，作为云平台的理论最大支持用户数量。

B13、如B12所述的装置，其中，每个客户端在预定统计周期内的用户行为日志中还包括：该客户端上用户在登录之后执行下一个非登出行为的日志；

则所述行为数据获取单元，还适于根据各个客户端上用户登录行为日志和用户在登录之后执行下一个非登出行为的日志，计算得到云平台上每个用户从登录到执行下一个非登出行为的响应时间；根据云平台上各个用户从登录到执行下一个非登出行为的响应时间，计算得到云平台上用户的平均响应时间。

B14、如B13所述的装置，其中，

所述性能指标计算单元，还适于根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量。

B15、如B14所述的装置，其中，

所述性能指标计算单元，适于将云平台的理论最大支持用户数量与云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

B16、如B13所述的装置，其中，

所述行为数据获取单元，还适于比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量；计算云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值；根据各个预设单位时间内共同在线的用户数量与所述最大的共同在线的用户数量的比值，计算得到平均比值，作为云平台上用户的平均习惯常量。

B17、如B16所述的装置，其中，

所述性能指标计算单元，还适于根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间、云平台上用户的平均习惯常量以及预设策略，计算得到云平台的最大支持用户数量。

B18、如B17所述的装置，其中，

所述性能指标计算单元，适于将云平台上用户的平均习惯常量的倒数、云平台的理论最大支持用户数量、以及云平台上用户的平均响应时间的乘积作为云平台的最大支持用户数量。

Claims (10)

1.一种云平台的性能评价方法，其中，包括：

根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据；

根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。

2.如权利要求1所述的方法，其中，每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志；

则所述根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据包括：根据各个客户端上用户登录行为的日志和用户登出行为的日志，统计得到云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量。

3.如权利要求2所述的方法，其中，所述根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标包括：

比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量，作为云平台的理论最大支持用户数量。

4.如权利要求3所述的方法，其中，每个客户端在预定统计周期内的用户行为日志中还包括：该客户端上用户在登录之后执行下一个非登出行为的日志；

则所述根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据还包括：

根据各个客户端上用户登录行为日志和用户在登录之后执行下一个非登出行为的日志，计算得到云平台上每个用户从登录到执行下一个非登出行为的响应时间；

根据云平台上各个用户从登录到执行下一个非登出行为的响应时间，计算得到云平台上用户的平均响应时间。

5.如权利要求4所述的方法，其中，所述根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标还包括：

根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量。

6.一种云平台的性能评价装置，其中，包括：

行为数据获取单元，适于根据云平台的各个客户端在预定统计周期内的用户行为日志，统计得到云平台的用户行为数据；

性能指标计算单元，适于根据所述云平台的用户行为数据以及预设策略，计算得到云平台的指定性能指标，以对云平台的指定性能进行评价。

7.如权利要求6所述的装置，其中，每个客户端在预定统计周期内的用户行为日志中包括：该客户端上用户登录行为的日志，该客户端上用户登出行为的日志；

则所述行为数据获取单元，适于根据各个客户端上用户登录行为的日志和用户登出行为的日志，统计得到云平台在预定统计周期中的每个预设单位时间内共同在线的用户数量。

8.如权利要求7所述的装置，其中，

所述性能指标计算单元，适于比较云平台在预定统计周期中的各个预设单位时间内共同在线的用户数量，选取最大的共同在线的用户数量，作为云平台的理论最大支持用户数量。

9.如权利要求8所述的装置，其中，每个客户端在预定统计周期内的用户行为日志中还包括：该客户端上用户在登录之后执行下一个非登出行为的日志；

则所述行为数据获取单元，还适于根据各个客户端上用户登录行为日志和用户在登录之后执行下一个非登出行为的日志，计算得到云平台上每个用户从登录到执行下一个非登出行为的响应时间；根据云平台上各个用户从登录到执行下一个非登出行为的响应时间，计算得到云平台上用户的平均响应时间。

10.如权利要求9所述的装置，其中，

所述性能指标计算单元，还适于根据云平台的理论最大支持用户数量、云平台上用户的平均响应时间以及预设策略，计算得到云平台的最大支持用户数量。