CN107239339A - 系统性能优化参数确定方法、系统性能优化方法及装置 - Google Patents
系统性能优化参数确定方法、系统性能优化方法及装置 Download PDFInfo
- Publication number
- CN107239339A CN107239339A CN201610189273.4A CN201610189273A CN107239339A CN 107239339 A CN107239339 A CN 107239339A CN 201610189273 A CN201610189273 A CN 201610189273A CN 107239339 A CN107239339 A CN 107239339A
- Authority
- CN
- China
- Prior art keywords
- performance
- performance index
- parameter value
- terminal
- determining
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 abstract 3
- 230000008717 functional decline Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 9
- 230000015556 catabolic process Effects 0.000 description 6
- 238000006731 degradation reaction Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- JHIVVAPYMSGYDF-UHFFFAOYSA-N cyclohexanone Chemical compound O=C1CCCCC1 JHIVVAPYMSGYDF-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007334 memory performance Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5022—Mechanisms to release resources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种系统性能优化参数确定方法、系统性能优化方法及装置。本发明中，基于终端统计得到的性能指标参数值确定性能指标参数值与系统性能之间的相关性，利用该相关性确定性能指标的阈值，所述性能指标的阈值用于指导终端进行性能优化，终端可根据性能指标的阈值确定执行系统性能优化的时机，从而实现系统性能优化。由于性能指标的阈值是根据终端统计得到的性能指标参数值，并基于性能指标参数值与系统性能之间的相关性确定出来的，是系统性能衰退时性能指标参数值的临界值，因此基于该性能指标的阈值指导终端的系统性能优化操作，可实现系统性能优化。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种系统性能优化参数确定方法、系统性能优化方法及装置。
背景技术
随着通信技术的发展，为了满足用户的使用需求，越来越多的应用程序被开发出来并被安装在终端上供用户使用。
终端上安装的应用程序在不断被使用的情况下，终端操作系统的性能往往会逐渐下降，出现越用越慢的情况。导致出现该问题的因素比较多，例如，应用程序使用过程中，其数据缓存区中缓存的数据不断积累，导致终端数据读写性能下降；再例如，由于应用程序的不断被启动，后台积累了大量的应用程序，大量消耗系统的内存资源、网络资源，当新的应用程序被启动并申请内存资源时，系统会因为内存资源紧张导致系统性能整体衰退。
由此可见，如何优化系统性能，是目前亟需解决的问题。
申请内容
本申请实施例提供了一种系统性能优化参数确定方法、系统性能优化方法及装置，用以实现系统性能优化。
本申请实施例提供的一种系统性能优化参数确定方法，包括：
获取终端统计得到的性能指标参数值；
根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性；
根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，所述性能指标的阈值用于指导终端进行系统性能优化。
优选地，根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，包括：根据同一类型终端统计得到的性能指标参数值，确定该类型终端所对应的性能指标参数值与系统性能之间的相关性；
根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，包括：根据不同类型终端所对应的性能指标参数值与系统性能之间的相关性，确定不同类型终端各自对应的性能指标的阈值。
进一步地，还包括：根据终端类型，将相应类型终端对应的性能指标的阈值发送对应类型的终端。
优选地，根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，包括：根据获取到的性能指标参数值，分别确定不同性能指标参数值与系统性能之间的对应关系；
根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，包括：根据不同性能指标参数值与系统性能之间的对应关系，分别确定不同性能指标的阈值。
优选地，根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，包括：
根据获取到的性能指标参数值，确定性能指标的权重；其中，性能指标的权重用于反映性能指标对于系统性能的影响程度；
根据性能指标的权重以及性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
优选地，终端统计得到的性能指标参数值，包括：应用程序的启动时间长度，以及应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
优选地，所述CPU指标的参数值包括：系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
本申请实施例提供的系统性能优化方法，包括：
获取系统当前的性能指标参数值；
根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件；其中，所述性能指标的阈值是基于性能指标参数值与系统性能之间的相关性，利用终端统计得到的性能指标参数值确定出的；
若满足性能优化条件，则进行系统性能优化。
优选地，若满足性能优化条件，则进行系统性能优化，包括：
若满足性能优化条件，则根据所满足的性能优化条件获取对应的系统性能优化策略；其中，不同性能优化条件各自对应有系统性能优化策略；
根据获取到的系统性能优化策略进行系统性能优化。
优选地，根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件之前，还包括：
接收所述服务器发送的性能指标的阈值；或者，
根据统计得到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，并根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
优选地，所述性能指标参数值，包括：应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
优选地，所述CPU指标的参数值包括：系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
本申请实施例提供的服务器，包括：
获取模块，用于获取终端统计得到的性能指标参数值；
第一确定模块，用于根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性；
第二确定模块，用于根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，所述性能指标的阈值用于指导终端进行系统性能优化。
优选地，所述第一确定模块具体用于：根据同一类型终端统计得到的性能指标参数值，确定该类型终端所对应的性能指标参数值与系统性能之间的相关性；
所述第二确定模块具体用于：根据不同类型终端所对应的性能指标参数值与系统性能之间的相关性，确定不同类型终端各自对应的性能指标的阈值。
进一步地，还包括：发送模块，用于根据终端类型，将相应类型终端对应的性能指标的阈值发送对应类型的终端。
优选地，所述第一确定模块具体用于：根据获取到的性能指标参数值，分别确定不同性能指标参数值与系统性能之间的对应关系；
所述第二确定模块具体用于：根据不同性能指标参数值与系统性能之间的对应关系，分别确定不同性能指标的阈值。
优选地，所述第二确定模块具体用于：
根据获取到的性能指标参数值，确定性能指标的权重；其中，性能指标的权重用于反映性能指标对于系统性能的影响程度；
根据性能指标的权重以及性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
优选地，所述获取模块所获取到的性能指标参数值，包括：终端统计得到的应用程序的启动时间长度，以及应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
优选地，所述CPU指标的参数值包括：系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
本申请实施例提供的终端，包括：
获取模块，用于获取系统当前的性能指标参数值；
判断模块，用于根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件；其中，所述性能指标的阈值是基于性能指标参数值与系统性能之间的相关性，利用终端统计得到的性能指标参数值确定出的；
优化模块，用于在所述判断模块判断满足性能优化条件的情况下，进行系统性能优化。
优选地，所述优化模块具体用于：若满足性能优化条件，则根据所满足的性能优化条件获取对应的系统性能优化策略；其中，不同性能优化条件各自对应有系统性能优化策略；根据获取到的系统性能优化策略进行系统性能优化。
优选地，还包括：接收模块或确定模块；
所述接收模块，用于接收所述服务器根据终端统计的性能指标参数值确定并发送的性能指标的阈值；
所述确定模块，用于根据统计得到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，并根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
优选地，所述获取模块获取到的性能指标参数值，包括：应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
优选地，所述CPU指标的参数值包括：系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
本申请另外的实施例提供的终端，包括：
存储器，用于存储计算机程序指令；
处理器，耦合到所述存储器，用于读取所述存储器存储的计算机程序指令，并作为响应，执行如下操作：
获取系统当前的性能指标参数值；
根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件；其中，所述性能指标的阈值是基于性能指标参数值与系统性能之间的相关性，利用终端统计得到的性能指标参数值确定出的；
若满足性能优化条件，则进行系统性能优化。
本申请的上述实施例中，基于终端统计得到的性能指标参数值确定性能指标参数值与系统性能之间的相关性，利用该相关性确定性能指标的阈值，所述性能指标的阈值用于指导终端进行性能优化，举例来说，终端可根据性能指标的阈值确定执行系统性能优化的时机，从而实现系统性能优化。由于性能指标的阈值是根据终端统计得到的性能指标参数值，并基于性能指标参数值与系统性能之间的相关性确定出来的，是系统性能衰退时性能指标参数值的临界值，因此基于该性能指标的阈值指导终端的系统性能优化操作，可实现系统性能优化。更进一步地，上述实施例可基于性能指标的阈值对是否执行系统性能优化操作进行预判，进而在系统性能衰退前进行系统性能优化。
附图说明
图1为本申请实施例适用的网络架构示意图；
图2为本申请实施例提供的在服务器侧实现的性能优化参数确定流程示意图；
图3为本申请实施例提供的性能指标参数值与系统性能之间的相关性曲线示意图；
图4为本申请实施例提供的在终端侧实现的系统性能优化流程示意图；
图5为本申请实施例提供的服务器的结构示意图；
图6为本申请实施例提供的终端的结构示意图；
图7为本申请实施例提供的另一种终端的结构示意图。
具体实施方式
下面结合附图对本申请实施例进行详细描述。
图1示例性地示出了本申请实施例适用的一种网络架构示意图。如图1所示，该网络架构中可包括终端101、服务器103，其中，终端101以及服务器103可通过网络102进行通信。
上述架构中的终端上安装有用于实现性能指标参数值统计的服务或客户端程序，服务器103上安装有与确定性能优化参数相关的服务或服务器端程序，终端和服务器103进行配合，可实现确定性能优化参数的方案。
上述网络架构中的终端101可以是移动终端或PC(个人电脑)等设备，所述移动终端可以是手机、PDA(Personal Digital Assistant，掌上电脑)或智能穿戴设备等。
上述网络架构中，终端101、服务器103可以通过网络进行信息交互，该网络可以是广域网、局域网或互联网，或者采用移动通信技术的互联网。终端可通过无线方式接入互联网，服务器103通常采用有线方式与互联网连接。
优选地，终端101、服务器103可以采用云计算技术，以基于云计算技术的强大功能实现信息处理。终端和服务器可采用基于云计算技术的操作系统，比如YunOS，从而可以整合云端和终端的资源和服务。
在一些实施例中，上述架构中的终端101可对该终端的性能指标参考值进行统计并上报给服务器103；服务器103可根据终端统计并上报的性能指标参考值，确定性能指标参数值与系统性能之间的相关性，得到性能指标的阈值，并将性能指标的阈值发送给终端101；终端101可根据性能指标的阈值执行系统性能优化。
为了便于理解本申请实施例，下面首先对本申请实施例中的一些技术术语进行说明。
指标一般由指标名称和指标数值两部分组成，本申请实施例中，使用“性能指标”表示能够反映操作系统性能的指标的名称，使用“性能指标参数值”表示能够反映操作系统性能的指标的数值。举例来说，MemTotal即为一种内存指标，其参数名称为“MemTotal”，该参数的取值为所有可用RAM(Random-Access Memory，随机存取存储器)大小，即，物理内存减去一些预留位和内核的二进制代码后的内存容量大小。
如上所述，终端具有性能指标参数值的统计和上报功能。
具体地，终端可按照设定周期进行性能指标参数值的统计，也可在有应用程序启动时进行性能指标参数值的统计。如前所述，终端上可安装用于实现性能指标参数值统计的服务，终端可在后台启动该服务，从而实现系统性能指标参数值的自动统计操作。
具体实施时，终端可采用多种方式进行性能指标参数值统计，比如可采用埋点方式进行统计。埋点是指通过预先编译的代码，在系统运行中的某个或某些特定阶段，调用预先设置的程序代码以实现预定的某些功能。在本申请实施例中，基于埋点方式进行统计的过程大致为：当有应用程序启动时，调用用于实现系统性能指标参数值统计功能的程序代码，从而获得当前的系统性能指标参数值。在对统计得到的性能指标参数值进行保存时，终端可对应于每一条应用程序启动时间信息(启动起始时间、启动过程所用的时间长度等)记录该应用程序启动时或启动过程中获取到的系统性能指标参数值。
本申请实施例中，终端统计的性能指标参数值主要作为确定性能优化参数的样本数据，该性能优化参数具体可以是性能指标的阈值，用于指导终端进行系统性能优化。
基于此目的，优选地，终端统计的性能指标参数值可包括：应用程序的启动时间长度(即应用程序启动过程所消耗的时间长度)，以及应用程序启动时的内存指标的参数值和/或CPU指标的参数值。其中，内存指标更具体地是指与容量相关的指标，CPU指标更具体地是指与时间相关的指标。
举例来说，内存指标可包括以下指标中的一种或多种：
MemTotal：所有可用RAM大小(即物理内存减去一些预留位和内核的二进制代码大小后的RAM容量)；
MemFree：空闲内存的大小，是LowFree与HighFree的总和，被系统预留，未使用；
Cached：被高速缓冲存储器(cache memory)使用的内存的大小；
Active：在活跃使用中的缓冲或高速缓冲存储器页面文件的大小，除非非常必要否则不会被移作他用；
Inactive：在不经常使用中的缓冲或高速缓冲存储器页面文件的大小，可能被用于其他途径；
Active(anon)：未映射的活跃缓冲大小；
Inactive(anon)：未映射的不活跃缓冲大小；
Active(file)：在一段时间内，活跃的文件缓存页；
Inactive(file)：在一段时间内，不活跃的文件缓存页，系统可以回收了；
SwapTotal：交换空间的总大小；
SwapFree：未被使用交换空间的大小；
AnonPages：未映射页的内存大小。
以上仅示例性地列举了一些内存指标，本申请实施例所适用的内存指标并不局限与此。
举例来说，CPU指标可包括以下指标中的一种或多种：
User：user time(用户时间)，表示CPU执行用户进程的时间；
Nice：nice time(nice时间)，系统调整进程优先级所花费的时间；
Sys：system time(系统时间)，表示CPU在内核运行时间；
Idle：idle time(空闲时间)，系统处于空闲期，等待进程运行；
Iowaittime：io wait timeirqtime(I/O等待时间)，CPU在等待I/O操作完成所花费的时间；
Softirqtime：软中断处理时间，系统处理软中断所花费的时间。
上述CPU指标的参数值可从proc/vmstat文件读取，proc/vmstat文件是系统用于保存cpu指标参数值的文件。
以上仅示例性地列举了一些CPU指标，本申请实施例所使用的CPU指标并不局限与此。
进一步地，基于上述统计得到的CPU指标参数值，还可以计算得到其他CPU指标参数值。比如，可计算得到iowait，iowait是操作系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
应用程序的启动时间相关信息(比如应用程序启动时间长度)，可通过读取proc/vmstat文件获得。具体地，可通过在系统AMS(Activity Manager Service，活跃管理服务)中打印应用程序的启动时间相关信息。
对于上述统计得到的性能指标参数值，终端可按照设定周期发送给服务器。优选地，终端统计并上报给服务器的性能指标参数值中可包括直接获取到的性能指标参数值，以及根据直接获取到的性能指标参数值计算出的参数值，比如上述的iowait。
基于图1所示的架构，图2示出了服务器侧实现的系统性能优化参数确定方法的流程。如图2所示，该流程可包括如此步骤：
步骤201：服务器获取终端统计得到的性能指标参数值。
其中，终端统计性能指标参数值的方法以及统计得到的性能指标参数值的具体内容，可参见前述实施例，在此不再详述。
步骤202：服务器根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性。
步骤203：服务器根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，所述性能指标的阈值用于指导终端进行系统性能优化。
其中，所述性能指标的阈值是系统性能衰退时性能指标参数值的临界值，相应地，当系统性能指标参数值达到该阈值时，通常应用程序启动过程的耗时也会变长。
服务器确定出的性能指标的阈值，可以是终端所统计的性能指标中的一种或多种性能指标的阈值。举例来说，终端需要统计的性能指标的种类可由终端上安装的用于实现性能指标参数值统计功能的服务进行定义，如果终端需要统计的性能指标包括：MemTotal、MemFree、SwapTotal、SwapFree、user time(用户时间)、system time(系统时间)、idle time(空闲时间)、iowait，则服务器可针对上述所有性能指标分别确定出的各个性能指标的阈值，也可以仅针对MemFree、idle time、iowait，或者仅针对iowait确定出对应的性能指标阈值。这是因为引起系统性能衰退的性能指标有多种，其中有部分性能指标对系统性能衰退的影响程度会大于其他性能指标，因此可以将对系统性能衰退影响较大的性能指标确定其性能指标阈值。
由于终端类型存在差异，终端类型不同，往往导致终端的系统性能或系统性能变化规律也不同，因此针对不同类型终端所确定出的性能指标阈值也可能不同。当然，针对不同类型终端所确定出的性能指标阈值也可能相同。其中，可从多种维度区分终端类型，比如，从设备类型(包括品牌、机型等)的角度进行区分，从使用的操作系统类型的角度进行区分；也可以结合多种维度进行区分，比如，如果终端的设备类型相同，但使用的操作系统不同，则视为不同类型的终端。
为了简化技术实现，在本申请的一些实施例中，可预先设置模型，该预设模型用于基于终端统计得到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性。具体可基于终端统计得到的性能指标参数值，采用机器学习常用的逻辑回归方法(Logistic Regression,LR)训练该相关性。
进一步地，考虑到终端有多种类型(比如不同的品牌，不同的型号等)，不同类型的终端在硬件配置或软件配置方面可能存在差异，而不同的硬件配置或软件配置将导致不同的系统性能，因此为了针对不同类型的终端确定相应类型终端所适用的性能指标阈值，以便针对不同类型的终端更好地进行系统性能优化，优选地，本申请实施例中可针对同一类型的终端，根据该类型终端统计得到的性能指标参数值，确定该类型终端所对应的性能指标参数值与系统性能之间的相关性，并根据不同类型终端所对应的性能指标参数值与系统性能之间的相关性，确定不同类型终端各自对应的性能指标的阈值。
在一些实施例中，优选地，在步骤202中，服务器可根据获取到的性能指标参数值，分别确定不同性能指标参数值与系统性能之间的对应关系；在步骤203中，服务器可根据不同性能指标参数值与系统性能之间的对应关系，分别确定不同性能指标的阈值。
具体实施时，服务器可基于终端统计的性能指标参数值，绘制系统性能与性能指标参数值的对应关系图，当作为样本数据的性能指标参数值数量较多时，可基于该对应关系图拟合得到与性能指标对应的一条曲线。每种性能指标都可以拟合得到对应的曲线。这些曲线的两个维度分别为系统性能(即用于衡量系统性能的参数，比如运行速率)和性能指标参数值。在基于这些曲线确定性能指标阈值时，可根据用于衡量系统性能的参数取一取值区间，该区间内系统性能已经开始下降且接近性能衰退程度，这样，可根据该区间内的曲线所对应的性能指标参数值确定性能指标阈值，比如，根据该区间内的曲线取一性能指标参数值作为性能指标阈值，也可以按照设定的算法，利用该区间内的曲线所对应的性能指标参数值计算得到性能指标阈值(比如取平均值)。通过该中方法所确定出的性能指标阈值是系统性能衰退时性能指标参数值的临界值。基于该阈值进行系统性能优化预判，可以在系统性能衰退之前(接近性能衰退时)自动进行系统性能优化。
当然，一条曲线也可以对应多种性能指标，本申请实施例对此不做限制。
图3示例性地示出了一种性能指标参数值与系统性能之间的相关性曲线。图3中包含两条曲线，其中，实线曲线用于反映MemFree与系统性能之间的相关性，虚线曲线用于反映user time与系统性能之间的相关性，其中，MemFree是内存性能指标，uster time是CPU性能指标，系统性能用CPU运行速率来表示。这两条曲线均是基于客户端设备统计并上报的性能指参数值得到的。可以看出，MemFree值越大，则系统性能越好，根据MemFree与系统性能之间的相关性曲线(实线曲线)，在区间1系统性能从高到第下降显著，因此可根据区间1内该曲线上的MemFree确定出MemFree的阈值。同理，可以看出，ustertime取值越小系统性能越好，根据uster time与系统性能之间的相关性曲线(虚线曲线)，在区间2系统性能从高到第下降显著，因此可根据区间2内该曲线上的uster time确定出uster time的阈值。
进一步地，在一些优选实施例中，可以根据获取到的性能指标参数值，确定性能指标的权重，其中，性能指标的权重用于反映性能指标对于系统性能的影响程度。相应地，在确定性能指标阈值时，可根据性能指标的权重以及性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
例如，在基于上述曲线确定性能指标阈值时，可根据用于衡量系统性能的参数取一取值区间，该区间表明系统性能已经开始下降且接近性能衰退程度，根据该区间内的曲线所对应的性能指标参数值确定性能指标阈值。之后，将性能指标的权重与对应的性能指标阈值相乘，得到最终的性能指标阈值。
优选地，在确定性能指标的权重时，可仅对一些关键性能指标确定其权重，所谓关键性能指标是指对系统性能影响较为明显的性能指标，可基于经验或者仿真测试等方式确定哪些性能指标为关键性能指标。
进一步地，图2所示的流程中，在步骤203之后还可以包括以下步骤：
步骤204：服务器根据终端类型，将确定出的相应类型终端的性能指标的阈值发送相应类型的终端。
参见图4，为本申请实施例提供的终端侧实现的系统性能优化流程。如图所示，该流程可包括如下步骤：
步骤401：终端获取系统当前的性能指标参数值。
步骤402：终端根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件，若满足性能优化条件，则转入步骤403，否则返回步骤401或者执行其他操作。
例如，性能指标阈值包括MemFree阈值，这样，在步骤402中，若当前获取到的MemFree参数值小于该MemFree阈值，则满足性能优化条件。
再例如，性能指标阈值包括user time(用户时间)阈值，这样，在步骤402中，若当前获取到的user time参数值大于该user time阈值，则满足性能优化条件。
再例如，性能指标阈值包括MemFree阈值和user time阈值，这样，在步骤402中，若当前获取到的MemFree参数值小于该MemFree阈值，则满足性能优化条件；或者，若当前获取到的user time参数值大于该user time阈值，则满足性能优化条件；或者，若当前获取到的MemFree参数值小于该MemFree阈值，且当前获取到的user time参数值大于该user time阈值，则满足性能优化条件。
其中，性能指标的阈值的确定方法，可参见上述实施例，在此不再详述。
步骤403：终端进行系统性能优化。
作为一个例子，终端操作系统中，AMS模块中的工作线程实时监控系统的性能指标，当系统性能指标参数值到达对应的性能指标阈值时，在用户无感知的情况下，进行清理后台进程的工作，释放系统资源，使操作系统一直运行在流畅的状态，从而解决操作系统越用越慢的问题。
优选地，终端上可预先设置多种性能优化策略，性能优化策略可以与性能优化条件对应。当满足不同的性能优化条件时，可根据所满足的性能优化条件获取对应的系统性能优化策略，并根据获取到的系统性能优化策略进行系统性能优化。比如，当可用内存容量低于相应的性能指标阈值时，可对内存进行释放；当idle time(空闲时间)低于相应的性能指标阈值时，可关闭一些服务进程。
在本申请另外的一些实施例中，终端也可以根据自己统计得到的性能指标参数值，确定性能指标的阈值，具体确定方法与图2所示的流程类似，在此不再详述。
上述作为样本数据的性能指标参数值可由测试用终端统计并上报给服务器。具体地，可由测试用终端模拟用户使用应用程序的场景，统计并上报性能指标参数值。
作为一个获得样本数据的例子，首先确定需要统计的性能指标，根据需要统计的性能指标设计开发应用程序(以下为描述方便称为应用程序A)，应用程序A负责采集性能指标参数值，将应用程序A安装在终端上。在该终端上运行应用程序，获得各种场景(包括系统性能正常的场景，系统性能衰退的场景)下的性能指标参数值。该终端上的应用程序A进行性能指标参数值的统计和上报，这些性能指标参数值将作为训练模型用的样本数据。在获得一定数量的样本数据后，可将应用程序A从该终端上卸载。
通过上述性能指标参数值与系统性能之间的相关性的训练过程，各项性能指标参数值与应用程序的启动时间是对应的，当分析大量的样本数据后，基于应用程序启动的标准时间长度，可以训练出系统性能衰减的规律值，即，可以得到各项性能指标与系统性能之间的相关性。
随着数据样本数据的不断累积，并基于样本数据不断地对模型进行训练，使得该相关性模型越来越精确，从而使得基于该相关性模型确定出的性能指标阈值进行系统性能优化的效果越理想。
通过以上描述可以看出，本申请的上述实施例中，基于终端统计得到的性能指标参数值确定性能指标参数值与系统性能之间的相关性，利用该相关性确定性能指标的阈值，所述性能指标的阈值用于指导终端进行性能优化，举例来说，终端可根据性能指标的阈值确定执行系统性能优化的时机，从而实现系统性能优化。由于性能指标的阈值是根据终端统计得到的性能指标参数值，并基于性能指标参数值与系统性能之间的相关性确定出来的，是系统性能衰退时性能指标参数值的临界值，因此基于该性能指标的阈值指导终端的系统性能优化操作，可实现系统性能优化。更进一步地，上述实施例可基于性能指标的阈值对是否执行系统性能优化操作进行预判，进而在系统性能衰退前进行系统性能优化。
基于相同的技术构思，本申请实施例提供了一种服务器，该服务器可实现上述服务器侧的流程。
参见图5，为本申请实施例提供的服务器的结构示意图，该服务器可包括：获取模块51、第一确定模块52、第二确定模块53，进一步地，还可包括发送模块54，其中：
获取模块51，用于获取终端统计得到的性能指标参数值；
第一确定模块52，用于根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性；
第二确定模块53，用于根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，所述性能指标的阈值用于指导终端进行系统性能优化。
优选地，第一确定模块52可具体用于：根据同一类型终端统计得到的性能指标参数值，确定该类型终端所对应的性能指标参数值与系统性能之间的相关性；相应地，第二确定模块53可具体用于：根据不同类型终端所对应的性能指标参数值与系统性能之间的相关性，确定不同类型终端各自对应的性能指标的阈值。
发送模块54，用于根据终端类型，将相应类型终端对应的性能指标的阈值发送对应类型的终端。
优选地，第一确定模块52可具体用于：根据获取到的性能指标参数值，分别确定不同性能指标参数值与系统性能之间的对应关系；相应地，第二确定模块53可具体用于：根据不同性能指标参数值与系统性能之间的对应关系，分别确定不同性能指标的阈值。
优选地，第二确定模块53可具体用于：
根据获取到的性能指标参数值，确定性能指标的权重；其中，性能指标的权重用于反映性能指标对于系统性能的影响程度；
根据性能指标的权重以及性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
优选地，获取模块51所获取到的性能指标参数值，包括：终端统计得到的应用程序的启动时间长度，以及应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
优选地，所述CPU指标的参数值包括：系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
基于相同的技术构思，本申请实施例提供了一种终端，该终端可实现上述终端侧的流程。
参见图6，为本申请实施例提供的终端的结构示意图，该终端可包括：获取模块61、判断模块62、优化模块63，进一步地，还可包括接收模块64和/或确定模块65，其中：
获取模块61，用于获取系统当前的性能指标参数值；
判断模块62，用于根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件；其中，所述性能指标的阈值是基于性能指标参数值与系统性能之间的相关性，利用终端统计得到的性能指标参数值确定出的；
优化模块63，用于在判断模块62判断满足性能优化条件的情况下，进行系统性能优化。
优选地，优化模块63可具体用于：若满足性能优化条件，则根据所满足的性能优化条件获取对应的系统性能优化策略；其中，不同性能优化条件各自对应有系统性能优化策略；根据获取到的系统性能优化策略进行系统性能优化。
优选地，接收模块64，可用于接收所述服务器根据终端统计的性能指标参数值确定并发送的性能指标的阈值。
优选地，确定模块65可用于根据统计得到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，并根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
优选地，获取模块61获取到的性能指标参数值，包括：应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
优选地，所述CPU指标的参数值包括：系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
基于相同的技术构思，本申请实施例提供了一种终端，该终端可实现上述终端侧的流程。
参见图7，为本申请实施例提供的终端的结构示意图，该终端可包括：处理器71，存储器72、显示器73。
其中，处理器71可以是通用处理器(比如微处理器或者任何常规的处理器等)、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。存储器72具体可包括内部存储器和/或外部存储器，比如随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质。显示器73可包括触摸屏控制电路。
处理器71与其他各模块之间存在数据通信连接，比如可基于总线架构进行数据通信。总线架构可以包括任意数量的互联的总线和桥，具体由处理器71代表的一个或多个处理器和存储器72代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。处理器71负责管理总线架构和通常的处理，存储器72可以存储处理器71在执行操作时所使用的数据。
本申请实施例揭示的流程，可以应用于处理器71中，或者由处理器71实现。在实现过程中，图片搜索流程的各步骤可以通过处理器71中的硬件的集成逻辑电路或者软件形式的指令完成。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。
具体地，处理器71，耦合到存储器72，用于读取存储器72存储的计算机程序指令，并作为响应，执行如下操作：
获取系统当前的性能指标参数值；
根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件；其中，所述性能指标的阈值是基于性能指标参数值与系统性能之间的相关性，利用终端统计得到的性能指标参数值确定出的；
若满足性能优化条件，则进行系统性能优化。
上述流程的具体实现过程可参见前述实施例，在此不再详述。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生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装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置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。
这些计算机程序指令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。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (25)
1.一种系统性能优化参数确定方法，其特征在于，包括：
获取终端统计得到的性能指标参数值；
根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性；
根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，所述性能指标的阈值用于指导终端进行系统性能优化。
2.如权利要求1所述的方法，其特征在于，根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，包括：
根据同一类型终端统计得到的性能指标参数值，确定该类型终端所对应的性能指标参数值与系统性能之间的相关性；
根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，包括：
根据不同类型终端所对应的性能指标参数值与系统性能之间的相关性，确定不同类型终端各自对应的性能指标的阈值。
3.如权利要求2所述的方法，其特征在于，还包括：
根据终端类型，将相应类型终端对应的性能指标的阈值发送对应类型的终端。
4.如权利要求1所述的方法，其特征在于，根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，包括：
根据获取到的性能指标参数值，分别确定不同性能指标参数值与系统性能之间的对应关系；
根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，包括：
根据不同性能指标参数值与系统性能之间的对应关系，分别确定不同性能指标的阈值。
5.如权利要求1所述的方法，其特征在于，根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，包括：
根据获取到的性能指标参数值，确定性能指标的权重；其中，性能指标的权重用于反映性能指标对于系统性能的影响程度；
根据性能指标的权重以及性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
6.如权利要求1至5中任一项所述的方法，其特征在于，终端统计得到的性能指标参数值，包括：应用程序的启动时间长度，以及应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
7.如权利要求6所述的方法，其特征在于，所述CPU指标的参数值包括：
系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
8.一种系统性能优化方法，其特征在于，包括：
获取系统当前的性能指标参数值；
根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件；其中，所述性能指标的阈值是基于性能指标参数值与系统性能之间的相关性，利用终端统计得到的性能指标参数值确定出的；
若满足性能优化条件，则进行系统性能优化。
9.如权利要求8所述的方法，其特征在于，若满足性能优化条件，则进行系统性能优化，包括：
若满足性能优化条件，则根据所满足的性能优化条件获取对应的系统性能优化策略；其中，不同性能优化条件各自对应有系统性能优化策略；
根据获取到的系统性能优化策略进行系统性能优化。
10.如权利要求8所述的方法，其特征在于，根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件之前，还包括：
接收所述服务器发送的性能指标的阈值；或者，
根据统计得到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，并根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
11.如权利要求8至10中任一项所述的方法，其特征在于，所述性能指标参数值，包括：应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
12.如权利要求11所述的方法，其特征在于，所述CPU指标的参数值包括：
系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
13.一种服务器，其特征在于，包括：
获取模块，用于获取终端统计得到的性能指标参数值；
第一确定模块，用于根据获取到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性；
第二确定模块，用于根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值，所述性能指标的阈值用于指导终端进行系统性能优化。
14.如权利要求13所述的服务器，其特征在于，所述第一确定模块具体用于：根据同一类型终端统计得到的性能指标参数值，确定该类型终端所对应的性能指标参数值与系统性能之间的相关性；
所述第二确定模块具体用于：根据不同类型终端所对应的性能指标参数值与系统性能之间的相关性，确定不同类型终端各自对应的性能指标的阈值。
15.如权利要求14所述的服务器，其特征在于，还包括：
发送模块，用于根据终端类型，将相应类型终端对应的性能指标的阈值发送对应类型的终端。
16.如权利要求13所述的服务器，其特征在于，所述第一确定模块具体用于：根据获取到的性能指标参数值，分别确定不同性能指标参数值与系统性能之间的对应关系；
所述第二确定模块具体用于：根据不同性能指标参数值与系统性能之间的对应关系，分别确定不同性能指标的阈值。
17.如权利要求13所述的服务器，其特征在于，所述第二确定模块具体用于：
根据获取到的性能指标参数值，确定性能指标的权重；其中，性能指标的权重用于反映性能指标对于系统性能的影响程度；
根据性能指标的权重以及性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
18.如权利要求13至17中任一项所述的服务器，其特征在于，所述获取模块所获取到的性能指标参数值，包括：终端统计得到的应用程序的启动时间长度，以及应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
19.如权利要求18所述的服务器，其特征在于，所述CPU指标的参数值包括：
系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
20.一种终端，其特征在于，包括：
获取模块，用于获取系统当前的性能指标参数值；
判断模块，用于根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件；其中，所述性能指标的阈值是基于性能指标参数值与系统性能之间的相关性，利用终端统计得到的性能指标参数值确定出的；
优化模块，用于在所述判断模块判断满足性能优化条件的情况下，进行系统性能优化。
21.如权利要求20所述的终端，其特征在于，所述优化模块具体用于：
若满足性能优化条件，则根据所满足的性能优化条件获取对应的系统性能优化策略；其中，不同性能优化条件各自对应有系统性能优化策略；
根据获取到的系统性能优化策略进行系统性能优化。
22.如权利要求20所述的终端，其特征在于，还包括：接收模块或确定模块；
所述接收模块，用于接收所述服务器根据终端统计的性能指标参数值确定并发送的性能指标的阈值；
所述确定模块，用于根据统计得到的性能指标参数值，确定性能指标参数值与系统性能之间的相关性，并根据性能指标参数值与系统性能之间的相关性，确定性能指标的阈值。
23.如权利要求20至22中任一项所述的终端，其特征在于，所述获取模块获取到的性能指标参数值，包括：应用程序启动时的内存指标的参数值和/或CPU指标的参数值。
24.如权利要求23所述的终端，其特征在于，所述CPU指标的参数值包括：
系统进行文件读和/或写操作时，CPU空闲时间长度与CPU被调用时间长度的比值。
25.一种终端，其特征在于，包括：
存储器，用于存储计算机程序指令；
处理器，耦合到所述存储器，用于读取所述存储器存储的计算机程序指令，并作为响应，执行如下操作：
获取系统当前的性能指标参数值；
根据当前的性能指标参数值以及性能指标的阈值，判断是否满足性能优化条件；其中，所述性能指标的阈值是基于性能指标参数值与系统性能之间的相关性，利用终端统计得到的性能指标参数值确定出的；
若满足性能优化条件，则进行系统性能优化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610189273.4A CN107239339B (zh) | 2016-03-29 | 2016-03-29 | 系统性能优化参数确定方法、系统性能优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610189273.4A CN107239339B (zh) | 2016-03-29 | 2016-03-29 | 系统性能优化参数确定方法、系统性能优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107239339A true CN107239339A (zh) | 2017-10-10 |
| CN107239339B CN107239339B (zh) | 2021-03-02 |
Family
ID=59983978
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610189273.4A Active CN107239339B (zh) | 2016-03-29 | 2016-03-29 | 系统性能优化参数确定方法、系统性能优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107239339B (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832142A (zh) * | 2017-10-11 | 2018-03-23 | 广东欧珀移动通信有限公司 | 应用程序的资源配置方法及设备 |
| CN109656789A (zh) * | 2017-10-12 | 2019-04-19 | 阿里巴巴集团控股有限公司 | Io性能检测方法及系统 |
| CN109753416A (zh) * | 2018-12-11 | 2019-05-14 | 东软集团股份有限公司 | Agent代理性能控制方法、装置、存储介质及电子设备 |
| CN110363442A (zh) * | 2019-07-19 | 2019-10-22 | 中国农业大学 | 获取省域耕地自然等指数的方法及装置 |
| CN110505109A (zh) * | 2018-05-17 | 2019-11-26 | 阿里巴巴集团控股有限公司 | 测试系统隔离性能的方法、装置及存储介质 |
| CN110727472A (zh) * | 2019-09-10 | 2020-01-24 | 平安普惠企业管理有限公司 | 应用服务器性能优化方法、装置、存储介质及电子设备 |
| CN111367640A (zh) * | 2020-03-06 | 2020-07-03 | 咪咕文化科技有限公司 | 数据统计周期确定方法、装置、电子设备及存储介质 |
| WO2021012481A1 (zh) * | 2019-07-23 | 2021-01-28 | 平安科技（深圳）有限公司 | 系统性能监控方法、装置、设备及存储介质 |
| CN112817563A (zh) * | 2020-03-26 | 2021-05-18 | 腾讯科技（深圳）有限公司 | 目标属性配置信息确定方法、计算机设备和存储介质 |
| WO2022032682A1 (en) * | 2020-08-14 | 2022-02-17 | Siemens Aktiengesellschaft | Parameter optimization method, device, and storage medium |
| CN114500278A (zh) * | 2021-12-30 | 2022-05-13 | 武汉思普崚技术有限公司 | 一种通过代理服务器升级特征库的方法和装置 |
| CN114662252A (zh) * | 2022-02-25 | 2022-06-24 | 佳木斯大学 | 一种用于提高复杂网络化随机系统性能指标的方法 |
| CN116701350A (zh) * | 2023-05-19 | 2023-09-05 | 阿里云计算有限公司 | 自动优化方法及训练方法、装置、电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007128382A (ja) * | 2005-11-07 | 2007-05-24 | Nec Corp | クラスタシステムの性能予測方法および装置 |
| CN103139007A (zh) * | 2011-12-05 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 应用服务器性能检测方法及系统 |
| US20140215487A1 (en) * | 2013-01-28 | 2014-07-31 | Hewlett-Packard Development Company, L.P. | Optimizing execution and resource usage in large scale computing |
| CN104182278A (zh) * | 2013-05-23 | 2014-12-03 | 华为技术有限公司 | 一种判定计算机硬件资源繁忙程度的方法和装置 |
| CN104714874A (zh) * | 2015-02-28 | 2015-06-17 | 深圳市中兴移动通信有限公司 | 一种移动终端内存智能优化的方法及移动终端 |
| CN105279079A (zh) * | 2014-06-25 | 2016-01-27 | 腾讯科技（深圳）有限公司 | 应用程序性能估测方法、装置和系统 |
-
2016
- 2016-03-29 CN CN201610189273.4A patent/CN107239339B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007128382A (ja) * | 2005-11-07 | 2007-05-24 | Nec Corp | クラスタシステムの性能予測方法および装置 |
| CN103139007A (zh) * | 2011-12-05 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 应用服务器性能检测方法及系统 |
| US20140215487A1 (en) * | 2013-01-28 | 2014-07-31 | Hewlett-Packard Development Company, L.P. | Optimizing execution and resource usage in large scale computing |
| CN104182278A (zh) * | 2013-05-23 | 2014-12-03 | 华为技术有限公司 | 一种判定计算机硬件资源繁忙程度的方法和装置 |
| CN105279079A (zh) * | 2014-06-25 | 2016-01-27 | 腾讯科技（深圳）有限公司 | 应用程序性能估测方法、装置和系统 |
| CN104714874A (zh) * | 2015-02-28 | 2015-06-17 | 深圳市中兴移动通信有限公司 | 一种移动终端内存智能优化的方法及移动终端 |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832142A (zh) * | 2017-10-11 | 2018-03-23 | 广东欧珀移动通信有限公司 | 应用程序的资源配置方法及设备 |
| CN107832142B (zh) * | 2017-10-11 | 2020-06-09 | Oppo广东移动通信有限公司 | 应用程序的资源配置方法及设备 |
| CN109656789A (zh) * | 2017-10-12 | 2019-04-19 | 阿里巴巴集团控股有限公司 | Io性能检测方法及系统 |
| CN110505109A (zh) * | 2018-05-17 | 2019-11-26 | 阿里巴巴集团控股有限公司 | 测试系统隔离性能的方法、装置及存储介质 |
| CN109753416A (zh) * | 2018-12-11 | 2019-05-14 | 东软集团股份有限公司 | Agent代理性能控制方法、装置、存储介质及电子设备 |
| CN110363442A (zh) * | 2019-07-19 | 2019-10-22 | 中国农业大学 | 获取省域耕地自然等指数的方法及装置 |
| CN110363442B (zh) * | 2019-07-19 | 2021-09-10 | 中国农业大学 | 获取省域耕地自然等指数的方法及装置 |
| WO2021012481A1 (zh) * | 2019-07-23 | 2021-01-28 | 平安科技（深圳）有限公司 | 系统性能监控方法、装置、设备及存储介质 |
| CN110727472A (zh) * | 2019-09-10 | 2020-01-24 | 平安普惠企业管理有限公司 | 应用服务器性能优化方法、装置、存储介质及电子设备 |
| CN111367640A (zh) * | 2020-03-06 | 2020-07-03 | 咪咕文化科技有限公司 | 数据统计周期确定方法、装置、电子设备及存储介质 |
| CN111367640B (zh) * | 2020-03-06 | 2023-08-15 | 咪咕文化科技有限公司 | 数据统计周期确定方法、装置、电子设备及存储介质 |
| CN112817563A (zh) * | 2020-03-26 | 2021-05-18 | 腾讯科技（深圳）有限公司 | 目标属性配置信息确定方法、计算机设备和存储介质 |
| CN112817563B (zh) * | 2020-03-26 | 2023-09-29 | 腾讯科技（深圳）有限公司 | 目标属性配置信息确定方法、计算机设备和存储介质 |
| WO2022032682A1 (en) * | 2020-08-14 | 2022-02-17 | Siemens Aktiengesellschaft | Parameter optimization method, device, and storage medium |
| CN114500278A (zh) * | 2021-12-30 | 2022-05-13 | 武汉思普崚技术有限公司 | 一种通过代理服务器升级特征库的方法和装置 |
| CN114500278B (zh) * | 2021-12-30 | 2024-04-09 | 武汉思普崚技术有限公司 | 一种通过代理服务器升级特征库的方法和装置 |
| CN114662252A (zh) * | 2022-02-25 | 2022-06-24 | 佳木斯大学 | 一种用于提高复杂网络化随机系统性能指标的方法 |
| CN116701350A (zh) * | 2023-05-19 | 2023-09-05 | 阿里云计算有限公司 | 自动优化方法及训练方法、装置、电子设备 |
| CN116701350B (zh) * | 2023-05-19 | 2024-03-29 | 阿里云计算有限公司 | 自动优化方法及训练方法、装置、电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107239339B (zh) | 2021-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107239339B (zh) | 系统性能优化参数确定方法、系统性能优化方法及装置 | |
| US20210064117A1 (en) | Optimizing power usage by factoring processor architectural events to pmu | |
| CN104335175A (zh) | 基于系统性能度量在系统节点之间标识和迁移线程的方法和系统 | |
| WO2020228289A1 (zh) | 日志获取方法、装置、终端及存储介质 | |
| CN108664367B (zh) | 一种基于处理器的功耗控制方法及装置 | |
| CN115373835A (zh) | Flink集群的任务资源调整方法、装置及电子设备 | |
| WO2019085754A1 (zh) | 应用清理方法、装置、存储介质及电子设备 | |
| CN110096339B (zh) | 一种基于系统负载实现的扩缩容配置推荐系统及方法 | |
| CN109167761B (zh) | 一种请求自动处理的方法及装置 | |
| CN107861878A (zh) | Java应用程序性能问题定位的方法、装置和设备 | |
| CN117908902A (zh) | 性能优化方法、装置、计算机设备及存储介质 | |
| CN109002381A (zh) | 进程通信监控方法、电子装置及计算机可读存储介质 | |
| CN116089477B (zh) | 分布式训练方法及系统 | |
| CN115794446B (zh) | 一种消息处理方法、装置、电子设备和存储介质 | |
| CN117097646A (zh) | 尾延迟调整方法及装置 | |
| US20160253591A1 (en) | Method and apparatus for managing performance of database | |
| CN116701191A (zh) | 量化回测的优化方法、装置、设备、存储介质及程序产品 | |
| CN113064660A (zh) | 设备控制方法、装置、电子设备及存储介质 | |
| CN115334001A (zh) | 基于优先关系的数据资源调度方法及装置 | |
| CN115525426A (zh) | 一种处理器利用率统计方法、系统、设备及介质 | |
| CN115629870A (zh) | 一种用于渲染的方法、装置、存储介质及电子设备 | |
| CN111090627B (zh) | 基于池化的日志存储方法、装置、计算机设备及存储介质 | |
| CN118195707B (zh) | 用户行为分析方法、系统、装置及计算机可读存储介质 | |
| KR102448702B1 (ko) | 엣지 서비스 증설 제어 시스템 및 그 제어방법 | |
| CN109189664B (zh) | 应用程序的信息采集方法及终端 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201211 Address after: Room 603, 6 / F, Roche Plaza, 788 Cheung Sha Wan Road, Kowloon, China Applicant after: Zebra smart travel network (Hong Kong) Limited Address before: Cayman Islands Grand Cayman capital building, a four storey No. 847 mailbox Applicant before: Alibaba Group Holding Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |