CN107944707A - 一种终端配合度的扣分计算方法 - Google Patents
一种终端配合度的扣分计算方法 Download PDFInfo
- Publication number
- CN107944707A CN107944707A CN201711211274.5A CN201711211274A CN107944707A CN 107944707 A CN107944707 A CN 107944707A CN 201711211274 A CN201711211274 A CN 201711211274A CN 107944707 A CN107944707 A CN 107944707A
- Authority
- CN
- China
- Prior art keywords
- terminal
- cpu
- client software
- deduction
- kpi
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种终端配合度的扣分计算方法，它采用如下的方法步骤：步骤一：扣分标准设定：根据2‑5‑8原则以及客户端软件在不同终端的影响情况进行满意区间扣分，默认满意区间是95％，比默认区间每少5％,扣0.1分；步骤二：依据设定：对于CPU而言，当其高达80％的时候，则会严重影响终端的使用感知，当其介于50％与80％之间的时候终端用户会有一定的感知影响；步骤三：计算公式：由于需要对客户端软件的终端CPU影响情况进行评估，可以考虑该客户端软件在不终端的CPU指标评估情况；它通过终端与客户端软件配合度之间的指标进行评估，根据算法计算出终端配合度的扣分，根据被扣分数对不同类型的终端进行评估，从而为生产厂商或供应商提供存在问题的大数据，为解决应用问题提供测试和支撑。
Description
【技术领域】
本发明涉及一种终端配合度的扣分计算方法。
【背景技术】
随着科学技术的不断发展，人们已进入互联网+时代。网络作为联系人们工作、生活、休闲、娱乐的纽带，被广泛使用。人们利用网络来进行购物、工作、消费、金融等等，网络已成为人们生活的一部分。而作为终端用户在利用网络时，需要使用到各种功能的应用软件。而智能手机的普及应用，使得人们喜欢在手机上安装各类APP客户端软件，但是人们在实际使用各种客户端软件时，发现如下问题：
目前用户在使用客户端软件的过程中,会出现频繁死机的情况或者是出现卡顿的情况，目前在市场上并没有对手机客户端软件与终端的配合度进行分析，只是单一判断为终端性能的问题，这样不但没有找到终端存在的问题，而且会对忽视手机客户端软件对终端的影响。
本司针对手机客户端软件与终端配合度进行分值计算，有效定位手机客户端软件在不同终端上运行出现的问题。
【发明内容】
本发明的目的在于针对现有技术的缺陷和不足，提供一种终端配合度的扣分计算方法，它通过终端与客户端软件配合度之间的指标进行评估，根据算法计算出终端配合度的扣分，根据被扣分数对不同类型的终端进行评估，从而为生产厂商或供应商提供存在问题的大数据，为解决应用问题提供测试和支撑。
本发明所述的一种终端配合度的扣分计算方法，它采用如下的方法步骤：
步骤一：扣分标准设定：根据2-5-8原则以及客户端软件在不同终端的影响情况进行满意区间扣分，默认满意区间是95％，比默认区间每少5％,扣0.1分；
步骤二：依据设定：对于CPU而言，当其高达80％的时候，则会严重影响终端的使用感知，当其介于50％与80％之间的时候终端用户会有一定的感知影响；
步骤三：计算公式：
由于需要对客户端软件的终端CPU影响情况进行评估，可以考虑该客户端软件在不终端的CPU指标评估情况。即通过终端集合Ti(0<i<n,n为数据源采集所覆盖的不同终端款数)采集到终端持续10秒以上CPU高于90％占用终端排名较高的CPU资源情况数据来计算，具体的计算公式如下：
(0<i<n,n为数据源采集所覆盖的不同终端款数)
其中：GSIcpu表示客户端软件与终端CPU的匹配度
∑SjTiKPIcpu＞＝3表某款客户端软件Sj在Ti终端集合上的CPU指标评估考核程度达2级以及2以下的不同终端品牌量，而∑SjTiKPIcpu则表示客户端软件Sj在Ti终端集合上不同终端品牌量；
∑F(SjKPIcpu＜＝2)表示客户端软件Sj在Ti终端集合采集数据上CPU指标评估考核程度达2级以及2以下的数据量，∑F(SjKPIcpu)表示Sj在Ti终端集合采集数据数据量。其中KPIcpu是根据客户端软件在终端集合的CPU消耗率平均值，CPU消耗率平均值通过检测工具在各款终端进行检测后计算出CPU消耗率的平均值，在以下指标区间进行考核；
步骤四：指标评估：
上述表中，以用户的感知为依据，评估等级分为四级，从而形成大数据。
采用上述结构后，本发明有益效果为：本发明所述的一种终端配合度的扣分计算方法，它通过收集终端异常事件数据中关于终端CPU持续超过10秒高于90％情况下，终端采集的资源(CPU/内存)占比较高的客户端软件数据，在不同终端的影响情况进行满意区间扣分，从而为生产厂商或供应商提供存在问题的大数据，为解决应用问题提供测试和支撑。
【具体实施方式】
下面以具体实施例来详细说明本发明，其中的示意性实施例以及说明仅用来解释本发明，但并不作为对本发明的限定。
本具体实施方式所述的一种终端配合度的扣分计算方法，它包括它采用如下的方法步骤：
步骤一：扣分标准设定：根据2-5-8原则以及客户端软件在不同终端的影响情况进行满意区间扣分，默认满意区间是95％，比默认区间每少5％,扣0.1分；
步骤二：依据设定：对于CPU而言，当其高达80％的时候，则会严重影响终端的使用感知，当其介于50％与80％之间的时候终端用户会有一定的感知影响；
步骤三：计算公式：
由于需要对客户端软件的终端CPU影响情况进行评估，可以考虑该客户端软件在不终端的CPU指标评估情况。即通过终端集合Ti(0<i<n,n为数据源采集所覆盖的不同终端款数)采集到终端持续10秒以上CPU高于90％占用终端排名较高的CPU资源情况数据来计算，具体的计算公式如下：
(0<i<n,n为数据源采集所覆盖的不同终端款数)
其中：GSIcpu表示客户端软件与终端CPU的匹配度
∑SjTiKPIcpu＞＝3表某款客户端软件Sj在Ti终端集合上的CPU指标评估考核程度达2级以及2以下的不同终端品牌量，而∑SjTiKPIcpu则表示客户端软件Sj在Ti终端集合上不同终端品牌量；
∑F(SjKPIcpu＜＝2)表示客户端软件Sj在Ti终端集合采集数据上CPU指标评估考核程度达2级以及2以下的数据量，∑F(SjKPIcpu)表示Sj在Ti终端集合采集数据数据量；
其中：KPIcpu是根据客户端软件在终端集合的CPU消耗率平均值，CPU消耗率平均值通过检测工具在各款终端进行检测后计算出CPU消耗率的平均值，在以下指标区间进行考核；
步骤四：指标评估：
上述表中，以用户的感知为依据，评估等级分为四级，从而形成大数据。
本发明举例进行进一步说明:
例如：手机QQ，在采集的数据源覆盖部终端278款：
其中：(1)CPU考核达2级以及2级别以下的手机终端有217款；
(2)上述手机终端中，整体数据有22497次；
其中：考核达2级以及2级别以下达22205次，则GIS(手机QQ)＝(0.95-(217/278)*(22205/22497))％0.5*0.1＝0.36。
本发明所述的一种终端配合度的扣分计算方法，它通过收集终端异常事件数据中关于终端CPU持续超过10秒高于90％情况下，终端采集的资源(CPU/内存)占比较高的客户端软件数据，在不同终端的影响情况进行满意区间扣分，从而为生产厂商或供应商提供存在问题的大数据，为解决应用问题提供测试和支撑。
以上所述仅是本发明的较佳实施方式，故凡依本发明专利申请范围所述的特征及原理所做的等效变化或修饰，均包括于本发明专利申请范围内。
Claims (1)
1.一种终端配合度的扣分计算方法，其特征在于：它采用如下的方法步骤：
步骤一：扣分标准设定：根据2-5-8原则以及客户端软件在不同终端的影响情况进行满意区间扣分，默认满意区间是95％，比默认区间每少5％,扣0.1分；
步骤二：依据设定：对于CPU而言，当其高达80％的时候，则会严重影响终端的使用感知，当其介于50％与80％之间的时候终端用户会有一定的感知影响；
步骤三：计算公式：
由于需要对客户端软件的终端CPU影响情况进行评估，可以考虑该客户端软件在不终端的CPU指标评估情况；
即通过终端集合Ti(0<i<n,n为数据源采集所覆盖的不同终端款数)采集到终端持续10秒以上CPU高于90％占用终端排名较高的CPU资源情况数据来计算，具体的计算公式如下：
<mrow>
<msub>
<mi>GSI</mi>
<mrow>
<mi>c</mi>
<mi>p</mi>
<mi>u</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>S</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mrow>
<mn>0.95</mn>
<mo>-</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;S</mi>
<mi>j</mi>
</msub>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<msub>
<mi>KPI</mi>
<mrow>
<mi>c</mi>
<mi>p</mi>
<mi>u</mi>
<mo><</mo>
<mo>=</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>&Sigma;S</mi>
<mi>j</mi>
</msub>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<msub>
<mi>KPI</mi>
<mrow>
<mi>c</mi>
<mi>p</mi>
<mi>u</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>*</mo>
<mfrac>
<mrow>
<mi>&Sigma;</mi>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>S</mi>
<mi>j</mi>
</msub>
<msub>
<mi>KPI</mi>
<mrow>
<mi>c</mi>
<mi>p</mi>
<mi>u</mi>
<mo><</mo>
<mo>=</mo>
<mn>2</mn>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>&Sigma;</mi>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>S</mi>
<mi>j</mi>
</msub>
<msub>
<mi>KPI</mi>
<mrow>
<mi>c</mi>
<mi>p</mi>
<mi>u</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</mrow>
<mo>)</mo>
</mrow>
<mi>%</mi>
<mn>0.05</mn>
<mo>*</mo>
<mn>0.1</mn>
</mrow>
(0<i<n,n为数据源采集所覆盖的不同终端款数)；
其中：GSIcpu表示客户端软件与终端CPU的匹配度；
∑SjTiKPIcpu＞＝3表某款客户端软件Sj在Ti终端集合上的CPU指标评估考核程度达2级以及2以下的不同终端品牌量，而∑SjTiKPIcpu则表示客户端软件Sj在Ti终端集合上不同终端品牌量；
∑F(SjKPIcpu＜＝2)表示客户端软件Sj在Ti终端集合采集数据上CPU指标评估考核程度达2级以及2以下的数据量，∑F(SjKPIcpu)表示Sj在Ti终端集合采集数据数据量。其中KPIcpu是根据客户端软件在终端集合的CPU消耗率平均值，CPU消耗率平均值通过检测工具在各款终端进行检测后计算出CPU消耗率的平均值，在以下指标区间进行考核；
步骤四：指标评估，如下表所示：
上述表中，以用户的感知为依据，评估等级分为四级，从而形成大数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711211274.5A CN107944707B (zh) | 2017-11-28 | 2017-11-28 | 一种终端配合度的扣分计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711211274.5A CN107944707B (zh) | 2017-11-28 | 2017-11-28 | 一种终端配合度的扣分计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107944707A true CN107944707A (zh) | 2018-04-20 |
| CN107944707B CN107944707B (zh) | 2021-08-13 |
Family
ID=61950142
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711211274.5A Active CN107944707B (zh) | 2017-11-28 | 2017-11-28 | 一种终端配合度的扣分计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107944707B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117194049A (zh) * | 2023-10-16 | 2023-12-08 | 上海佑瞻智能科技有限公司 | 一种基于机器学习算法的云主机智能行为分析方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1975864A1 (en) * | 2006-01-10 | 2008-10-01 | Ted Impact Co., Ltd. | Resource exploitation supporting method, information processing device, and computer program |
| CN104484031A (zh) * | 2014-12-30 | 2015-04-01 | 北京奇虎科技有限公司 | 终端设备耗电状态的优化方法和装置 |
| CN104518954A (zh) * | 2013-09-30 | 2015-04-15 | 腾讯科技（深圳）有限公司 | 信息发送方法、装置和开放平台 |
| US20150268967A1 (en) * | 2014-03-19 | 2015-09-24 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Optimizing computer hardware usage in a computing system that includes a plurality of populated central processing unit ('cpu') sockets |
| 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 |
| CN106294168A (zh) * | 2016-08-16 | 2017-01-04 | 广州华多网络科技有限公司 | 一种进行应用程序测试的方法和系统 |
-
2017
- 2017-11-28 CN CN201711211274.5A patent/CN107944707B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1975864A1 (en) * | 2006-01-10 | 2008-10-01 | Ted Impact Co., Ltd. | Resource exploitation supporting method, information processing device, and computer program |
| CN104518954A (zh) * | 2013-09-30 | 2015-04-15 | 腾讯科技（深圳）有限公司 | 信息发送方法、装置和开放平台 |
| US20150268967A1 (en) * | 2014-03-19 | 2015-09-24 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Optimizing computer hardware usage in a computing system that includes a plurality of populated central processing unit ('cpu') sockets |
| 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 |
| CN104484031A (zh) * | 2014-12-30 | 2015-04-01 | 北京奇虎科技有限公司 | 终端设备耗电状态的优化方法和装置 |
| CN106294168A (zh) * | 2016-08-16 | 2017-01-04 | 广州华多网络科技有限公司 | 一种进行应用程序测试的方法和系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117194049A (zh) * | 2023-10-16 | 2023-12-08 | 上海佑瞻智能科技有限公司 | 一种基于机器学习算法的云主机智能行为分析方法及系统 |
| CN117194049B (zh) * | 2023-10-16 | 2024-02-27 | 上海佑瞻智能科技有限公司 | 一种基于机器学习算法的云主机智能行为分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107944707B (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109697207B (zh) | 时序数据的异常监控方法及系统 | |
| CN102279786B (zh) | 一种监测应用程序有效访问量的方法及装置 | |
| CN108364199B (zh) | 一种基于互联网用户评论的数据分析方法及系统 | |
| CN103336766A (zh) | 短文本垃圾识别以及建模方法和装置 | |
| WO2018130201A1 (zh) | 确定关联账号的方法、服务器及存储介质 | |
| CN105373887B (zh) | 一种终端应用的质量评估方法和系统 | |
| CN109842858B (zh) | 一种业务异常订购检测方法及装置 | |
| CN103795612A (zh) | 即时通讯中的垃圾和违法信息检测方法 | |
| CN107609028B (zh) | 一种低效率sql语句的确定方法及装置 | |
| CN206378900U (zh) | 一种基于移动终端的广告投放效果评价系统 | |
| CN103744962B (zh) | 一种实现K‑means聚类的方法及装置 | |
| CN113453122B (zh) | 佩戴检测方法、装置、设备及计算机可读存储介质 | |
| CN103327016B (zh) | 一种计算网络流媒体异常播放量并对其修正的方法及系统 | |
| CN104933138A (zh) | 网页爬虫系统及网页爬取方法 | |
| CN106685752A (zh) | 一种信息处理方法及终端 | |
| WO2015051749A1 (en) | Detecting leading session of application | |
| WO2020258102A1 (zh) | 内容推送方法、装置、移动终端及存储介质 | |
| CN104111836A (zh) | 一种网络采集处理异步加载数据的方法 | |
| CN109492226B (zh) | 一种提高情感倾向占比低文本预断准确率的方法 | |
| CN111447107A (zh) | 网络状态确定方法、装置、存储介质及电子设备 | |
| CN103312887A (zh) | 一种手机应用篡改识别系统、方法及装置 | |
| CN111340062A (zh) | 一种映射关系确定方法及装置 | |
| JP2016500287A5 (zh) | ||
| CN107944707B (zh) | 一种终端配合度的扣分计算方法 | |
| WO2017000341A1 (zh) | 一种信息处理方法、装置以及终端 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |