CN108228414B - 基于Linux的处理器进程参数监测方法和监测系统 - Google Patents

基于Linux的处理器进程参数监测方法和监测系统 Download PDF

Info

Publication number
CN108228414B
CN108228414B CN201710219832.6A CN201710219832A CN108228414B CN 108228414 B CN108228414 B CN 108228414B CN 201710219832 A CN201710219832 A CN 201710219832A CN 108228414 B CN108228414 B CN 108228414B
Authority
CN
China
Prior art keywords
frequency
power consumption
determining
processor
execution time
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
Application number
CN201710219832.6A
Other languages
English (en)
Other versions
CN108228414A (zh
Inventor
曾云清
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hubei Xingji Meizu Group Co.,Ltd.
Meizu Technology Co Ltd
Original Assignee
Meizu Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Meizu Technology Co Ltd filed Critical Meizu Technology Co Ltd
Priority to CN201710219832.6A priority Critical patent/CN108228414B/zh
Publication of CN108228414A publication Critical patent/CN108228414A/zh
Application granted granted Critical
Publication of CN108228414B publication Critical patent/CN108228414B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3447—Performance evaluation by modeling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G06F11/3062—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations where the monitored property is the power consumption
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
    • G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452—Performance evaluation by statistical analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明提供了一种基于Linux的处理器进程参数监测方法和监测系统，其中，方法包括：确定处理器的多个频率，确定与多个频率相对应的多个频率参数；根据所有频率和每个对应的频率参数建立处理器的预设模型；确定每个进程在至少一个频率下的执行时间；根据预设模型以及执行时间确定每个进程在至少一个频率下的进程数据；确定并输出所有进程的进程参数。通过本发明技术方案，实现了在Linux系统中直观的获取进程参数，且易于实现、便于移植，提高适用范围。

Description

基于Linux的处理器进程参数监测方法和监测系统
技术领域
本发明涉及计算机技术领域，具体而言，涉及一种基于Linux的处理器进程参数监测方法和一种基于Linux的处理器进程参数监测系统。
背景技术
在相关技术中，开发人员需要获取系统进程的CPU(Central Processing Unit,中央处理器)参数信息，比如：运算量、功耗等，Linux系统中可以通过toP、vmstat、mPstat等命令来确认进程的相关参数，这些命令能够统计CPU处于空闲或者工作状态下的时间以及进程使用CPU的时间，在动态电压频率调整(即DVFS机制)作用下，只有进程总的运行时间Timesum并不能够反应该进程的运算量或者功耗等参数，其技术实现存在以下缺点：
(1)监测进程参数时，仅在CPU保持在一个固定的频率下，进程运算量可以通过/proc/pid/stat节点统计的时间得到，而在DVFS下无法有效监测进程的运算量。
(2)监测功耗参数时，仅在Android系统中使用fuelgauge(电量测量)模块来统计进程的耗电信息，其他基于Linux的应用系统无法使用，且依赖的系统服务较多，技术实现过程不够集中且相对复杂，难于移植，以至于在很多开发场景中无法使用，因此，在DVFS下同样无法有效监测进程的功耗。
发明内容
本发明正是基于上述技术问题至少之一，提出了一种新的基于Linux的处理器进程参数监测方案，通过确定处理器的多个频率和与之相对应的多个频率参数，建立处理器的预设模型，并确定每个进程在至少一个频率下的执行时间，根据预设模型和执行时间获得每个进程在至少一个频率下的进程数据，确定所有进程的进程参数并直观地输出，降低了实现难度，提高了可移植性，提高适用范围。
有鉴于此，本发明提出了一种基于Linux的处理器进程参数监测方法，包括：确定处理器的多个频率，确定与多个频率相对应的多个频率参数；根据所有频率和每个频率对应的频率参数建立处理器的预设模型；确定每个进程在至少一个频率下的执行时间；根据预设模型以及执行时间确定每个进程在至少一个频率下的进程数据；确定并输出所有进程的进程参数。
在该技术方案中，通过确定处理器的多个频率和与之相对应的多个频率参数，建立处理器的预设模型，并确定每个进程在至少一个频率下的执行时间，根据预设模型和执行时间获得每个进程在至少一个频率下的进程数据，确定所有进程的进程参数并直观地输出，整个过程易于实现，便于移植到Linux系统的众多应用场景。
具体地，处理器在实际应用场景中会通过动态电压频率调整(即DVFS机制)的作用下，监测进程的参数时，单一的进程的执行时间失去了和进程参数的相关性，因此需要测量处理器在各种频率下的进程参数以建立对应的预设模型，Linux下的CPUTime(即处理器占用时间)模块会计算并通过Proc文件系统反馈进程的有效执行时间，但是并没有进一步计算进程在各个频率下的有效执行时间，因此，可以通过额外添加进程使处理器在各个工作频率下满载运行，以确定进程在各个工作频率下的执行时间，再将进程在至少一个频率下的执行时间带入预设模型获取进程数据，就确定了每个进程的进程参数。
在上述技术方案中，优选地，频率参数包括：运算能力以及功耗参数；若频率参数为运算能力，则进程数据为运算数据，预设模型为性能模型，若频率参数为功耗参数，则进程数据为功耗数据，预设模型为功耗模型。
在该技术方案中，频率参数包括：运算能力以及功耗参数，在DVFS机制作用下，由于处理器在不同的工作频率下具有不同的运算能力和功耗数据，因此需要建立不同的模型与之对应，具体地，当频率参数为运算能力时，进程数据为运算数据，则预设模型为性能模型，当频率参数为功耗参数时，进程数据为功耗数据，则预设模型为功耗模型。
特别地，建立预算模型和功耗模型分别对运算能力和功耗参数进行监测，提高了应用场景的可扩展性、可移植性。
在上述任一项技术方案中，优选地，若预设模型为性能模型，则根据所有频率和每个频率对应的频率参数建立处理器的预设模型具体包括：确定处理器的多个工作频率；在每个工作频率下，检测处理器的运算能力；根据不同工作频率下的运算能力，建立处理器的性能模型。
在该技术方案中，若预设模型为性能模型，先确定处理器的多个工作频率，同时检测在每个工作频率下处理器的运算能力，根据不同工作频率下检测到的运算能力，建立处理器的性能模型。
其中，处理器的运算能力是处理器性能评价的重要参数之一，由运算速度体现，即运算速度的高低反应运算能力的强弱，可由单位时间内的运算量或者指定运算量所需的执行时间确定。
在上述任一项技术方案中，优选地，根据预设模型以及执行时间确定每个进程在至少一个频率下的进程数据具体包括：在每次频率发生变化时，确定每个进程在当前频率下的运算量；确定并输出所有进程的进程参数具体包括：计算每个频率对应的运算量与执行时间的乘积，得到运算子量；统计每个进程对应的多个运算子量，确定进程的运算总量；将运算总量作为进程参数，输出进程参数。
在该技术方案中，通过性能模型以及执行时间确定每个进程在至少一个频率下的进程数据，具体地，需要在每次频率发生变化时，确定每个进程在当前频率下的运算量，并计算每个频率对应的运算量与执行时间的乘积，得到运算子量，统计每个进程对应的多个运算子量进行累加，以得到进程的运算总量，并将运算总量作为进程参数输出。
其中，进程运算总量计算公式如下所示：
Figure BDA0001263378830000031
上述公式中，n表示处理器的频率发生变化的次数，Loadp表示进程p的运算量，Speedfreq[i]表示处理器在freq[i]下的处理速度，其大小反应处理器的运算能力强弱，也即运算子量，Runtimefreq[i]表示进程p在freq[i]下的执行时间，i指频率的序号，通过计算公式可以看出，进程运算总量和处理速度及与其对应的执行时间正相关。
在上述任一项技术方案中，优选地，若预设模型为功耗模型，确定处理器的多个工作频率；在每个工作频率下，检测处理器在满负载的运行情况下的功耗；根据不同工作频率状态下的功耗，建立处理器的功耗模型。
在该技术方案中，通过确定处理器的多个工作频率，在每个工作频率下，检测处理器在满负载的运行情况下的功耗，根据不同工作频率状态下的功耗，建立处理器的功耗模型。
其中，功耗是处理器的重要参数之一，和处理器的性能以及处理器实际运行的进程等有关，功耗计算通常使用功率值，即流经处理器核心的电路中与其两端电压乘积。
在上述任一项技术方案中，优选地，在每次频率发生变化时，确定每个进程在当前频率下的功耗参数；确定并输出所有进程的进程参数具体包括：计算每个频率对应的功耗参数与执行时间的乘积，得到功耗子量；统计每个进程对应的多个功耗子量，确定进程的功耗总量；将运算总量作为进程参数，输出进程参数。
在该技术方案中，通过功耗模型以及执行时间在每次频率发生变化时，确定每个进程在当前频率下的功耗参数，具体地，需要在每次频率发生变化时，计算每个频率对应的功耗参数与执行时间的乘积，得到功耗子量，统计每个进程对应的多个功耗子量进行累加，以得到进程的功耗总量，并将运算总量作为进程参数输出。
其中，进程功耗总量计算公式如下所示：
Figure BDA0001263378830000041
上述公式中，n表示处理器的频率发生变化的次数，poweri指处理器在频率freq[i]下的功耗子量，timei指进程在该频率下的执行时间，i指频率的序号，通过计算公式可以看出，进程功耗总量和单一频率下的功耗及与其对应的执行时间正相关。
在上述任一项技术方案中，优选地，确定所有进程的数量，为每个进程分配预设内存；调用预设函数更新每个进程的执行时间；确定所有进程在至少一个频率下的执行时间。
在该技术方案中，由于Linux系统中DVFS机制的作用，仅获取进程总的运行时间并不能有效的反应进程的参数，需要确定进程至少在一个频率下的执行时间以确定其总的执行时间，通过确定所有进程的数量，为每个进程分配预设内存，用于保存进程在各个频率下的执行时间，调用Proc文件系统下的预设函数(如account_user_time函数、account_guest_time函数、account_system_time函数等)更新每个进程的在各个频率下的执行时间并进行累加，以确定所有进程的执行时间，该执行时间能有效的反应进程的参数，且易于实现。其中，进程执行时间计算公式如下所示：
Figure BDA0001263378830000051
上述公式中，Timesum表示进程总的执行时间，n表示进程在运行期间处理器频率发生变化的次数，Runtimefreq[i]表示进程在每个freq[i]频率下的执行时间，i指频率的序号。
根据本发明第二方面，还提出了一种基于Linux的处理器进程参数监测系统，包括：预设单元，用于确定处理器的多个频率，确定与多个频率相对应的多个频率参数；模型建立单元，用于根据所有频率和每个频率对应的频率参数建立处理器的预设模型；执行时间确定单元，用于确定每个进程在至少一个频率下的执行时间；进程数据确定单元，用于根据预设模型以及执行时间确定每个进程在至少一个频率下的进程数据；输出单元，用于确定并输出所有进程的进程参数。
在该技术方案中，通过预设单元先确定处理器的多个频率和与之相对应的多个频率参数，通过模型建立单元建立处理器的预设模型，并通过执行时间确定单元确定每个进程在至少一个频率下的执行时间，最后通过进程数据确定单元以及输出单元，根据预设模型和执行时间获得每个进程在至少一个频率下的进程数据，确定所有进程的进程参数并直观地输出，整个过程简便且易于实现，便于移植到Linux系统的众多应用场景。
具体地，处理器在实际应用场景中会通过动态电压频率调整(即DVFS机制)的作用下，监测进程的参数时，单一的进程的执行时间失去了和进程参数的相关性，因此需要测量处理器在各种频率下的进程参数以建立对应的预设模型，Linux下的CPUTime(即处理器占用时间)模块会计算并通过Proc文件系统反馈进程的有效执行时间，但是并没有进一步计算进程在各个频率下的有效执行时间，因此，可以通过额外添加进程使处理器在各个工作频率下满载运行，以确定进程在各个工作频率下的执行时间，再将进程在至少一个频率下的执行时间带入预设模型获取进程数据，就确定了每个进程的进程参数。
在上述技术方案中，优选地，频率参数包括：运算能力以及功耗参数；若频率参数为运算能力，则进程数据为运算数据，预设模型为性能模型，若频率参数为功耗参数，则进程数据为功耗数据，预设模型为功耗模型。
在该技术方案中，频率参数包括：运算能力以及功耗参数，在DVFS机制作用下，由于处理器在不同的工作频率下具有不同的运算能力和功耗数据，因此需要建立不同的模型与之对应，具体地，当频率参数为运算能力时，进程数据为运算数据，则预设模型为性能模型，当频率参数为功耗参数时，进程数据为功耗数据，则预设模型为功耗模型。
特别地，建立预算模型和功耗模型分别对运算能力和功耗参数进行监测，提高了应用场景的可扩展性、可移植性。
在上述任一项技术方案中，优选地，若预设模型为性能模型，则模型建立单元具体包括：第一频率确定单元，用于确定处理器的多个工作频率；运算检测单元，用于在每个工作频率下，检测处理器的运算能力；性能模型建立单元，用于根据不同工作频率下的运算能力，建立处理器的性能模型。
在该技术方案中，若预设模型为性能模型，先确定处理器的多个工作频率，同时检测在每个工作频率下处理器的运算能力，根据不同工作频率下检测到的运算能力，建立处理器的性能模型。
其中，处理器的运算能力是处理器性能评价的重要参数之一，由运算速度体现，即运算速度的高低反应运算能力的强弱，可由单位时间内的运算量或者指定运算量所需的执行时间确定。
在上述任一项技术方案中，优选地，进程数据确定单元具体用于，在每次频率发生变化时，确定每个进程在当前频率下的运算量；输出单元具体用于，计算每个频率对应的运算量与执行时间的乘积，得到运算子量；统计每个进程对应的多个运算子量，确定进程的运算总量；将运算总量作为进程参数，输出进程参数。
在该技术方案中，通过性能模型以及执行时间确定每个进程在至少一个频率下的进程数据，具体地，需要在每次频率发生变化时，确定每个进程在当前频率下的运算量，并计算每个频率对应的运算量与执行时间的乘积，得到运算子量，统计每个进程对应的多个运算子量进行累加，以得到进程的运算总量，并将运算总量作为进程参数输出。
其中，进程运算总量计算公式如下所示：
Figure BDA0001263378830000071
上述公式中，n表示处理器的频率发生变化的次数，Loadp表示进程p的运算量，Speedfreq[i]表示处理器在freq[i]下的处理速度，其大小反应处理器的运算能力强弱，也即运算子量，Runtimefreq[i]表示进程p在freq[i]下的执行时间，i指频率的序号，通过计算公式可以看出，进程运算总量和处理速度及与其对应的执行时间正相关。
在上述任一项技术方案中，优选地，若预设模型为功耗模型，则模型建立单元具体包括：第二频率确定单元，用于确定处理器的多个工作频率；功耗检测单元，用于在每个工作频率下，检测处理器在满负载的运行情况下的功耗；功耗模型建立单元，用于根据不同工作频率状态下的功耗，建立处理器的功耗模型。
在该技术方案中，通过确定处理器的多个工作频率，在每个工作频率下，检测处理器在满负载的运行情况下的功耗，根据不同工作频率状态下的功耗，建立处理器的功耗模型。
其中，功耗是处理器的重要参数之一，和处理器的性能以及处理器实际运行的进程等有关，功耗计算通常使用功率值，即流经处理器核心的电路中与其两端电压乘积。
在上述任一项技术方案中，优选地，进程数据确定单元具体用于，在每次频率发生变化时，确定每个进程在当前频率下的功耗参数；确定并输出所有进程的进程参数具体包括：输出单元具体用于，计算每个频率对应的功耗参数与执行时间的乘积，得到功耗子量；统计每个进程对应的多个功耗子量，确定进程的功耗总量；将功耗总量作为进程参数，输出进程参数。
在该技术方案中，通过功耗模型以及执行时间在每次频率发生变化时，确定每个进程在当前频率下的功耗参数，具体地，需要在每次频率发生变化时，计算每个频率对应的功耗参数与执行时间的乘积，得到功耗子量，统计每个进程对应的多个功耗子量进行累加，以得到进程的功耗总量，并将功耗总量作为进程参数输出。
其中，进程功耗总量计算公式如下所示：
Figure BDA0001263378830000081
上述公式中，n表示处理器的频率发生变化的次数，poweri指处理器在频率freq[i]下的功耗子量，timei指进程在该频率下的执行时间，i指频率的序号，通过计算公式可以看出，进程功耗总量和单一频率下的功耗及与其对应的执行时间正相关。
在上述任一项技术方案中，优选地，执行时间确定单元具体包括：内存分配单元，用于确定所有进程的数量，为每个进程分配预设内存；更新单元，用于调用预设函数更新每个进程的执行时间，并确定所有进程在至少一个频率下的执行时间。
在该技术方案中，由于Linux系统中DVFS机制的作用，仅获取进程总的运行时间并不能有效的反应进程的参数，需要确定进程至少在一个频率下的执行时间以确定其总的执行时间，通过确定所有进程的数量，为每个进程分配预设内存，用于保存进程在各个频率下的执行时间，调用Proc文件系统下的预设函数(如account_user_time函数、account_guest_time函数、account_system_time函数等)更新每个进程的在各个频率下的执行时间并进行累加，以确定所有进程的执行时间，该执行时间能有效的反应进程的参数，且易于实现。
其中，进程执行时间计算公式如下所示：
Figure BDA0001263378830000082
上述公式中，Timesum表示进程总的执行时间，n表示进程在运行期间处理器频率发生变化的次数，Runtimefreq[i]表示进程在每个freq[i]频率下的执行时间，i指频率的序号。
通过以上技术方案，在Linux系统中，为了能够在动态电压频率调整(即DVFS机制)下有效的监测进程的性能或者功耗参数，通过确定处理器的多个频率和与之相对应的多个频率参数(如性能参数或者功耗参数)，建立处理器的预设性能或者功耗模型，并确定每个进程在至少一个频率下的执行时间，根据预设模型和执行时间获得每个进程在至少一个频率下的进程数据(对应的运算子量或者功耗子量)，确定所有进程的进程参数(运算总量或者功耗总量)并直观地输出，整个过程易于实现，便于移植到Linux系统的众多应用场景，应用前景广泛。
附图说明
图1示出了根据本发明的一个实施例的基于Linux的处理器进程参数监测方法的示意流程图；
图2示出了根据本发明的另一个实施例的基于Linux的处理器进程性能参数监测方法的示意流程图；
图3示出了根据本发明的再一个实施例的基于Linux的处理器进程功耗参数监测方法的示意流程图；
图4示出了根据本发明的一个实施例的分压阻抗法获取电流数据的方法的示意图；
图5示出了根据本发明的一个实施例基于Linux的处理器进程参数监测系统的示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用第三方不同于在此描述的第三方方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的一个实施例的基于Linux的处理器进程参数监测方法的示意流程图。
如图1所示，根据本发明的一个实施例的基于Linux的处理器进程参数监测方法，包括：步骤102，确定处理器的多个频率，确定与多个频率相对应的多个频率参数；步骤104，根据所有频率和每个频率对应的频率参数建立处理器的预设模型；步骤106，确定每个进程在至少一个频率下的执行时间；步骤108，根据预设模型以及执行时间确定每个进程在至少一个频率下的进程数据；步骤110，确定并输出所有进程的进程参数。
在该实施例中，通过确定处理器的多个频率和与之相对应的多个频率参数，建立处理器的预设模型，并确定每个进程在至少一个频率下的执行时间，根据预设模型和执行时间获得每个进程在至少一个频率下的进程数据，确定所有进程的进程参数并直观地输出，整个过程简便且易于实现，便于移植到Linux系统的众多应用场景。
具体地，处理器在实际应用场景中会通过动态电压频率调整(即DVFS机制)的作用下，监测进程的参数时，单一的进程的执行时间失去了和进程参数的相关性，因此需要测量处理器在各种频率下的进程参数以建立对应的预设模型，Linux下的CPUTime(即处理器占用时间)模块会计算并通过Proc文件系统反馈进程的有效执行时间，但是并没有进一步计算进程在各个频率下的有效执行时间，因此，可以通过额外添加进程使处理器在各个工作频率下满载运行，以确定进程在各个工作频率下的执行时间，再将进程在至少一个频率下的执行时间带入预设模型获取进程数据，就确定了每个进程的进程参数。
在上述实施例中，优选地，频率参数包括：运算能力以及功耗参数；若频率参数为运算能力，则进程数据为运算数据，预设模型为性能模型，若频率参数为功耗参数，则进程数据为功耗数据，预设模型为功耗模型。
在该实施例中，频率参数包括：运算能力以及功耗参数，在DVFS机制作用下，由于处理器在不同的工作频率下具有不同的运算能力和功耗数据，因此需要建立不同的模型与之对应，具体地，当频率参数为运算能力时，进程数据为运算数据，则预设模型为性能模型，当频率参数为功耗参数时，进程数据为功耗数据，则预设模型为功耗模型。
特别地，建立预算模型和功耗模型分别对运算能力和功耗参数进行监测，提高了应用场景的可扩展性、可移植性。
图2示出了根据本发明的另一个实施例的基于Linux的处理器进程性能参数监测方法的示意流程图。
如图2所示，根据本发明的另一个实施例的基于Linux的处理器进程运算量的监测方法，包括：步骤202，确定处理器的多个工作频率；步骤204，在每个工作频率下，检测处理器的运算能力；步骤206，根据不同工作频率下的运算能力，建立处理器的性能模型；步骤208，确定所有进程的数量，为每个进程分配预设内存；步骤210，调用预设函数更新每个进程的执行时间；步骤212，确定所有进程在至少一个频率下的执行时间；步骤214，在每次频率发生变化时，确定每个进程在当前频率下的运算量；步骤216，计算每个频率对应的运算量与执行时间的乘积，得到运算子量；步骤218，统计每个进程对应的多个运算子量，确定进程的运算总量；步骤220，将运算总量作为进程参数，输出进程参数。
在该实施例中，通过分别锁定大核CPU和小核CPU实现锁频，确定处理器的多个工作频率，在每个工作频率下，检测处理器的运算能力，处理器运算能力可以通过处理器执行运算的次数体现，实际工程中需要对计数值进行归一化处理以限定计数的大小，根据不同工作频率下的运算能力，建立处理器的性能模型，确定所有进程的数量，为每个进程分配预设内存，用于保存进程在各个频点下的执行时间，调用预设函数更新每个进程的执行时间，通过CPUTime模块会通过account_user_time、account_guest_time、account_system_time函数来更新进程的执行时间，在这几个函数中，修改代码将执行时间累加到对应的变量即可确定所有进程在至少一个频率下的执行时间，在处理器的工作频率发生改变时，会对外发出变频消息(notify消息),所有注册过的进程此时均会收到该变频消息。在这里，我们注册接收处理器变频消息，并在收到变频消息时保存在Proc文件系统中，以确定每个进程在当前频率下的运算量，计算每个频率对应的运算量与执行时间的乘积，得到运算子量，统计每个进程对应的多个运算子量进行累加，以确定进程的运算总量，将运算总量作为进程参数并输出。
特别地，检测处理器的运算能力还可以通过固定计数值下统计处理器的执行时间获得。
其中，进程运算总量计算公式如下所示：
Figure BDA0001263378830000121
上述公式中，n表示处理器的频率发生变化的次数，Loadp表示进程p的运算量，Speedfreq[i]表示处理器在freq[i]下的处理速度，其大小反应处理器的运算能力强弱，也即运算子量，Runtimefreq[i]表示进程p在freq[i]下的执行时间，i指频率的序号，通过计算公式可以看出，进程运算总量和处理速度及与其对应的执行时间正相关；
进程执行时间计算公式如下所示：
Figure BDA0001263378830000122
上述公式中，Timesum表示进程总的执行时间，n表示进程在运行期间处理器频率发生变化的次数，Runtimefreq[i]表示进程在每个freq[i]频率下的执行时间，i指频率的序号。
下面将结合图3和图4详细说明再一个实施例的基于Linux的处理器进程功耗参数监测方法：
图3示出了根据本发明的再一个实施例的基于Linux的处理器进程功耗参数监测方法的示意流程图；
图4示出了根据本发明的一个实施例的分压阻抗法获取电流数据的方法的示意图。
如图3所示，根据本发明的另一个实施例的基于Linux的处理器进程功耗参数监测方法，包括：步骤302，确定处理器的多个工作频率；步骤304，在每个工作频率下，检测处理器的在满负载的运行情况下的功耗；步骤306，根据不同工作频率下的功耗，建立处理器的功耗模型；步骤308，确定所有进程的数量，为每个进程分配预设内存；步骤310，调用预设函数更新每个进程的执行时间；步骤312，确定所有进程在至少一个频率下的执行时间；步骤314，在每次频率发生变化时，确定每个进程在当前频率下的功耗；步骤316，计算每个频率对应的功耗与执行时间的乘积，得到功耗子量；步骤318，统计每个进程对应的多个功耗子量，确定进程的功耗总量；步骤320，将功耗总量作为进程参数，输出进程参数。
如图4所示，根据本发明的一个实施例的分压阻抗法来获取电流数据的方法400，包括：电源管理芯片(PMIC)402，输出通道(LDO/BUCK)404，分压电阻(0.1ohm)406，耗电单元408。
在该实施例中，如图3所示，通过确定处理器的多个工作频率，固定处理器的工作频率，在每个工作频率下，手动创建负载使处理器处于满载运行状态，检测处理器在满负载的运行状态的功耗，具体地，电源管理芯片(PMIC)负责将系统主电源VSYS转化为多个不同电压、不同负载能力的二级电源，二级电源经过片上系统(SOC)内部的电源管理单元模块(PMU)的管理，分别输出给片上系统(SOC)内部的各个模块。对于处理器核心而言，供电入口分别为VDD_MNGS(大核)、VDD_APOLLO(小核)，因此本实施例通过获取供电入口流过的电流来计算系统大核、小核的功耗数据，如图4所示，采用分压阻抗法来获取供电线路上流过的电流数据，通过获取A、B两端的电压，结合欧姆定理，可求得电源管理芯片(PMIC)输出通道流过的电流，进而计算得到耗电单元的功耗数据，根据不同工作频率下的功耗，建立处理器的功耗模型，确定所有进程的数量，为每个进程分配预设内存，用于保存进程在各个频点下的执行时间，调用预设函数更新每个进程的执行时间，通过CPUTime模块会通过account_user_time、account_guest_time、account_system_time函数来更新进程的执行时间，在这几个函数中，修改代码将执行时间累加到对应的变量即可确定所有进程在至少一个频率下的执行时间，在处理器的工作频率发生改变时，会对外发出变频消息(notify消息),所有注册过的进程此时均会收到该变频消息。在这里，我们注册接收处理器变频消息，并在收到变频消息时保存在Proc文件系统中，以确定每个进程在当前频率下的功耗，计算每个频率对应的功耗与执行时间的乘积，得到功耗子量，统计每个进程对应的多个功耗子量进行累加，确定进程的功耗总量，将功耗总量作为进程参数并输出。
其中，进程功耗总量计算公式如下所示：
Figure BDA0001263378830000131
上述公式中，n表示处理器的频率发生变化的次数，poweri指处理器在频率freq[i]下的功耗子量，timei指进程在该频率下的执行时间，i指频率的序号，通过计算公式可以看出，进程功耗总量和单一频率下的功耗及与其对应的执行时间正相关；
进程执行时间计算公式如下所示：
Figure BDA0001263378830000141
上述公式中，Timesum表示进程总的执行时间，n表示进程在运行期间处理器频率发生变化的次数，Runtimefreq[i]表示进程在每个freq[i]频率下的执行时间，i指频率的序号。
图5示出了根据本发明的一个实施例基于Linux的处理器进程参数监测系统的示意框图。
如图5所示，根据本发明的一个实施例基于Linux的处理器进程参数监测系统500，包括：预设单元502，用于确定处理器的多个频率，确定与多个频率相对应的多个频率参数；模型建立单元504，用于根据所有频率和每个频率对应的频率参数建立处理器的预设模型；执行时间确定单元506，用于确定每个进程在至少一个频率下的执行时间；进程数据确定单元508，用于根据预设模型以及执行时间确定每个进程在至少一个频率下的进程数据；输出单元510，用于确定并输出所有进程的进程参数。
在该实施例中，通过确定处理器的多个频率和与之相对应的多个频率参数，建立处理器的预设模型，并确定每个进程在至少一个频率下的执行时间，根据预设模型和执行时间获得每个进程在至少一个频率下的进程数据，确定所有进程的进程参数并直观地输出，整个过程简便且易于实现，便于移植到Linux系统的众多应用场景。
具体地，处理器在实际应用场景中会通过动态电压频率调整(即DVFS机制)的作用下，监测进程的参数时，单一的进程的执行时间失去了和进程参数的相关性，因此需要测量处理器在各种频率下的进程参数以建立对应的预设模型，Linux下的CPUTime(即处理器占用时间)模块会计算并通过Proc文件系统反馈进程的有效执行时间，但是并没有进一步计算进程在各个频率下的有效执行时间，因此，可以通过额外添加进程使处理器在各个工作频率下满载运行，以确定进程在各个工作频率下的执行时间，再将进程在至少一个频率下的执行时间带入预设模型获取进程数据，就确定了每个进程的进程参数。
在上述实施例中，优选地，频率参数包括：运算能力以及功耗参数；若频率参数为运算能力，则进程数据为运算数据，预设模型为性能模型，若频率参数为功耗参数，则进程数据为功耗数据，预设模型为功耗模型。
在该实施例中，频率参数包括：运算能力以及功耗参数，在DVFS机制作用下，由于处理器在不同的工作频率下具有不同的运算能力和功耗数据，因此需要建立不同的模型与之对应，具体地，当频率参数为运算能力时，进程数据为运算数据，则预设模型为性能模型，当频率参数为功耗参数时，进程数据为功耗数据，则预设模型为功耗模型。
特别地，建立预算模型和功耗模型分别对运算能力和功耗参数进行监测，提高了应用场景的可扩展性、可移植性。
在上述任一实施例中，优选地，若预设模型为性能模型，则模型建立单元具体504包括：第一频率确定单元5042，用于确定处理器的多个工作频率；运算检测单元5044，用于在每个工作频率下，检测处理器的运算能力；性能模型建立单元5046，用于根据不同工作频率下的运算能力，建立处理器的性能模型。
在该实施例中，若预设模型为性能模型，通过确定处理器的多个工作频率并检测在每个工作频率下处理器的运算能力，根据不同工作频率下的运算能力，建立处理器的性能模型。
其中，处理器的运算能力是处理器性能评价的重要参数之一，由运算速度体现，运算速度取决于单位时间内的运算量或者指定运算量所需的执行时间。
在上述任一实施例中，优选地，进程数据确定单元508具体用于，在每次频率发生变化时，确定每个进程在当前频率下的运算量；输出单元具体510用于，计算每个频率对应的运算量与执行时间的乘积，得到运算子量；统计每个进程对应的多个运算子量，确定进程的运算总量；将运算总量作为进程参数，输出进程参数。
在该实施例中，通过性能模型以及执行时间确定每个进程在至少一个频率下的进程数据，具体地，需要在每次频率发生变化时，确定每个进程在当前频率下的运算量，并计算每个频率对应的运算量与执行时间的乘积，得到运算子量，统计每个进程对应的多个运算子量进行累加，以得到进程的运算总量，并将运算总量作为进程参数输出。
其中，进程运算总量计算公式如下所示：
Figure BDA0001263378830000151
上述公式中，n表示处理器的频率发生变化的次数，Loadp表示进程p的运算量，Speedfreq[i]表示处理器在freq[i]下的处理速度，其大小反应处理器的运算能力强弱，也即运算子量，Runtimefreq[i]表示进程p在freq[i]下的执行时间，i指频率的序号，通过计算公式可以看出，进程运算总量和处理速度及与其对应的执行时间正相关。
在上述任一实施例中，优选地，若预设模型为功耗模型，则模型建立单元504具体包括：第二频率确定单元5048，用于确定处理器的多个工作频率；功耗检测单元50410，用于在每个工作频率下，检测处理器在满负载的运行情况下的功耗；功耗模型建立单元50412，用于根据不同工作频率状态下的功耗，建立处理器的功耗模型。
在该实施例中，通过确定处理器的多个工作频率，在每个工作频率下，检测处理器在满负载的运行情况下的功耗，根据不同工作频率状态下的功耗，建立处理器的功耗模型。
其中，功耗是处理器的重要参数之一，和处理器的性能以及处理器实际运行的进程等有关，功耗计算通常使用功率值，即流经处理器核心的电路中与其两端电压乘积。
在上述任一实施例中，优选地，进程数据确定单元508具体用于，在每次频率发生变化时，确定每个进程在当前频率下的功耗参数；确定并输出所有进程的进程参数具体包括：输出单元510具体用于，计算每个频率对应的功耗参数与执行时间的乘积，得到功耗子量；统计每个进程对应的多个功耗子量，确定进程的功耗总量；将运算总量作为进程参数，输出进程参数。
在该实施例中，通过功耗模型以及执行时间在每次频率发生变化时，确定每个进程在当前频率下的功耗参数，具体地，需要在每次频率发生变化时，计算每个频率对应的功耗参数与执行时间的乘积，得到功耗子量，统计每个进程对应的多个功耗子量进行累加，以得到进程的功耗总量，并将运算总量作为进程参数输出。
其中，进程功耗总量计算公式如下所示：
Figure BDA0001263378830000161
上述公式中，n表示处理器的频率发生变化的次数，poweri指处理器在频率freq[i]下的功耗子量，timei指进程在该频率下的执行时间，i指频率的序号，通过计算公式可以看出，进程功耗总量和单一频率下的功耗及与其对应的执行时间正相关。
在上述任一实施例中，优选地，执行时间确定单元506具体包括：内存分配单元5062，用于确定所有进程的数量，为每个进程分配预设内存；更新单元5064，用于调用预设函数更新每个进程的执行时间，并确定所有进程在至少一个频率下的执行时间。
在该实施例中，由于Linux系统中DVFS机制的作用，仅获取进程总的运行时间并不能有效的反应进程的参数，需要确定进程至少在一个频率下的执行时间以确定其总的执行时间，通过确定所有进程的数量，为每个进程分配预设内存，用于保存进程在各个频率下的执行时间，调用Proc文件系统下的预设函数(如account_user_time函数、account_guest_time函数、account_system_time函数等)更新每个进程的在各个频率下的执行时间并进行累加，以确定所有进程的执行时间，该执行时间能有效的反应进程的参数，且易于实现。
其中，进程执行时间计算公式如下所示：
Figure BDA0001263378830000171
上述公式中，Timesum表示进程总的执行时间，n表示进程在运行期间处理器频率发生变化的次数，Runtimefreq[i]表示进程在每个freq[i]频率下的执行时间，i指频率的序号。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例终端中的单元可以根据实际需要进行合并、划分和删减。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(ComPactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上结合附图详细说明了本发明的技术方案，在Linux系统中，为了能够在动态电压频率调整(即DVFS机制)下有效的监测进程的性能或者功耗参数，通过确定处理器的多个频率和与之相对应的多个频率参数(如性能参数或者功耗参数)，建立处理器的预设性能或者功耗模型，并确定每个进程在至少一个频率下的执行时间，根据预设模型和执行时间获得每个进程在至少一个频率下的进程数据(对应的运算子量或者功耗子量)，确定所有进程的进程参数(运算总量或者功耗总量)并直观地输出，整个过程易于实现，便于移植到Linux系统的众多应用场景，应用前景广泛。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (13)

1.一种基于Linux的处理器进程参数监测方法，其特征在于，包括：
确定所述处理器的多个频率，确定与多个所述频率相对应的多个频率参数；
根据所有所述频率和每个所述频率对应的所述频率参数建立所述处理器的预设模型；
确定每个进程在至少一个频率下的执行时间；
根据所述预设模型以及所述执行时间确定每个所述进程在所述至少一个频率下的进程数据；
确定并输出所有所述进程的进程参数；
所述根据所述预设模型以及所述执行时间确定每个所述进程在所述至少一个频率下的进程数据具体包括：
在每次频率发生变化时，确定每个所述进程在当前所述频率下的运算量；
所述确定并输出所有所述进程的进程参数具体包括：
计算每个所述频率对应的所述运算量与所述执行时间的乘积，得到运算子量；
统计每个所述进程对应的多个所述运算子量，确定所述进程的运算总量；
将所述运算总量作为所述进程参数，输出所述进程参数。
2.根据权利要求1所述的基于Linux的处理器进程参数监测方法，其特征在于，所述频率参数包括：运算能力以及功耗参数；
若所述频率参数为所述运算能力，则所述进程数据为运算数据，所述预设模型为性能模型，
若所述频率参数为所述功耗参数，则所述进程数据为功耗数据，所述预设模型为功耗模型。
3.根据权利要求2所述的基于Linux的处理器进程参数监测方法，其特征在于，若所述预设模型为所述性能模型，则所述根据所有所述频率和每个所述频率对应的所述频率参数建立所述处理器的预设模型具体包括：
确定所述处理器的多个工作频率；
在每个所述工作频率下，监测所述处理器的运算能力；
根据不同所述工作频率下的所述运算能力，建立所述处理器的性能模型。
4.根据权利要求2所述的基于Linux的处理器进程参数监测方法，其特征在于，若所述预设模型为所述功耗模型，则所述根据所有所述频率和每个所述频率对应的所述频率参数建立所述处理器的预设模型具体包括：
确定所述处理器的多个工作频率；
在每个所述工作频率下，监测所述处理器在满负载的运行情况下的功耗；
根据不同所述工作频率状态下的所述功耗，建立所述处理器的功耗模型。
5.根据权利要求4所述的基于Linux的处理器进程参数监测方法，其特征在于，根据所述预设模型以及所述执行时间确定每个所述进程在所述至少一个频率下的进程数据具体包括：
在每次频率发生变化时，确定每个所述进程在当前所述频率下的所述功耗参数；
所述确定并输出所有所述进程的进程参数具体包括：
计算每个所述频率对应的所述功耗参数与所述执行时间的乘积，得到功耗子量；
统计每个所述进程对应的多个所述功耗子量，确定所述进程的功耗总量；
将所述运算总量作为所述进程参数，输出所述进程参数。
6.根据权利要求1至5中任一项所述的基于Linux的处理器进程参数监测方法，其特征在于，所述根据所述预设模型以及所述进程数据确定每个所述进程在所述至少一个频率下的执行时间具体包括：
确定所有所述进程的数量，为每个所述进程分配预设内存；
调用预设函数更新每个所述进程的执行时间；
确定所有所述进程在所述至少一个频率下的所述执行时间。
7.一种基于Linux的处理器进程参数监测系统，其特征在于，包括：
预设单元，用于确定所述处理器的多个频率，确定与多个所述频率相对应的多个频率参数；
模型建立单元，用于根据所有所述频率和每个所述频率对应的所述频率参数建立所述处理器的预设模型；
执行时间确定单元，用于确定每个进程在至少一个频率下的执行时间；
进程数据确定单元，用于根据所述预设模型以及所述执行时间确定每个所述进程在所述至少一个频率下的进程数据；
输出单元，用于确定并输出所有所述进程的进程参数。
8.根据权利要求7所述的基于Linux的处理器进程参数监测系统，其特征在于，所述频率参数包括：运算能力以及功耗参数；
若所述频率参数为所述运算能力，则所述进程数据为运算数据，所述预设模型为性能模型，
若所述频率参数为所述功耗参数，则所述进程数据为功耗数据，所述预设模型为功耗模型。
9.根据权利要求8所述的基于Linux的处理器进程参数监测系统，其特征在于，若所述预设模型为所述性能模型，则所述模型建立单元具体包括：
第一频率确定单元，用于确定所述处理器的多个工作频率；
运算监测单元，用于在每个所述工作频率下，监测所述处理器的运算能力；
性能模型建立单元，用于根据不同所述工作频率下的所述运算能力，建立所述处理器的性能模型。
10.根据权利要求9所述的基于Linux的处理器进程参数监测系统，其特征在于，
所述进程数据确定单元具体用于，在每次频率发生变化时，确定每个所述进程在当前所述频率下的运算量；
所述输出单元具体用于，计算每个所述频率对应的所述运算量与所述执行时间的乘积，得到运算子量；统计每个所述进程对应的多个所述运算子量，确定所有所述进程的运算总量；将所述运算总量作为所述进程参数，输出所述进程参数。
11.根据权利要求8所述的基于Linux的处理器进程参数监测系统，其特征在于，若所述预设模型为所述功耗模型，则所述模型建立单元具体包括：
第二频率确定单元，用于确定所述处理器的多个工作频率；
功耗监测单元，用于在每个所述工作频率下，监测所述处理器在满负载的运行情况下的功耗；
功耗模型建立单元，用于根据不同所述工作频率状态下的所述功耗，建立所述处理器的功耗模型。
12.根据权利要求11所述的基于Linux的处理器进程参数监测系统，其特征在于，
所述进程数据确定单元具体用于，在每次频率发生变化时，确定所述频率对应的所述功耗参数；
所述输出单元具体用于，计算每个所述频率对应的所述功耗参数与所述执行时间的乘积，得到功耗子量；统计每个所述进程对应的多个所述功耗子量，确定所有所述进程的功耗总量；将所述功耗总量作为所述进程参数，输出所述进程参数。
13.根据权利要求7至12中任一项所述的基于Linux的处理器进程参数监测系统，其特征在于，所述执行时间确定单元具体包括：
内存分配单元，用于确定所有所述进程的数量，为每个所述进程分配预设内存；
更新单元，用于调用预设函数更新每个所述进程的执行时间，并确定所有所述进程在所述至少一个频率下的所述执行时间。
CN201710219832.6A 2017-04-06 2017-04-06 基于Linux的处理器进程参数监测方法和监测系统 Active CN108228414B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710219832.6A CN108228414B (zh) 2017-04-06 2017-04-06 基于Linux的处理器进程参数监测方法和监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710219832.6A CN108228414B (zh) 2017-04-06 2017-04-06 基于Linux的处理器进程参数监测方法和监测系统

Publications (2)

Publication Number Publication Date
CN108228414A CN108228414A (zh) 2018-06-29
CN108228414B true CN108228414B (zh) 2021-03-16

Family

ID=62656670

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710219832.6A Active CN108228414B (zh) 2017-04-06 2017-04-06 基于Linux的处理器进程参数监测方法和监测系统

Country Status (1)

Country Link
CN (1) CN108228414B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116069152A (zh) * 2023-03-06 2023-05-05 鹏城实验室 针对ai计算集群的运行频率控制方法、系统及相关设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011118011A1 (ja) * 2010-03-25 2011-09-29 富士通株式会社 マルチコアプロセッサシステム、制御プログラム、および制御方法
CN103019367A (zh) * 2012-12-03 2013-04-03 福州瑞芯微电子有限公司 基于Android系统的嵌入式GPU动态调频方法及装置
CN103475790A (zh) * 2013-09-06 2013-12-25 中国科学院计算技术研究所 一种智能移动终端功耗管理方法
CN105045369A (zh) * 2015-06-19 2015-11-11 北京大学深圳研究生院 一种基于用户交互历史信息的cpu动态调频方法
CN105988909A (zh) * 2015-02-06 2016-10-05 展讯通信(天津)有限公司 一种实时监控系统及方法以及移动终端

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9910475B2 (en) * 2014-12-23 2018-03-06 Intel Corporation Processor core power event tracing

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011118011A1 (ja) * 2010-03-25 2011-09-29 富士通株式会社 マルチコアプロセッサシステム、制御プログラム、および制御方法
CN103019367A (zh) * 2012-12-03 2013-04-03 福州瑞芯微电子有限公司 基于Android系统的嵌入式GPU动态调频方法及装置
CN103475790A (zh) * 2013-09-06 2013-12-25 中国科学院计算技术研究所 一种智能移动终端功耗管理方法
CN105988909A (zh) * 2015-02-06 2016-10-05 展讯通信(天津)有限公司 一种实时监控系统及方法以及移动终端
CN105045369A (zh) * 2015-06-19 2015-11-11 北京大学深圳研究生院 一种基于用户交互历史信息的cpu动态调频方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A framework for energy-efficient optimization on multi-cores;Yatao Zhu;《 2016 Seventh International Green and Sustainable Computing Conference (IGSC)》;20161107;全文 *
众核系统动态能耗管理技术研究;赖志权;《中国博士学位论文全文数据库信息科技辑》;20170228;全文 *

Also Published As

Publication number Publication date
CN108228414A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
US11182213B2 (en) Application program management method and device
CN109597685B (zh) 任务分配方法、装置和服务器
US11321141B2 (en) Resource management for software containers using container profiles
CN107066365B (zh) 一种系统异常的监测方法及装置
CN105227626B (zh) 一种内容推送方法、装置及终端
CN109446032A (zh) Kubernetes副本扩缩容的方法及系统
US20160224396A1 (en) Associating energy consumption with a virtual machine
EP2996366A1 (en) Application recommendation method, system and server
US20160077571A1 (en) Heuristic Processor Power Management in Operating Systems
CN110933178B (zh) 调整集群系统内的节点配置的方法及服务器
CN108132839B (zh) 一种资源调度方法及装置
US20200285525A1 (en) Capacity management in a cloud computing system using virtual machine series modeling
WO2023029753A1 (zh) 设备供电方法、装置、终端设备及存储介质
CN114500339A (zh) 一种节点带宽监测方法、装置、电子设备及存储介质
CN108228414B (zh) 基于Linux的处理器进程参数监测方法和监测系统
KR101521585B1 (ko) 이동단말기의 배터리 사용 시간 제공 방법과 그 장치
US9002668B2 (en) Discovering an equipment power connection relationship
CN110347546B (zh) 监控任务动态调整方法、装置、介质及电子设备
Zhang et al. Powervisor: a battery virtualization scheme for smartphones
CN115660344A (zh) 用户排班方法、装置、电子设备及存储介质
CN109408225A (zh) 资源扩容方法、装置、计算机设备以及存储介质
CN114625620A (zh) Cpu使用率的计算方法、装置、电子设备及存储介质
Chetoui et al. Workload-and user-aware battery lifetime management for mobile SoCs
CN113568769B (zh) 异常处理方法、装置、服务器及存储介质
CN110990219B (zh) 一种基于预测模型的计算机监控方法

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20230816

Address after: 519085 Guangdong Zhuhai science and technology innovation coastal Meizu Technology Building

Patentee after: MEIZU TECHNOLOGY Co.,Ltd.

Patentee after: Hubei Xingji Meizu Group Co.,Ltd.

Address before: 519085 Guangdong Zhuhai science and technology innovation coastal Meizu Technology Building

Patentee before: MEIZU TECHNOLOGY Co.,Ltd.