CN109032892A - 一种性能曲线图的绘制方法、装置、设备及介质 - Google Patents

一种性能曲线图的绘制方法、装置、设备及介质 Download PDF

Info

Publication number
CN109032892A
CN109032892A CN201810825894.6A CN201810825894A CN109032892A CN 109032892 A CN109032892 A CN 109032892A CN 201810825894 A CN201810825894 A CN 201810825894A CN 109032892 A CN109032892 A CN 109032892A
Authority
CN
China
Prior art keywords
performance chart
stipulated time
time point
performance
drafting
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.)
Pending
Application number
CN201810825894.6A
Other languages
English (en)
Inventor
辛永欣
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.)
Inspur Beijing Electronic Information Industry Co Ltd
Original Assignee
Inspur Beijing Electronic Information Industry 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 Inspur Beijing Electronic Information Industry Co Ltd filed Critical Inspur Beijing Electronic Information Industry Co Ltd
Priority to CN201810825894.6A priority Critical patent/CN109032892A/zh
Publication of CN109032892A publication Critical patent/CN109032892A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3065Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3086Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves the use of self describing data formats, i.e. metadata, markup languages, human readable formats
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/32Monitoring with visual or acoustical indication of the functioning of the machine
    • G06F11/323Visualisation of programs or trace data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种性能曲线图的绘制方法、装置、设备及介质,该方法的步骤包括:对服务器硬件设备的目标状态项进行监控,并获取在各规定时间点时状态项的状态数据;依照各规定时间点的顺序将各规定时间点对应的状态数据存入预设数组;调用Matplotlib绘图库中的plot函数,并将预设数组以及预设数据中的元素数量作为plot函数的输入参数,以通过plot函数绘制性能曲线图。本方法在降低了人工成本开销的同时,保证了绘制的整体效率以及准确性。此外,本发明还提供一种性能曲线图的绘制装置、设备及介质,有益效果同上所述。

Description

一种性能曲线图的绘制方法、装置、设备及介质
技术领域
本发明涉及测试领域,特别是涉及一种性能曲线图的绘制方法、装置、设备及介质。
背景技术
服务器是各类数据处理系统能够得以运行的底层基础,服务器中硬件设备的性能是决定该服务器所运行的数据处理系统是否高效、可靠的重要因素。特别是当服务器需要运行大型系统时,仅依靠服务器原有的硬件设备难以支持系统的正常工作,因此需要在服务器中进行硬件设备的扩展,如增设GPU、FPGA等,而当服务器中扩展有多个硬件设备时,各硬件设备之间进行协同工作时的兼容性是否良好,以及是否能够具有较高的工作性能,都决定着系统的运行水平。因此本领域技术人员通常会对服务器中的硬件设备进行状态数据的监控,以此获悉硬件设备的性能状态。
在对服务器中硬件设备的状态数据进行监控时,本领域往往会通过预先生成的性能曲线图了解硬件设备各项性能的变化情况,当前生成性能曲线图的方式通常是在连续获取硬件设备的某一状态项的状态数据后,通过人工的方式将各时刻的状态数据进行汇总并绘制为完整的性能曲线图。但是,由于服务器中硬件设备的状态数据类型较多,并且不同硬件设备的状态数据类型各异,因此通过人工方式绘制各类型状态数据对应的性能曲线图需要较大的人工成本,并且效率以及准确性难以得到保证。
由此可见,提供一种性能曲线图的绘制方法,以在降低人工成本开销的同时,保证绘制的整体效率以及准确性,是本领域技术人员需要解决的问题。
发明内容
本发明的目的是提供一种性能曲线图的绘制方法、装置、设备及介质,以在降低人工成本开销的同时,保证绘制的整体效率以及准确性。
为解决上述技术问题,本发明提供一种性能曲线图的绘制方法,包括:
对服务器硬件设备的目标状态项进行监控,并获取在各规定时间点时状态项的状态数据;
依照各规定时间点的顺序将各规定时间点对应的状态数据存入预设数组;
调用Matplotlib绘图库中的plot函数,并将预设数组以及预设数据中的元素数量作为plot函数的输入参数,以通过plot函数绘制性能曲线图。
优选的,对服务器硬件设备的目标状态项进行监控具体为:
对运行有TensorFlow深度学习训练系统的GPU设备的目标状态项进行监控。
优选的,在获取在各规定时间点时状态项的状态数据后,该方法进一步包括:
将各状态数据的数据类型转化为float类型。
优选的,服务器硬件设备具体包括CPU设备、GPU设备、PCIE总线设备以及内存设备。
优选的,在通过plot函数绘制性能曲线图后,该方法进一步包括:
将性能曲线图存储至与目标状态项对应的预设路径下。
此外,本发明还提供一种性能曲线图的绘制装置,包括:
数据获取模块,用于对服务器硬件设备的目标状态项进行监控,并获取在各规定时间点时状态项的状态数据;
数组生成模块,用于依照各规定时间点的顺序将各规定时间点对应的状态数据存入预设数组;
曲线图绘制模块,用于调用Matplotlib绘图库中的plot函数,并将预设数组以及预设数据中的元素数量作为plot函数的输入参数,以通过plot函数绘制性能曲线图。
优选的,该装置进一步包括:
路径存储模块,用于将性能曲线图存储至与目标状态项对应的预设路径下。
此外,本发明还提供一种性能曲线图的绘制设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的性能曲线图的绘制方法的步骤。
此外,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述的性能曲线图的绘制方法的步骤。
本发明所提供的性能曲线图的绘制方法,通过对服务器硬件设备的状态项进行监控并且获取该状态项在各规定时间点时的状态数据,然后将状态数据按照监控的时间顺序存入预设数组,并通过调用Matplotlib绘图库中的plot函数,将预设数组以及预设数组中元素数量作为输入参数输入plot函数,以通过运行plot函数将预设数组中的各个状态数据绘制为性能曲线图。本方法通过在监控并获取服务器硬件设备的状态数据后,利用函数的方式自动实现性能曲线图的绘制,相比于人工绘制的方式,通过函数方式绘制能够相对降低人工成本开销,另外,由于函数内的执行逻辑是既定的,并且由计算机设备控制执行,因此也避免了人工的主观因素对性能曲线图绘制造成的影响,进而能够保证绘制性能曲线图时的准确性以及效率。此外,本发明还提供一种性能曲线图的绘制装置、设备及介质,有益效果同上所述。
附图说明
为了更清楚地说明本发明实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种性能曲线图的绘制方法的流程图;
图2为本发明实施例提供的一种性能曲线图的绘制装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本发明保护范围。
本发明的核心是提供一种性能曲线图的绘制方法,以在降低人工成本开销的同时,保证绘制的整体效率以及准确性。本发明的另一核心是提供一种性能曲线图的绘制装置、设备及介质。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
实施例一
图1为本发明实施例提供的一种性能曲线图的绘制方法的流程图。请参考图1,性能曲线图的绘制方法的具体步骤包括:
步骤S10:对服务器硬件设备的目标状态项进行监控,并获取在各规定时间点时状态项的状态数据。
需要说明的是,本步骤中的服务器硬件设备指的是在服务器中工作的硬件设备,由于服务器硬件设备是支持服务器运行数据处理系统的基础,因此在服务器工作时,各个服务器硬件均表现有相应的工作状态,为了便于获取服务器硬件设备的工作状态,可以对服务器硬件设备的目标状态项进行监控,各状态项中的状态数据均能够对应表征服务器硬件设备在某方面的性能情况。以CPU为例,CPU通常起到核心逻辑运算的功能,因此当服务器运行有系统时,CPU需要处于工作状态并提供相应的运算资源,用户可以通过CPU的状态项了解CPU在支持系统运行时的各方面的性能情况,其中,状态项可以具体包括:CPU资源占用率、CPU读写频率以及CPU带宽等,用户能够在不同的状态项下获取CPU各方面的性能情况。
需要强调的是,本步骤中提及的“目标状态项”表征的是众多状态项中的某一具体状态项,而本方法是针对于某一状态项绘制对应的性能曲线图,进而用户能够根据性能曲线图获悉服务器硬件设备在某一方面的性能状态。用户应根据绘制性能曲线图的需求选取具体的服务器硬件设备以及该服务器硬件设备中的目标状态项,在此不做具体限定。
另外,由于状态性能曲线图表征的是服务器硬件在一段时间下的性能变化,因此在本步骤中需要获取各规定时间点对应的状态数据,而规定时间点的设定可以根据性能曲线的绘制精度而定,在此不做具体限定。
步骤S11:依照各规定时间点的顺序将各规定时间点对应的状态数据存入预设数组。
可以理解的是,由于状态数据是按照时间顺序获取到的,因此为了防止状态数据之间的时序关系错乱导致最终绘制的性能曲线图出现错误,应依照各规定时间点的顺序将各规定时间点对应的状态数据存入预设数组,以便于后续步骤的使用。
步骤S12:调用Matplotlib绘图库中的plot函数,并将预设数组以及预设数据中的元素数量作为plot函数的输入参数,以通过plot函数绘制性能曲线图。
需要说明的是,Matplotlib是一个Python的2D绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过Matplotlib绘图库,开发者可以仅需要几行代码,便可以生成相应的绘图。plot函数是Matplotlib绘图库中能够实现绘制曲线图的函数,在实际使用plot函数时,需要向plot函数中传入参数,plot函数的具体形式为plot(num,y),其中num为状态数据的个数,y为承载有状态数据的数组,当plot函数执行时,会将数组中的状态数据以坐标点的形式按序标在预设的坐标系中,进而将各个坐标点以曲线的形式连接生成性能曲线图。
本发明所提供的性能曲线图的绘制方法,通过对服务器硬件设备的状态项进行监控并且获取该状态项在各规定时间点时的状态数据,然后将状态数据按照监控的时间顺序存入预设数组,并通过调用Matplotlib绘图库中的plot函数,将预设数组以及预设数组中元素数量作为输入参数输入plot函数,以通过运行plot函数将预设数组中的各个状态数据绘制为性能曲线图。本方法通过在监控并获取服务器硬件设备的状态数据后,利用函数的方式自动实现性能曲线图的绘制,相比于人工绘制的方式,通过函数方式绘制能够相对降低人工成本开销,另外,由于函数内的执行逻辑是既定的,并且由计算机设备控制执行,因此也避免了人工的主观因素对性能曲线图绘制造成的影响,进而能够保证绘制性能曲线图时的准确性以及效率。
实施例二
在上述实施例的基础上,本发明还提供以下一系列优选的实施方式。
作为一种优选的实施方式,对服务器硬件设备的目标状态项进行监控具体为:
对运行有TensorFlow深度学习训练系统的GPU设备的目标状态项进行监控。
需要说明的是,TensorFlow是一个深度学习框架,用于对图像、音频等类型的数据进行数值计算,TensorFlow凭借丰富的算法库,逐渐成为当前构建深度学习模型所采取的最高效方式之一,因此在深度学习以及与深度学习相关联的人工智能等领域中,TensorFlow逐渐成为主流的数据处理框架。由于TensorFlow深度学习训练系统的正常工作往往需要多个GPU设备的协同工作支持,因此GPU设备的工作性能将直接影响到深度学习的整体执行效率,进而当服务器中运行有TensorFlow深度学习训练系统时,需要对GPU设备的状态项进行监控,以此能够保证服务器运行TensorFlow深度学习训练系统时的稳定性。另外,此处所指的GPU设备的状态项应为与TensorFlow深度学习训练系统有关联性的状态项,如GPU带宽状态项、GPU读写速度状态项等。
在上述实施例的基础上,作为一种优选的实施方式,在获取在各规定时间点时状态项的状态数据后,该方法进一步包括:
将各状态数据的数据类型转化为float类型。
考虑到用户往往需要获取更具有较高精确性的性能曲线图,而经过float类型数据转化的状态数据具有相对更高的精度,进而在通过plot函数生成的性能曲线图能够具有相对较高的精确性。
在上述实施例的基础上,作为一种优选的实施方式,服务器硬件设备具体包括CPU设备、GPU设备、PCIE总线设备以及内存设备。
需要说明的是,考虑到服务器工作时往往需要CPU设备、GPU设备、PCIE总线设备以及内存设备相互配置协同工作,因此为了确保服务器的整体性能能够被技术人员获悉,可以对CPU设备、GPU设备、PCIE总线设备以及内存设备这一系列关键的服务器硬件设备的状态项进行监控,进而根据各服务器硬件设备对应的性能曲线图分析各个主要的服务器硬件设备的性能情况,能够相对保证获取服务器硬件设备性能状态的全面性以及准确性。
此外,在上述实施方式的基础上,作为一种优选的实施方式,在通过plot函数绘制性能曲线图后,该方法进一步包括:
将性能曲线图存储至与目标状态项对应的预设路径下。
可以理解的是,本实施方式是预先针对各状态项生成对应的存储路径,进而将各目标状态项对应的性能曲线图存储至该目标状态项对应的存储路径下,用户能够根据对状态项的获取需求在相应的存储路径中获取到对应的性能曲线图,由于不同状态项的性能曲线图存储在相互隔离的存储路径中,用户可以有针对性的获取所需要的性能曲线图,相对提高了用户对性能曲线图的获取效率。
实施例三
在上文中对于性能曲线图的绘制方法的实施例进行了详细的描述,本发明还提供一种与该方法对应的性能曲线图的绘制装置,由于装置部分的实施例与方法部分的实施例相互对应,因此装置部分的实施例请参见方法部分的实施例的描述,这里暂不赘述。
图2为本发明实施例提供的一种性能曲线图的绘制装置的结构图。本发明实施例提供的性能曲线图的绘制装置,包括:
数据获取模块10,用于对服务器硬件设备的目标状态项进行监控,并获取在各规定时间点时状态项的状态数据。
数组生成模块11,用于依照各规定时间点的顺序将各规定时间点对应的状态数据存入预设数组。
曲线图绘制模块12,用于调用Matplotlib绘图库中的plot函数,并将预设数组以及预设数据中的元素数量作为plot函数的输入参数,以通过plot函数绘制性能曲线图。
本发明所提供的性能曲线图的绘制装置,通过对服务器硬件设备的状态项进行监控并且获取该状态项在各规定时间点时的状态数据,然后将状态数据按照监控的时间顺序存入预设数组,并通过调用Matplotlib绘图库中的plot函数,将预设数组以及预设数组中元素数量作为输入参数输入plot函数,以通过运行plot函数将预设数组中的各个状态数据绘制为性能曲线图。本装置通过在监控并获取服务器硬件设备的状态数据后,利用函数的方式自动实现性能曲线图的绘制,相比于人工绘制的方式,通过函数方式绘制能够相对降低人工成本开销,另外,由于函数内的执行逻辑是既定的,并且由计算机设备控制执行,因此也避免了人工的主观因素对性能曲线图绘制造成的影响,进而能够保证绘制性能曲线图时的准确性以及效率。
在实施例三的基础上,该装置还包括:
路径存储模块,用于将性能曲线图存储至与目标状态项对应的预设路径下。
实施例四
本发明还提供一种性能曲线图的绘制设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上述的性能曲线图的绘制方法的步骤。
本发明所提供的性能曲线图的绘制设备,通过对服务器硬件设备的状态项进行监控并且获取该状态项在各规定时间点时的状态数据,然后将状态数据按照监控的时间顺序存入预设数组,并通过调用Matplotlib绘图库中的plot函数,将预设数组以及预设数组中元素数量作为输入参数输入plot函数,以通过运行plot函数将预设数组中的各个状态数据绘制为性能曲线图。本设备通过在监控并获取服务器硬件设备的状态数据后,利用函数的方式自动实现性能曲线图的绘制,相比于人工绘制的方式,通过函数方式绘制能够相对降低人工成本开销,另外,由于函数内的执行逻辑是既定的,并且由计算机设备控制执行,因此也避免了人工的主观因素对性能曲线图绘制造成的影响,进而能够保证绘制性能曲线图时的准确性以及效率。
此外,本发明还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述的性能曲线图的绘制方法的步骤。
本发明所提供的计算机可读存储介质,通过对服务器硬件设备的状态项进行监控并且获取该状态项在各规定时间点时的状态数据,然后将状态数据按照监控的时间顺序存入预设数组,并通过调用Matplotlib绘图库中的plot函数,将预设数组以及预设数组中元素数量作为输入参数输入plot函数,以通过运行plot函数将预设数组中的各个状态数据绘制为性能曲线图。本计算机可读存储介质通过在监控并获取服务器硬件设备的状态数据后,利用函数的方式自动实现性能曲线图的绘制,相比于人工绘制的方式,通过函数方式绘制能够相对降低人工成本开销,另外,由于函数内的执行逻辑是既定的,并且由计算机设备控制执行,因此也避免了人工的主观因素对性能曲线图绘制造成的影响,进而能够保证绘制性能曲线图时的准确性以及效率。
以上对本发明所提供的一种性能曲线图的绘制方法、装置、设备及介质进行了详细介绍。说明书中各个实施例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部分互相参见即可。对于实施例公开的装置、设备及介质而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (9)

1.一种性能曲线图的绘制方法,其特征在于,包括:
对服务器硬件设备的目标状态项进行监控,并获取在各规定时间点时所述状态项的状态数据;
依照各所述规定时间点的顺序将各所述规定时间点对应的状态数据存入预设数组;
调用Matplotlib绘图库中的plot函数,并将所述预设数组以及所述预设数据中的元素数量作为所述plot函数的输入参数,以通过所述plot函数绘制性能曲线图。
2.根据权利要求1所述的方法,其特征在于,所述对服务器硬件设备的目标状态项进行监控具体为:
对运行有TensorFlow深度学习训练系统的GPU设备的所述目标状态项进行监控。
3.根据权利要求1所述的方法,其特征在于,在所述获取在各规定时间点时所述状态项的状态数据后,该方法进一步包括:
将各所述状态数据的数据类型转化为float类型。
4.根据权利要求1所述的方法,其特征在于,所述服务器硬件设备具体包括CPU设备、GPU设备、PCIE总线设备以及内存设备。
5.根据权利要求1-4任意一项所述的方法,其特征在于,在所述通过所述plot函数绘制性能曲线图后,该方法进一步包括:
将所述性能曲线图存储至与所述目标状态项对应的预设路径下。
6.一种性能曲线图的绘制装置,其特征在于,包括:
数据获取模块,用于对服务器硬件设备的目标状态项进行监控,并获取在各规定时间点时所述状态项的状态数据;
数组生成模块,用于依照各所述规定时间点的顺序将各所述规定时间点对应的状态数据存入预设数组;
曲线图绘制模块,用于调用Matplotlib绘图库中的plot函数,并将所述预设数组以及所述预设数据中的元素数量作为所述plot函数的输入参数,以通过所述plot函数绘制性能曲线图。
7.根据权利要求6所述的装置,其特征在于,该装置进一步包括:
路径存储模块,用于将所述性能曲线图存储至与所述目标状态项对应的预设路径下。
8.一种性能曲线图的绘制设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述的性能曲线图的绘制方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的性能曲线图的绘制方法的步骤。
CN201810825894.6A 2018-07-25 2018-07-25 一种性能曲线图的绘制方法、装置、设备及介质 Pending CN109032892A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810825894.6A CN109032892A (zh) 2018-07-25 2018-07-25 一种性能曲线图的绘制方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810825894.6A CN109032892A (zh) 2018-07-25 2018-07-25 一种性能曲线图的绘制方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN109032892A true CN109032892A (zh) 2018-12-18

Family

ID=64645111

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810825894.6A Pending CN109032892A (zh) 2018-07-25 2018-07-25 一种性能曲线图的绘制方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN109032892A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111596645A (zh) * 2020-05-19 2020-08-28 北京微科能创科技有限公司 数据处理方法、装置和计算机可读存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104506393A (zh) * 2015-01-06 2015-04-08 北京海量数据技术股份有限公司 一种基于云平台的系统监控方法
CN105183627A (zh) * 2015-10-20 2015-12-23 浪潮(北京)电子信息产业有限公司 一种服务器性能预测的方法及系统
US20160018962A1 (en) * 2014-07-18 2016-01-21 Dato, Inc. User-interface for developing applications that apply machine learning
CN105468501A (zh) * 2015-11-17 2016-04-06 浪潮(北京)电子信息产业有限公司 一种Linux系统性能监测方法和装置
CN106547665A (zh) * 2016-11-14 2017-03-29 合网络技术(北京)有限公司 用于广告业务的性能测试系统及方法
CN106790529A (zh) * 2016-12-20 2017-05-31 北京并行科技股份有限公司 计算资源的调度方法、调度中心及调度系统
US9798647B2 (en) * 2015-10-30 2017-10-24 Ca, Inc. Display window contextual visualization for application performance monitoring
CN108021487A (zh) * 2017-11-24 2018-05-11 中国航空工业集团公司西安航空计算技术研究所 一种gpu图形处理性能监测与分析方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160018962A1 (en) * 2014-07-18 2016-01-21 Dato, Inc. User-interface for developing applications that apply machine learning
CN104506393A (zh) * 2015-01-06 2015-04-08 北京海量数据技术股份有限公司 一种基于云平台的系统监控方法
CN105183627A (zh) * 2015-10-20 2015-12-23 浪潮(北京)电子信息产业有限公司 一种服务器性能预测的方法及系统
US9798647B2 (en) * 2015-10-30 2017-10-24 Ca, Inc. Display window contextual visualization for application performance monitoring
CN105468501A (zh) * 2015-11-17 2016-04-06 浪潮(北京)电子信息产业有限公司 一种Linux系统性能监测方法和装置
CN106547665A (zh) * 2016-11-14 2017-03-29 合网络技术(北京)有限公司 用于广告业务的性能测试系统及方法
CN106790529A (zh) * 2016-12-20 2017-05-31 北京并行科技股份有限公司 计算资源的调度方法、调度中心及调度系统
CN108021487A (zh) * 2017-11-24 2018-05-11 中国航空工业集团公司西安航空计算技术研究所 一种gpu图形处理性能监测与分析方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111596645A (zh) * 2020-05-19 2020-08-28 北京微科能创科技有限公司 数据处理方法、装置和计算机可读存储介质
CN111596645B (zh) * 2020-05-19 2022-01-21 北京微科能创科技有限公司 数据处理方法、装置和计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN110334130B (zh) 一种交易数据的异常检测方法、介质、装置和计算设备
CN107844424B (zh) 基于模型的测试系统及方法
CN109032914A (zh) 资源占用数据预测方法、电子设备、存储介质
US10466754B2 (en) Dynamic hierarchical performance balancing of computational resources
CN108694118B (zh) 一种应用测试方法和装置
US10373071B2 (en) Automated intelligent data navigation and prediction tool
Archambault et al. Temporal multivariate networks
JP2019109580A (ja) 産業用制御システムとその支援装置、制御支援方法およびプログラム
CN110347407A (zh) 一种获取内存占用量的方法、装置、计算机设备及介质
CN112965903A (zh) 测试方法、装置、电子设备及计算机可读存储介质
CN114820279B (zh) 基于多gpu的分布式深度学习方法、装置及电子设备
CN114389974B (zh) 查找分布式训练系统中异常流量节点的方法、装置及介质
CN109032892A (zh) 一种性能曲线图的绘制方法、装置、设备及介质
CN109978172B (zh) 一种基于极限学习机的资源池利用率预测方法及装置
CN107615183A (zh) 模型预测控制应用程序中相对于最佳性能值的优良性能的系统和方法
US10489416B2 (en) Optimizing and managing execution of hybrid flows
CN105653355A (zh) Hadoop的配置参数的计算方法及系统
Cai et al. A recommendation-based parameter tuning approach for Hadoop
CN116881219A (zh) 数据库的优化处理方法、装置、电子设备及存储介质
Ahmad et al. Complex problems solution as a service based on predictive optimization and tasks orchestration in smart cities
CN109492086A (zh) 一种答案输出方法、装置、电子设备及存储介质
CN108446342A (zh) 一种环境质量评价系统、方法、装置及存储装置
CN110334270A (zh) 一种新闻排序方法、服务器及计算机可读存储介质
CN114756211A (zh) 模型训练方法、装置、电子设备和存储介质
CN111090554A (zh) 服务器性能测试时间的预测方法、装置、设备及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181218