CN109344025B

CN109344025B - Cpu性能自监控方法及服务器

Info

Publication number: CN109344025B
Application number: CN201810841534.5A
Authority: CN
Inventors: 陈涛
Original assignee: Wangsu Science and Technology Co Ltd
Current assignee: Wangsu Science and Technology Co Ltd
Priority date: 2018-07-27
Filing date: 2018-07-27
Publication date: 2022-06-17
Anticipated expiration: 2038-07-27
Also published as: CN109344025A

Abstract

本发明实施方式涉及计算机技术领域，公开了一种CPU性能自监控方法及服务器。本发明实施方式中，CPU性能自监控方法包括：获取若干个预设检测项对应的CPU的当前数据；根据各预设检测项对应的CPU的当前数据，判断CPU是否性能异常；若判断结果为是，则根据各预设检测项对应的CPU的当前数据，生成上报信息。本发明实施方式还提供了一种服务器。采用本发明实施方式，服务器能够在数据源端进行数据的采集与分析，以实现CPU性能的自监控，尽可能地保证了异常问题反馈的实时性。

Description

CPU性能自监控方法及服务器

技术领域

本发明实施方式涉及计算机技术领域，特别涉及CPU性能自监控方法及服务器。

背景技术

随着大数据和云计算的广泛应用，服务器的需求变得越来越多。通常，服务器上要运行各种服务器程序，以实现对接收到的数据请求进行处理。由于服务器的运行效率与各个服务器程序的运行情况密切相关，因此服务器的性能监控分析尤为重要。

本专利申请的发明人发现：现有技术中的服务器性能监控，都是由服务器中监控主程序收集服务器上的各类数据，而后进行数据打包发送至远端数据库服务器进行处理，以便于判断CPU是否异常的。由此可见，服务器与远端数据库服务器之间的数据传输量是十分庞大的，因而会造成远端数据库服务器的数据处理压力较大。同时，远端数据库服务器对服务器性能异常问题的反馈有所滞后。

发明内容

本发明实施方式的目的在于提供一种CPU性能自监控方法及服务器，使得服务器能够在数据源端进行数据的采集与分析，以实现CPU性能的自监控，尽可能地保证了异常问题反馈的实时性。

为解决上述技术问题，本发明的实施方式提供了一种CPU性能自监控方法，包括：

获取若干个预设检测项对应的CPU的当前数据；

根据各预设检测项对应的CPU的当前数据，判断CPU是否性能异常；

若判断结果为是，则根据各预设检测项对应的CPU的当前数据，生成上报信息。

本发明的实施方式还提供了一种服务器，包括：至少一个处理器；以及，

与至少一个处理器通信连接的存储器；其中，

存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述的CPU性能自监控方法。

本发明实施方式相对于现有技术而言，服务器能够根据若干个预设检测项，自行采集获取若干个预设检测项对应的CPU的当前数据，以便于对CPU是否性能异常进行分析，并在CPU性能异常时，生成对应的上报信息。通过这种方式，服务器在数据源端进行数据的采集与分析，以实现CPU性能的自监控，从而能够尽可能地保证异常问题反馈的实时性，而且分析结果更贴近实际情况。

另外，若干个预设检测项中至少包括：硬件检测项以及软件检测项；根据各预设检测项对应的CPU的当前数据，判断CPU是否性能异常，具体包括：判断硬件检测项对应的CPU的当前数据是否满足硬件检测项的异常判定条件；若判断结果为否，则根据软件检测项对应的CPU的当前数据，判断CPU是否性能异常。这样，提供了服务器对CPU是否性能异常进行分析的一种具体实现形式，增加了本发明实施方式的灵活性。

另外，若根据软件检测项对应的CPU的当前数据，判断CPU是否性能异常的判断结果为是，则根据各预设检测项对应的CPU的当前数据，生成上报信息，具体包括：根据软件检测项对应的CPU的当前数据，获取CPU的异常类型；根据CPU的异常类型指向的逻辑核活动状态，获取逻辑核活动状态中各函数对象的热度值；将热度值下降幅度最大的相邻两个函数对象添加至上报信息。这样，利用热度下降幅度来剔除参考价值较低的函数对象，并将参考价值较高的函数对象添加至上报信息中，能够保证数据分析结果具有较强的代表性。

另外，在将热度值下降幅度最大的相邻两个函数对象添加至上报信息前，还包括：获取最高热度值；判断最高热度值是否大于或等于预设阈值；其中，若判断结果为是，则执行将热度值下降幅度最大的相邻两个函数对象添加至上报信息。这样，利用最高热度值对数据采集是否异常进行检测，能够保证数据分析结果的有效性。

另外，根据软件检测项对应的CPU的当前数据，获取CPU的异常类型，具体包括：根据软件检测项对应的CPU的当前数据，获取CPU的内核态使用率；判断CPU的内核态使用率是否小于第一预设比例值；根据判断结果获取CPU的异常类型；其中，若判断结果为是，则CPU的异常类型为A类；若判断结果为否，则CPU的异常类型为B类；A类指向的逻辑核活动状态为用户态；B类指向的逻辑核活动状态为内核态。这样，提供了根据软件检测项对应的CPU的当前数据，获取CPU的异常类型的一种具体实现形式，增加了本发明实施方式的灵活性。

另外，获取若干个预设检测项对应的CPU的当前数据后，还包括：再次获取软件检测项对应的CPU的当前数据；根据判断结果获取CPU的异常类型前，还包括：根据再次获取的软件检测项对应的CPU的当前数据，获取CPU的使用率；判断CPU的使用率是否大于或等于第二预设比例值；其中，若判断结果为是，则执行根据判断结果获取CPU的异常类型；这样，能够避免数据分析过程中，CPU性能异常现象减弱或消失的情况，进一步地提升了服务器上报信息的准确度。

附图说明

一个或多个实施方式通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施方式的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。

图1是根据第一实施方式中CPU性能自监控方法的流程示意图；

图2是根据第一实施方式中CPU性能自监控方法的具体流程图；

图3是根据第四实施方式中服务器的示意图。

具体实施方式

为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。

本发明的第一实施方式涉及一种CPU性能自监控方法，具体流程如图1所示。本实施方式中的CPU性能自监控方法在该CPU所对应的服务器上进行实施，步骤如下：

步骤101，获取若干个预设检测项对应的CPU的当前数据。

具体地说，预设检测项可以由技术人员预先设置并保存在服务器中，且若干个预设检测项中可以至少包括硬件检测项和软件检测项，以便于后续服务器进行数据分析，判断CPU是否性能异常时的误判率较低。其中，硬件检测项可以包括温度告警子项目，也可以包括温度告警子项目以及CPU频率子项目，技术人员可以根据实际需求设置硬件检测项所包括的子项目。

步骤102，根据各预设检测项对应的CPU的当前数据，判断CPU是否性能异常。若判断结果为是，则执行步骤103，根据各预设检测项对应的CPU的当前数据，生成上报信息。若判断结果为否，则返回执行步骤101。

具体地说，若干个预设检测项中包括硬件检测项和软件检测项时，CPU性能自监控方法的具体流程可以如图2所示，步骤102可以包括子步骤1021至子步骤1022，以下对子步骤1021至子步骤1022进行具体说明：

子步骤1021，判断硬件检测项对应的CPU的当前数据是否满足硬件检测项的异常判定条件。若判断结果为是，则执行步骤103，否则执行步骤1022。

具体地说，硬件检测项可以包括温度告警子项目。如，执行子步骤1021时，可以判断温度告警子项目对应的CPU的当前数据中是否包含预设告警字段。若温度告警子项目对应的CPU的当前数据中包含预设告警字段，则步骤1021的判断结果为是。其中，预设告警字段可以由技术人员预先设置并保存在服务器中。

更具体地说，CPU温度过高会导致CPU频率下降，从而导致单位时间内CPU处理的指令数变少，这就属于性能异常的情况。而CPU频率正常，即使CPU温度过高，也会认为CPU的性能是正常状态。因此，本实施方式中硬件检测项包括温度告警子项目以及CPU频率子项目。这样，服务器在判定温度告警子项目对应的CPU的当前数据中包含预设告警字段时，还可以判断CPU频率子项目对应的CPU的当前数据是否指向CPU降频。若CPU频率子项目对应的CPU的当前数据指向CPU降频，服务器才认为步骤1021的判断结果为是。这样，能够弥补只根据温度告警子项目进行分析判断的不足，提高判断结果为准确度，从而避免误判导致的后续对软件检测项对应的CPU当前数据的数据分析，进一步地提高了服务器资源的利用率。

需要注意的是，CPU的温度与频率的综合判断方法可以如下表一所示：

表一：

其中，√代表存在异常，×代表不存在。也就是说，在实际操作时，硬件检测项可以包括温度告警子项目以及CPU频率子项目，且服务器可以根据上述表一所示的内容，执行子步骤1021。

子步骤1022，判断软件检测项对应的CPU的当前数据是否满足软件检测项的异常判定条件。若判断结果为是，则执行步骤103，否则执行步骤101。

具体地说，服务器根据软件检测项对应的CPU的当前数据，获取CPU使用率。若CPU使用率过高（超过预设使用率），则子步骤1022的判断结果为是，否则，子步骤1022的判断结果为否。其中，预设使用率可以由技术人员预先设置并保存在服务器中。

更具体地说，CPU使用率主要由两部分组成：用户态使用率usr%，指在数据采集时间内，CPU上执行用户函数对象所花费时间的占用比例；内核态使用率sys%，指在数据采集时间内，CPU上执行内核函数对象所花费时间的占用比例。因此，软件检测项对应的CPU的当前数据可以为数据采样时间内CPU执行的各函数对象，以便于服务器获取CPU的用户态使用率usr%以及内核态使用率sys%，将用户态使用率usr%以及内核态使用率sys%之和作为CPU的使用率。

其中，用户态使用率usr%和内核态使用率sys%的计算方法相同，因而本实施方式中以内核态使用率sys%为例进行说明：

具体地说，sys%的计算方式可以如下公式一所示：

公式一：

；

其中，

表示数据采集时间内CPU用于执行各内核函数所花费的时长，

表示数据采集时间。

步骤103，根据各预设检测项对应的CPU的当前数据，生成上报信息。

具体地说，硬件问题高于一切软件问题，因此当步骤102中的子步骤1021的判断结果为是时，服务器执行步骤103可以具体为：服务器根据硬件检测项对应的CPU的当前数据，生成上报信息。当然，硬件问题也有可能是软件问题导致的（此类情况发生的可能性较低），因此，服务器也可以当步骤102中的子步骤1021的判断结果为是时，基于硬件检测项对应的CPU的当前数据以及软件检测项对应的CPU的当前数据，生成上报信息。

更具体地说，步骤102中子步骤1022的判断结果为是时，服务器执行步骤103可以具体为：服务器根据软件检测项对应的CPU的当前数据，获取CPU的异常类型，以便于根据CPU的异常类型所指向的逻辑核活动状态，获取逻辑核活动状态中各函数对象的热度值，将热度值下降幅度最大的相邻两个函数对象添加至上报信息中，从而能够剔除参考价值较低的函数对象，保留重点需要函数对象，为后续保证数据分析结果的准确性提供了基础。其中，CPU的异常类型与逻辑核活动状态的对应关系可以由技术人员预先设置并保存在服务器中，如，CPU的异常类型可以包括A类和B类，A类指向的逻辑核活动状态为用户态；B类指向的逻辑核活动状态为内核态。

本实施方式中，服务器根据软件检测项对应的CPU的当前数据，获取CPU的异常类型时，可以根据CPU当前执行的各函数对象所花费时间的占用比例，获取CPU的内核态使用率sys%，从而判断CPU的内核态使用率sys%是否小于第一预设比例值，以便于根据判断结果获取CPU的异常类型。如，判断结果为是，则CPU的异常类型为A类；判断结果为否，则CPU的异常类型为B类。其中，第一预设比例值可以由技术人员预先设置并保存在服务器中。以下进行具体说明：

假设第一预设比例值以

代替，则

时，CPU的异常类型为B类；反之，

时，CPU的异常类型为A类。也就是说，

时，内核态跑高，因而B类指向的逻辑核活动状态为内核态；

时，用户态跑高，因而A类指向的逻辑核活动状态为用户态。

需要注意的是，服务器中可以设有sys%的计算周期，如计算周期可以为1秒。这样，服务器在进行sys%计算时，可以根据设置的sys%的计算周期，计算出多个sys%数值，从而令服务器能够根据所计算出的多个sys%数值，对sys%进行平均值的计算，从而可以一定程度上缓解CPU波动对数据分析结果造成的误差。

以下以服务器获取的逻辑核活动状态为内核态为例，对服务器获取逻辑核活动状态中各函数对象的热度值进行说明：

具体地说，

表示某一函数对象的热度值，

的计算公式如下：

；

其中，

表示函数对象的热度值，

表示某一函数对象在数据采样时间内的被调用的次数，

表示在数据采样时间内所出现的所有函数对象被调用的次数。

由此可以看出，服务器可以基于上述

的计算公式，获取CPU上各内核函数对象在数据采样时间内被调用的次数，并统计数据采样时间内所出现的所有函数对象被调用的次数，从而计算获取每一内核函数对象的热度值。

需要注意的是，服务器在获取到各内核函数对象的热度值后，还可以计算相邻两个内核函数对象的热度值下降幅度

，以便于将热度值下降幅度最大的相邻两个函数对象添加至上报信息中。如，

；其中，

表示函数对象1的热度值；

表示函数对象1的下一个函数对象2的热度值。

本实施方式中，上报信息可以上传至远端数据库服务器，以供远端数据库服务器日后进行机器学习使用。并且，上报信息也可以直接在服务器上展示给用户进行查看，以便于技术人员及时采取相应措施。并且，若干个预设检测项中也可以包括：工作模式检测项，以便于服务器在执行步骤102时，能够根据工作模式检测项对应的CPU的当前数据，获取CPU的当前工作模式，从而在判定CPU的当前工作模式为节能模式的情况下，在执行步骤103时，将CPU的当前工作模式也添加至上报信息中。

本发明的实施方式相对于现有技术而言，服务器能够根据若干个预设检测项，自行采集获取若干个预设检测项对应的CPU的当前数据，以便于对CPU是否性能异常进行分析，并在CPU性能异常时，生成对应的上报信息。通过这种方式，服务器在数据源端进行数据的采集与分析，以实现CPU性能的自监控，能够尽可能地保证异常问题反馈的实时性，而且分析结果更贴近实际情况。

本发明的第二实施方式涉及一种CPU性能自监控方法。第二实施方式在第一实施方式的基础上加以改进，主要改进之处在于：在本发明第二实施方式中，在最高热度值大于或等于预设阈值的情况下，才将热度值下降幅度最大的相邻两个函数对象添加至上报信息，能够保证数据分析结果的有效性。

具体地说，服务器将热度值下降幅度最大的相邻两个函数对象添加至上报信息前，还根据各函数对象的热度值，获取最高热度值，以便于对最高热度值是否大于或等于预设阈值进行判断，在判断结果为是的情况下，才执行将热度值下降幅度最大的相邻两个函数对象添加至上报信息的步骤。这样，服务器在最高热度大于或等于某一临界值（预设阈值）的情况下，才认为此次的数据采集有效，基于此次采集到的数据进行数据分析。否则，若最高热度过低，则说明此次数据采集有误，存在数据缺失、数据采集错误等情况，此时，服务器自动放弃本次数据分析，以保证数据分析结果的有效性。

本发明第三实施方式涉及一种CPU性能自监控方法。第三实施方式在第一实施方式或第二实施方式的基础上加以改进，主要改进之处在于：在本发明第三实施方式中，能够避免数据分析过程中，CPU性能异常现象减弱或消失的情况，进一步地提升了服务器上报信息的准确度。

具体地说，由于数据分析需要一定的时间，因此服务器在执行步骤101，获取若干个预设检测项对应的CPU的当前数据后，服务器还会再次获取软件检测项对应的CPU的当前数据。这样，服务器根据再次获取的软件检测项对应的CPU的当前数据，获取CPU的使用率，以便于在判定CPU的使用率大于或等于第二预设比例值的情况下，根据判断结果获取CPU的异常类型。其中，第二预设比例值可以由技术人员预先设置并保存在服务器中，这样，服务器就能够避免数据分析过程中，CPU性能异常现象减弱或消失的情况，进一步地提升了服务器上报信息的准确度。

本实施方式中，服务器根据再次获取的软件检测项对应的CPU的当前数据，获取CPU的使用率的方式可以为：服务器根据再次获取的软件检测项对应的CPU的当前数据，获取CPU的用户态使用率usr%以及内核态使用率sys%，而后，服务器将用户态使用率usr%以及内核态使用率sys%之和作为CPU的使用率。其中，服务器获取的用户态使用率usr%、内核态使用率sys%可以为用户态使用率usr%的平均值以及内核态使用率sys%的平均值，从而能够缓解CPU波动对数据分析结果造成的误差。

上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。

本发明第四实施方式涉及一种服务器，如图3所示，包括：至少一个处理器301；以及，与所述至少一个处理器301通信连接的存储器302；其中，所述存储器302存储有可被所述至少一个处理器301执行的指令，所述指令被所述至少一个处理器301执行，以使所述至少一个处理器301能够执行上述方法实施方式中的CPU性能自监控方法。

其中，存储器302和处理器301采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器301和存储器302的各种电路连接在一起。总线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连接在一起，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。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器301处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器301。

处理器301负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器302可以被用于存储处理器301在执行操作时所使用的数据。

本发明的实施方式相对于现有技术而言，服务器能够在数据源端进行数据的采集与分析，以实现CPU性能的自监控，尽可能地保证了异常问题反馈的实时性。

本发明第五实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施方式。

即，本领域技术人员可以理解，实现上述实施方式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，该程序存储在一个存储介质中，包括若干指令用以使得一个设备（可以是单片机，芯片等）或处理器（processor）执行本申请各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。

本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施方式，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims

1.一种CPU性能自监控方法，其特征在于，包括：

获取若干个预设检测项对应的CPU的当前数据；

根据各所述预设检测项对应的CPU的当前数据，判断所述CPU是否性能异常；

若判断结果为是，则根据各所述预设检测项对应的CPU的当前数据，生成上报信息；

若所述预设检测项为软件检测项，且判断所述CPU是否性能异常的判断结果为是，则所述根据各所述预设检测项对应的CPU的当前数据，生成上报信息，具体包括：

根据所述软件检测项对应的CPU的当前数据，获取所述CPU的异常类型；

根据所述CPU的异常类型指向的逻辑核活动状态，获取所述逻辑核活动状态中各函数对象的热度值；

将热度值下降幅度最大的相邻两个函数对象添加至所述上报信息；

其中，所述热度值为：所述各函数对象在数据采样时间内被调用的概率；所述热度值下降幅度为相邻的每两个函数对象之间的热度值的下降幅度，所述逻辑核活动状态至少包括：用户态和内核态；

所述根据所述软件检测项对应的CPU的当前数据，获取所述CPU的异常类型，具体包括：

根据所述软件检测项对应的CPU的当前数据，获取所述CPU的内核态使用率；

判断所述CPU的内核态使用率是否小于第一预设比例值；

根据判断结果获取所述CPU的异常类型；

其中，若判断结果为是，则所述CPU的异常类型为A类；若判断结果为否，则所述CPU的异常类型为B类；所述A类指向的逻辑核活动状态为用户态；所述B类指向的逻辑核活动状态为内核态。

2.根据权利要求1所述的CPU性能自监控方法，其特征在于，所述若干个预设检测项中至少包括：硬件检测项以及软件检测项；

所述根据各所述预设检测项对应的CPU的当前数据，判断所述CPU是否性能异常，具体包括：

判断所述硬件检测项对应的CPU的当前数据是否满足所述硬件检测项的异常判定条件；

若判断结果为否，则根据所述软件检测项对应的CPU的当前数据，判断所述CPU是否性能异常。

3.根据权利要求1所述的CPU性能自监控方法，其特征在于，所述将热度值下降幅度最大的相邻两个函数对象添加至所述上报信息前，还包括：

获取最高热度值；

判断所述最高热度值是否大于或等于预设阈值；

其中，若判断结果为是，则执行所述将热度值下降幅度最大的相邻两个函数对象添加至所述上报信息。

4.根据权利要求2所述的CPU性能自监控方法，其特征在于，所述硬件检测项至少包括温度告警子项目；

所述判断所述硬件检测项对应的CPU的当前数据是否满足所述硬件检测项的异常判定条件，具体包括：

判断所述温度告警子项目对应的CPU的当前数据中是否包含预设告警字段。

5.根据权利要求4所述的CPU性能自监控方法，其特征在于，所述硬件检测项还包括：CPU频率子项目；

在判定所述温度告警子项目对应的CPU的当前数据中包含预设告警字段后，还包括：

判断所述CPU频率子项目对应的CPU的当前数据是否指向所述CPU降频。

6.根据权利要求1所述的CPU性能自监控方法，其特征在于，所述若干个预设检测项至少包括：工作模式检测项；

根据所述工作模式检测项对应的CPU的当前数据，获取所述CPU的当前工作模式；

判断所述CPU的当前工作模式是否为节能模式；

所述根据各所述预设检测项对应的CPU的当前数据，生成上报信息，具体包括：

将所述CPU的当前工作模式添加至所述上报信息。

7.一种服务器，其特征在于，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至6中任一所述的CPU性能自监控方法。