CN109558165A - 一种配置优化方法、装置、设备和存储介质 - Google Patents
一种配置优化方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN109558165A CN109558165A CN201811446695.0A CN201811446695A CN109558165A CN 109558165 A CN109558165 A CN 109558165A CN 201811446695 A CN201811446695 A CN 201811446695A CN 109558165 A CN109558165 A CN 109558165A
- Authority
- CN
- China
- Prior art keywords
- configuration
- strategy
- scene
- application program
- resource
- 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
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000003860 storage Methods 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 claims description 62
- 230000008569 process Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 40
- 230000000694 effects Effects 0.000 description 17
- 230000002159 abnormal effect Effects 0.000 description 9
- 230000004083 survival effect Effects 0.000 description 9
- 208000019901 Anxiety disease Diseases 0.000 description 7
- 230000036506 anxiety Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000035899 viability Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002844 continuous effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
- G06F8/71—Version control; Configuration management
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种配置优化方法、装置、设备和存储介质。其中,该方法包括:根据所在终端的运行状态确定应用程序的当前配置场景;当前配置场景与预先存储的设定配置场景匹配,则获取设定配置场景下对应的目标配置策略,该目标配置策略包括配置资源的上限阈值;当前配置场景中配置资源的占用量超出上限阈值,则根据目标配置策略调整当前配置场景中的配置资源。本发明实施例提供的技术方案,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
Description
技术领域
本发明实施例涉及互联网通信技术,尤其涉及一种配置优化方法、装置、设备和存储介质。
背景技术
随着终端中安卓操作系统的不断更新,对其上安装的一系列应用程序(Application,APP)的权限使用也在一直收紧,同时更加严格地要求了安卓操作系统对后台应用的限制条件。
目前,为了适应终端中运行的负载状况,所采用的方案大多是直接通过终端厂商在出厂时配置的终端管理软件,或用户在终端上预先安装的第三方管理软件等,从安卓系统资源优化层面考虑,结合终端当前运行的负载状况,对终端上一些资源耗费大,而优先级又很低的APP任务进行释放,或是直接杀死这些应用,限制该应用在终端上的运行。
现有的方案都是从系统资源优化层面考虑,直接限制资源耗费大,而优先级又很低的APP应用的当前运行,对第三方APP软件的存活环境带来挑战;如果存在一类应用处于后台运行时,仍需要保持存活,而维持正常的业务操作,此时必须申请相关的白名单设置或者降低自身的资源占用,优化策略较为单一。
发明内容
本发明实施例提供一种配置优化方法、装置、设备和存储介质,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,提高了各应用程序的运行效率。
第一方面,本发明实施例提供了一种配置优化方法,该方法包括:
根据所在终端的运行状态确定应用程序的当前配置场景;
所述当前配置场景与预先存储的设定配置场景匹配,则获取所述设定配置场景下对应的目标配置策略,所述目标配置策略包括配置资源的上限阈值;
所述当前配置场景中配置资源的占用量超出所述上限阈值,则根据所述目标配置策略调整所述当前配置场景中的配置资源。
进一步的,所述配置优化方法,还包括:
记录所述应用程序运行过程中所述配置资源当前的状态信息,所述状态信息包括使用中、可重加载以及可回收三种。
进一步的,根据所述目标配置策略调整所述当前配置场景中的配置资源,包括:
清除所述配置资源中当前的状态信息为可回收的配置资源,得到所述配置资源的第一剩余占用量;
所述配置资源的第一剩余占用量超出所述上限阈值,则清除所述配置资源中当前的状态信息为可重加载的配置资源,得到所述配置资源的第二剩余占用量;
所述配置资源的第二剩余占用量超出所述上限阈值,则清除所述配置资源中当前的状态信息为使用中的配置资源。
进一步的,在根据所述目标配置策略调整所述当前配置场景中的配置资源之后,还包括:
监控所述应用程序在本次调整后的运行时长,并向云服务端上报所述运行时长与所述目标配置策略的策略标识,所述运行时长为在本次调整后,直到运行异常关闭之间所述应用程序的运行时间。
进一步的,在根据所在终端的运行状态确定应用程序的当前配置场景之前,还包括:
向云服务端上报所在终端的系统信息;
接收所述云服务端根据所述系统信息为所述应用程序查找的最优配置策略;
获取所述最优配置策略中包括的配置场景,作为所述设定配置场景。
第二方面,本发明实施例提供了一种配置优化方法,该方法包括:
接收应用程序上报的运行时长与策略标识;
根据所述运行时长以及与所述策略标识匹配的目标配置策略中的历史配置信息,更新所述目标配置策略的当前配置信息。
进一步的,在接收应用程序上报的运行时长与策略标识之后,还包括:
根据所述运行时长以及预先存储的与所述应用程序匹配的其他配置策略对应的运行时长,确定所述目标配置策略的当前评分。
进一步的,在接收应用程序上报的运行时长与策略标识之前,还包括:
接收所述应用程序上报的系统信息;
根据所述系统信息在预先存储的配置库中为所述应用程序查找最优配置策略,并下发给所述应用程序。
第三方面,本发明实施例提供了一种配置优化装置,该装置包括:
当前场景确定模块,用于根据所在终端的运行状态确定应用程序的当前配置场景;
目标策略获取模块,用于所述当前配置场景与预先存储的设定配置场景匹配,则获取所述设定配置场景下对应的目标配置策略,所述目标配置策略包括配置资源的上限阈值;
配置优化模块,用于所述当前配置场景中配置资源的占用量超出所述上限阈值,则根据所述目标配置策略调整所述当前配置场景中的配置资源。
进一步的,所述配置优化装置,还包括:
状态记录模块,用于记录所述应用程序运行过程中所述配置资源当前的状态信息,所述状态信息包括使用中、可重加载以及可回收三种。
进一步的,所述配置优化模块具体用于:清除所述配置资源中当前的状态信息为可回收的配置资源,得到所述配置资源的第一剩余占用量;所述配置资源的第一剩余占用量超出所述上限阈值,则清除所述配置资源中当前的状态信息为可重加载的配置资源,得到所述配置资源的第二剩余占用量;所述配置资源的第二剩余占用量超出所述上限阈值,则清除所述配置资源中当前的状态信息为使用中的配置资源。
进一步的,所述配置优化装置,还包括:
运行监控模块,用于监控所述应用程序在本次调整后的运行时长,并向云服务端上报所述运行时长与所述目标配置策略的策略标识,所述运行时长为在本次调整后,直到运行异常关闭之间所述应用程序的运行时间。
进一步的,所述配置优化装置,还包括:
信息上报模块,用于向云服务端上报所在终端的系统信息;
策略接收模块,用于接收所述云服务端根据所述系统信息为所述应用程序查找的最优配置策略;
设定场景确定模块,用于获取所述最优配置策略中包括的配置场景,作为所述设定配置场景。
第四方面,本发明实施例提供了一种配置优化装置,该装置包括:
信息接收模块,用于接收应用程序上报的运行时长与策略标识;
配置更新模块,用于根据所述运行时长以及与所述策略标识匹配的目标配置策略中的历史配置信息,更新所述目标配置策略的当前配置信息。
进一步的,所述配置优化装置,还包括:
评分确定模块,用于根据所述运行时长以及预先存储的与所述应用程序匹配的其他配置策略对应的运行时长,确定所述目标配置策略的当前评分。
进一步的,所述配置优化装置,还包括:
系统信息接收模块,用于接收所述应用程序上报的系统信息;
策略查找模块,用于根据所述系统信息在预先存储的配置库中为所述应用程序查找最优配置策略,并下发给所述应用程序。
第五方面,本发明实施例提供了一种设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的配置优化方法。
第六方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的配置优化方法。
本发明实施例提供的一种配置优化方法、装置、设备和存储介质,在应用程序所处的当前配置场景与设定配置场景匹配时,若配置资源的占用量超出上限阈值,则根据设定配置场景对应的目标配置策略调整各项配置资源,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
附图说明
图1为本发明实施例提供的一种配置优化方法的应用场景的场景架构图;
图2为本发明实施例一提供的一种配置优化方法的流程图;
图3为本发明实施例二提供的一种配置优化方法的流程图;
图4为本发明实施例三提供的一种配置优化方法的流程图;
图5为本发明实施例四提供的一种配置优化方法的流程图;
图6为本发明实施例五提供的一种配置优化方法的流程图;
图7为本发明实施例六提供的一种配置优化装置的结构示意图;
图8为本发明实施例七提供的一种配置优化装置的结构示意图;
图9为本发明实施例提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
目前,为了适应终端运行的负载状态,在终端上会安装一类终端管理软件,该终端管理软件通过检测终端系统的运行内存,会将一些资源耗费大,而优先级又很低的APP任务进行释放,或是直接限制这些APP软件的运行,从而不定时对终端的内存进行清理。此时在终端系统内存紧张时,常驻在后台的一类APP软件会时常发生异常退出情况,而对第三方软件的存活环境带来挑战,此时只能通过为这类APP软件申请相关的白名单设置,或者降低自身资源占用来保持APP软件的正常运行,但该种方式在应对不同终端时,优化策略较为单一。由于android系统对后台APP的限制日益严格,本发明实施例主要从第三方应用APP自身的资源管理出发,利用云服务端的数据分析能力,确定第三方应用APP在不同终端中对应的配置策略,可以动态的调整APP对资源的消耗,在APP不用版本升级、无法获得系统白名单的情况下,使APP更加适应后台限制,提高自身的存活率,解决用户经常抱怨的后台APP异常退出问题,减少该应用程序下的配置资源在当前配置场景中的运行量,提高运行效率。
图1为本发明实施例提供的一种配置优化方法的应用场景的场景架构图。参考图1,该场景中可以包括:应用程序110和云服务端120。
具体的,应用程序110可以是安装于终端上的任一种第三方应用APP软件,主要针对在终端后台有常驻需求的第三方应用,防止该应用程序110在处于后台运行,且终端系统内存紧张时,一直出现闪退的情况;云服务端120是一种具有大数据分析处理能力的服务端,本实施例中云服务端120上可以存储有多种针对不同配置场景下的配置策略,根据应用程序110所在终端的系统信息为该应用程序110下发最优配置策略,使应用程序在命中该最优配置策略对应的配置场景时,触发相应配置资源的优化。
需要说明的是,本实施例中应用程序110的数量可以有多个,对此不作限定。本实施例中的应用程序110和云服务端120可以分别执行下述各个对应的配置优化方法,具体的执行过程在下述配置优化方法中进行进一步说明,在此不作介绍。
实施例一
图2为本发明实施例一提供的一种配置优化方法的流程图。本实施例提供的配置优化方法可适用于在终端上安装的任一种第三方应用中。本实施例提供的一种配置优化方法可以由本发明实施例提供的应用于应用程序的配置优化装置来执行,该装置可以通过软件和/或硬件的方式来实现,并集成在执行本方法的设备中,在本实施例中执行本方法的设备可以是手机、平板电脑、台式计算机等任意安装有对应应用程序的智能终端。
具体的,参考图2,该配置优化方法可以包括如下步骤:
S210,根据所在终端的运行状态确定应用程序的当前配置场景。
其中,配置场景是指执行本实施例中的配置优化方法的应用程序在其对应安装的终端上运行时,根据该应用程序的运行情况和所在终端上的其他应用程序的运行情况,确定的该应用程序在终端中所处的运行环境。由于当前应用程序所在终端中其他应用程序的运行状态会发生改变,使得终端系统整体的资源占用量发生变化,而造成不同程度的系统资源内存紧张的问题,因此根据终端上各应用程序的状态以及系统整体运行性能,同一应用程序会存在多种对应的配置场景。
可选的,在终端系统内存紧张时,为了系统能够拥有一定数量的内存空间,以确保终端系统的正常运行性能,此时一般会将低优先级、高内存占用的应用进程杀死,或者执行对应的应用清理操作,该类低优先级、高内存占用的应用一般是指运行在终端后台的应用程序,诸如一些在后台运行的音乐、地图、语音、即时通信(Instant Messenger,IM)软件等应用程序,因此本实施例中执行该配置优化方法的应用程序一般针对终端上有后台常驻需求的应用程序,对该类应用程序的配置资源进行优化调整,以防止在对终端内存管理时,该类应用程序存在异常退出的情况。
具体的,为了获取应用程序当前的配置策略,首先需要判断该应用程序所处的当前配置场景,本实施例中通过监控该应用程序所在终端的运行状态对应用程序所处的当前配置场景进行分析。可选的,应用程序可以对所在终端中的系统剩余内存容量、剩余电量、各个应用程序下当前运行的进程状态以及进程限定信息等各类型的运行状态信息进行整体分析,从而确定该应用程序所处的当前配置场景。
示例性的,目前定义的应用程序的配置场景可以包括前台(foreground,fg)运行场景、后台(background,bg)运行、游戏(game)场景以及指定条件(specific)场景等,本实施例中仅举出应用程序的4种配置场景示例,并不限定为当前定义的这4种配置场景,还可能存在其他的场景。具体的,由于本实施例中的配置优化方法主要是为了防止应用程序在终端系统内存紧张时出现异常退出的情况,因此可以根据应用程序在终端系统中最可能出现异常退出情况时对应的系统运行环境状态来分析应用程序可能处于的配置场景。
S220,当前配置场景与预先存储的设定配置场景匹配,则获取设定配置场景下对应的目标配置策略。
其中,目标配置策略包括配置资源的上限阈值。具体的,设定配置场景是根据应用程序在终端系统中最可能出现异常退出情况时对应的系统运行环境状态,预先确定的应用程序可能处于的场景,设定配置场景可以有多个,具体根据应用程序出现异常闪退时对应的系统运行环境状态来确定。可选的,设定配置场景可以是直接存储在应用程序上,同时为每一个设定配置场景设置对应的配置策略;也可以是云服务端根据应用程序所在终端的各项系统信息为该应用程序下发匹配的配置策略,并在该配置策略中存入对应的配置场景,该应用程序可以通过解析云服务端下发的配置策略得到设定配置场景。本实施例中对设定配置场景的具体获取方式不作限定,任一方式均可。
进一步的,配置策略为应用程序处于某一设定配置场景中时,该应用程序内的配置资源进行优化时所允许达到的目标优化量。具体的,配置策略中可以包括该应用程序在处于设定配置场景中运行时,允许其中各项配置资源能够进行正常运行的最大数量值,也就是配置资源的上限阈值。
可选的,本实施例中的配置策略可以具体包括:策略标识、该配置策略对应的设定配置场景以及该应用程序中各项配置资源的上限阈值,同时在设定配置场景为specific场景时,配置策略中还可以包括该场景的指定条件。其中,本实施例中应用程序的配置资源可以包括:运行内存memory、运行线程thread、文件描述符(file descriptor,fd)、界面窗口activity以及运行服务service等,本实施例中可以根据应用程序运行过程中所涉及的各类运行数据确定具体的配置资源类型,对此不作限定。
可选的,本实施例中对配置策略的配置结构进行说明,配置策略的结构字段定义如下:
strategy_id:配置策略标识;
scene:设定配置场景,目前定义有fg场景、bg场景、game场景以及specific场景;
low_memory_ratio:剩余内存比率,仅当scene为specific场景时有效;具体的,当终端系统的剩余内存比率低于此值时,强制触发执行以下配置资源对应的清理工作:memory:建议的运行内存上限;thread:建议的线程上限;fd:建议的fd上限;activity:建议的activity上限;service:建议的service上限。
示例性的,本实施例中给出对应的配置策略示例:{“scene”:“game”,“memory”:80,“activity”:0};该条配置策略的含义是:在手机处于游戏模式下时,建议APP将自身内存降至80MB以下,并清除所有activity,即清理所有界面资源。
又如:{“scene”:specific,“low_memory_ratio”:20,“memory”:50,“fd”:5,“activity”:1};这条配置的含义是:在手机剩余内存低于20%时,APP最好将自身内存降至50MB以下,fd最多保留5个,activity最多保留1个。
同时,本实施例中也可以通过对多条配置策略组合,得到一条对应的配置策略,如:{“strategy_id”:12345,{“scene”:“game”,“memory”:80,“activity”:0},{“scene”:specific,“low_memory_ratio”:20,“memory”:50,“fd”:5,“activity”:1}};此时策略标识为12345的配置策略的含义是:在手机处于游戏模式下,且手机剩余内存低于20%时,APP最好将自身内存降至50MB以下,fd最多保留5个,并清除所有activity,即清理所有界面资源。
具体的,在确定应用程序所处的当前配置场景后,首先需要判断该应用程序当前是否处于易出现异常退出的情景中,从而确定该当前配置场景下应用程序的配置资源是否需要优化,也就是判断所处的当前配置场景是否与预先存储的各个设定配置场景中的某一个设定配置场景匹配。若两者匹配,则说明该应用程序当前处于易出现异常退出的情景中,确定该当前配置场景下应用程序的配置资源需要进行优化配置。此时为了对该应用程序当前的配置资源进行优化配置,首先需要确定对应的配置策略。本实施例中在当前配置场景与预先存储的设定配置场景匹配时,可以直接根据该匹配的设定配置场景获取对应的目标配置策略,并确定该目标配置策略中包括的预先设定的在该设定配置场景中各配置资源的上限阈值,以便后续对各配置资源进行配置优化。
S230,当前配置场景中配置资源的占用量超出上限阈值,则根据目标配置策略调整当前配置场景中的配置资源。
具体的,本实施例中在获取到设定配置场景下对应的目标配置策略后,可以直接确定该目标配置策略中包括的针对该应用程序中的各项配置资源,预先设定的上限阈值,说明根据目标配置策略进行本次配置优化主要是要求在当前配置场景中该应用程序运行过程中各项配置资源的占用量不能超出对应的上限阈值,保证终端系统能够拥有一定数量的空闲内存,以确认系统的正常运行。
可选的,本实施例中首先对当前配置场景中该应用程序在运行过程中各项配置资源的占用量进行分析,在配置资源的占用量超出对应的上限阈值时,则根据目标配置策略中该配置资源的上限阈值对应调整当前配置场景中该配置资源的运行数量,清除不必要的配置资源运行,以确保该配置资源的占用量低于对应的上限阈值,从而保证该应用程序在终端系统内存紧张时也能够运行,不会出现异常退出的情况。
可选的,本实施例中在对当前配置场景中的配置资源进行配置优化之前,还可以在应用程序的运行过程中实时对该应用程序中各项配置资源的当前状态进行监控,从而对应用程序的优化操作进行指导性说明,以确定在该应用程序运行过程中清除的配置资源不是当前非常重要的配置资源。此时,本实施例中的配置优化方法还可以包括:记录应用程序运行过程中配置资源当前的状态信息。
其中,配置资源的状态信息可以明确表示出该配置资源在应用程序的运行过程中的重要性。具体的,配置资源的状态信息可以包括使用中、可重加载以及可回收三种。本实施例中可以通过在应用程序的运行过程中,实时记录该应用程序下的各项配置资源,并对其当前的运行状态进行分类,也就是对实时记录该应用程序运行过程中各项配置资源当前的状态信息为使用中、可重加载以及可回收中的哪一类,从而确定各项配置资源在该应用程序的运行过程中的重要程度,以在后续对该配置资源进行优化时,优先清除重要性较低的配置资源。
可选的,此时根据目标配置策略调整当前配置场景中的配置资源,可以具体包括:清除配置资源中当前的状态信息为可回收的配置资源,得到配置资源的第一剩余占用量;配置资源的第一剩余占用量超出上限阈值,则清除配置资源中当前的状态信息为可重加载的配置资源,得到配置资源的第二剩余占用量;配置资源的第二剩余占用量超出上限阈值,则清除配置资源中当前的状态信息为使用中的配置资源。
具体的,在配置资源的占用量超出对应的上限阈值时,本实施例可以根据对各项配置资源的分类记录,分次对该配置资源进行优化调整,首先初步清除重要性最低的配置资源,也就是清除配置资源中当前的状态信息为可回收的配置资源,并确定此时初步清除后该配置资源的第一剩余占用量;如果该第一剩余占用量已经低于对应的上限阈值,说明此时已满足对应的优化量,则不再执行后续的清除操作;如果该第一剩余占用量还是超出对应的上限阈值,则继续清除中等重要性的配置资源,也就是清除配置资源中当前的状态信息为可重加载的配置资源,并得到再次清除后该配置资源的第二剩余占用量;如果该第二剩余占用量已经低于对应的上限阈值,说明此时已满足对应的优化量,则不再执行后续的清除操作;如果该第二剩余占用量还是超出对应的上限阈值,则继续清除最高重要性的配置资源,也就是清除配置资源中当前的状态信息为使用中的配置资源,此时该应用程序才会退出。本实施例中采用根据配置资源的重要性分层次清除的方案,可以保证该应用程序最终的存活效果统计不会失真,提高应用程序的运行效率,极大降低了出现异常退出情况的次数。
本实施例提供的技术方案,在应用程序所处的当前配置场景与设定配置场景匹配时,若配置资源的占用量超出上限阈值,则根据设定配置场景对应的目标配置策略调整各项配置资源,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
实施例二
图3为本发明实施例二提供的一种配置优化方法的流程图。本实施例是在上述实施例的基础上进行优化,本实施例主要对应用程序在配置优化前后与云服务端的信息交互进行说明。具体的,如图3所示,本实施例可以包括如下步骤:
S310,向云服务端上报所在终端的系统信息。
其中,系统信息为终端运行中的整体信息,可以包括:终端型号、系统版本、系统内存容量、系统剩余内存、剩余电量、网络状态、当前进程状态以及各限定信息等;其中,限定信息中特别关注fd限制和thread限制。
具体的,为了减少应用程序对配置策略进行优化的运算量,提高运行速率,本实施例中确定配置策略的优化过程在云服务端中进行,此时应用程序需要采集所在终端上的各项系统信息,为云服务端的配置策略优化提供依据。可选的,本实施例中应用程序会不定时地对所在终端的系统信息进行采集,并上报给云服务端,由云服务端为该应用程序匹配配置策略,以建议应用程序在配置优化时可以执行的对应配置策略。
此时应用程序对系统信息的采集时机可以分为前台采集和后台采集,前台采集为该应用程序在前台运行时,仅在刚开始运行的时候执行一次即可,避免妨碍该应用程序的正常运行;后台采集为该应用程序在后台运行时,可以不定期地执行多次,以得到较为完整的系统信息,同时后台采集时尽量保证在终端系统处于低内存、且该应用程序较为空闲时进行采集,以尽量采集到该应用程序最可能出现异常退出情况时对应的系统环境状态,为确保能够得到该应用程序对应的较为完整的设定配置场景。
S320,接收云服务端根据系统信息为应用程序查找的最优配置策略。
可选的,应用程序在向云服务端上报所在终端的系统信息后,云服务端会针对该系统信息在对应的配置库中为应用程序查找一项最为匹配的最优配置策略,并下发给该应用程序。由于云服务端下发的配置策略仅是对应用程序进行配置优化的一种建议行为,具体还需要应用程序对其进行分析来判断是否需要根据该下发的最优配置策略进行优化。此时应用程序可以接收云服务端根据系统信息为应用程序查找的最优配置策略,并将该最优配置策略进行保存,以便后续判断是否需要根据该最优配置策略进行对应的配置优化。
S330,获取最优配置策略中包括的配置场景,作为设定配置场景。
具体的,在接收到云服务端根据系统信息为应用程序查找的最优配置策略后,该应用程序会对该最优配置策略进行保存,并对其具体的配置内容进行解析,从而得到该最优配置策略中包括的配置场景,并将该配置场景作为应用程序对应的一种需要进行配置优化的设定配置场景,同时将该设定配置场景与匹配的最优配置策略进行对应存储,以便后续在该应用程序处于该设定配置场景时,直接根据匹配的最优配置策略对各项配置资源进行配置优化。
S340,根据所在终端的运行状态确定应用程序的当前配置场景。
S350,当前配置场景与预先存储的设定配置场景匹配,则获取设定配置场景下对应的目标配置策略,该目标配置策略包括配置资源的上限阈值。
S360,当前配置场景中配置资源的占用量超出上限阈值,则根据目标配置策略调整当前配置场景中的配置资源。
S370,监控应用程序在本次调整后的运行时长,并向云服务端上报运行时长与目标配置策略的策略标识。
其中,运行时长为在本次调整后,直到运行异常关闭之间应用程序的运行时间。
可选的,在根据目标配置策略调整当前配置场景中的配置资源后,为了判断该目标配置策略对于当前配置场景的配置效果,也就是判断该目标配置策略是否能够保证该应用程序在终端系统内存紧张时,也不会出现异常退出的情况。此时可以监控应用程序在本次调整后的运行时长,也就是监控应用程序在本次根据目标配置策略进行调整后,直到运行异常关闭之间继续存活的运行时间。由于用户主动关闭该应用程序的情况并不在本实施例需要对存活效果进行分析的范围内,因此对于用户主动关闭该应用程序的情况并不上报,避免对存活效果的分析造成误差,降低存活效果的失真。此外,本实施例在确定该应用程序在本次调整后的运行时长后,还需要将该运行时长与目标配置策略的策略标识统一上报给云服务端,由云服务端对该目标配置策略对于当前配置场景的配置效果进行准确分析,从而为后续配置策略的评估改进提供对应依据。
本实施例提供的技术方案,在应用程序所处的当前配置场景与设定配置场景匹配时,若配置资源的占用量超出上限阈值,则根据设定配置场景对应的目标配置策略调整各项配置资源,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
实施例三
图4为本发明实施例三提供的一种配置优化方法的流程图。本实施例提供的配置优化方法可适用于具备大数据处理能力的云服务端中。本实施例提供的一种配置优化方法可以由本发明实施例提供的应用于云服务端的配置优化装置来执行,该装置可以通过软件和/或硬件的方式来实现,并集成在执行本方法的设备中,在本实施例中执行本方法的设备可以是任一种配置有具备云处理能力的云端服务器的智能终端。
具体的,参考图4,该配置优化方法可以包括如下步骤:
S410,接收应用程序上报的运行时长与策略标识。
具体的,为了判断配置策略对于对应配置场景的配置效果,应用程序会在根据某一配置策略对应调整相应配置场景中的配置资源后,向云服务端上报本次配置调整后对应的应用程序的运行时长与该配置策略的策略标识,云服务端接收应用程序上报的运行时长与策略标识,并对本次配置效果进行判断。
S420,根据运行时长以及与策略标识匹配的目标配置策略中的历史配置信息,更新目标配置策略的当前配置信息。
其中,历史配置信息是配置策略在不断的更新优化过程中历史存在的配置内容。具体的,云服务端上最初存储的配置库中的各项配置策略和所在终端的系统信息的匹配规则,都是由开发人员根据具体的经验值人为设定的,在此基础上会通过应用程序在每次根据配置策略进行配置优化后反馈的运行时长和策略标识等信息,采用自动迭代和人工干预相结合的方式,不断优化策略库。此时历史配置信息则为对应的配置策略中从人为设定开始,不断进行优化时存在的历史配置内容。
具体的,在接收到应用程序上报的运行时长与策略标识时,为了对该策略标识对应的目标配置策略进行优化,可以根据采用目标配置策略进行本次调整后的运行时长,以及历史调整后的历史运行时长和历史配置信息,以及具体的历史优化过程,通过自动迭代和人工干预相结合的方式,对本次调整的目标配置策略进行优化,从而更新该目标配置策略的当前配置信息。
本实施例提供的技术方案,在应用程序所处的当前配置场景与设定配置场景匹配时,若配置资源的占用量超出上限阈值,则根据设定配置场景对应的目标配置策略调整各项配置资源,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
实施例四
图5为本发明实施例四提供的一种配置优化方法的流程图。本实施例是在上述实施例的基础上进行优化,本实施例主要对云服务端与应用程序之间的信息交互进行说明。具体的,如图5所示,本实施例可以包括如下步骤:
S510,接收应用程序上报的系统信息。
具体的,为了减少应用程序对配置策略进行优化的运算量,提高运行速率,本实施例中确定配置策略的优化过程在云服务端中进行,此时应用程序需要采集所在终端上的各项系统信息,为云服务端的配置策略优化提供依据。可选的,本实施例中应用程序会不定时地对所在终端的系统信息进行采集,并上报给云服务端。云服务端接收该应用程序上报的系统信息,并对该系统信息进行分析,从而为该应用程序匹配对应的配置策略,以建议应用程序在配置优化时可以执行的对应配置策略。
S520,根据系统信息在预先存储的配置库中为应用程序查找最优配置策略,并下发给应用程序。
其中,配置库中可以存储有各个应用程序针对不同的所在终端的系统信息而对应设置的多种配置策略。
具体的,云服务端在接收到应用程序上报的系统信息后,会针对该系统信息在对应的配置库中为该应用程序查找一项当前最为匹配的最优配置策略,并下发给该应用程序。本次云服务端下发的最优配置策略仅是对应用程序进行配置优化的一种建议行为,具体还需要应用程序对该配置策略进行分析来判断是否需要根据该下发的最优配置策略进行优化。
此外,如果在配置库中没有为该应用程序匹配到对应的配置策略,则可以记录本次上报的系统信息,并通知适配人员根据经验值为该系统信息设置对应的配置策略,并在后续配置优化过程中对该条配置策略进行优化升级。
S530,接收应用程序上报的运行时长与策略标识。
S540,根据运行时长以及预先存储的与应用程序匹配的其他配置策略对应的运行时长,确定目标配置策略的当前评分。
具体的,在接收到应用程序上报的运行时长与策略标识时,为了确定目标配置策略是否为该应用程序在当前配置场景下对应的最优配置策略,本实施例中应用程序每次进行配置优化并进行反馈后,云服务端可以根据应用程序在本次调整后反馈的运行时长,以及配置库中预先存储的与该应用程序匹配的其他配置策略对应的运行时长进行分析,判断该目标配置策略在该应用程序所在终端上的配置效果,并为目标配置策略进行评分,确定目标配置策略的当前评分。
云服务端负责配置策略的分析与管理工作时,需要为不同配置策略在不同终端环境下的配置效果进行评分,定义的评分表结构如表1中所示。
表1评分表
strategy_id | model | android_os | manufactor_os | 扩展维度 | score |
12345 | ONEPLUS 5t | 8.0 | H2OS 5.1.0 | … | 80 |
54321 | ONEPLUS 5t | 8.0 | H2OS 5.1.0 | … | 73 |
常规情况下,云服务端对于同一维度组合下设置的应用程序对应的配置策略数量不会过多,云服务端根据存活效果统计对已有配置策略进行评分后,可以直接将低分数的配置策略从评分表中淘汰,留取score为前三位的配置策略,能够在有限配置库中通过不断的效果迭代,找出最优配置策略。云服务端在选择配置策略下发时,需要在有限配置库中按一定比例下发所有配置策略,避免因直接选择分数最高的配置策略,导致配置库失真。云服务端在接收到应用程序的存活统计结果后,需要对相应配置策略的进行权重打分,当成功率过低时,需要告警专门的适配人员,由适配人员对该配置策略进行人工干预。
S550,根据运行时长以及与策略标识匹配的目标配置策略中的历史配置信息,更新目标配置策略的当前配置信息。
可选的,在对配置策略进行评分后,可以根据目标配置策略当前份数来判断是否需要进行优化更新,如果当前评分低于评分阈值时,根据运行时长以及与策略标识匹配的目标配置策略中的历史配置信息,更新目标配置策略的当前配置信息,并将更新后的目标配置策略再次下发给应用程序,保证配置策略的同步性;如果当前评分未低于评分阈值时,说明此时的目标配置策略的配置效果还比较良好,则可以先不对该目标配置策略进行更新。
本实施例提供的技术方案,在应用程序所处的当前配置场景与设定配置场景匹配时,若配置资源的占用量超出上限阈值,则根据设定配置场景对应的目标配置策略调整各项配置资源,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
实施例五
图6为本发明实施例五提供的一种配置优化方法的流程图。本实施例在上述实施例提供的各技术方案的基础上,对配置优化方法在应用程序与云服务端之间进行交互的过程进行进一步说明。具体的,如图6所示,该配置优化方法可以包括如下步骤:
S601,应用程序向云服务端上报所在终端的系统信息。
S602,云服务端根据系统信息在预先存储的配置库中为应用程序查找最优配置策略。
S603,云服务端向应用程序下发最优配置策略。
S604,应用程序获取最优配置策略中包括的配置场景,作为设定配置场景,并根据所在终端的运行状态确定当前配置场景。
S605,应用程序确定当前配置场景与预先存储的设定配置场景匹配,则获取设定配置场景下对应的目标配置策略。
S606,应用程序确定当前配置场景中配置资源的占用量超出上限阈值,则根据目标配置策略调整当前配置场景中的配置资源。
S607,应用程序监控应用程序在本次调整后的运行时长。
S608,应用程序向云服务端上报运行时长与目标配置策略的策略标识。
S609,云服务端根据运行时长以及预先存储的与应用程序匹配的其他配置策略对应的运行时长,确定目标配置策略的当前评分。
S610,云服务端根据运行时长以及与策略标识匹配的目标配置策略中的历史配置信息,更新目标配置策略的当前配置信息。
S611,云服务端向应用程序下发更新的目标配置策略。
本实施例提供的技术方案,在应用程序所处的当前配置场景与设定配置场景匹配时,若配置资源的占用量超出上限阈值,则根据设定配置场景对应的目标配置策略调整各项配置资源,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
实施例六
图7为本发明实施例六提供的一种配置优化装置的结构示意图。如图7所示,该配置优化装置可以包括:
当前场景确定模块710,用于根据所在终端的运行状态确定应用程序的当前配置场景;
目标策略获取模块720,用于当前配置场景与预先存储的设定配置场景匹配,则获取设定配置场景下对应的目标配置策略,该目标配置策略包括配置资源的上限阈值;
配置优化模块730,用于当前配置场景中配置资源的占用量超出上限阈值,则根据目标配置策略调整当前配置场景中的配置资源。
本实施例提供的技术方案,在应用程序所处的当前配置场景与设定配置场景匹配时,若配置资源的占用量超出上限阈值,则根据设定配置场景对应的目标配置策略调整各项配置资源,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
进一步的,上述配置优化装置,还可以包括:状态记录模块,用于记录应用程序运行过程中配置资源当前的状态信息,该状态信息包括使用中、可重加载以及可回收三种。
进一步的,上述配置优化模块可以具体用于:清除配置资源中当前的状态信息为可回收的配置资源,得到配置资源的第一剩余占用量;配置资源的第一剩余占用量超出上限阈值,则清除配置资源中当前的状态信息为可重加载的配置资源,得到配置资源的第二剩余占用量;配置资源的第二剩余占用量超出上限阈值,则清除配置资源中当前的状态信息为使用中的配置资源。
进一步的,上述配置优化装置,还可以包括:运行监控模块,用于监控应用程序在本次调整后的运行时长,并向云服务端上报运行时长与目标配置策略的策略标识,该运行时长为在本次调整后,直到运行异常关闭之间应用程序的运行时间。
进一步的,上述配置优化装置,还可以包括:信息上报模块,用于向云服务端上报所在终端的系统信息;策略接收模块,用于接收云服务端根据系统信息为应用程序查找的最优配置策略;设定场景确定模块,用于获取最优配置策略中包括的配置场景,作为设定配置场景。
上述配置优化装置可执行本发明任意实施例所提供的应用于应用程序上的配置优化方法,具备执行方法相应的功能模块和有益效果。
实施例七
图8为本发明实施例七提供的一种配置优化装置的结构示意图。如图8所示,该配置优化装置可以包括:
信息接收模块810,用于接收应用程序上报的运行时长与策略标识;
配置更新模块820,用于根据运行时长以及与策略标识匹配的目标配置策略中的历史配置信息,更新目标配置策略的当前配置信息。
本实施例提供的技术方案,在应用程序所处的当前配置场景与设定配置场景匹配时,若配置资源的占用量超出上限阈值,则根据设定配置场景对应的目标配置策略调整各项配置资源,实现了应用程序在不同配置场景中配置资源的对应调整,增加了不同终端针对同一应用程序的多元化配置,降低了应用程序下的配置资源在当前配置场景中的运行量,提高了应用程序的运行效率。
进一步的,上述配置优化装置,还可以包括:评分确定模块,用于根据运行时长以及预先存储的与应用程序匹配的其他配置策略对应的运行时长,确定目标配置策略的当前评分。
进一步的,上述配置优化装置,还可以包括:系统信息接收模块,用于接收应用程序上报的系统信息;策略查找模块,用于根据系统信息在预先存储的配置库中为应用程序查找最优配置策略,并下发给应用程序。
上述配置优化装置可执行本发明任意实施例所提供的应用于云服务端上的配置优化方法,具备执行方法相应的功能模块和有益效果。
实施例八
图9为本发明实施例提供的一种设备的结构示意图。如图9所示,该设备包括处理器90、存储装置91和通信装置92;设备中处理器90的数量可以是一个或多个,图9中以一个处理器90为例;设备的处理器90、存储装置91和通信装置92可以通过总线或其他方式连接,图9中以通过总线连接为例。
存储装置91作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明任意实施例中所述的配置优化方法对应的模块。处理器90通过运行存储在存储装置91中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的配置优化方法。
存储装置91可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储装置91可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储装置91可进一步包括相对于处理器90远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信装置92可用于实现网络连接或者移动数据连接。
本发明实施例提供的一种设备可用于执行本发明任意实施例提供的配置优化方法,具备相应的功能和有益效果。
实施例九
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时可实现本发明任意实施例中提供的配置优化方法。该方法具体可以包括:
根据所在终端的运行状态确定应用程序的当前配置场景;
当前配置场景与预先存储的设定配置场景匹配,则获取设定配置场景下对应的目标配置策略,该目标配置策略包括配置资源的上限阈值;
当前配置场景中配置资源的占用量超出上限阈值,则根据目标配置策略调整当前配置场景中的配置资源。
或者,该方法具体还可以包括:
接收应用程序上报的运行时长与策略标识;
根据运行时长以及与策略标识匹配的目标配置策略中的历史配置信息,更新目标配置策略的当前配置信息。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的配置优化方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述配置优化装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种配置优化方法,其特征在于,包括:
根据所在终端的运行状态确定应用程序的当前配置场景;
所述当前配置场景与预先存储的设定配置场景匹配,则获取所述设定配置场景下对应的目标配置策略,所述目标配置策略包括配置资源的上限阈值;
所述当前配置场景中配置资源的占用量超出所述上限阈值,则根据所述目标配置策略调整所述当前配置场景中的配置资源。
2.根据权利要求1所述的方法,其特征在于,还包括:
记录所述应用程序运行过程中所述配置资源当前的状态信息,所述状态信息包括使用中、可重加载以及可回收三种。
3.根据权利要求2所述的方法,其特征在于,根据所述目标配置策略调整所述当前配置场景中的配置资源,包括:
清除所述配置资源中当前的状态信息为可回收的配置资源,得到所述配置资源的第一剩余占用量;
所述配置资源的第一剩余占用量超出所述上限阈值,则清除所述配置资源中当前的状态信息为可重加载的配置资源,得到所述配置资源的第二剩余占用量;
所述配置资源的第二剩余占用量超出所述上限阈值,则清除所述配置资源中当前的状态信息为使用中的配置资源。
4.根据权利要求1所述的方法,其特征在于,在根据所述目标配置策略调整所述当前配置场景中的配置资源之后,还包括:
监控所述应用程序在本次调整后的运行时长,并向云服务端上报所述运行时长与所述目标配置策略的策略标识,所述运行时长为在本次调整后,直到运行异常关闭之间所述应用程序的运行时间。
5.根据权利要求1所述的方法,其特征在于,在根据所在终端的运行状态确定应用程序的当前配置场景之前,还包括:
向云服务端上报所在终端的系统信息;
接收所述云服务端根据所述系统信息为所述应用程序查找的最优配置策略;
获取所述最优配置策略中包括的配置场景,作为所述设定配置场景。
6.一种配置优化方法,其特征在于,包括:
接收应用程序上报的运行时长与策略标识;
根据所述运行时长以及与所述策略标识匹配的目标配置策略中的历史配置信息,更新所述目标配置策略的当前配置信息。
7.根据权利要求6所述的方法,其特征在于,在接收应用程序上报的运行时长与策略标识之后,还包括:
根据所述运行时长以及预先存储的与所述应用程序匹配的其他配置策略对应的运行时长,确定所述目标配置策略的当前评分。
8.根据权利要求6所述的方法,其特征在于,在接收应用程序上报的运行时长与策略标识之前,还包括:
接收所述应用程序上报的系统信息;
根据所述系统信息在预先存储的配置库中为所述应用程序查找最优配置策略,并下发给所述应用程序。
9.一种配置优化装置,其特征在于,包括:
当前场景确定模块,用于根据所在终端的运行状态确定应用程序的当前配置场景;
目标策略获取模块,用于所述当前配置场景与预先存储的设定配置场景匹配,则获取所述设定配置场景下对应的目标配置策略,所述目标配置策略包括配置资源的上限阈值;
配置优化模块,用于所述当前配置场景中配置资源的占用量超出所述上限阈值,则根据所述目标配置策略调整所述当前配置场景中的配置资源。
10.一种配置优化装置,其特征在于,包括:
信息接收模块,用于接收应用程序上报的运行时长与策略标识;
配置更新模块,用于根据所述运行时长以及与所述策略标识匹配的目标配置策略中的历史配置信息,更新所述目标配置策略的当前配置信息。
11.一种设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的配置优化方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一所述的配置优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446695.0A CN109558165B (zh) | 2018-11-29 | 2018-11-29 | 一种配置优化方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811446695.0A CN109558165B (zh) | 2018-11-29 | 2018-11-29 | 一种配置优化方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109558165A true CN109558165A (zh) | 2019-04-02 |
CN109558165B CN109558165B (zh) | 2022-07-08 |
Family
ID=65867967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811446695.0A Active CN109558165B (zh) | 2018-11-29 | 2018-11-29 | 一种配置优化方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558165B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413348A (zh) * | 2019-07-31 | 2019-11-05 | 中国工商银行股份有限公司 | 数据处理方法、装置、系统及介质 |
CN110941461A (zh) * | 2019-11-26 | 2020-03-31 | 杭州皓智天诚信息科技有限公司 | 一种业务处理软件的参数配置终端 |
CN113127067A (zh) * | 2019-12-30 | 2021-07-16 | Oppo广东移动通信有限公司 | 系统资源的配置方法、装置、终端及存储介质 |
CN118264256A (zh) * | 2024-05-29 | 2024-06-28 | 苏州元脑智能科技有限公司 | 一种数据编码方法、装置、硬件加速卡、程序产品及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110307290A1 (en) * | 2010-06-14 | 2011-12-15 | Jerome Rolia | Personalized capacity planning scenarios using reusable capacity planning scenario templates |
CN105867845A (zh) * | 2016-03-28 | 2016-08-17 | 乐视控股(北京)有限公司 | 一种应用程序存储空间的管理方法及装置 |
CN106095592A (zh) * | 2016-05-31 | 2016-11-09 | 广东欧珀移动通信有限公司 | 一种前景应用程序场景同步方法及装置、系统 |
CN107547744A (zh) * | 2017-08-31 | 2018-01-05 | 广东欧珀移动通信有限公司 | 资源配置方法及相关产品 |
CN107547745A (zh) * | 2017-08-31 | 2018-01-05 | 广东欧珀移动通信有限公司 | 资源配置方法及相关产品 |
CN107621981A (zh) * | 2017-09-06 | 2018-01-23 | 广东欧珀移动通信有限公司 | 资源配置方法及相关产品 |
-
2018
- 2018-11-29 CN CN201811446695.0A patent/CN109558165B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110307290A1 (en) * | 2010-06-14 | 2011-12-15 | Jerome Rolia | Personalized capacity planning scenarios using reusable capacity planning scenario templates |
CN105867845A (zh) * | 2016-03-28 | 2016-08-17 | 乐视控股(北京)有限公司 | 一种应用程序存储空间的管理方法及装置 |
CN106095592A (zh) * | 2016-05-31 | 2016-11-09 | 广东欧珀移动通信有限公司 | 一种前景应用程序场景同步方法及装置、系统 |
CN107547744A (zh) * | 2017-08-31 | 2018-01-05 | 广东欧珀移动通信有限公司 | 资源配置方法及相关产品 |
CN107547745A (zh) * | 2017-08-31 | 2018-01-05 | 广东欧珀移动通信有限公司 | 资源配置方法及相关产品 |
CN107621981A (zh) * | 2017-09-06 | 2018-01-23 | 广东欧珀移动通信有限公司 | 资源配置方法及相关产品 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413348A (zh) * | 2019-07-31 | 2019-11-05 | 中国工商银行股份有限公司 | 数据处理方法、装置、系统及介质 |
CN110941461A (zh) * | 2019-11-26 | 2020-03-31 | 杭州皓智天诚信息科技有限公司 | 一种业务处理软件的参数配置终端 |
CN110941461B (zh) * | 2019-11-26 | 2023-08-04 | 杭州皓智天诚信息科技有限公司 | 一种业务处理软件的参数配置终端 |
CN113127067A (zh) * | 2019-12-30 | 2021-07-16 | Oppo广东移动通信有限公司 | 系统资源的配置方法、装置、终端及存储介质 |
CN113127067B (zh) * | 2019-12-30 | 2024-05-03 | Oppo广东移动通信有限公司 | 系统资源的配置方法、装置、终端及存储介质 |
CN118264256A (zh) * | 2024-05-29 | 2024-06-28 | 苏州元脑智能科技有限公司 | 一种数据编码方法、装置、硬件加速卡、程序产品及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109558165B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10521326B2 (en) | System and method for analyzing big data activities | |
US12038976B2 (en) | Model pushing method and device, model requesting method and device, storage medium and electronic device | |
CN109558165A (zh) | 一种配置优化方法、装置、设备和存储介质 | |
US10025654B2 (en) | Diagnostic and workflow engine with system integration | |
CN109284217A (zh) | 应用程序异常处理方法、装置、电子设备及存储介质 | |
US20050267951A1 (en) | Rolling upgrade of distributed software with automatic completion | |
US7653902B2 (en) | Determining software deployment parameters | |
CN108495195A (zh) | 一种网络直播排行榜生成方法、装置、设备及存储介质 | |
US8381222B2 (en) | Policy driven automation—specifying equivalent resources | |
US20170317872A1 (en) | Alarm Processing Method and Apparatus | |
US20050108703A1 (en) | Proactive policy-driven service provisioning framework | |
US11095573B2 (en) | Recommendation engine for resource tagging | |
US20140250125A1 (en) | Identifying an incident-addressing step | |
DE102021109767A1 (de) | Systeme und methoden zur vorausschauenden sicherheit | |
US11310125B2 (en) | AI-enabled adaptive TCA thresholding for SLA assurance | |
US9607275B2 (en) | Method and system for integration of systems management with project and portfolio management | |
CN109739665A (zh) | 接口管理方法、装置、服务器及存储介质 | |
CN1640087B (zh) | 对网络运行支持系统的策略使能并基于契约的管理 | |
KR20220041031A (ko) | 단말과 엣지 클라우드 서버 간의 분산 훈련 방법 | |
CN110413310A (zh) | 程序升级方法及终端设备 | |
CN110502238A (zh) | 一种前后端联调的方法及装置 | |
US20220191716A1 (en) | Updating Record of Border Cells | |
Falconem et al. | Trusting information sources through their categories | |
CN114721827A (zh) | 一种数据处理方法及装置 | |
CN106453656A (zh) | 一种集群主机选取方法及装置 |
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 |
Effective date of registration: 20221206 Address after: 31a, 15 / F, building 30, maple mall, bangrang Road, Brazil, Singapore Patentee after: Baiguoyuan Technology (Singapore) Co.,Ltd. Address before: 511442 23-39 / F, building B-1, Wanda Plaza North, Wanbo business district, 79 Wanbo 2nd Road, Nancun Town, Panyu District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU BAIGUOYUAN INFORMATION TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |