CN110221922A - 程序产品的卡顿定位方法及装置、介质及计算设备 - Google Patents
程序产品的卡顿定位方法及装置、介质及计算设备 Download PDFInfo
- Publication number
- CN110221922A CN110221922A CN201810174579.1A CN201810174579A CN110221922A CN 110221922 A CN110221922 A CN 110221922A CN 201810174579 A CN201810174579 A CN 201810174579A CN 110221922 A CN110221922 A CN 110221922A
- Authority
- CN
- China
- Prior art keywords
- caton
- program product
- information
- user
- scheme
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 162
- 230000004807 localization Effects 0.000 title claims abstract description 62
- 238000009826 distribution Methods 0.000 claims abstract description 70
- 238000003860 storage Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims description 71
- 238000012545 processing Methods 0.000 abstract description 16
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 85
- 230000006870 function Effects 0.000 description 65
- 239000000047 product Substances 0.000 description 43
- 238000004458 analytical method Methods 0.000 description 35
- 238000006116 polymerization reaction Methods 0.000 description 35
- 230000004069 differentiation Effects 0.000 description 25
- 238000005259 measurement Methods 0.000 description 9
- 230000006399 behavior Effects 0.000 description 4
- 239000006227 byproduct Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 229920002755 poly(epichlorohydrin) Polymers 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 244000062793 Sorghum vulgare Species 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 235000019713 millet Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/52—Program synchronisation; Mutual exclusion, e.g. by means of semaphores
- G06F9/524—Deadlock detection or avoidance
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施方式提供了一种程序产品的卡顿定位方法。该方法包括:接收并存储至少一个用户上报的卡顿信息;以及对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。通过收集用户终端发生的卡顿信息,再对卡顿信息聚合处理获得卡顿问题在用户之间的分布状态。本发明的方法使得卡顿信息被多维度收集,从而显著地降低了卡顿信息的错误率,并且减少了卡顿误定位发生的概率。此外,本发明的实施方式提供了一种程序产品的卡顿定位装置、存储介质及计算设备。
Description
技术领域
本发明的实施方式涉及用户终端卡顿定位技术领域,更具体地,本发明的实施方式涉及一种程序产品的卡顿定位方法及装置、介质及计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
卡顿,是线程运行的一种基本状态,是指线程在等待一个事件(如某个信号量),逻辑上不可执行。简单来说,就是系统或程序不能及时响应用户的操作,从而发生画面延迟、丢帧,或者点击无响应。
随着电子终端设备的功能愈渐强大,使用流畅度已经成为用户体验的一个关键指标,而卡顿状态的存在无疑影响到终端设备整体的运行体验。因此就需要识别处于卡顿状态的线程,从而找到造成卡顿的原因,以解决卡顿问题。
目前,已经出现一些获取卡顿信息的方法。例如,根据卡顿发生的开始时间和结束时间,从方法调用统计队列中找出卡顿时间段内应用程序执行的方法,最终获得卡顿时间段内引发卡顿的特定方法的调用信息。这种方法能够对造成卡顿的方法进行准确定位。
发明内容
但是,出于只能对单个用户或单个终端的个体卡顿事件进行定位,存在一定程度上的误报、漏报进而造成误判的原因,现有技术并不能对存在卡顿问题的严重性及影响面做出有效评估,进而无法为进一步解决同类问题提供依据。
因此在现有技术中,对于发生的卡顿问题只能逐一的监控逐一的解决,就是说,只能在卡顿已经发生给用户造成了影响的情况下,再去解决,并不能预先从本质上消除某类卡顿的发生。而卡顿如果处理不及时极可能给用户造成更坏的体验,这是非常令人烦恼的过程。
为此,非常需要一种改进的程序产品的卡顿定位方法,以使造成线程卡顿的问题被预先收集并获得卡顿问题在用户终端的分布,从而为在根源上进行问题的修正提供依据。
在本上下文中,本发明的实施方式期望提供一种程序产品的卡顿定位方法及装置、介质及计算设备。
在本发明实施方式的第一方面中,提供了一种程序产品的卡顿定位方法,包括:接收并存储至少一个用户上报的卡顿信息;以及对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
在本发明的一个实施例中,所述卡顿信息存储于卡顿信息表中。
在本发明的另一实施例中,所述卡顿信息包括程序产品名。
在本发明的又一个实施例中,所述程序产品名包括产品i d以及产品版本至少其中之一。
在本发明的再一个实施例中,所述卡顿信息还包括进程名。
在本发明的再一个实施例中,所述卡顿信息还包括卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一。
在本发明的再一个实施例中,所述卡顿信息还包括上报时间。
在本发明实施方式的第二方面中,提供了一种存储有程序的存储介质,所述程序被处理器执行时实现上述程序产品的卡顿定位方法的步骤。
在本发明实施方式的第三方面中,提供了一种程序产品的卡顿定位装置,包括:卡顿信息获取单元,用于接收并存储至少一个用户上报的卡顿信息;卡顿信息处理单元,对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
在本发明实施方式的第四方面中,提供了一种计算设备,包括上述存储介质。
根据本发明实施方式的程序产品的卡顿定位方法及装置、介质及计算设备,可以先收集用户终端发生的卡顿信息,通过对卡顿信息的聚合处理获得卡顿问题在用户之间的分布状态,以作为进一步解决卡顿问题的依据;而无需针对每一个用户的个体情况进行分析再提出解决方案。本发明多维度采集卡顿信息,再对卡顿信息进行聚合,能对程序产品的整体卡顿情况做出衡量并评估问题的影响面,从而显著地降低了卡顿信息的错误率,并且减少了卡顿误定位发生的概率,能为卡顿问题的修正提供有效依据,以期最终为用户带来更好的体验。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明实施方式的程序产品的卡顿定位方法的一个示例性处理的流程图;
图2示意性地示出了根据本发明另一实施例的程序产品的卡顿定位方法的示例性处理的流程图;
图3示意性地示出了根据本发明实施方式的程序产品的卡顿定位装置的一个示例的结构框图;
图4示意性地示出了根据本发明一实施例的计算机可读存储介质的示意图;
图5示意性地示出了根据本发明一实施例的计算机的结构框图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种程序产品的卡顿定位方法及装置、介质及计算设备。
在本文中,需要理解的是,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明人发现,现有技术方案中为了定位电子终端出现的卡顿,需要对终端个体进行逐个监测,并逐个判断寻找造成卡顿的成因。这虽然能在一定程度上解决卡顿问题,但无法对某一类卡顿问题在整体上做出衡量,并判断该类卡顿问题对程序的影响面。因此,获得的卡顿监测结果只能片面的体现个体终端的状态,对其它终端不具有指导作用。
本发明针对程序产品的卡顿问题提供了一种程序产品的卡顿定位方法及装置、介质及计算设备,在对卡顿信息按维度聚合后,获得程序产品的卡顿问题在用户之间的分布状态。由此可知,本发明实施方式提供的技术方案能够在基于维度选择的卡顿信息聚合的基础上,对程序产品的整体卡顿情况做出衡量,并进而获知卡顿问题的影响面;并基于此,从根源上查找缺陷,为进一步完善程序产品的性能提供指导性依据,使程序产品运行更顺畅,为用户提供更友好的体验。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
示例性方法
下面参考图1来描述根据本发明示例性实施方式的程序产品的卡顿定位方法。需要注意的是,本发明的实施方式不受任何应用场景的限制。相反,本发明的实施方式可以应用于适用的任何场景。
图1示意性地示出了根据本公开实施例的程序产品的卡顿定位方法的一种示例性处理流程100。
如图1所示,处理流程100开始于S110,然后执行步骤S120。
在步骤S120中,接收并存储至少一个用户上报的卡顿信息。
首先,对目标用户开启卡顿监控功能,用户发生一次卡顿,可以进行一次卡顿上报。
作为示例,卡顿监控功能可以通过线程监听应用程序实现。
作为示例,可以设定监控时间段,在监控时间段内接收用户上报的卡顿信息。
作为示例,卡顿信息可以来自于一个用户,例如,当监控时间设置的足够长,基于一个用户反馈的各个程序产品的卡顿信息也可以作为同类用户卡顿定位的依据。
作为示例,卡顿信息也可以来自于足够多个用户,例如以大数据的多元形式,自许多用户来源搜集获得庞大的卡顿信息数据组,并据此作为卡顿定位的依据,由此获得的后续数据更具说服力。
作为示例,卡顿信息的种类至少为两种,作为后续聚合的数据基础。
接下来可以执行步骤S130。
步骤S130,对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
作为示例,可以对用卡顿信息按可区别特征进行分类,再选择其中的某些相关联类别,按维度在后台完成聚合运算。所述的聚合,是指将分散的某类或某几类卡顿信息采用数学方法聚集到一起。基于聚合运算的结果,可以提出一些卡顿性指标,籍以表现程序产品的卡顿问题在用户之间的某种分布状态,从而可对程序产品——例如手机APP的整体卡顿情况做出衡量,并能很好的衡量某类卡顿问题的影响面。
作为示例,对于采集到的某种手机应用APP的卡顿信息,按其来源进行分类聚合的结果可以是:卡顿发生的机型分布,或者卡顿发生的系统平台分布等。从而可以获得所述应用APP在哪些机型上发生卡顿的概率比较高,或者是在哪一类系统平台上比较容易发生卡顿。
作为示例,本发明实施方式中所述卡顿信息可以存储于卡顿信息表中。采用表格存放卡顿数据可直接将卡顿信息分类,具有分类直观,条理清晰的特点,便于查询及数据的汇总;尤其对于大量的卡顿数据,更有助于提高数据处理的效率。
作为示例,本发明实施方式中所述卡顿信息可以包括程序产品名。为获得卡顿的统计数据再进行卡顿定位,可以首先从大范围上区分发生卡顿的程序,获得某个程序产品在采集时间段内发生卡顿的次数,并衡量程序的整体卡顿情况。
作为示例,本发明实施方式中所述程序产品名可以包括产品id以及产品版本至少其中之一。对于程序产品可以通过其身份标识号id来进一步分类,也可以通过产品版本来进一步分类,二者均可用于标识不同时段推出的具体的程序产品。例如,不同的电脑操作系统通常具有唯一对应的产品ID;而日常手机应用中的APP,通常以版本号来进一步区分产品,比如支付宝的版本号当前为10.1.8。将程序产品按产品id或版本号进一步分类,能够进一步明确卡顿所发生的具体程序。
作为示例,对于用户上报的例如手机微信的卡顿信息,假设在监测时间段内共收到卡顿上报20次。20次这个数据记录的是所有监测用户中微信APP发生卡顿的次数。如果再进一步按版本区分,例如微信6.6.1和微信6.6.2,就可以进一步明确每个版本发生的卡顿次数,例如微信6.6.1为12次,微信6.6.1为8次。由此可以初步判断哪个版本的微信稳定性更好,从而分析问题产生的原因,并针对性的解决。
作为示例,本发明实施方式中所述卡顿信息还可以包括进程名。进程作为应用程序的动态执行,可以将卡顿的出现具体到某个数据集合的一次运行活动上。按进程名分类后,卡顿的定位更准确了。
作为示例,本发明实施方式中所述卡顿信息在进程的分类下还可以包括卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一。进程的卡顿可以具体到执行的堆栈及发生的场景上;在某一进程下,记录卡顿的耗时时长可以辅助对卡顿问题的分析;而卡顿的发生时间在结合监控时间的基础上可以体现程序产品运行的稳定时长。综合来说,对卡顿信息监测的越全面,或者说分类越精细,则越有助于获得准确的卡顿定位,从而会为解决相应的问题提供更有效的信息。
作为示例,本发明实施方式中所述卡顿信息还包括上报时间。上报时间可以作为监控信息统计时段的时间依据。例如想要分别计算程序产品一小时内或一天内的卡顿率,可以上报时间作为时间分割点来进行数据统计。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合包括按程序产品名分类。所述的聚合,可以是将监控的卡顿信息按某种区别特征进行分类。一种比较简单并概括的分类可以是只分辨卡顿信息来源于哪个程序产品,它的分类结果可以在整体上确定程序产品在用户终端的卡顿分布状态。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合还可以包括按进程名分类。一个程序产品通常包括多个进程,若要进一步定位卡顿的来源,可以将卡顿信息具体到程序产品内的具体进程,从而更助于对卡顿的准确定位,并准确的分析问题。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合还可以包括基于进程名按卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一分类。在程序产品的某一进程下,进一步记录卡顿特征,例如记录卡顿堆栈可以确定卡顿的具体数据结构;记录卡顿场景可以确定卡顿的画面反映;卡顿耗时可以辅助说明程序产品的流畅度;卡顿发生时间则作为数据处理时的时间参考点。
作为示例,对A程序产品进行卡顿定位,假设A程序产品包括A1进程、A2进程、A3进程、A4进程及A5进程,对A程序产品按卡顿进程进行二维聚合,可以为:
以卡顿发生时间t为纵坐标,5个具体进程为横坐标建立平面直角坐标系,记录不同进程发生卡顿的具体时间点,将卡顿时间点连接可能形成一个折线图。参照聚合结果,可以分析程序产品运行过程中,不同进程的卡顿按时间的分布规律,了解卡顿进程的时间发生规律,也有助于对卡顿问题的分析。
处理流程100结束于S140。
图2示意性地示出了根据本公开实施方式的程序产品的卡顿定位方法的另一个示例的处理流程200。
如图2所示,处理流程200开始于S210,然后执行步骤S220。
步骤S220的处理可以与上文中结合图1所描述的处理流程100中的对应步骤S120的处理相同,并能够达到相类似的功能和效果,这里不再赘述。然后执行S230。
步骤S230中,在所述卡顿信息按维度聚合后,还要去重,然后获得程序产品的卡顿问题在用户之间的分布状态。
图2所示的处理流程200实际是在基于图1所示的处理流程100对卡顿信息按维度聚合的基础上,对卡顿信息去重,然后获得程序产品的卡顿分布状态。
作为示例,所述的去重可以是:对于不同终端上报的同一程序产品的卡顿信息,或同一进程的卡顿信息,可以折算为一个终端的多次上报信息。这样更能有效反映程序产品或进程发生卡顿的真实频率。当然,所述不同终端可以包括例如机型相同的不同终端,机型不同的不同终端,或者操作系统相同的不同终端和操作系统不同的不同终端等等;在实际使用中,可以基于不同的分析目的进行选择,例如,机型相同的不同终端,去重可以获得此机型中某程序的卡顿数据;而机型不同的不同终端,假设采用了同样的操作系统,去重可以是为了获得此类操作系统下某程序的卡顿数据。
作为示例,假设机型相同的P用户上报的微博APP卡顿次数为3次,Q用户上报的微博APP卡顿次数为2次,去重后,可以记录为P用户(或Q用户)共上报微博APP卡顿5次。
作为示例,本发明实施方式还可以包括:获取所述至少一个用户的用户信息,并存储于用户信息表中。事实上,电子终端发生的卡顿事件,除了与程序产品本身的缺陷相关以外,还与终端设备的具体配置相关。采集用户的相关信息,可辅助进一步确定卡顿事件发生的实质原因。因此,可以在对卡顿信息进行整理的基础上,进一步结合用户信息,确定卡顿的发生原因。采用用户信息表存储用户信息,方便用户信息的分门别类存放,也利于信息查询及汇总。在对用户开启卡顿监控功能之初,可以首先采集一次用户信息。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合可以包括基于所述用户信息对卡顿信息按维度聚合。这相当于对卡顿信息的聚合前提做了进一步限定,将卡顿事件与用户信息相关联,能获得更明确的卡顿聚合结果。
作为示例,本发明实施方式中所述用户信息包括系统平台、系统版本、设备终端id、设备终端机型信息、设备终端cpu信息以及设备终端内存信息至少其中之一。
前面提到过,卡顿事件的发生跟用户终端设备也会相关。用户终端的信息可以通过硬件配置及系统配置来体现。其中系统平台和系统版本可以决定用户终端的软件环境,例如对于电脑终端来说,系统平台可以包括微软的Windows操作系统、开源的linux以及苹果电脑所采用的操作系统;系统版本则可以将系统平台细化到不同时期推出的不同版本。而设备终端id可以作为终端的唯一标识码,例如为IMEI或MAC地址等;机型信息、cpu信息以及内存信息则决定了终端的硬件环境。
将卡顿信息在用户信息的基础上进行聚合,可以分辨出卡顿是由于程序产品的本身造成,还是设备原因造成,抑或是由操作系统造成。
作为示例,对于视频程序产品M,假设在监测时间段内共发生卡顿事件8次,如果其中6次都来源于同一机型的终端并采用同样的操作系统,而另外2次来源于其它机型,但也是同样的操作系统,则可以初步判断,卡顿的发生与操作系统的关系较大;不过考虑到其中6次来源于同样的机型,也需要进一步排查与设备硬件配置的相关性。
作为示例,本发明实施方式中所述用户信息还包括用户id。用户id可以简单的理解为对用户的编号,例如数字序列号,或者其它形式可唯一标识并便于查找的编码。
作为示例,本发明实施方式中所述用户信息还可以包括用户的属性信息。结合属性信息分析卡顿事件,能够判断卡顿与操作者操作特点之间的联系。例如男生与女生的操作习惯不同,对于同一款游戏APP,可能卡顿的发生点就有原则性的不同。
作为示例,本发明实施方式中所述用户的属性信息可以包括性别、职业、地域以及年龄段至少其中之一。对于电子终端的使用,不同性别、不同职业、不同年龄段甚至不同地域间,操作习惯可能都会不相同。而程序产品的某些卡顿,极有可能在某种操作行为下更易发生或者不易发生,因此要获取用户的属性信息,来寻找更适当的卡顿解决方案。
作为示例,本发明实施方式中可以基于用户信息对用户进行画像分析。
画像分析可以自由灵活的将用户的各种信息与卡顿事件关联起来,实现交互式分析应用。
作为示例,按系统版本对卡顿事件进行画像分析,并以卡顿发生的百分比作为分析结果:例如android5.0用户占比30%,android6.0用户占比40%,android7.0用户占比30%;或者按设备终端机型信息(品牌)对卡顿信息进行画像分析,以卡顿发生的百分比作为分析结果:例如华为占比40%,小米占比30%,oppo占比30%等等。如果再结合用户的属性信息对卡顿事件进行画像分析,可以获得不同用户群体间卡顿事件的差异,这也有助于针对不同的用户群体提供差异性解决方案。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态可以包括获得监测时间段内程序产品的卡顿上报用户数。对于上报多次的用户,经去重,只计算一次则获得卡顿上报用户数,所述卡顿上报用户数也可以理解为卡顿上报设备数。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内监控的程序产品用户数。监控的程序产品用户数一方面可以作为后续分析的卡顿基本监测数据,另一方面还可以基于监测的总用户数初步获得该程序产品在用户之间的使用度。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿上报用户数与监控的程序产品用户数获得监测时间段内程序产品的用户终端卡顿率。
作为示例,假设经去重后程序产品的卡顿上报用户数为5,即有5个用户的该程序产品发生了卡顿(此处不区分每个用户发生卡顿的次数),而监控用户中所述程序产品的用户数为10,则计算获得监测时间段内这种程序产品的用户终端卡顿率为0.5。
所述监测时间段为一天时,程序产品的用户终端卡顿率为日卡顿率,按监测时间段进行推算,也能获得日卡顿率。日卡顿率可以体现出终端程序产品的流畅度,日卡顿率越大,证明流畅度越差,用户体验越差。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内程序产品的卡顿总耗时。获得监测时间段内的卡顿总耗时,可以初步判断使用过程中卡顿时段所占的总体比例,对问题的影响程度建立一个初步的概念。
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内程序产品的卡顿上报次数。卡顿上报次数是不区分终端的次数累计,可用来反映程序产品发生卡顿的频率。卡顿上报次数能够反映出程序产品的整体稳定度,次数越多,说明越不稳定。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿总耗时和程序产品的卡顿上报次数获得单位时间内程序产品的每次平均卡顿时间。单位时间可以选择为一天,例如收到某程序产品在一天内卡顿总耗时8分钟,卡顿上报次数为4次,则其日每次平均卡顿时间为2分钟。通过程序产品的日每次平均卡顿时间判断程序的流畅度。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿上报次数和监控的程序产品用户数获得监测时间段内所述程序产品的人均卡顿率。此处所说的人均卡顿率是指每个用户终端的平均卡顿率,也就是监测时间段内每个终端程序产品的平均卡顿次数。例如某程序产品在一天内卡顿上报次数为4,程序产品用户数为20,则每个用户终端的日平均卡顿率为0.2。其实根据任意监测时间段内的人均卡顿率可以推算出单位时间的人均卡顿率。人均卡顿率越大,程序流畅度越差。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得程序产品的卡顿趋势图。基于卡顿信息绘制程序产品的卡顿趋势图能够很好的衡量卡顿的变化趋势。例如选定一个系统平台的应用版本和时间范围,绘制不同机型的设备终端某一程序产品的卡顿趋势图。
作为示例,本发明实施方式中所述卡顿趋势图包括基于程序产品的用户终端卡顿率、程序产品的每次平均卡顿时间和程序产品的人均卡顿率至少其中之一的卡顿趋势图。基于不同用户信息及时间范围的选择将程序产品的卡顿指标绘制成趋势图,可以呈现程序产品的卡顿变化趋势。例如选定设备终端的同样cpu信息及时间范围,绘制不同系统平台下某一程序产品的用户终端卡顿率趋势图。
作为示例,本发明实施方式中所述卡顿趋势图基于选定的程序产品应用版本及卡顿上报时间段至少之一获得。作为不同的数据分析使用,可以按应用版本绘制程序产品的卡顿指标趋势图作为分析对照;或基于选定时间段,绘制程序产品的卡顿指标趋势图。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态包括基于卡顿信息表的分类获得函数堆栈的卡顿排名。也就是说,对于某个程序产品,将造成卡顿的函数堆栈进行排名,函数堆栈产生的卡顿次数越多,说明函数堆栈有缺陷的机率越大。
作为示例,本发明实施方式中所述函数堆栈的卡顿排名包括函数堆栈卡顿上报次数排名、平均耗时排名及用户数量排名至少其中之一。由于卡顿信息存储于卡顿信息表中,利用卡顿信息表的分类进行求和,即可以获得不同堆栈基于不同分类方式的排名,根据排名信息能迅速定位到卡顿最严重,影响面最广的函数堆栈。此处所述的用户数量是指发生卡顿的用户数量。
作为示例,对于程序产品的a函数堆栈、b函数堆栈和c函数堆栈,假设a函数堆栈在监控时段内上报卡顿15次,平均耗时4秒钟,用户数量为10;b函数堆栈在监控时段内上报卡顿9次,平均耗时8秒钟,用户数量为7;c函数堆栈在监控时段内上报卡顿3次,平均耗时5秒钟,用户数量为2;如果以卡顿上报次数排名则排序为a函数堆栈、b函数堆栈和c函数堆栈;如果以平均耗时排名则为b函数堆栈、c函数堆栈和a函数堆栈;如果以发生卡顿的用户数量排名则排序也为a函数堆栈、b函数堆栈和c函数堆栈;进一步地,也可以基于上报卡顿次数与发生卡顿的用户数量作一计算,获得例如每个用户发生卡顿的次数,进行排名。通过对排名情况的综合分析,能够获得更准确的卡顿定位。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态包括基于卡顿信息表获得程序产品的差异化性能指标。此处也体现出来采用卡顿信息表存储卡顿信息的优势,通过卡顿信息表,按维度选择后,能直接获得程序产品的卡顿差异化对比结果。例如获得程序产品在不同系统版本、不同机型或不同应用版本之间的差异化对照,这能对系统版本差异、机型差异、应用版本差异导致的卡顿问题进行很好的定位。
作为示例,本发明实施方式中所述程序产品的差异化性能指标包括基于卡顿信息表的程序产品的产品版本获得的差异化性能指标。就是据此查看同一程序产品的不同版本之间发生卡顿的不同情形,获得产品的性能差别。
作为示例,本发明实施方式中所述程序产品的差异化性能指标包括基于用户信息表的系统版本及设备终端机型信息至少其中之一的差异化性能指标。因为卡顿的发生与硬件设备及所在的操作系统版本均相关,所以据此分类进行差异化比较,均有助于对卡顿进行实质性定位。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合后,还以字段搜索的方式获得个体用户的卡顿定位。对于在卡顿信息表中存放的卡顿信息,可以按用户信息表中的分类字段进行精确搜索。这为个体用户查找程序产品的卡顿原因提供了很好的查询途径,基于具体的用户信息字段,能够方便的查找到个体用户发生的卡顿问题。
作为示例,本发明实施方式中所述字段搜索包括基于用户信息的分类进行的搜索。由于卡顿信息的聚合可以在基于用户信息的基础上实现,可以理解为将卡顿用户表与用户信息表合二为一,这样将用户信息中的项目作为搜索的字段,则很容易获取相应的卡顿信息。
作为示例,本发明实施方式中所述字段搜索包括基于设备终端i d、系统版本、设备终端机型信息至少其中之一进行的搜索。当要获取个体用户的卡顿信息时,根据上述任何一用户信息表中存在的分类,都能对欲获取的信息进行准确的定位。
作为示例,本发明实施方式中所述字段搜索还包括基于卡顿信息的产品版本及上报时间至少其中之一进行的搜索。对于个体用户的卡顿信息排查可以具体到产品版本及上报时间段儿,结合用户信息表和卡顿信息表来实现这种精确搜索,能快速的获取卡顿信息。
作为示例,本发明实施方式中所述设备终端可以包括手机终端或电脑终端。对于基于操作系统实现运行的程序产品均可以采用上述方法进行卡顿定位。
处理流程200结束于步骤S240。
本发明是在多类别信息采集的基础上进行的卡顿定位,通过上述示例表明,本发明能够通过对卡顿信息的聚合获得卡顿指标,从而能在整体上衡量程序产品的卡顿情况;又能进一步衡量卡顿问题的严重性及影响面,从而可针对性的确定程序产品存在的问题,指导程序产品在设计中通过更有效的技术手段解决存在的问题,达到更好的性能。
示例性介质
在介绍了本发明示例性实施方式的方法之后,接下来,参考图4描述本发明示例性实施方式的计算机可读存储介质,用于实现上述示例性方法部分中描述的根据本发明各种示例性实施方式的方法中的步骤。
图4的计算机可读存储介质为光盘400,其上存储有计算机程序(即程序产品),该程序被处理器执行时,会实现上述方法实施方式中所记载的各步骤,例如,接收并存储至少一个用户上报的卡顿信息;对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。各步骤的具体实现方式在此不再重复说明。
示例性装置
在介绍了本发明示例性实施方式的介质之后,接下来,参考图3对本发明示例性实施方式的程序产品的卡顿定位装置进行说明。
参见图3,示意性地示出了根据本发明实施方式的程序产品的卡顿定位装置的结构框图,该装置可以设置于终端设备中,例如,该装置可以设置于计算机中。本发明实施方式的装置300可以包括下述组成单元:卡顿信息获取单元310和卡顿信息处理单元320。
流量监测单元310可以用于接收并存储至少一个用户上报的卡顿信息。
首先,对目标用户开启卡顿监控功能,用户发生一次卡顿,可以进行一次卡顿上报。
作为示例,卡顿监控功能可以通过线程监听应用程序实现。
作为示例,可以设定监控时间段,在监控时间段内接收用户上报的卡顿信息。
作为示例,卡顿信息可以来自于一个用户,例如,当监控时间设置的足够长,基于一个用户反馈的各个程序产品的卡顿信息也可以作为同类用户卡顿定位的依据。
作为示例,卡顿信息也可以来自于足够多个用户,例如以大数据的多元形式,自许多用户来源搜集获得庞大的卡顿信息数据组,并据此作为卡顿定位的依据,由此获得的后续数据更具说服力。
作为示例,卡顿信息的种类至少为两种,作为后续聚合的数据基础。
卡顿信息处理单元320可以对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
作为示例,可以对用卡顿信息按可区别特征进行分类,再选择其中的某些相关联类别,按维度在后台完成聚合运算。所述的聚合,是指将分散的某类或某几类卡顿信息采用数学方法聚集到一起。基于聚合运算的结果,可以提出一些卡顿性指标,籍以表现程序产品的卡顿问题在用户之间的某种分布状态,从而可对程序产品——例如手机APP的整体卡顿情况做出衡量,并能很好的衡量某类卡顿问题的影响面。
作为示例,对于采集到的某种手机应用APP的卡顿信息,按其来源进行分类聚合的结果可以是:卡顿发生的机型分布,或者卡顿发生的系统平台分布等。从而可以获得所述应用APP在哪些机型上发生卡顿的概率比较高,或者是在哪一类系统平台上比较容易发生卡顿。
作为示例,本发明实施方式中所述卡顿信息可以存储于卡顿信息表中。采用表格存放卡顿数据可直接将卡顿信息分类,具有分类直观,条理清晰的特点,便于查询及数据的汇总;尤其对于大量的卡顿数据,更有助于提高数据处理的效率。
作为示例,本发明实施方式中所述卡顿信息可以包括程序产品名。为获得卡顿的统计数据再进行卡顿定位,可以首先从大范围上区分发生卡顿的程序,获得某个程序产品在采集时间段内发生卡顿的次数,并衡量程序的整体卡顿情况。
作为示例,本发明实施方式中所述程序产品名可以包括产品id以及产品版本至少其中之一。对于程序产品可以通过其身份标识号id来进一步分类,也可以通过产品版本来进一步分类,二者均可用于标识不同时段推出的具体的程序产品。例如,不同的电脑操作系统通常具有唯一对应的产品ID;而日常手机应用中的APP,通常以版本号来进一步区分产品,比如支付宝的版本号当前为10.1.8。将程序产品按产品id或版本号进一步分类,能够进一步明确卡顿所发生的具体程序。
作为示例,对于用户上报的例如手机微信的卡顿信息,假设在监测时间段内共收到卡顿上报20次。20次这个数据记录的是所有监测用户中微信APP发生卡顿的次数。如果再进一步按版本区分,例如微信6.6.1和微信6.6.2,就可以进一步明确每个版本发生的卡顿次数,例如微信6.6.1为12次,微信6.6.1为8次。由此可以初步判断哪个版本的微信稳定性更好,从而分析问题产生的原因,并针对性的解决。
作为示例,本发明实施方式中所述卡顿信息还可以包括进程名。进程作为应用程序的动态执行,可以将卡顿的出现具体到某个数据集合的一次运行活动上。按进程名分类后,卡顿的定位更准确了。
作为示例,本发明实施方式中所述卡顿信息在进程的分类下还可以包括卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一。进程的卡顿可以具体到执行的堆栈及发生的场景上;在某一进程下,记录卡顿的耗时时长可以辅助对卡顿问题的分析;而卡顿的发生时间在结合监控时间的基础上可以体现程序产品运行的稳定时长。综合来说,对卡顿信息监测的越全面,或者说分类越精细,则越有助于获得准确的卡顿定位,从而会为解决相应的问题提供更有效的信息。
作为示例,本发明实施方式中所述卡顿信息还包括上报时间。上报时间可以作为监控信息统计时段的时间依据。例如想要分别计算程序产品一小时内或一天内的卡顿率,可以上报时间作为时间分割点来进行数据统计。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合包括按程序产品名分类。所述的聚合,可以是将监控的卡顿信息按某种区别特征进行分类。一种比较简单并概括的分类可以是只分辨卡顿信息来源于哪个程序产品,它的分类结果可以在整体上确定程序产品在用户终端的卡顿分布状态。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合还可以包括按进程名分类。一个程序产品通常包括多个进程,若要进一步定位卡顿的来源,可以将卡顿信息具体到程序产品内的具体进程,从而更助于对卡顿的准确定位,并准确的分析问题。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合还可以包括基于进程名按卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一分类。在程序产品的某一进程下,进一步记录卡顿特征,例如记录卡顿堆栈可以确定卡顿的具体数据结构;记录卡顿场景可以确定卡顿的画面反映;卡顿耗时可以辅助说明程序产品的流畅度;卡顿发生时间则作为数据处理时的时间参考点。
作为示例,对A程序产品进行卡顿定位,假设A程序产品包括A1进程、A2进程、A3进程、A4进程及A5进程,对A程序产品按卡顿进程进行二维聚合,可以为:
以卡顿发生时间t为纵坐标,5个具体进程为横坐标建立平面直角坐标系,记录不同进程发生卡顿的具体时间点,将卡顿时间点连接可能形成一个折线图。参照聚合结果,可以分析程序产品运行过程中,不同进程的卡顿按时间的分布规律,了解卡顿进程的时间发生规律,也有助于对卡顿问题的分析。
作为示例,在所述卡顿信息按维度聚合后,还要去重,然后获得程序产品的卡顿问题在用户之间的分布状态。
作为示例,所述的去重可以是:对于不同终端上报的同一程序产品的卡顿信息,或同一进程的卡顿信息,可以折算为一个终端的多次上报信息。这样更能有效反映程序产品或进程发生卡顿的真实频率。当然,所述不同终端可以包括例如机型相同的不同终端,机型不同的不同终端,或者操作系统相同的不同终端和操作系统不同的不同终端等等;在实际使用中,可以基于不同的分析目的进行选择,例如,机型相同的不同终端,去重可以获得此机型中某程序的卡顿数据;而机型不同的不同终端,假设采用了同样的操作系统,去重可以是为了获得此类操作系统下某程序的卡顿数据。
作为示例,假设机型相同的P用户上报的微博APP卡顿次数为3次,Q用户上报的微博APP卡顿次数为2次,去重后,可以记录为P用户(或Q用户)共上报微博APP卡顿5次。
作为示例,本发明实施方式还可以包括:获取所述至少一个用户的用户信息,并存储于用户信息表中。事实上,电子终端发生的卡顿事件,除了与程序产品本身的缺陷相关以外,还与终端设备的具体配置相关。采集用户的相关信息,可辅助进一步确定卡顿事件发生的实质原因。因此,可以在对卡顿信息进行整理的基础上,进一步结合用户信息,确定卡顿的发生原因。采用用户信息表存储用户信息,方便用户信息的分门别类存放,也利于信息查询及汇总。在对用户开启卡顿监控功能之初,可以首先采集一次用户信息。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合可以包括基于所述用户信息对卡顿信息按维度聚合。这相当于对卡顿信息的聚合前提做了进一步限定,将卡顿事件与用户信息相关联,能获得更明确的卡顿聚合结果。
作为示例,本发明实施方式中所述用户信息包括系统平台、系统版本、设备终端id、设备终端机型信息、设备终端cpu信息以及设备终端内存信息至少其中之一。
前面提到过,卡顿事件的发生跟用户终端设备也会相关。用户终端的信息可以通过硬件配置及系统配置来体现。其中系统平台和系统版本可以决定用户终端的软件环境,例如对于电脑终端来说,系统平台可以包括微软的Windows操作系统、开源的linux以及苹果电脑所采用的操作系统;系统版本则可以将系统平台细化到不同时期推出的不同版本。而设备终端id可以作为终端的唯一标识码,例如为IMEI或MAC地址等;机型信息、cpu信息以及内存信息则决定了终端的硬件环境。
将卡顿信息在用户信息的基础上进行聚合,可以分辨出卡顿是由于程序产品的本身造成,还是设备原因造成,抑或是由操作系统造成。
作为示例,对于视频程序产品M,假设在监测时间段内共发生卡顿事件8次,如果其中6次都来源于同一机型的终端并采用同样的操作系统,而另外2次来源于其它机型,但也是同样的操作系统,则可以初步判断,卡顿的发生与操作系统的关系较大;不过考虑到其中6次来源于同样的机型,也需要进一步排查与设备硬件配置的相关性。
作为示例,本发明实施方式中所述用户信息还包括用户id。用户id可以简单的理解为对用户的编号,例如数字序列号,或者其它形式可唯一标识并便于查找的编码。
作为示例,本发明实施方式中所述用户信息还可以包括用户的属性信息。结合属性信息分析卡顿事件,能够判断卡顿与操作者操作特点之间的联系。例如男生与女生的操作习惯不同,对于同一款游戏APP,可能卡顿的发生点就有原则性的不同。
作为示例,本发明实施方式中所述用户的属性信息可以包括性别、职业、地域以及年龄段至少其中之一。对于电子终端的使用,不同性别、不同职业、不同年龄段甚至不同地域间,操作习惯可能都会不相同。而程序产品的某些卡顿,极有可能在某种操作行为下更易发生或者不易发生,因此要获取用户的属性信息,来寻找更适当的卡顿解决方案。
作为示例,本发明实施方式中可以基于用户信息对用户进行画像分析。
画像分析可以自由灵活的将用户的各种信息与卡顿事件关联起来,实现交互式分析应用。
作为示例,按系统版本对卡顿事件进行画像分析,并以卡顿发生的百分比作为分析结果:例如android5.0用户占比30%,android6.0用户占比40%,android7.0用户占比30%;或者按设备终端机型信息(品牌)对卡顿信息进行画像分析,以卡顿发生的百分比作为分析结果:例如华为占比40%,小米占比30%,oppo占比30%等等。如果再结合用户的属性信息对卡顿事件进行画像分析,可以获得不同用户群体间卡顿事件的差异,这也有助于针对不同的用户群体提供差异性解决方案。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态可以包括获得监测时间段内程序产品的卡顿上报用户数。对于上报多次的用户,经去重,只计算一次则获得卡顿上报用户数,所述卡顿上报用户数也可以理解为卡顿上报设备数。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内监控的程序产品用户数。监控的程序产品用户数一方面可以作为后续分析的卡顿基本监测数据,另一方面还可以基于监测的总用户数初步获得该程序产品在用户之间的使用度。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿上报用户数与监控的程序产品用户数获得监测时间段内程序产品的用户终端卡顿率。
作为示例,假设经去重后程序产品的卡顿上报用户数为5,即有5个用户的该程序产品发生了卡顿(此处不区分每个用户发生卡顿的次数),而监控用户中所述程序产品的用户数为10,则计算获得监测时间段内这种程序产品的用户终端卡顿率为0.5。
所述监测时间段为一天时,程序产品的用户终端卡顿率为日卡顿率,按监测时间段进行推算,也能获得日卡顿率。日卡顿率可以体现出终端程序产品的流畅度,日卡顿率越大,证明流畅度越差,用户体验越差。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内程序产品的卡顿总耗时。获得监测时间段内的卡顿总耗时,可以初步判断使用过程中卡顿时段所占的总体比例,对问题的影响程度建立一个初步的概念。
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内程序产品的卡顿上报次数。卡顿上报次数是不区分终端的次数累计,可用来反映程序产品发生卡顿的频率。卡顿上报次数能够反映出程序产品的整体稳定度,次数越多,说明越不稳定。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿总耗时和程序产品的卡顿上报次数获得单位时间内程序产品的每次平均卡顿时间。单位时间可以选择为一天,例如收到某程序产品在一天内卡顿总耗时8分钟,卡顿上报次数为4次,则其日每次平均卡顿时间为2分钟。通过程序产品的日每次平均卡顿时间判断程序的流畅度。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿上报次数和监控的程序产品用户数获得监测时间段内所述程序产品的人均卡顿率。此处所说的人均卡顿率是指每个用户终端的平均卡顿率,也就是监测时间段内每个终端程序产品的平均卡顿次数。例如某程序产品在一天内卡顿上报次数为4,程序产品用户数为20,则每个用户终端的日平均卡顿率为0.2。其实根据任意监测时间段内的人均卡顿率可以推算出单位时间的人均卡顿率。人均卡顿率越大,程序流畅度越差。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得程序产品的卡顿趋势图。基于卡顿信息绘制程序产品的卡顿趋势图能够很好的衡量卡顿的变化趋势。例如选定一个系统平台的应用版本和时间范围,绘制不同机型的设备终端某一程序产品的卡顿趋势图。
作为示例,本发明实施方式中所述卡顿趋势图包括基于程序产品的用户终端卡顿率、程序产品的每次平均卡顿时间和程序产品的人均卡顿率至少其中之一的卡顿趋势图。基于不同用户信息及时间范围的选择将程序产品的卡顿指标绘制成趋势图,可以呈现程序产品的卡顿变化趋势。例如选定设备终端的同样cpu信息及时间范围,绘制不同系统平台下某一程序产品的用户终端卡顿率趋势图。
作为示例,本发明实施方式中所述卡顿趋势图基于选定的程序产品应用版本及卡顿上报时间段至少之一获得。作为不同的数据分析使用,可以按应用版本绘制程序产品的卡顿指标趋势图作为分析对照;或基于选定时间段,绘制程序产品的卡顿指标趋势图。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态包括基于卡顿信息表的分类获得函数堆栈的卡顿排名。也就是说,对于某个程序产品,将造成卡顿的函数堆栈进行排名,函数堆栈产生的卡顿次数越多,说明函数堆栈有缺陷的机率越大。
作为示例,本发明实施方式中所述函数堆栈的卡顿排名包括函数堆栈卡顿上报次数排名、平均耗时排名及用户数量排名至少其中之一。由于卡顿信息存储于卡顿信息表中,利用卡顿信息表的分类进行求和,即可以获得不同堆栈基于不同分类方式的排名,根据排名信息能迅速定位到卡顿最严重,影响面最广的函数堆栈。此处所述的用户数量是指发生卡顿的用户数量。
作为示例,对于程序产品的a函数堆栈、b函数堆栈和c函数堆栈,假设a函数堆栈在监控时段内上报卡顿15次,平均耗时4秒钟,用户数量为10;b函数堆栈在监控时段内上报卡顿9次,平均耗时8秒钟,用户数量为7;c函数堆栈在监控时段内上报卡顿3次,平均耗时5秒钟,用户数量为2;如果以卡顿上报次数排名则排序为a函数堆栈、b函数堆栈和c函数堆栈;如果以平均耗时排名则为b函数堆栈、c函数堆栈和a函数堆栈;如果以发生卡顿的用户数量排名则排序也为a函数堆栈、b函数堆栈和c函数堆栈;进一步地,也可以基于上报卡顿次数与发生卡顿的用户数量作一计算,获得例如每个用户发生卡顿的次数,进行排名。通过对排名情况的综合分析,能够获得更准确的卡顿定位。
作为示例,本发明实施方式中所述获得程序产品的卡顿问题在用户之间的分布状态包括基于卡顿信息表获得程序产品的差异化性能指标。此处也体现出来采用卡顿信息表存储卡顿信息的优势,通过卡顿信息表,按维度选择后,能直接获得程序产品的卡顿差异化对比结果。例如获得程序产品在不同系统版本、不同机型或不同应用版本之间的差异化对照,这能对系统版本差异、机型差异、应用版本差异导致的卡顿问题进行很好的定位。
作为示例,本发明实施方式中所述程序产品的差异化性能指标包括基于卡顿信息表的程序产品的产品版本获得的差异化性能指标。就是据此查看同一程序产品的不同版本之间发生卡顿的不同情形,获得产品的性能差别。
作为示例,本发明实施方式中所述程序产品的差异化性能指标包括基于用户信息表的系统版本及设备终端机型信息至少其中之一的差异化性能指标。因为卡顿的发生与硬件设备及所在的操作系统版本均相关,所以据此分类进行差异化比较,均有助于对卡顿进行实质性定位。
作为示例,本发明实施方式中对所述卡顿信息按维度聚合后,还以字段搜索的方式获得个体用户的卡顿定位。对于在卡顿信息表中存放的卡顿信息,可以按用户信息表中的分类字段进行精确搜索。这为个体用户查找程序产品的卡顿原因提供了很好的查询途径,基于具体的用户信息字段,能够方便的查找到个体用户发生的卡顿问题。
作为示例,本发明实施方式中所述字段搜索包括基于用户信息的分类进行的搜索。由于卡顿信息的聚合可以在基于用户信息的基础上实现,可以理解为将卡顿用户表与用户信息表合二为一,这样将用户信息中的项目作为搜索的字段,则很容易获取相应的卡顿信息。
作为示例,本发明实施方式中所述字段搜索包括基于设备终端i d、系统版本、设备终端机型信息至少其中之一进行的搜索。当要获取个体用户的卡顿信息时,根据上述任何一用户信息表中存在的分类,都能对欲获取的信息进行准确的定位。
作为示例,本发明实施方式中所述字段搜索还包括基于卡顿信息的产品版本及上报时间至少其中之一进行的搜索。对于个体用户的卡顿信息排查可以具体到产品版本及上报时间段儿,结合用户信息表和卡顿信息表来实现这种精确搜索,能快速的获取卡顿信息。
作为示例,本发明实施方式中所述设备终端可以包括手机终端或电脑终端。对于基于操作系统实现运行的程序产品均可以采用上述方法进行卡顿定位。
示例性计算设备
在介绍了本发明示例性实施方式的方法、介质和装置之后,接下来,参考图5描述本发明示例性实施方式的计算机系统/服务器50。图5显示的计算机系统/服务器50仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统/服务器50以通用计算设备的形式表现。计算机系统/服务器50的组件可以包括但不限于:一个或者多个处理器或者处理单元501,系统存储器502,连接不同系统组件(包括系统存储器502和处理单元501)的总线503。
计算机系统/服务器50典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器50访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器502可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)5021和/或高速缓存存储器5022。计算机系统/服务器50可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,ROM5023可以用于读写不可移动的、非易失性磁介质(图5中未显示,通常称为“硬盘驱动器”)。尽管未在图5中示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线503相连。系统存储器502中可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块5024的程序/实用工具5025,可以存储在例如系统存储器502中,且这样的程序模块5024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块5024通常执行本发明所描述的实施例中的功能和/或方法。
计算机系统/服务器50也可以与一个或多个外部设备504(如键盘、指向设备、显示器等)通信。这种通信可以通过输入/输出(I/O)接口505进行。并且,计算机系统/服务器50还可以通过网络适配器506与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器506通过总线503与计算机系统/服务器50的其它模块(如处理单元501等)通信。应当明白,尽管图5中未示出,可以结合计算机系统/服务器50使用其它硬件和/或软件模块。
处理单元501通过运行存储在系统存储器502中的程序,从而执行各种功能应用以及数据处理,例如,执行并实现程序产品的卡顿定位方法中的各步骤;例如,接收并存储至少一个用户上报的卡顿信息;以及对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
应当注意,尽管在上文详细描述中提及了程序产品的卡顿定位装置的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
综上,在根据本公开的实施例中,本公开提供了如下方案,但不限于此:
方案1.一种程序产品的卡顿定位方法,包括:
接收并存储至少一个用户上报的卡顿信息;以及
对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
方案2.根据方案1所述的程序产品的卡顿定位方法,
所述卡顿信息存储于卡顿信息表中。
方案3.根据方案1或2所述的程序产品的卡顿定位方法,
所述卡顿信息包括程序产品名。
方案4.根据方案3所述的程序产品的卡顿定位方法,
所述程序产品名包括产品id以及产品版本至少其中之一。
方案5.根据方案3或4所述的程序产品的卡顿定位方法,
所述卡顿信息还包括进程名。
方案6.根据方案5所述的程序产品的卡顿定位方法,
所述卡顿信息还包括卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一。
方案7.根据方案1~6中任一项所述的程序产品的卡顿定位方法,所述卡顿信息还包括上报时间。
方案8.根据方案3~7中任一项所述的程序产品的卡顿定位方法,对所述卡顿信息按维度聚合包括按程序产品名分类。
方案9.根据方案5~8中任一项所述的程序产品的卡顿定位方法,对所述卡顿信息按维度聚合还包括按进程名分类。
方案10.根据方案9所述的程序产品的卡顿定位方法,
对所述卡顿信息按维度聚合还包括基于进程名按卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一分类。
方案11.根据方案1~10中任一项所述的程序产品的卡顿定位方法,
所述卡顿信息按维度聚合后,还要去重,然后获得程序产品的卡顿问题在用户之间的分布状态。
方案12.根据方案1~11中任一项所述的程序产品的卡顿定位方法,
获取所述至少一个用户的用户信息,并存储于用户信息表中。
方案13.根据方案12所述的程序产品的卡顿定位方法,
对所述卡顿信息按维度聚合包括基于所述用户信息对卡顿信息按维度聚合。
方案14.根据方案12或13所述的程序产品的卡顿定位方法,
所述用户信息包括系统平台、系统版本、设备终端id、设备终端机型信息、设备终端cpu信息以及设备终端内存信息至少其中之一。
方案15.根据方案14所述的程序产品的卡顿定位方法,所述用户信息还包括用户id。
方案16.根据方案12~15中任一项所述的程序产品的卡顿定位方法,
所述用户信息还包括用户的属性信息。
方案17.根据方案16所述的程序产品的卡顿定位方法,
所述用户的属性信息包括性别、职业、地域以及年龄段至少其中之一。
方案18.根据方案12~17所述的程序产品的卡顿定位方法,
基于用户信息对用户进行画像分析。
方案19.根据方案11~18中任一项所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态包括获得监测时间段内程序产品的卡顿上报用户数。
方案20.根据方案11~19中任一项所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内监控的程序产品用户数。
方案21.根据方案20所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿上报用户数与监控的程序产品用户数获得监测时间段内程序产品的用户终端卡顿率。
方案22.根据方案11~21中任一项所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内程序产品的卡顿总耗时。
方案23.根据方案11~22中任一项所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内程序产品的卡顿上报次数。
方案24.根据方案23所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿总耗时和程序产品的卡顿上报次数获得单位时间内程序产品的每次平均卡顿时间。
方案25.根据方案23和24所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿上报次数和监控的程序产品用户数获得监测时间段内所述程序产品的人均卡顿率。
方案26.根据方案25所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得程序产品的卡顿趋势图。
方案27.根据方案26所述的程序产品的卡顿定位方法,
所述卡顿趋势图包括基于程序产品的用户终端卡顿率、程序产品的平均卡顿时间和程序产品的人均卡顿率至少其中之一的卡顿趋势图。
方案28.根据方案27所述的程序产品的卡顿定位方法,
所述卡顿趋势图基于选定的程序产品应用版本及卡顿上报时间段至少之一获得。
方案29.根据方案11~28中任一项所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态包括基于卡顿信息表的分类获得函数堆栈的卡顿排名。
方案30.根据方案29所述的程序产品的卡顿定位方法,
所述函数堆栈的卡顿排名包括函数堆栈卡顿上报次数排名、平均耗时排名及用户数量排名至少其中之一。
方案31.根据方案11~30中任一项所述的程序产品的卡顿定位方法,
所述获得程序产品的卡顿问题在用户之间的分布状态包括基于卡顿信息表获得程序产品的差异化性能指标。
方案32.根据方案31所述的程序产品的卡顿定位方法,
所述程序产品的差异化性能指标包括基于卡顿信息表的程序产品的产品版本获得的差异化性能指标。
方案33.根据方案31或32所述的程序产品的卡顿定位方法,
所述程序产品的差异化性能指标包括基于用户信息表的系统版本及设备终端机型信息至少其中之一的差异化性能指标。
方案34.根据方案11~33中任一项所述的程序产品的卡顿定位方法,
对所述卡顿信息按维度聚合后,还以字段搜索的方式获得个体用户的卡顿定位。
方案35.根据方案34所述的程序产品的卡顿定位方法,
所述字段搜索包括基于用户信息的分类进行的搜索。
方案36.根据方案34或35所述的程序产品的卡顿定位方法,
所述字段搜索包括基于设备终端id、系统版本、设备终端机型信息至少其中之一进行的搜索。
方案37.根据方案36所述的程序产品的卡顿定位方法,
所述字段搜索还包括基于卡顿信息的产品版本及上报时间至少其中之一进行的搜索。
方案38.根据方案14~37中任一项所述的程序产品的卡顿定位方法,
所述设备终端包括手机终端或电脑终端。
方案39.一种存储有程序的存储介质,所述程序被处理器执行时实现根据方案1~38中任一项所述方法的步骤。
方案40.一种程序产品的卡顿定位装置,包括:
卡顿信息获取单元,用于接收并存储至少一个用户上报的卡顿信息;
卡顿信息处理单元,对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
方案41.根据方案40所述的程序产品的卡顿定位装置,
所述卡顿信息存储于卡顿信息表中。
方案42.根据方案40或41所述的程序产品的卡顿定位装置,
所述卡顿信息包括程序产品名。
方案43.根据方案42所述的程序产品的卡顿定位装置,
所述程序产品名包括产品id以及产品版本至少其中之一。
方案44.根据方案42或43所述的程序产品的卡顿定位装置,
所述卡顿信息还包括进程名。
方案45.根据方案44所述的程序产品的卡顿定位装置,
所述卡顿信息还包括卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一。
方案46.根据方案40~45中任一项所述的程序产品的卡顿定位装置,所述卡顿信息还包括上报时间。
方案47.根据方案42~46中任一项所述的程序产品的卡顿定位装置,对所述卡顿信息按维度聚合包括按程序产品名分类。
方案48.根据方案44~47中任一项所述的程序产品的卡顿定位装置,对所述卡顿信息按维度聚合还包括按进程名分类。
方案49.根据方案48所述的程序产品的卡顿定位装置,
对所述卡顿信息按维度聚合还包括基于进程名按卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一分类。
方案50.根据方案40~49中任一项所述的程序产品的卡顿定位装置,
所述卡顿信息按维度聚合后,还要去重,然后获得程序产品的卡顿问题在用户之间的分布状态。
方案51.根据方案40~50中任一项所述的程序产品的卡顿定位装置,
获取所述至少一个用户的用户信息,并存储于用户信息表中。
方案52.根据方案51所述的程序产品的卡顿定位装置,
对所述卡顿信息按维度聚合包括基于所述用户信息对卡顿信息按维度聚合。
方案53.根据方案51或52所述的程序产品的卡顿定位装置,
所述用户信息包括系统平台、系统版本、设备终端id、设备终端机型信息、设备终端cpu信息以及设备终端内存信息至少其中之一。
方案54.根据方案53所述的程序产品的卡顿定位装置,所述用户信息还包括用户id。
方案55.根据方案51~54中任一项所述的程序产品的卡顿定位装置,
所述用户信息还包括用户的属性信息。
方案56.根据方案55所述的程序产品的卡顿定位装置,
所述用户的属性信息包括性别、职业、地域以及年龄段至少其中之一。
方案57.根据方案51~56中任一项所述的程序产品的卡顿定位装置,
基于用户信息对用户进行画像分析。
方案58.根据方案50~57中任一项所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态包括获得监测时间段内程序产品的卡顿上报用户数。
方案59.根据方案50~58中任一项所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内监控的程序产品用户数。
方案60.根据方案59所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿上报用户数与监控的程序产品用户数获得监测时间段内程序产品的用户终端卡顿率。
方案61.根据方案50~60中任一项所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内程序产品的卡顿总耗时。
方案62.根据方案50~61中任一项所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得监测时间段内程序产品的卡顿上报次数。
方案63.根据方案62所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿总耗时和程序产品的卡顿上报次数获得单位时间内程序产品的每次平均卡顿时间。
方案64.根据方案62和63所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括基于程序产品的卡顿上报次数和监控的程序产品用户数获得监测时间段内所述程序产品的人均卡顿率。
方案65.根据方案64所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态还包括获得程序产品的卡顿趋势图。
方案66.根据方案65所述的程序产品的卡顿定位装置,
所述卡顿趋势图包括基于程序产品的用户终端卡顿率、程序产品的平均卡顿时间和程序产品的人均卡顿率至少其中之一的卡顿趋势图。
方案67.根据方案66所述的程序产品的卡顿定位装置,
所述卡顿趋势图基于选定的程序产品应用版本及卡顿上报时间段至少之一获得。
方案68.根据方案50~67中任一项所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态包括基于卡顿信息表的分类获得函数堆栈的卡顿排名。
方案69.根据方案68所述的程序产品的卡顿定位装置,
所述函数堆栈的卡顿排名包括函数堆栈卡顿上报次数排名、平均耗时排名及用户数量排名至少其中之一。
方案70.根据方案50~69中任一项所述的程序产品的卡顿定位装置,
所述获得程序产品的卡顿问题在用户之间的分布状态包括基于卡顿信息表获得程序产品的差异化性能指标。
方案71.根据方案70所述的程序产品的卡顿定位装置,
所述程序产品的差异化性能指标包括基于卡顿信息表的程序产品的产品版本获得的差异化性能指标。
方案72.根据方案70或71所述的程序产品的卡顿定位装置,所述程序产品的差异化性能指标包括基于用户信息表的系统版本及设备终端机型信息至少其中之一的差异化性能指标。
方案73.根据方案50~72中任一项所述的程序产品的卡顿定位装置,
对所述卡顿信息按维度聚合后,还以字段搜索的方式获得个体用户的卡顿定位。
方案74.根据方案73所述的程序产品的卡顿定位装置,
所述字段搜索包括基于用户信息的分类进行的搜索。
方案75.根据方案73或74所述的程序产品的卡顿定位装置,
所述字段搜索包括基于设备终端id、系统版本、设备终端机型信息至少其中之一进行的搜索。
方案76.根据方案75所述的程序产品的卡顿定位装置,
所述字段搜索还包括基于卡顿信息的产品版本及上报时间至少其中之一进行的搜索。
方案77.根据方案53~76中任一项所述的程序产品的卡顿定位装置,
所述设备终端包括手机终端或电脑终端。
方案78.一种计算设备,包括根据方案39所述的存储介质。
Claims (10)
1.一种程序产品的卡顿定位方法,其特征在于包括:
接收并存储至少一个用户上报的卡顿信息;以及
对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
2.根据权利要求1所述的程序产品的卡顿定位方法,其特征在于:
所述卡顿信息存储于卡顿信息表中。
3.根据权利要求1或2所述的程序产品的卡顿定位方法,其特征在于:
所述卡顿信息包括程序产品名。
4.根据权利要求3所述的程序产品的卡顿定位方法,其特征在于:
所述程序产品名包括产品id以及产品版本至少其中之一。
5.根据权利要求3所述的程序产品的卡顿定位方法,其特征在于:
所述卡顿信息还包括进程名。
6.根据权利要求5所述的程序产品的卡顿定位方法,其特征在于:
所述卡顿信息还包括卡顿堆栈、卡顿场景、卡顿耗时以及卡顿发生时间至少其中之一。
7.根据权利要求1或2所述的程序产品的卡顿定位方法,其特征在于:所述卡顿信息还包括上报时间。
8.一种存储有程序的存储介质,其特征在于:所述程序被处理器执行时实现根据权利要求1~7中任一项所述方法的步骤。
9.一种程序产品的卡顿定位装置,其特征在于包括:
卡顿信息获取单元,用于接收并存储至少一个用户上报的卡顿信息;
卡顿信息处理单元,对所述卡顿信息按维度聚合,获得程序产品的卡顿问题在用户之间的分布状态。
10.一种计算设备,其特征在于:包括根据权利要求8所述的存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174579.1A CN110221922A (zh) | 2018-03-02 | 2018-03-02 | 程序产品的卡顿定位方法及装置、介质及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810174579.1A CN110221922A (zh) | 2018-03-02 | 2018-03-02 | 程序产品的卡顿定位方法及装置、介质及计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110221922A true CN110221922A (zh) | 2019-09-10 |
Family
ID=67822068
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810174579.1A Pending CN110221922A (zh) | 2018-03-02 | 2018-03-02 | 程序产品的卡顿定位方法及装置、介质及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110221922A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113297052A (zh) * | 2020-02-21 | 2021-08-24 | 腾讯科技(深圳)有限公司 | 应用程序的卡顿事件定位方法、装置、存储介质和设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020112201A1 (en) * | 2000-12-04 | 2002-08-15 | Flanagan Cormac Andrias | Method and apparatus for automatically inferring annotations for an extended static checker |
CN104239168A (zh) * | 2013-06-09 | 2014-12-24 | 腾讯科技(深圳)有限公司 | 卡顿检测方法和设备 |
CN105553769A (zh) * | 2015-12-15 | 2016-05-04 | 北京奇虎科技有限公司 | 一种数据采集分析系统和方法 |
CN105761255A (zh) * | 2016-02-04 | 2016-07-13 | 网易(杭州)网络有限公司 | 游戏画面卡顿测试方法及装置 |
CN106559707A (zh) * | 2015-09-29 | 2017-04-05 | 华为技术有限公司 | 视频质量检测方法、装置及业务质量管理中心 |
CN107038107A (zh) * | 2017-03-09 | 2017-08-11 | 武汉斗鱼网络科技有限公司 | 一种获取应用卡顿信息的方法及装置 |
CN107196794A (zh) * | 2017-05-18 | 2017-09-22 | 腾讯科技(深圳)有限公司 | 一种卡顿异常的分析方法及装置 |
CN107590060A (zh) * | 2017-09-05 | 2018-01-16 | 杭州时趣信息技术有限公司 | 一种终端卡顿的分析方法及装置 |
CN107690077A (zh) * | 2017-09-05 | 2018-02-13 | 北京京东尚科信息技术有限公司 | 监测视频直播卡顿的方法和装置 |
-
2018
- 2018-03-02 CN CN201810174579.1A patent/CN110221922A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020112201A1 (en) * | 2000-12-04 | 2002-08-15 | Flanagan Cormac Andrias | Method and apparatus for automatically inferring annotations for an extended static checker |
CN104239168A (zh) * | 2013-06-09 | 2014-12-24 | 腾讯科技(深圳)有限公司 | 卡顿检测方法和设备 |
CN106559707A (zh) * | 2015-09-29 | 2017-04-05 | 华为技术有限公司 | 视频质量检测方法、装置及业务质量管理中心 |
CN105553769A (zh) * | 2015-12-15 | 2016-05-04 | 北京奇虎科技有限公司 | 一种数据采集分析系统和方法 |
CN105761255A (zh) * | 2016-02-04 | 2016-07-13 | 网易(杭州)网络有限公司 | 游戏画面卡顿测试方法及装置 |
CN107038107A (zh) * | 2017-03-09 | 2017-08-11 | 武汉斗鱼网络科技有限公司 | 一种获取应用卡顿信息的方法及装置 |
CN107196794A (zh) * | 2017-05-18 | 2017-09-22 | 腾讯科技(深圳)有限公司 | 一种卡顿异常的分析方法及装置 |
CN107590060A (zh) * | 2017-09-05 | 2018-01-16 | 杭州时趣信息技术有限公司 | 一种终端卡顿的分析方法及装置 |
CN107690077A (zh) * | 2017-09-05 | 2018-02-13 | 北京京东尚科信息技术有限公司 | 监测视频直播卡顿的方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113297052A (zh) * | 2020-02-21 | 2021-08-24 | 腾讯科技(深圳)有限公司 | 应用程序的卡顿事件定位方法、装置、存储介质和设备 |
CN113297052B (zh) * | 2020-02-21 | 2024-04-26 | 腾讯科技(深圳)有限公司 | 应用程序的卡顿事件定位方法、装置、存储介质和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9921936B2 (en) | Method and system for IT resources performance analysis | |
WO2018103245A1 (zh) | 一种界面卡顿监测方法、装置及可读取存储介质 | |
US20170277727A1 (en) | Identification of distinguishing compound features extracted from real time data streams | |
US20140115403A1 (en) | Method and System for Software System Performance Diagnosis with Kernel Event Feature Guidance | |
CN107124289B (zh) | 网络日志时间对齐方法、装置及主机 | |
KR100803889B1 (ko) | 클라이언트 단말로 제공되는 서비스 성능 분석 방법 및시스템 | |
CN110362455B (zh) | 一种数据处理方法和数据处理装置 | |
CN110457175B (zh) | 业务数据处理方法、装置、电子设备及介质 | |
CN109495291B (zh) | 调用异常的定位方法、装置和服务器 | |
CN111881011A (zh) | 日志管理方法、平台、服务器及存储介质 | |
US20090089805A1 (en) | Profiling techniques and systems for computer programs | |
WO2018059122A1 (zh) | 服务推荐方法、终端、服务器和存储介质 | |
US20140089040A1 (en) | System and Method for Customer Experience Measurement & Management | |
CN111078432A (zh) | 一种服务之间调度的追踪方法及装置 | |
WO2022062968A1 (zh) | 一种自训练方法、系统、装置、电子设备及存储介质 | |
CN111370113A (zh) | 一种基于物联云的远程心理辅导系统及方法 | |
CN113630419A (zh) | 一种基于api流量的数据分类分级及数据安全监测方法及系统 | |
CN113485931A (zh) | 测试方法、装置、电子设备及计算机可读存储介质 | |
CN110275878A (zh) | 业务数据检测方法、装置、计算机设备及存储介质 | |
CN110221922A (zh) | 程序产品的卡顿定位方法及装置、介质及计算设备 | |
CN117130851B (zh) | 一种高性能计算集群运行效率评价方法及系统 | |
CN109376064B (zh) | 一种接口测试报告的生成方法及设备 | |
CN113760689A (zh) | 接口故障的报警方法、装置、设备及存储介质 | |
US11797366B1 (en) | Identifying a root cause of an error | |
CN112926991B (zh) | 一种套现团伙严重等级划分方法及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20240102 Address after: 310052 Room 301, Building No. 599, Changhe Street Network Business Road, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Hangzhou NetEase Shuzhifan Technology Co.,Ltd. Address before: 310052 Building No. 599, Changhe Street Network Business Road, Binjiang District, Hangzhou City, Zhejiang Province, 4, 7 stories Applicant before: NETEASE (HANGZHOU) NETWORK Co.,Ltd. |
|
TA01 | Transfer of patent application right |