CN110955548A - 数据处理方法及装置 - Google Patents

数据处理方法及装置 Download PDF

Info

Publication number
CN110955548A
CN110955548A CN201911084324.7A CN201911084324A CN110955548A CN 110955548 A CN110955548 A CN 110955548A CN 201911084324 A CN201911084324 A CN 201911084324A CN 110955548 A CN110955548 A CN 110955548A
Authority
CN
China
Prior art keywords
function
data stack
data
calling
level
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
Application number
CN201911084324.7A
Other languages
English (en)
Other versions
CN110955548B (zh
Inventor
汤洌
张大鹏
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.)
Zhejiang Koubei Network Technology Co Ltd
Original Assignee
Zhejiang Koubei Network 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 Zhejiang Koubei Network Technology Co Ltd filed Critical Zhejiang Koubei Network Technology Co Ltd
Priority to CN201911084324.7A priority Critical patent/CN110955548B/zh
Publication of CN110955548A publication Critical patent/CN110955548A/zh
Application granted granted Critical
Publication of CN110955548B publication Critical patent/CN110955548B/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
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0766—Error or fault reporting or storing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • 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
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明实施例公开了一种数据处理方法及装置。方法包括：获取应用程序发生卡顿对应的数据堆栈；数据堆栈中包含有至少一个函数，且数据堆栈中相邻的函数之间具有相应的调用关系；展示数据堆栈中函数对应的卡顿信息；响应于预设的选择操作，确定与选择操作对应的目标函数；基于数据堆栈确定目标函数的调用信息；展示目标函数的调用信息。本方案首先展示数据堆栈中函数所对应的卡顿信息，从而便于用户快速地获知函数的卡顿概况；并进一步根据用户的选择操作，展示用户选中的目标函数的调用信息，从而便于用户细粒度地对应用程序的卡顿问题进行分析。因此，采用本方案能够大幅提升卡顿问题的分析效率及分析精度，有利于快速准确地解决卡顿问题。

Description

数据处理方法及装置
技术领域
本发明涉及数据处理技术领域，具体涉及一种数据处理方法及装置。
背景技术
随着科技及社会的不断发展，各类应用程序的出现极大方便了人们的工作与生活。然而，目前由于应用程序本身的编译因素、运行环境因素及其他人为破坏因素等的影响，通常会使得应用程序在运行过程中发生卡顿，从而影响用户体验。
应用程序在发生卡顿过程中，会产生大量的卡顿异常数据，通过该卡顿异常数据的分析能够获知应用程序发生卡顿的原因，从而能够便于对应用程序进行修复。
然而，发明人在实施过程中，发现现有技术中存在如下缺陷：现有技术处理海量卡顿异常数据的效率低下，不利于卡顿问题的快速准确的分析及解决。
发明内容
鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的数据处理方法及装置。
根据本发明实施例的一个方面，提供了一种数据处理方法，包括：
获取应用程序发生卡顿所对应的至少一个数据堆栈；其中，任一数据堆栈中包含有至少一个函数，并且任一数据堆栈中相邻的函数之间具有相应的调用关系；
展示所述至少一个数据堆栈中函数对应的卡顿信息；
响应于预设的选择操作，确定与所述选择操作对应的目标函数；
基于所述至少一个数据堆栈确定目标函数的调用信息；
展示所述目标函数的调用信息。
可选的，所述卡顿信息包括：卡顿次数、和/或平均卡顿时间。
可选的，所述目标函数的调用信息进一步包括：调用所述目标函数的函数的相关信息；
其中，所述相关信息包括：调用所述目标函数的函数的函数名称，和/或调用所述目标函数的函数对应的卡顿信息。
可选的，所述展示所述至少一个数据堆栈中函数对应的卡顿信息进一步包括：
按照预设顺序，展示所述至少一个数据堆栈中函数对应的卡顿信息。
可选的，在所述展示所述数据堆栈中函数对应的卡顿数据之前，所述方法还包括：
对获取到的至少一个数据堆栈进行多层级的聚合处理；
所述展示所述至少一个数据堆栈中函数对应的卡顿信息进一步包括：
基于聚合处理结果，展示所述至少一个数据堆栈中函数对应的卡顿信息。
可选的，所述对获取到的至少一个数据堆栈进行多层级的聚合处理进一步包括：
根据所述至少一个数据堆栈的关键函数，对获取到的至少一个数据堆栈进行第一层级的聚合处理，以生成相对应的第一层级数据堆栈集合；
针对于任一第一层级数据堆栈集合，根据调用该第一层级数据堆栈集合对应的关键函数的函数进行第二层级的聚合处理，以生成相对应的第二层级数据堆栈集合。
可选的，在所述对获取到的至少一个数据堆栈进行多层级的聚合处理，以生成多层级的数据堆栈集合之前，所述方法还包括：
针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长；
根据所述执行时长，确定该数据堆栈的关键函数。
根据本发明实施例的另一方面，提供了一种数据处理装置，包括：
获取模块，适于获取应用程序发生卡顿所对应的至少一个数据堆栈；其中，任一数据堆栈中包含有至少一个函数，并且任一数据堆栈中相邻的函数之间具有相应的调用关系；
第一展示模块，适于展示所述至少一个数据堆栈中函数对应的卡顿信息；
目标函数确定模块，适于响应于预设的选择操作，确定与所述选择操作对应的目标函数；
调用信息确定模块，适于基于所述至少一个数据堆栈确定目标函数的调用信息；
第二展示模块，适于展示所述目标函数的调用信息。
可选的，所述卡顿信息包括：卡顿次数、和/或平均卡顿时间。
可选的，所述目标函数的调用信息进一步包括：调用所述目标函数的函数的相关信息；
其中，所述相关信息包括：调用所述目标函数的函数的函数名称，和/或调用所述目标函数的函数对应的卡顿信息。
可选的，所述展示模块进一步适于：
按照预设顺序，展示所述至少一个数据堆栈中函数对应的卡顿信息。
可选的，所述装置还包括：
聚合模块，适于在所述展示所述数据堆栈中函数对应的卡顿数据之前，对获取到的至少一个数据堆栈进行多层级的聚合处理；
则所述第一展示模块进一步适于：基于聚合处理结果，展示所述至少一个数据堆栈中函数对应的卡顿信息。
可选的，所述聚合模块进一步适于：
根据所述至少一个数据堆栈的关键函数，对获取到的至少一个数据堆栈进行第一层级的聚合处理，以生成相对应的第一层级数据堆栈集合；
针对于任一第一层级数据堆栈集合，根据调用该第一层级数据堆栈集合对应的关键函数的函数进行第二层级的聚合处理，以生成相对应的第二层级数据堆栈集合。
可选的，所述装置还包括：
关键函数确定模块，适于在所述对获取到的至少一个数据堆栈进行多层级的聚合处理，以生成多层级的数据堆栈集合之前，针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长；根据所述执行时长，确定该数据堆栈的关键函数。
根据本发明实施例的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述数据处理方法对应的操作。
根据本发明实施例的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述数据处理方法对应的操作。
根据本发明实施例提供的数据处理方法及装置，首先获取应用程序发生卡顿所对应的至少一个数据堆栈；其中，任一数据堆栈中包含有至少一个函数，并且任一数据堆栈中相邻的函数之间具有相应的调用关系；展示至少一个数据堆栈中函数对应的卡顿信息；响应于预设的选择操作，确定与选择操作对应的目标函数，并基于至少一个数据堆栈确定目标函数的调用信息；最终展示目标函数的调用信息。本方案首先展示数据堆栈中函数所对应的卡顿信息，从而便于用户快速地获知函数的卡顿概况；并进一步根据用户的选择操作，展示用户选中的目标函数的调用信息，从而便于用户细粒度地对应用程序的卡顿问题进行分析。因此，采用本方案能够大幅提升卡顿问题的分析效率及分析精度，便于快速准确地解决卡顿问题。
上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明实施例的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明一个实施例提供的一种数据处理方法的流程图；
图2示出了本发明另一实施例提供的一种数据处理方法的流程图；
图3示出了本发明另一实施例提供的一种数据堆栈示意图；
图4示出了本发明另一实施例提供的一种数据堆栈处理结果的展示示意图；
图5示出了本发明实施例提供的一种数据处理装置的结构示意图；
图6示出了本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
图1示出了本发明一个实施例提供的一种数据处理方法的流程图，该方法能够应用于多种设备中，本实施例对设备的具体类型等不作限定，例如，该方法可以应用于手机、平板等终端设备中。
如图1所示，该方法包括以下步骤：
步骤S110，获取应用程序发生卡顿所对应的至少一个数据堆栈。
若应用程序发生卡顿，通常会生成相应的卡顿异常数据，通过该卡顿异常数据能够获取到对应于此次卡顿事件的数据堆栈。在实际的实施过程中，可采用定时获取的方式，每隔预设周期获取各个应用程序产生的数据堆栈；或者，也可以实时获取应用程序终端上报的数据堆栈，总之，本实施例对具体的获取方式不作限定。
在获取到的数据堆栈中，任一数据堆栈中包含有至少一个函数，该至少一个函数与对应的卡顿事件相关，并且任一数据堆栈中相邻的函数之间具有相应的调用关系。
步骤S120，展示至少一个数据堆栈中函数对应的卡顿信息。
为便于对应用程序卡顿问题的快速分析及解决，本实施例中统计有至少一个函数所对应卡顿信息，并根据统计结果呈现该至少一个函数所对应的卡顿信息。其中，该卡顿信息具体可以为卡顿次数和/或平均卡顿时间。
步骤S130，响应于预设的选择操作，确定与该选择操作对应的目标函数。
通过展示的函数对应的卡顿信息，用户能够快速准确地获知各函数的卡顿概况。为便于用户进一步地细粒度分析应用程序的卡顿问题，本实施例可监测用户的预设的选择操作，其中，本实施例对具体的选择操作的类型等不作限定，例如，该选择操作可以为点击操作、语音控制操作、或手势控制操作等等。进一步响应于该选择操作，确定出与该选择操作对应的目标函数，其中，该目标函数即为用户选中的待进行细粒度分析的函数。
步骤S140，基于至少一个数据堆栈确定目标函数的调用信息。
在确定用户选中的目标函数之后，进一步地根据获取到的数据堆栈确定该目标函数的调用信息。可选的，该目标函数的调用信息具体包括：调用该目标函数的函数的相关信息。其中，该相关信息包括：调用该目标函数的函数的函数名称，和/或调用该目标函数的函数对应的卡顿信息。
步骤S150，展示目标函数的调用信息。
待确定目标函数的调用信息之后，可进一步地展示目标函数的调用信息。其中，本实施例对具体的展示方式不作限定。
由此可见，本实施例中首先展示数据堆栈中函数所对应的卡顿信息，从而便于用户快速地获知函数的卡顿概况；并进一步根据用户的选择操作，展示用户选中的目标函数的调用信息，从而便于用户细粒度地对应用程序的卡顿问题进行分析。因此，采用本方案能够大幅提升卡顿问题的分析效率及分析精度，便于快速准确地解决卡顿问题。
图2示出了本发明另一实施例提供的一种数据处理方法的流程图，该方法能够应用于多种设备中，本实施例对设备的具体类型等不作限定。其中，本实施例所提供的数据处理方法是针对于图1所示数据处理方法的进一步优化。
如图2所示，该方法包括以下步骤：
步骤S210，获取应用程序发生卡顿所对应的至少一个数据堆栈。
其中，任一数据堆栈中包含有至少一个函数。具体地，任一数据堆栈包含有至少一层数据，每层数据对应于一个函数，相邻层级中的函数具有相应的调用关系。
如图3所示，数据堆栈A中，包含有函数a、b、c及x，其中，函数a位于栈底，函数x位于栈顶，函数a调用函数b，函数b调用函数c，函数c调用函数x；数据堆栈B中，包含有函数d、e、c及y，其中，函数d位于栈底，函数y位于栈顶，函数d调用函数e，函数e调用函数c，函数c调用函数y；数据堆栈C中，包含有函数f及c，其中，函数f位于栈底，函数c位于栈顶，函数f调用函数c。
步骤S220，对获取到的至少一个数据堆栈进行多层级的聚合处理。
具体地，通过对步骤S210获取到的数据堆栈进行多层级的聚合处理，能够获得多层级的数据堆栈集合。其中，每个数据堆栈集合对应于一个相应层级的函数。
首先，根据至少一个数据堆栈的关键函数，对获取到的至少一个数据堆栈进行第一层级的聚合处理，以生成相对应的第一层级数据堆栈集合。其中，每个第一层级数据堆栈集合对应于一个关键函数。
其中，在进行第一层级的聚合处理过程中，需先确定各个数据堆栈中的关键函数。具体地，数据堆栈中包含的各个函数，往往对对应的卡顿事件的影响程度不同，则本步骤中可采用相应的确定方式来确定出任一数据堆栈中，对卡顿事件影响程度最高的函数，并将该影响程度最高的函数作为该数据堆栈中的关键函数。其中，本实施例对具体的关键函数确定方式不作限定，例如：可根据数据堆栈中各函数的基本信息(如函数类型，变量数目等等)确定出各个数据堆栈中的关键函数；或者，可以根据数据堆栈中各函数所对应的历史数据信息(如历史作为关键函数的次数等)确定出各个数据堆栈中的关键函数；又或者，可针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长，从而根据各函数的执行时长，确定该数据堆栈的关键函数。
可选的，在根据函数的执行时长确定数据堆栈的关键函数中，可采用以下两种实施方式中的一种或多种的结合：
在一种实施方式中，首先针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长。例如，针对于图3中的数据堆栈C，可分别确定出函数c及函数f的实际耗时，又由于函数f调用有函数c，则函数f的实际耗时中包含有函数c的耗时，则可将函数f的实际耗时与函数c的实际耗时的差值作为函数f对应的执行时长；进一步地，根据各个函数所对应的执行时长与该数据堆栈对应的卡顿事件的总耗时的占比，确定该数据堆栈中的关键函数。譬如，在数据堆栈C中，函数c对应的执行时长占比远大于函数f对应的执行时长占比，则确定该函数c为该数据堆栈C的关键函数。
在又一种实施方式中，首先针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长(其中，具体的执行时长确定方式可参照上一实施方式，本实施方式在此不做限定)；进一步地，根据数据堆栈中各个函数所对应的标准执行时长与确定的执行时长的比对结果，确定该数据堆栈中的关键函数。其中，各个函数所对应的标准执行时长可由本领域技术人员自行设定，也可根据各函数在正常情况下的执行时长统计结果来确定(如将5次函数a在正常状态下的执行时长的平均值作为函数a对应的标准执行时长)。譬如，在数据堆栈C中，函数c对应的执行时长远大于函数c对应的标准执行时长(函数c对应的执行时长超出函数c对应的标准执行时长的预设倍数)，则确定该函数c为该数据堆栈C的关键函数。
在确定数据堆栈的关键函数之后，将包含有同一关键函数的数据堆栈划分为一个第一层级数据堆栈集合。每个第一层级数据堆栈集合均对应于一个关键函数。如图3所示，若确定出数据堆栈A、B及C中的关键函数均为函数c，则可将该数据堆栈A、B及C划分为一个第一层级数据堆栈集合，该第一层级数据堆栈集合对应于关键函数c。
在对数据堆栈进行第一层级划分之后，可进一步地针对于任一第一层级数据堆栈集合，根据调用该第一层级数据堆栈集合对应的关键函数的函数进行第二层级的聚合处理，以生成相对应的第二层级数据堆栈集合。其中，生成的第二层级数据堆栈集合为该第一层级数据堆栈集合的子集合。并且，每个第二层级数据堆栈集合对应于一个调用关键函数的函数，该函数可称为第一层级函数。在本实施例的数据堆栈中，位于关键函数下层的函数即为第一层级函数。
例如，对应于关键函数c的第一层级数据堆栈集合中除了包含有数据堆栈A、B及C之外，还进一步包含有数据堆栈D，数据堆栈D中包含有函数c、函数e及函数h，函数e调用函数c(函数e为数据堆栈D中的第一层级函数)，函数h调用函数e。如图3所示，针对于数据堆栈A，位于关键函数c下层的函数为b，则函数b为数据堆栈A中的第一层级函数；针对于数据堆栈B，位于关键函数c下层的函数为e，则函数e为数据堆栈B中的第一层级函数；针对于数据堆栈C，位于关键函数c下层的函数为f，则函数f为数据堆栈C中的第一层级函数。则在对该第一层级数据堆栈集合进行第二层级聚合处理时，可将数据堆栈A划分为对应于函数b的第二层级数据堆栈集合，将数据堆栈B及D划分为对应于函数e的第二层级数据堆栈集合(其中，数据堆栈B及D具有相同的第一层级函数e)，而将数据堆栈C划分为对应于函数f的第二层级数据堆栈集合。
可选的，可进一步针对于任一第N层级数据堆栈集合，确定调用该第N层级数据堆栈集合对应的第N-1层级函数的第N层级函数；并在该第N层级数据堆栈集合中，将包含有同一第N层级函数的数据堆栈划分为一个第N+1层级数据堆栈集合；其中，N为大于1的整数。例如，对应于函数e的第二层级数据堆栈集合(包含数据堆栈B及D)，函数d为数据堆栈B中的第二层级函数，函数h为数据堆栈D中的第二层级函数，则针对于该第二层级数据堆栈集合，可将数据堆栈B划分至对应于函数d的第三层级数据堆栈集合中，而将数据堆栈D划分至对应于函数h的第三层级数据堆栈集合中。
在实际的实施过程中，可针对于第一层级数据堆栈集合中任一数据堆栈，以关键函数为起点，依次向栈底方向移动，每移动至一层(如配置相应的标识，标识初始位置位于关键函数处，并不断向栈底方向移动，直至移出栈底)，确定当前是否已经存在有与该层函数名相同的集合名，若否，则创建上一层的子集合，直至移出栈底(如配置相应的标识，标识初始位置位于关键函数处，并不断向栈底方向移动，直至移出栈底)。如图3所示，针对于数据堆栈A，以函数c为起点，向栈底方向移动至函数b，当前未创建有函数b的集合，则创建名称为函数b的第二层级数据堆栈集合；继续向栈底移动至函数a，当前未创建有函数a的集合，则创建名称为函数a的第三层级数据堆栈集合。
步骤S230，基于聚合处理结果，展示至少一个数据堆栈中函数对应的卡顿信息。
在具体的展示过程中，可基于多层级的聚合处理结果，采用多层级展示的方式，展示至少一个数据堆栈中函数对应的卡顿信息。
具体地，首先基于第一层级的聚合结果，呈现出各个关键函数对应的卡顿信息。在实际的实施过程中，根据第一层级的聚合结果，获得至少一个第一层级数据堆栈集合，任一第一层级数据堆栈集合对应于一个关键函数，则可根据任一第一层级数据堆栈集合中包含的数据堆栈，统计该第一层级数据堆栈集合对应的关键函数的卡顿次数及平均卡顿时间，进而呈现出至少一个关键函数的对应的卡顿信息。
还可基于第二层级的聚合结果，呈现出第二层级数据堆栈集合对应的函数的卡顿信息，即呈现出第一层级函数的卡顿信息。以此类推，可进一步地基于第N层级的聚合结果，呈现出第N层级数据堆栈集合对应的函数(即第N-1层级函数)的卡顿信息。
可选的，在展示至少一个数据堆栈中函数对应的卡顿信息过程中，可按照预设顺序，展示至少一个数据堆栈中函数对应的卡顿信息。例如，可按照卡顿次数的高低和/或平均卡顿时间的长短进行排序，进而根据排序结果展示至少一个数据堆栈中函数对应的卡顿信息。
步骤S240，响应于预设的选择操作，确定与选择操作对应的目标函数。
根据步骤S230展现的函数对应的卡顿信息能够便于用户快速准确地获知各函数的卡顿概况，当用户需对某个函数进行深入分析时，可响应于预设的选择操作，确定与选择操作对应的目标函数，该目标函数即为用户待进行深入分析的函数。其中，本实施例对具体的选择操作的类型等不作限定，例如，该选择操作可以为点击操作、和/或语音控制操作等等。
步骤S250，基于至少一个数据堆栈确定目标函数的调用信息。
在具体的实施过程中，可基于获取到的数据堆栈，确定在数据堆栈中与目标函数存在调用关系的函数的相关信息。例如，数据堆栈中位于下层的函数调用其上层的函数，则在数据堆栈中位于目标函数下层的函数即为调用该目标函数的函数。即在本实施例中，目标函数的调用信息具体指调用该目标函数的相关信息，如调用目标函数的函数的函数名称，和/或调用目标函数的函数对应的卡顿信息等。
步骤S260，展示目标函数的调用信息。
如图4所示，可预先呈现关键函数c及其他关键函数的卡顿信息。其中，关键函数c对应的卡顿信息为“总卡顿次数为15，平均卡顿时间为2s(该平均卡顿时间为该第一层级数据堆栈集合中所有函数c的平均耗时)”；当用户通过点击等操作，确定目标函数为关键函数c时，展示该关键函数c的调用信息，即展示调用该函数c的第一层级函数(即函数b、函数e及函数f)的相关信息，该相关信息具体为函数b、函数e及函数f的名称信息及卡顿信息。其中，函数b对应的卡顿次数为8次，平均卡顿时间为2.1s(该平均卡顿时间为该函数b对应的第二层级数据堆栈集合中所有函数b的平均耗时)；在呈现第一层级函数的相关信息之后，可进一步地根据用户操作，呈现用户选中的第一层级函数的相关信息。若用户选中函数b，则进一步呈现函数b的调用信息，即呈现调用函数b的函数a的相关信息；若用户选中函数e，则进一步呈现函数e的调用信息，即呈现调用函数e的函数d的相关信息。通过该分级显示的方式，能够进一步地显性化各数据堆栈所对应的卡顿事件的影响因素，提升对卡顿事件的分析精度及效率。
由此可见，本实施例中首先呈现数据堆栈中函数所对应的卡顿信息，从而便于用户快速地获知函数的卡顿概况；并进一步根据用户的选择操作，呈现用户选中的目标函数的调用信息，从而便于用户细粒度地对应用程序的卡顿问题进行分析。因此，采用本方案能够大幅提升卡顿问题的分析效率及分析精度，便于快速准确地解决卡顿问题；并且，本实施例中对应用程序发生卡顿所产生的数据堆栈进行多层级聚合，从而有利于对卡顿事件的分析与解决；并且，在多级划分过程中，本实施例首先依据各数据堆栈中的关键函数来进行初步划分，从而使得初步划分出的同一第一层级数据堆栈集合具有相同的关键函数，进而能够快速准确地确定出影响该第一层级数据堆栈集合对应的卡顿事件的最核心因素；再者，本实施例针对于任一第N集合，确定调用该第N集合对应的第N-1层级函数的第N层级函数；并在该第N集合中，将包含有同一第N层级函数的数据堆栈划分为一个第N+1集合，从而实现多级划分，能够进一步地体现影响卡顿事件的路径关系，细粒度体现影响卡顿事件的因素，提升对卡顿事件分析及解决效率。
图5示出了本发明实施例提供的一种数据处理装置的结构示意图。如图6所示，该装置包括：获取模块51、第一展示模块52、目标函数确定模块53、调用信息确定模块54，第二展示模块55。
获取模块51，适于获取应用程序发生卡顿所对应的至少一个数据堆栈；其中，任一数据堆栈中包含有至少一个函数，并且任一数据堆栈中相邻的函数之间具有相应的调用关系；
第一展示模块52，适于展示所述至少一个数据堆栈中函数对应的卡顿信息；
目标函数确定模块53，适于响应于预设的选择操作，确定与所述选择操作对应的目标函数；
调用信息确定模块，适于基于所述至少一个数据堆栈确定目标函数的调用信息；
第二展示模块54，适于展示所述目标函数的调用信息。
可选的，所述卡顿信息包括：卡顿次数、和/或平均卡顿时间。
可选的，所述目标函数的调用信息进一步包括：调用所述目标函数的函数的相关信息；
其中，所述相关信息包括：调用所述目标函数的函数的函数名称，和/或调用所述目标函数的函数对应的卡顿信息。
可选的，所述展示模块进一步适于：
按照预设顺序，展示所述至少一个数据堆栈中函数对应的卡顿信息。
可选的，所述装置还包括：聚合模块(图中未示出)，适于在所述展示所述数据堆栈中函数对应的卡顿数据之前，对获取到的至少一个数据堆栈进行多层级的聚合处理；
则所述第一展示模块进一步适于：基于聚合处理结果，展示所述至少一个数据堆栈中函数对应的卡顿信息。
可选的，所述聚合模块进一步适于：
根据所述至少一个数据堆栈的关键函数，对获取到的至少一个数据堆栈进行第一层级的聚合处理，以生成相对应的第一层级数据堆栈集合；
针对于任一第一层级数据堆栈集合，根据调用该第一层级数据堆栈集合对应的关键函数的函数进行第二层级的聚合处理，以生成相对应的第二层级数据堆栈集合。
可选的，所述装置还包括：关键函数确定模块(图中未示出)，适于在所述对获取到的至少一个数据堆栈进行多层级的聚合处理，以生成多层级的数据堆栈集合之前，针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长；根据所述执行时长，确定该数据堆栈的关键函数。
其中，本装置中各模块的具体实施过程可参照图1和/或图2所示方法实施例中相应部分的描述，本实施例在此不做赘述。
由此可见，本实施例中首先呈现数据堆栈中函数所对应的卡顿信息，从而便于用户快速地获知函数的卡顿概况；并进一步根据用户的选择操作，呈现用户选中的目标函数的调用信息，从而便于用户细粒度地对应用程序的卡顿问题进行分析。因此，采用本方案能够大幅提升卡顿问题的分析效率及分析精度，便于快速准确地解决卡顿问题。
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的数据处理方法。
可执行指令具体可以用于使得处理器执行以下操作：
获取应用程序发生卡顿所对应的至少一个数据堆栈；其中，任一数据堆栈中包含有至少一个函数，并且任一数据堆栈中相邻的函数之间具有相应的调用关系；
展示所述至少一个数据堆栈中函数对应的卡顿信息；
响应于预设的选择操作，确定与所述选择操作对应的目标函数；
基于所述至少一个数据堆栈确定目标函数的调用信息；
展示所述目标函数的调用信息。
在一种可选的实施方式中，所述卡顿信息包括：卡顿次数、和/或平均卡顿时间。
在一种可选的实施方式中，所述目标函数的调用信息进一步包括：调用所述目标函数的函数的相关信息；
其中，所述相关信息包括：调用所述目标函数的函数的函数名称，和/或调用所述目标函数的函数对应的卡顿信息。
在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
按照预设顺序，展示所述至少一个数据堆栈中函数对应的卡顿信息。
在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
对获取到的至少一个数据堆栈进行多层级的聚合处理；
基于聚合处理结果，展示所述至少一个数据堆栈中函数对应的卡顿信息。
在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
根据所述至少一个数据堆栈的关键函数，对获取到的至少一个数据堆栈进行第一层级的聚合处理，以生成相对应的第一层级数据堆栈集合；
针对于任一第一层级数据堆栈集合，根据调用该第一层级数据堆栈集合对应的关键函数的函数进行第二层级的聚合处理，以生成相对应的第二层级数据堆栈集合。
在一种可选的实施方式中，可执行指令具体可以用于使得处理器执行以下操作：
针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长；
根据所述执行时长，确定该数据堆栈的关键函数。
由此可见，本实施例中首先呈现数据堆栈中函数所对应的卡顿信息，从而便于用户快速地获知函数的卡顿概况；并进一步根据用户的选择操作，呈现用户选中的目标函数的调用信息，从而便于用户细粒度地对应用程序的卡顿问题进行分析。因此，采用本方案能够大幅提升卡顿问题的分析效率及分析精度，便于快速准确地解决卡顿问题。
图6示出了本发明实施例提供的一种计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图6所示，该计算设备可以包括：处理器(processor)602、通信接口(Communications Interface)604、存储器(memory)606、以及通信总线608。
其中：处理器602、通信接口604、以及存储器606通过通信总线608完成相互间的通信。通信接口604，用于与其它设备比如客户端或其它服务器等的网元通信。处理器602，用于执行程序610，具体可以执行上述数据处理方法方法实施例中的相关步骤。
具体地，程序610可以包括程序代码，该程序代码包括计算机操作指令。
处理器602可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器606，用于存放程序610。存储器606可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序610具体可以用于使得处理器602执行以下操作：
获取应用程序发生卡顿所对应的至少一个数据堆栈；其中，任一数据堆栈中包含有至少一个函数，并且任一数据堆栈中相邻的函数之间具有相应的调用关系；
展示所述至少一个数据堆栈中函数对应的卡顿信息；
响应于预设的选择操作，确定与所述选择操作对应的目标函数；
基于所述至少一个数据堆栈确定目标函数的调用信息；
展示所述目标函数的调用信息。
在一种可选的实施方式中，所述卡顿信息包括：卡顿次数、和/或平均卡顿时间。
在一种可选的实施方式中，所述目标函数的调用信息进一步包括：调用所述目标函数的函数的相关信息；
其中，所述相关信息包括：调用所述目标函数的函数的函数名称，和/或调用所述目标函数的函数对应的卡顿信息。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
按照预设顺序，展示所述至少一个数据堆栈中函数对应的卡顿信息。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
对获取到的至少一个数据堆栈进行多层级的聚合处理；
所述展示所述至少一个数据堆栈中函数对应的卡顿信息进一步包括：
基于聚合处理结果，展示所述至少一个数据堆栈中函数对应的卡顿信息。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
根据所述至少一个数据堆栈的关键函数，对获取到的至少一个数据堆栈进行第一层级的聚合处理，以生成相对应的第一层级数据堆栈集合；
针对于任一第一层级数据堆栈集合，根据调用该第一层级数据堆栈集合对应的关键函数的函数进行第二层级的聚合处理，以生成相对应的第二层级数据堆栈集合。
在一种可选的实施方式中，程序610具体可以用于使得处理器602执行以下操作：
针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长；
根据所述执行时长，确定该数据堆栈的关键函数。
由此可见，本实施例中首先呈现数据堆栈中函数所对应的卡顿信息，从而便于用户快速地获知函数的卡顿概况；并进一步根据用户的选择操作，呈现用户选中的目标函数的调用信息，从而便于用户细粒度地对应用程序的卡顿问题进行分析。因此，采用本方案能够大幅提升卡顿问题的分析效率及分析精度，便于快速准确地解决卡顿问题。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在任一权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中任一权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的任一特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。

Claims (10)

1.一种数据处理方法，包括：
获取应用程序发生卡顿所对应的至少一个数据堆栈；其中，任一数据堆栈中包含有至少一个函数，并且任一数据堆栈中相邻的函数之间具有相应的调用关系；
展示所述至少一个数据堆栈中函数对应的卡顿信息；
响应于预设的选择操作，确定与所述选择操作对应的目标函数；
基于所述至少一个数据堆栈确定目标函数的调用信息；
展示所述目标函数的调用信息。
2.根据权利要求1所述的方法，其中，所述卡顿信息包括：卡顿次数、和/或平均卡顿时间。
3.根据权利要求1或2所述的方法，其中，所述目标函数的调用信息进一步包括：调用所述目标函数的函数的相关信息；
其中，所述相关信息包括：调用所述目标函数的函数的函数名称，和/或调用所述目标函数的函数对应的卡顿信息。
4.根据权利要求1-3中任一项所述的方法，其中，所述展示所述至少一个数据堆栈中函数对应的卡顿信息进一步包括：
按照预设顺序，展示所述至少一个数据堆栈中函数对应的卡顿信息。
5.根据权利要求1-4中任一项所述的方法，其中，在所述展示所述数据堆栈中函数对应的卡顿数据之前，所述方法还包括：
对获取到的至少一个数据堆栈进行多层级的聚合处理；
所述展示所述至少一个数据堆栈中函数对应的卡顿信息进一步包括：
基于聚合处理结果，展示所述至少一个数据堆栈中函数对应的卡顿信息。
6.根据权利要求5所述的方法，其中，所述对获取到的至少一个数据堆栈进行多层级的聚合处理进一步包括：
根据所述至少一个数据堆栈的关键函数，对获取到的至少一个数据堆栈进行第一层级的聚合处理，以生成相对应的第一层级数据堆栈集合；
针对于任一第一层级数据堆栈集合，根据调用该第一层级数据堆栈集合对应的关键函数的函数进行第二层级的聚合处理，以生成相对应的第二层级数据堆栈集合。
7.根据权利要求5或6所述的方法，其中，在所述对获取到的至少一个数据堆栈进行多层级的聚合处理，以生成多层级的数据堆栈集合之前，所述方法还包括：
针对于任一数据堆栈，确定该数据堆栈中各个函数所对应的执行时长；
根据所述执行时长，确定该数据堆栈的关键函数。
8.一种数据处理装置，包括：
获取模块，适于获取应用程序发生卡顿所对应的至少一个数据堆栈；其中，任一数据堆栈中包含有至少一个函数，并且任一数据堆栈中相邻的函数之间具有相应的调用关系；
第一展示模块，适于展示所述至少一个数据堆栈中函数对应的卡顿信息；
目标函数确定模块，适于响应于预设的选择操作，确定与所述选择操作对应的目标函数；
调用信息确定模块，适于基于所述至少一个数据堆栈确定目标函数的调用信息；
第二展示模块，适于展示所述目标函数的调用信息。
9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的数据处理方法对应的操作。
10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的数据处理方法对应的操作。
CN201911084324.7A 2019-11-07 2019-11-07 数据处理方法及装置 Active CN110955548B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911084324.7A CN110955548B (zh) 2019-11-07 2019-11-07 数据处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911084324.7A CN110955548B (zh) 2019-11-07 2019-11-07 数据处理方法及装置

Publications (2)

Publication Number Publication Date
CN110955548A true CN110955548A (zh) 2020-04-03
CN110955548B CN110955548B (zh) 2023-07-25

Family

ID=69976689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911084324.7A Active CN110955548B (zh) 2019-11-07 2019-11-07 数据处理方法及装置

Country Status (1)

Country Link
CN (1) CN110955548B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111552613A (zh) * 2020-04-26 2020-08-18 北京字节跳动网络技术有限公司 线程超时的处理方法、装置以及电子设备
CN113835985A (zh) * 2021-09-27 2021-12-24 北京基调网络股份有限公司 一种监测卡顿、分析卡顿原因的方法、装置及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060070046A1 (en) * 2004-09-30 2006-03-30 Balakrishnan Vinod K Allocating call stack frame entries at different memory levels to functions in a program
US20060075386A1 (en) * 2004-10-01 2006-04-06 Microsoft Corporation Method and system for a call stack capture
US20060092846A1 (en) * 2004-10-01 2006-05-04 Microsoft Corporation Method and system for a system call profiler
US20120180053A1 (en) * 2011-01-10 2012-07-12 International Business Machines Corporation Call stack aggregation and display
CN104572046A (zh) * 2013-10-16 2015-04-29 腾讯科技（深圳）有限公司 一种堆栈还原方法和计算机系统
US20150135181A1 (en) * 2012-04-20 2015-05-14 Freescale Semiconductor, Inc. Information processing device and method for protecting data in a call stack
US20180107465A1 (en) * 2016-10-19 2018-04-19 Freescale Semiconductor, Inc. Feedback directed program stack optimization
CN109522209A (zh) * 2018-09-29 2019-03-26 中国平安人寿保险股份有限公司 日志堆栈信息分析方法及装置、计算机装置及存储介质
CN109840177A (zh) * 2017-11-24 2019-06-04 腾讯科技（深圳）有限公司 一种卡顿的处理方法及相关设备

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060070046A1 (en) * 2004-09-30 2006-03-30 Balakrishnan Vinod K Allocating call stack frame entries at different memory levels to functions in a program
US20060075386A1 (en) * 2004-10-01 2006-04-06 Microsoft Corporation Method and system for a call stack capture
US20060092846A1 (en) * 2004-10-01 2006-05-04 Microsoft Corporation Method and system for a system call profiler
US20120180053A1 (en) * 2011-01-10 2012-07-12 International Business Machines Corporation Call stack aggregation and display
US20150135181A1 (en) * 2012-04-20 2015-05-14 Freescale Semiconductor, Inc. Information processing device and method for protecting data in a call stack
CN104572046A (zh) * 2013-10-16 2015-04-29 腾讯科技（深圳）有限公司 一种堆栈还原方法和计算机系统
US20180107465A1 (en) * 2016-10-19 2018-04-19 Freescale Semiconductor, Inc. Feedback directed program stack optimization
CN109840177A (zh) * 2017-11-24 2019-06-04 腾讯科技（深圳）有限公司 一种卡顿的处理方法及相关设备
CN109522209A (zh) * 2018-09-29 2019-03-26 中国平安人寿保险股份有限公司 日志堆栈信息分析方法及装置、计算机装置及存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111552613A (zh) * 2020-04-26 2020-08-18 北京字节跳动网络技术有限公司 线程超时的处理方法、装置以及电子设备
CN113835985A (zh) * 2021-09-27 2021-12-24 北京基调网络股份有限公司 一种监测卡顿、分析卡顿原因的方法、装置及设备

Also Published As

Publication number Publication date
CN110955548B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN110149540B (zh) 多媒体资源的推荐处理方法、装置、终端及可读介质
CN109634819B (zh) 告警根因定位方法和装置、电子设备
US8555156B2 (en) Inferring that a message has been read
US10140285B2 (en) System and method for generating phrase based categories of interactions
CN110955548A (zh) 数据处理方法及装置
CN113076416A (zh) 信息热度评估方法、装置和电子设备
CN105989066A (zh) 一种信息处理方法和装置
CN103870563B (zh) 确定给定文本的主题分布的方法和装置
CN110647459B (zh) 应用测试方法及装置
CN110377821A (zh) 生成兴趣标签的方法、装置、计算机设备和存储介质
CN110795239A (zh) 应用内存泄露的检测方法及装置
CN106066966B (zh) 冻结应用的显示方法、冻结应用的显示装置和终端
CN109828902B (zh) 接口参数确定方法、装置、电子设备及存储介质
CN111124791A (zh) 一种系统测试方法及装置
CN104142885B (zh) 一种用于对被测程序进行异常测试的方法和装置
CN114816389B (zh) 一种基于元模型的管理系统搭建方法、装置、设备及介质
CN107562533B (zh) 一种数据加载处理方法及装置
CN114119139A (zh) 一种信息推荐方法、装置、存储介质及电子设备
CN113360356B (zh) 阅读作弊行为的识别方法、计算设备及计算机存储介质
EP3273354A1 (en) Effect of operations on application requests
LU501931B1 (en) Data exception analysis method and device
CN107562611B (zh) 一种实现模拟测试的方法及装置
CN113297052B (zh) 应用程序的卡顿事件定位方法、装置、存储介质和设备
CN111767137B (zh) 一种系统部署方法、装置、电子设备及存储介质
CN117290113B (zh) 一种任务处理方法、装置、系统和存储介质

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
GR01 Patent grant
GR01 Patent grant