CN111176966A - 确定cpu利用率的方法、装置、设备及存储介质 - Google Patents
确定cpu利用率的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111176966A CN111176966A CN201911369085.XA CN201911369085A CN111176966A CN 111176966 A CN111176966 A CN 111176966A CN 201911369085 A CN201911369085 A CN 201911369085A CN 111176966 A CN111176966 A CN 111176966A
- Authority
- CN
- China
- Prior art keywords
- target
- duration
- time
- cpu
- sampling
- 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 65
- 238000005070 sampling Methods 0.000 claims abstract description 239
- 238000004590 computer program Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
- G06F11/3423—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time where the assessed time is active or idle time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3024—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3051—Monitoring arrangements for monitoring the configuration of the computing system or of the computing system component, e.g. monitoring the presence of processing resources, peripherals, I/O links, software programs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Mathematical Physics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种确定CPU利用率的方法、装置、设备及存储介质,属于计算机技术领域。所述方法包括:在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,该时间参数用于指示该目标CPU在多个运行状态下的开销时长;根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算该目标CPU的多个估计利用率,得到估计利用率集合;当该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。本申请实施例提供的技术方案能够在一定程度上解决现有技术中确定CPU利用率的方法硬件开销较大的问题。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种确定CPU利用率的方法、装置、设备及存储介质。
背景技术
中央处理器(英文:central processing unit;简称:CPU)是计算机系统的运算和控制核心,是信息处理以及程序运行的最终执行单元。实际应用中,对于CPU而言,CPU利用率是一个非常重要的指标,其可以反映计算机系统的可靠性、稳定性以及健壮性。
相关技术中,可以利用两个硬件计数器分别对CPU的代码执行周期和CPU的自由运行周期进行统计计数,而后,可以根据统计计数的结果计算CPU利用率。
然而,相关技术中,需要消耗两个硬件计数器的资源才能实现对CPU利用率的确定,因此,其硬件开销较大。
发明内容
基于此,有必要针对现有确定CPU利用率的方法硬件开销较大的问题,提供一种确定CPU利用率的方法、装置、设备及存储介质。
第一方面,提供了一种确定CPU利用率的方法,该方法包括:
在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,该时间参数用于指示该目标CPU在多个运行状态下的开销时长;根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算该目标CPU的多个估计利用率,得到估计利用率集合;当该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在其中一个实施例中,当该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率,包括:当该估计利用率集合中的估计利用率的标准差小于目标标准差阈值时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在其中一个实施例中,该方法还包括:当该估计利用率集合中的估计利用率不满足该目标条件时,在该多个采样时刻之后的下一采样时刻获取该目标CPU的时间参数;根据在该多个采样时刻之后的下一采样时刻获取到的时间参数,计算该目标CPU的另一估计利用率,并将该另一估计利用率存储至该估计利用率集合中,得到更新后的估计利用率集合;当该更新后的估计利用率集合中的估计利用率满足该目标条件时,将该更新后的估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在其中一个实施例中,该多个运行状态包括用户态、被nice值为负的进程所占用的状态、内核态、空闲态、软件中断状态和IO等待状态中的至少一个;对应地,该时间参数包括用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长中的至少一个;该用户态时长用于指示自该目标CPU启动到当前采样时刻之间的目标时间段内,该目标CPU处于用户态但未运行nice值为负的进程的时长,该nice时长用于指示该目标时间段内该目标CPU运行nice值为负的进程的时长,该内核态时长用于指示该目标时间段内该目标CPU处于内核态的时长,该空闲态时长用于指示该目标时间段内该目标CPU除IO等待时长以外的其他等待时长,该软件中断状态时长用于指示该目标时间段内该目标CPU处于软件中断状态的时长,该IO等待时长用于指示该目标时间段内该目标CPU的IO等待时长。
在其中一个实施例中,根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算该目标CPU的多个估计利用率,包括:对于该多个采样时刻中的目标采样时刻,根据在该目标采样时刻获取到的该目标CPU的时间参数以及在该目标时刻之后的下一时刻获取到的该目标CPU的时间参数,计算与该目标采样时刻对应的该目标CPU的估计利用率;其中,该目标采样时刻为该多个采样时刻中除最后一个采样时刻以外的任一采样时刻。
在其中一个实施例中,根据在该目标采样时刻获取到的该目标CPU的时间参数以及在该目标时刻之后的下一时刻获取到的该目标CPU的时间参数,计算与该目标采样时刻对应的该目标CPU的估计利用率,包括:计算在该目标采样时刻获取到的用户态时长和内核态时长的第一和值,并计算自该目标CPU启动到该目标采样时刻之间的时间段内该目标CPU的第一总开销时长;计算在该目标采样时刻之后的下一时刻获取到的用户态时长和内核态时长的第二和值,并计算自该目标CPU启动到该目标采样时刻之后的下一采样时刻之间的时间段内该目标CPU的第二总开销时长;获取该第二和值和该第一和值的差值与该第二总开销时长和该第一总开销时长的差值的比值,并将该比值作为与该目标采样时刻对应的该目标CPU的估计利用率。
在其中一个实施例中,计算自该目标CPU启动到该目标采样时刻之间的时间段内该目标CPU的第一总开销时长,包括:计算在该目标采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第三和值,将该第三和值作为该第一总开销时长;对应地,计算自该目标CPU启动到该目标采样时刻之后的下一采样时刻之间的时间段内该目标CPU的第二总开销时长,包括:计算在该目标采样时刻之后的下一采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第四和值,将该第四和值作为该第二总开销时长。
第二方面,提供了一种确定CPU利用率的装置,该装置包括:
第一获取模块,用于在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,该时间参数用于指示该目标CPU在多个运行状态下的开销时长;
计算模块,用于根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算该目标CPU的多个估计利用率,得到估计利用率集合;
第二获取模块,用于在该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在其中一个实施例中,该第二获取模块,具体用于:当该估计利用率集合中的估计利用率的标准差小于目标标准差阈值时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在其中一个实施例中,该装置还包括第三获取模块;该第三获取模块,用于:当该估计利用率集合中的估计利用率不满足该目标条件时,在该多个采样时刻之后的下一采样时刻获取该目标CPU的时间参数;根据在该多个采样时刻之后的下一采样时刻获取到的时间参数,计算该目标CPU的另一估计利用率,并将该另一估计利用率存储至该估计利用率集合中,得到更新后的估计利用率集合;当该更新后的估计利用率集合中的估计利用率满足该目标条件时,将该更新后的估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在其中一个实施例中,该多个运行状态包括用户态、被nice值为负的进程所占用的状态、内核态、空闲态、软件中断状态和IO等待状态中的至少一个;对应地,该时间参数包括用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长中的至少一个;该用户态时长用于指示自该目标CPU启动到当前采样时刻之间的目标时间段内,该目标CPU处于用户态但未运行nice值为负的进程的时长,该nice时长用于指示该目标时间段内该目标CPU运行nice值为负的进程的时长,该内核态时长用于指示该目标时间段内该目标CPU处于内核态的时长,该空闲态时长用于指示该目标时间段内该目标CPU除IO等待时长以外的其他等待时长,该软件中断状态时长用于指示该目标时间段内该目标CPU处于软件中断状态的时长,该IO等待时长用于指示该目标时间段内该目标CPU的IO等待时长。
在其中一个实施例中,该计算模块,具体用于:对于该多个采样时刻中的目标采样时刻,根据在该目标采样时刻获取到的该目标CPU的时间参数以及在该目标时刻之后的下一时刻获取到的该目标CPU的时间参数,计算与该目标采样时刻对应的该目标CPU的估计利用率;其中,该目标采样时刻为该多个采样时刻中除最后一个采样时刻以外的任一采样时刻。
在其中一个实施例中,该计算模块,具体用于:计算在该目标采样时刻获取到的用户态时长和内核态时长的第一和值,并计算自该目标CPU启动到该目标采样时刻之间的时间段内该目标CPU的第一总开销时长;计算在该目标采样时刻之后的下一时刻获取到的用户态时长和内核态时长的第二和值,并计算自该目标CPU启动到该目标采样时刻之后的下一采样时刻之间的时间段内该目标CPU的第二总开销时长;获取该第二和值和该第一和值的差值与该第二总开销时长和该第一总开销时长的差值的比值,并将该比值作为与该目标采样时刻对应的该目标CPU的估计利用率。
在其中一个实施例中,该计算模块,具体用于:计算在该目标采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第三和值,将该第三和值作为该第一总开销时长;计算在该目标采样时刻之后的下一采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第四和值,将该第四和值作为该第二总开销时长。
第三方面,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该计算机程序被该处理器执行时实现如上述第一方面任一所述的确定CPU利用率的方法。
第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面任一所述的确定CPU利用率的方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
通过在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,其中,该时间参数用于指示目标CPU在多个运行状态下的开销时长,而后,根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算目标CPU的多个估计利用率,得到估计利用率集合,当该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为目标CPU的利用率,这样,就可以通过软件逻辑的方式确定出CPU利用率,而不需要消耗硬件计数器等硬件资源,因而可以节约硬件开销。
附图说明
图1为本申请实施例提供的一种确定CPU利用率的方法的流程图;
图2为本申请实施例提供的另一种确定CPU利用率的方法的流程图;
图3为本申请实施例提供的一种确定CPU利用率的装置的框图;
图4为本申请实施例提供的一种确定CPU利用率的装置的框图;
图5为本申请实施例提供的一种计算机设备的框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
请参考图1,其示出了本申请实施例提供的一种确定CPU利用率的方法的流程图,其中,该确定CPU利用率的方法可以应用于配置有CPU的计算机设备中,如图1所述,该确定CPU利用率的方法可以包括如下步骤:
步骤101、计算机设备在多个采样时刻中的每个采样时刻获取目标CPU的时间参数。
其中,该计算机设备为配置有该目标CPU的电子设备,该多个采样时刻中的任意相邻的两个采样时刻之间的间隔时长小于预设时长阈值,换句话说,该多个采样时刻彼此之间间隔的时长非常小。
计算机设备可以在每个采样时刻从计算机系统中读取目标CPU的时间参数,例如,对于搭载有Linux或者Unix系统的计算机设备而言,其可以从全局变量jiffies中读取目标CPU的时间参数,其中,该时间参数用于指示目标CPU在多个运行状态下的开销时长。
在本申请的一个可选的实施例中,上文所述的多个运行状态可以包括用户态(英文:user)、被nice值为负的进程所占用的状态(英文:nice)、内核态(英文:sysytem)、空闲态(英文:idle)、软件中断状态(英文:softirq)和IO等待状态(英文:iowait)中的至少一个。
则目标CPU的时间参数就可以包括用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长中的至少一个。
其中,用户态时长可以表征目标CPU在用户态的开销时长,其可以指示自目标CPU启动到当前采样时刻之间的目标时间段内,目标CPU处于用户态但未运行nice值为负的进程的时长。
nice时长可以表征目标CPU在被nice值为负的进程所占用的状态的开销时长,其可以指示上文所述的目标时间段内目标CPU运行nice值为负的进程的时长。
内核态时长可以表征目标CPU在内核态的开销时长,其可以指示在上文所述的目标时间段内目标CPU处于内核态的时长。
空闲态时长可以表征目标CPU在空闲态的开销时长,其可以指示在上文所述的目标时间段内目标CPU除IO等待时长以外的其他等待时长。
软件中断状态时长可以表征目标CPU在软件中断状态的开销时长,其可以指示在上文所述的目标时间段内目标CPU处于软件中断状态的时长。
IO等待时长可以表征目标CPU在IO等待状态的开销时长,其可以指示在上文所述的目标时间段内目标CPU的IO等待时长。
步骤102、计算机设备根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算目标CPU的多个估计利用率,得到估计利用率集合。
其中,目标CPU的估计利用率是一个粗略的估计值,其并不是最终确定的目标CPU的利用率。
步骤103、当该估计利用率集合中的估计利用率满足目标条件时,计算机设备将该估计利用率集合中的估计利用率的平均值作为目标CPU的利用率。
其中,该目标条件可以为标准差小于目标标准差阈值的条件,换句话说,在本申请的一个可选的实施例中,当估计利用率集合中的估计利用率的标准差小于目标标准差阈值时,计算机设备就可以将估计利用率集合中的估计利用率的平均值作为目标CPU的利用率。
其中,估计利用率集合中的估计利用率的标准差可以由下述公式计算得到:
其中,σ为估计利用率集合中的估计利用率的标准差,ratei为估计利用率集合中的第i个估计利用率,n为估计利用率集合中估计利用率的个数。
在本申请实施例提供的确定CPU利用率的方法中,通过在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,其中,该时间参数用于指示目标CPU在多个运行状态下的开销时长,而后,根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算目标CPU的多个估计利用率,得到估计利用率集合,当该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为目标CPU的利用率,这样,就可以通过软件逻辑的方式确定出CPU利用率,而不需要消耗硬件计数器等硬件资源,因而可以节约硬件开销。
请参考图2,在上文所述实施例的基础上,本申请实施例提供的确定CPU利用率的方法还可以包括以下步骤:
步骤201、当估计利用率集合中的估计利用率不满足目标条件时,计算机设备在该多个采样时刻之后的下一采样时刻获取目标CPU的时间参数。
如上文所述,该目标条件可以为标准差小于目标标准差阈值的条件,则在步骤201中,当估计利用率集合中的估计利用率的标准差大于或等于该目标标准差阈值时,计算机设备可以在该多个采样时刻之后的下一采样时刻获取目标CPU的时间参数。
例如,计算机设备在m个采样时刻中的每个采样时刻均获取了目标CPU的时间参数,计算机设备利用在该m个采样时刻中的每个采样时刻获取到的时间参数得到的估计利用率集合,但是,该估计利用率集合中的估计利用率不满足目标条件,此时,计算机设备可以在第m+1个采样时刻继续获取目标CPU的时间参数。
步骤202、计算机设备根据在多个采样时刻之后的下一采样时刻获取到的时间参数,计算目标CPU的另一估计利用率,并将该另一估计利用率存储至估计利用率集合中,得到更新后的估计利用率集合。
由上述说明可知,在更新后的估计利用率集合中除了可以包括原来的估计利用率集合中的估计利用率,还可以包括上文所述的“另一估计利用率”。
步骤203、当更新后的估计利用率集合中的估计利用率满足目标条件时,计算机设备将更新后的估计利用率集合中的估计利用率的平均值作为目标CPU的利用率。
如上文所述,该目标条件可以为标准差小于目标标准差阈值的条件,则在步骤203中,当更新后的估计利用率集合中的估计利用率的标准差小于目标标准差阈值时,计算机设备将更新后的估计利用率集合中的估计利用率的平均值作为目标CPU的利用率。
在本申请的一个可选的实施例中,当更新后的估计利用率集合中的估计利用率不满足目标条件时,计算机设备可以再次进行时间参数的采样,直至满足目标条件为止。
在上文所述实施例的基础上,上述步骤102可以按照下述技术过程实现,该技术过程可以包括以下步骤:
对于该多个采样时刻中的目标采样时刻,计算机设备根据在该目标采样时刻获取到的目标CPU的时间参数以及在该目标时刻之后的下一时刻获取到的目标CPU的时间参数,计算与目标采样时刻对应的目标CPU的估计利用率。
这里的“目标采样时刻”指的是该多个采样时刻中除最后一个采样时刻以外的任一采样时刻。
换句话说,在上述步骤102中,对于该多个采样时刻中除最后一个采样时刻以外的每一采样时刻,计算机设备都可以获取与该采样时刻对应的目标CPU的估计利用率。
其中,对于该多个采样时刻中除最后一个采样时刻以外的每一采样时刻,该采样时刻所对应的目标CPU的估计利用率是根据该采样时刻以及该采样时刻之后的下一采样时刻获取到的时间参数而计算得到的。
例如,对于多个采样时刻中的第x个采样时刻(该第x个采样时刻不是该多个采样时刻中的最后一个采样时刻),计算机设备可以根据在该第x个采样时刻获取到的时间参数以及第x+1个采样时刻获取到的时间参数,计算与该第x个采样时刻对应的目标CPU的估计利用率。
其中,在本申请的一个可选的实施例中,计算机设备计算与目标采样时刻对应的目标CPU的估计利用率的技术过程可以包括下述A至C步骤:
A、计算机设备计算在目标采样时刻获取到的用户态时长和内核态时长的第一和值,并计算自目标CPU启动到目标采样时刻之间的时间段内目标CPU的第一总开销时长。
其中,该第一总开销时长等于在目标采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第三和值。
B、计算机设备计算在目标采样时刻之后的下一时刻获取到的用户态时长和内核态时长的第二和值,并计算自目标CPU启动到目标采样时刻之后的下一采样时刻之间的时间段内目标CPU的第二总开销时长。
其中,该第二总开销时长等于在目标采样时刻之后的下一采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第四和值。
C、计算机设备获取该第二和值和该第一和值的差值与该第二总开销时长和该第一总开销时长的差值的比值,并将该比值作为与该目标采样时刻对应的目标CPU的估计利用率。
步骤C的技术过程可以用如下数学语言进行表示:
cpux=userx+nicex+sysx+idlex+softx+iox;
cpux+1=userx+1+nicex+1+sysx+1+idlex+1+softx+1+iox+1。
ratex为目标采样时刻对应的目标CPU的估计利用率,userx为在目标采样时刻获取到的用户态时长,sysx为在目标采样时刻获取到的内核态时长,userx+1为在目标采样时刻之后的下一采样时刻获取到的用户态时长,sysx+1为在目标采样时刻之后的下一采样时刻获取到的内核态时长,cpux为第一总开销时长,cpux+1为第二总开销时长,userx、nicex、sysx、idlex、softx、iox分别为在目标采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长,userx+1、nicex+1、sysx+1、idlex+1、softx+1、iox+1分别为在目标采样时刻之后的下一时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长。
请参考图3,其示出了本申请实施例提供的一种确定CPU利用率的装置300的框图,该确定CPU利用率的装置300可以配置于上文所述的计算机设备中。如图3所示,该确定CPU利用率的装置300可以包括:第一获取模块301、计算模块302和第二获取模块303。
该第一获取模块301,用于在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,该时间参数用于指示该目标CPU在多个运行状态下的开销时长。
该计算模块302,用于根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算该目标CPU的多个估计利用率,得到估计利用率集合。
该第二获取模块303,用于在该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在本申请的一个实施例中,该第二获取模块303,具体用于:当该估计利用率集合中的估计利用率的标准差小于目标标准差阈值时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在本申请的一个实施例中,该多个运行状态包括用户态、被nice值为负的进程所占用的状态、内核态、空闲态、软件中断状态和IO等待状态中的至少一个;该时间参数包括用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长中的至少一个;该用户态时长用于指示自该目标CPU启动到当前采样时刻之间的目标时间段内,该目标CPU处于用户态但未运行nice值为负的进程的时长,该nice时长用于指示该目标时间段内该目标CPU运行nice值为负的进程的时长,该内核态时长用于指示该目标时间段内该目标CPU处于内核态的时长,该空闲态时长用于指示该目标时间段内该目标CPU除IO等待时长以外的其他等待时长,该软件中断状态时长用于指示该目标时间段内该目标CPU处于软件中断状态的时长,该IO等待时长用于指示该目标时间段内该目标CPU的IO等待时长。
在本申请的一个实施例中,该计算模块302,具体用于:对于该多个采样时刻中的目标采样时刻,根据在该目标采样时刻获取到的该目标CPU的时间参数以及在该目标时刻之后的下一时刻获取到的该目标CPU的时间参数,计算与该目标采样时刻对应的该目标CPU的估计利用率;其中,该目标采样时刻为该多个采样时刻中除最后一个采样时刻以外的任一采样时刻。
在本申请的一个实施例中,该计算模块302,具体用于:计算在该目标采样时刻获取到的用户态时长和内核态时长的第一和值,并计算自该目标CPU启动到该目标采样时刻之间的时间段内该目标CPU的第一总开销时长;计算在该目标采样时刻之后的下一时刻获取到的用户态时长和内核态时长的第二和值,并计算自该目标CPU启动到该目标采样时刻之后的下一采样时刻之间的时间段内该目标CPU的第二总开销时长;获取该第二和值和该第一和值的差值与该第二总开销时长和该第一总开销时长的差值的比值,并将该比值作为与该目标采样时刻对应的该目标CPU的估计利用率。
在本申请的一个实施例中,该计算模块302,具体用于:计算在该目标采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第三和值,将该第三和值作为该第一总开销时长;计算在该目标采样时刻之后的下一采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第四和值,将该第四和值作为该第二总开销时长。
请参考图4,本申请实施例还提供了另外一种确定CPU利用率的装置400,该确定CPU利用率的装置400除了包括确定CPU利用率的装置300包括的各模块外,可选的,该确定CPU利用率的装置400还可以包括第三获取模块304。
该第三获取模块304,用于:当该估计利用率集合中的估计利用率不满足该目标条件时,在该多个采样时刻之后的下一采样时刻获取该目标CPU的时间参数;根据在该多个采样时刻之后的下一采样时刻获取到的时间参数,计算该目标CPU的另一估计利用率,并将该另一估计利用率存储至该估计利用率集合中,得到更新后的估计利用率集合;当该更新后的估计利用率集合中的估计利用率满足该目标条件时,将该更新后的估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
本申请实施例提供的确定CPU利用率的装置,可以实现上述方法实施例,其实现原理和技术效果类似,在此不再赘述。
关于确定CPU利用率的装置的具体限定可以参见上文中对于确定CPU利用率的方法的限定,在此不再赘述。上述确定CPU利用率的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在本申请的一个实施例中,提供了一种计算机设备,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器(CPU)和存储器。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机程序被处理器执行时以实现一种确定CPU利用率的方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本申请的一个实施例中,提供了一种计算机设备,该计算机设备包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,该时间参数用于指示该目标CPU在多个运行状态下的开销时长;根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算该目标CPU的多个估计利用率,得到估计利用率集合;当该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:当该估计利用率集合中的估计利用率的标准差小于目标标准差阈值时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:当该估计利用率集合中的估计利用率不满足该目标条件时,在该多个采样时刻之后的下一采样时刻获取该目标CPU的时间参数;根据在该多个采样时刻之后的下一采样时刻获取到的时间参数,计算该目标CPU的另一估计利用率,并将该另一估计利用率存储至该估计利用率集合中,得到更新后的估计利用率集合;当该更新后的估计利用率集合中的估计利用率满足该目标条件时,将该更新后的估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在本申请的一个实施例中,该多个运行状态包括用户态、被nice值为负的进程所占用的状态、内核态、空闲态、软件中断状态和IO等待状态中的至少一个;该时间参数包括用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长中的至少一个;该用户态时长用于指示自该目标CPU启动到当前采样时刻之间的目标时间段内,该目标CPU处于用户态但未运行nice值为负的进程的时长,该nice时长用于指示该目标时间段内该目标CPU运行nice值为负的进程的时长,该内核态时长用于指示该目标时间段内该目标CPU处于内核态的时长,该空闲态时长用于指示该目标时间段内该目标CPU除IO等待时长以外的其他等待时长,该软件中断状态时长用于指示该目标时间段内该目标CPU处于软件中断状态的时长,该IO等待时长用于指示该目标时间段内该目标CPU的IO等待时长。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:对于该多个采样时刻中的目标采样时刻,根据在该目标采样时刻获取到的该目标CPU的时间参数以及在该目标时刻之后的下一时刻获取到的该目标CPU的时间参数,计算与该目标采样时刻对应的该目标CPU的估计利用率;其中,该目标采样时刻为该多个采样时刻中除最后一个采样时刻以外的任一采样时刻。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:计算在该目标采样时刻获取到的用户态时长和内核态时长的第一和值,并计算自该目标CPU启动到该目标采样时刻之间的时间段内该目标CPU的第一总开销时长;计算在该目标采样时刻之后的下一时刻获取到的用户态时长和内核态时长的第二和值,并计算自该目标CPU启动到该目标采样时刻之后的下一采样时刻之间的时间段内该目标CPU的第二总开销时长;获取该第二和值和该第一和值的差值与该第二总开销时长和该第一总开销时长的差值的比值,并将该比值作为与该目标采样时刻对应的该目标CPU的估计利用率。
在本申请的一个实施例中,处理器执行计算机程序时还实现以下步骤:计算在该目标采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第三和值,将该第三和值作为该第一总开销时长;计算在该目标采样时刻之后的下一采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第四和值,将该第四和值作为该第二总开销时长。
本申请实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在本申请的一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,该时间参数用于指示该目标CPU在多个运行状态下的开销时长;根据在该多个采样时刻中的每个采样时刻获取到的时间参数,计算该目标CPU的多个估计利用率,得到估计利用率集合;当该估计利用率集合中的估计利用率满足目标条件时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:当该估计利用率集合中的估计利用率的标准差小于目标标准差阈值时,将该估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:当该估计利用率集合中的估计利用率不满足该目标条件时,在该多个采样时刻之后的下一采样时刻获取该目标CPU的时间参数;根据在该多个采样时刻之后的下一采样时刻获取到的时间参数,计算该目标CPU的另一估计利用率,并将该另一估计利用率存储至该估计利用率集合中,得到更新后的估计利用率集合;当该更新后的估计利用率集合中的估计利用率满足该目标条件时,将该更新后的估计利用率集合中的估计利用率的平均值作为该目标CPU的利用率。
在本申请的一个实施例中,该多个运行状态包括用户态、被nice值为负的进程所占用的状态、内核态、空闲态、软件中断状态和IO等待状态中的至少一个;该时间参数包括用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长中的至少一个;该用户态时长用于指示自该目标CPU启动到当前采样时刻之间的目标时间段内,该目标CPU处于用户态但未运行nice值为负的进程的时长,该nice时长用于指示该目标时间段内该目标CPU运行nice值为负的进程的时长,该内核态时长用于指示该目标时间段内该目标CPU处于内核态的时长,该空闲态时长用于指示该目标时间段内该目标CPU除IO等待时长以外的其他等待时长,该软件中断状态时长用于指示该目标时间段内该目标CPU处于软件中断状态的时长,该IO等待时长用于指示该目标时间段内该目标CPU的IO等待时长。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:对于该多个采样时刻中的目标采样时刻,根据在该目标采样时刻获取到的该目标CPU的时间参数以及在该目标时刻之后的下一时刻获取到的该目标CPU的时间参数,计算与该目标采样时刻对应的该目标CPU的估计利用率;其中,该目标采样时刻为该多个采样时刻中除最后一个采样时刻以外的任一采样时刻。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:计算在该目标采样时刻获取到的用户态时长和内核态时长的第一和值,并计算自该目标CPU启动到该目标采样时刻之间的时间段内该目标CPU的第一总开销时长;计算在该目标采样时刻之后的下一时刻获取到的用户态时长和内核态时长的第二和值,并计算自该目标CPU启动到该目标采样时刻之后的下一采样时刻之间的时间段内该目标CPU的第二总开销时长;获取该第二和值和该第一和值的差值与该第二总开销时长和该第一总开销时长的差值的比值,并将该比值作为与该目标采样时刻对应的该目标CPU的估计利用率。
在本申请的一个实施例中,计算机程序被处理器执行时还实现以下步骤:计算在该目标采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第三和值,将该第三和值作为该第一总开销时长;计算在该目标采样时刻之后的下一采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第四和值,将该第四和值作为该第二总开销时长。
本实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种确定CPU利用率的方法,其特征在于,所述方法包括:
在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,所述时间参数用于指示所述目标CPU在多个运行状态下的开销时长;
根据在所述多个采样时刻中的每个采样时刻获取到的时间参数,计算所述目标CPU的多个估计利用率,得到估计利用率集合;
当所述估计利用率集合中的估计利用率满足目标条件时,将所述估计利用率集合中的估计利用率的平均值作为所述目标CPU的利用率。
2.根据权利要求1所述的确定CPU利用率的方法,其特征在于,所述当所述估计利用率集合中的估计利用率满足目标条件时,将所述估计利用率集合中的估计利用率的平均值作为所述目标CPU的利用率,包括:
当所述估计利用率集合中的估计利用率的标准差小于目标标准差阈值时,将所述估计利用率集合中的估计利用率的平均值作为所述目标CPU的利用率。
3.根据权利要求1所述的确定CPU利用率的方法,其特征在于,所述方法还包括:
当所述估计利用率集合中的估计利用率不满足所述目标条件时,在所述多个采样时刻之后的下一采样时刻获取所述目标CPU的时间参数;
根据在所述多个采样时刻之后的下一采样时刻获取到的时间参数,计算所述目标CPU的另一估计利用率,并将所述另一估计利用率存储至所述估计利用率集合中,得到更新后的估计利用率集合;
当所述更新后的估计利用率集合中的估计利用率满足所述目标条件时,将所述更新后的估计利用率集合中的估计利用率的平均值作为所述目标CPU的利用率。
4.根据权利要求1所述的确定CPU利用率的方法,其特征在于,所述多个运行状态包括用户态、被nice值为负的进程所占用的状态、内核态、空闲态、软件中断状态和IO等待状态中的至少一个;对应地,所述时间参数包括用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长中的至少一个;
所述用户态时长用于指示自所述目标CPU启动到当前采样时刻之间的目标时间段内,所述目标CPU处于用户态但未运行nice值为负的进程的时长,所述nice时长用于指示所述目标时间段内所述目标CPU运行nice值为负的进程的时长,所述内核态时长用于指示所述目标时间段内所述目标CPU处于内核态的时长,所述空闲态时长用于指示所述目标时间段内所述目标CPU除IO等待时长以外的其他等待时长,所述软件中断状态时长用于指示所述目标时间段内所述目标CPU处于软件中断状态的时长,所述IO等待时长用于指示所述目标时间段内所述目标CPU的IO等待时长。
5.根据权利要求4所述的确定CPU利用率的方法,其特征在于,所述根据在所述多个采样时刻中的每个采样时刻获取到的时间参数,计算所述目标CPU的多个估计利用率,包括:
对于所述多个采样时刻中的目标采样时刻,根据在所述目标采样时刻获取到的所述目标CPU的时间参数以及在所述目标时刻之后的下一时刻获取到的所述目标CPU的时间参数,计算与所述目标采样时刻对应的所述目标CPU的估计利用率;
其中,所述目标采样时刻为所述多个采样时刻中除最后一个采样时刻以外的任一采样时刻。
6.根据权利要求5所述的确定CPU利用率的方法,其特征在于,所述根据在所述目标采样时刻获取到的所述目标CPU的时间参数以及在所述目标时刻之后的下一时刻获取到的所述目标CPU的时间参数,计算与所述目标采样时刻对应的所述目标CPU的估计利用率,包括:
计算在所述目标采样时刻获取到的用户态时长和内核态时长的第一和值,并计算自所述目标CPU启动到所述目标采样时刻之间的时间段内所述目标CPU的第一总开销时长;
计算在所述目标采样时刻之后的下一时刻获取到的用户态时长和内核态时长的第二和值,并计算自所述目标CPU启动到所述目标采样时刻之后的下一采样时刻之间的时间段内所述目标CPU的第二总开销时长;
获取所述第二和值和所述第一和值的差值与所述第二总开销时长和所述第一总开销时长的差值的比值,并将所述比值作为与所述目标采样时刻对应的所述目标CPU的估计利用率。
7.根据权利要求6所述的确定CPU利用率的方法,其特征在于,所述计算自所述目标CPU启动到所述目标采样时刻之间的时间段内所述目标CPU的第一总开销时长,包括:
计算在所述目标采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第三和值,将所述第三和值作为所述第一总开销时长;
对应地,所述计算自所述目标CPU启动到所述目标采样时刻之后的下一采样时刻之间的时间段内所述目标CPU的第二总开销时长,包括:
计算在所述目标采样时刻之后的下一采样时刻获取到的用户态时长、nice时长、内核态时长、空闲态时长、软件中断状态时长以及IO等待时长的第四和值,将所述第四和值作为所述第二总开销时长。
8.一种确定CPU利用率的装置,其特征在于,所述装置包括:
第一获取模块,用于在多个采样时刻中的每个采样时刻获取目标CPU的时间参数,所述时间参数用于指示所述目标CPU在多个运行状态下的开销时长;
计算模块,用于根据在所述多个采样时刻中的每个采样时刻获取到的时间参数,计算所述目标CPU的多个估计利用率,得到估计利用率集合;
第二获取模块,用于在所述估计利用率集合中的估计利用率满足目标条件时,将所述估计利用率集合中的估计利用率的平均值作为所述目标CPU的利用率。
9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7任一所述的确定CPU利用率的方法。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一所述的确定CPU利用率的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911369085.XA CN111176966A (zh) | 2019-12-26 | 2019-12-26 | 确定cpu利用率的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911369085.XA CN111176966A (zh) | 2019-12-26 | 2019-12-26 | 确定cpu利用率的方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111176966A true CN111176966A (zh) | 2020-05-19 |
Family
ID=70647370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911369085.XA Pending CN111176966A (zh) | 2019-12-26 | 2019-12-26 | 确定cpu利用率的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111176966A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117453486A (zh) * | 2023-11-13 | 2024-01-26 | 摩尔线程智能科技(北京)有限责任公司 | 面向进程的gpu利用率的确定方法、装置、设备和介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05324418A (ja) * | 1992-05-25 | 1993-12-07 | Nec Corp | Cpu使用時間監視方式 |
CN104239193A (zh) * | 2014-09-04 | 2014-12-24 | 浪潮电子信息产业股份有限公司 | 一种基于Linux的CPU和内存使用率收集的方法 |
CN107220166A (zh) * | 2016-03-22 | 2017-09-29 | 大唐移动通信设备有限公司 | 一种cpu占用率的统计方法及装置 |
CN108446176A (zh) * | 2018-02-07 | 2018-08-24 | 平安普惠企业管理有限公司 | 一种任务分配方法、计算机可读存储介质及终端设备 |
CN108491122A (zh) * | 2018-02-07 | 2018-09-04 | 平安科技(深圳)有限公司 | 一种点击事件响应方法、计算机可读存储介质及终端设备 |
CN110377418A (zh) * | 2019-06-05 | 2019-10-25 | 上海易点时空网络有限公司 | 用于单台服务器的cpu多核使用率优化处理方法及装置 |
-
2019
- 2019-12-26 CN CN201911369085.XA patent/CN111176966A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05324418A (ja) * | 1992-05-25 | 1993-12-07 | Nec Corp | Cpu使用時間監視方式 |
CN104239193A (zh) * | 2014-09-04 | 2014-12-24 | 浪潮电子信息产业股份有限公司 | 一种基于Linux的CPU和内存使用率收集的方法 |
CN107220166A (zh) * | 2016-03-22 | 2017-09-29 | 大唐移动通信设备有限公司 | 一种cpu占用率的统计方法及装置 |
CN108446176A (zh) * | 2018-02-07 | 2018-08-24 | 平安普惠企业管理有限公司 | 一种任务分配方法、计算机可读存储介质及终端设备 |
CN108491122A (zh) * | 2018-02-07 | 2018-09-04 | 平安科技(深圳)有限公司 | 一种点击事件响应方法、计算机可读存储介质及终端设备 |
CN110377418A (zh) * | 2019-06-05 | 2019-10-25 | 上海易点时空网络有限公司 | 用于单台服务器的cpu多核使用率优化处理方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117453486A (zh) * | 2023-11-13 | 2024-01-26 | 摩尔线程智能科技(北京)有限责任公司 | 面向进程的gpu利用率的确定方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446176B (zh) | 一种任务分配方法、计算机可读存储介质及终端设备 | |
Schranzhofer et al. | Timing analysis for TDMA arbitration in resource sharing systems | |
CN108491122B (zh) | 一种点击事件响应方法、计算机可读存储介质及终端设备 | |
JP5857049B2 (ja) | 単語のユーザー挙動数の予測 | |
CN108205469B (zh) | 一种基于MapReduce的资源分配方法及服务器 | |
US9965329B2 (en) | Method and apparatus for workload placement on heterogeneous systems | |
JP6991983B2 (ja) | 機械学習システムをトレーニングする方法及びシステム | |
Davis | A review of fixed priority and EDF scheduling for hard real-time uniprocessor systems | |
CN109710402A (zh) | 处理资源获取请求的方法、装置、计算机设备和存储介质 | |
CN109992307B (zh) | 指令列表调度方法、装置、计算机设备及存储介质 | |
CN112612607A (zh) | 基于消息队列的数据处理方法、装置、计算机设备和介质 | |
CN111611221A (zh) | 混合计算系统、数据处理方法及装置 | |
CN109189572B (zh) | 一种资源预估方法及系统、电子设备和存储介质 | |
WO2020119188A1 (zh) | 一种程序检测方法、装置、设备及可读存储介质 | |
CN110781196A (zh) | 区块链事务处理方法、装置、计算机设备及存储介质 | |
CN111881477A (zh) | 数据内容的标引方法、装置、计算机设备及存储介质 | |
CN104035747A (zh) | 用于并行计算的方法和装置 | |
CN114866563A (zh) | 扩容方法、装置、系统和存储介质 | |
CN111176966A (zh) | 确定cpu利用率的方法、装置、设备及存储介质 | |
RU2603497C2 (ru) | Способ управления исполнением задачи в компьютерной системе | |
US8185900B2 (en) | Method for the real-time capability analysis of a system by selectively using approximated or actual system expenses for jobs | |
Nissimov et al. | Probabilistic backfilling | |
CN112306814A (zh) | 网卡温度测量方法、装置、计算机设备及存储介质 | |
CN113672489B (zh) | 超级计算机的资源性能等级确定方法及设备 | |
KR101674324B1 (ko) | 실시간 제어 응용에 적용되는 태스크 스케쥴링 장치 및 방법 |
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 | ||
CB02 | Change of applicant information |
Address after: 510663 Shenzhou Road 10, Guangzhou Science City, Guangzhou economic and Technological Development Zone, Guangzhou, Guangdong Applicant after: Jingxin Network System Co.,Ltd. Address before: 510663 Shenzhou Road 10, Guangzhou Science City, Guangzhou economic and Technological Development Zone, Guangzhou, Guangdong Applicant before: COMBA TELECOM SYSTEMS (CHINA) Ltd. |
|
CB02 | Change of applicant information | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200519 |
|
RJ01 | Rejection of invention patent application after publication |