CN111274118B - 一种应用优化处理方法、装置和系统 - Google Patents
一种应用优化处理方法、装置和系统 Download PDFInfo
- Publication number
- CN111274118B CN111274118B CN201811478696.3A CN201811478696A CN111274118B CN 111274118 B CN111274118 B CN 111274118B CN 201811478696 A CN201811478696 A CN 201811478696A CN 111274118 B CN111274118 B CN 111274118B
- Authority
- CN
- China
- Prior art keywords
- application
- operation data
- processing
- processing model
- analysis processing
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 63
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 340
- 238000004458 analytical method Methods 0.000 claims abstract description 176
- 238000000034 method Methods 0.000 claims abstract description 162
- 230000008569 process Effects 0.000 claims abstract description 103
- 238000012549 training Methods 0.000 claims abstract description 27
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011022 operating instruction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/362—Software debugging
- G06F11/3628—Software debugging of optimised code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3604—Software analysis for verifying properties of programs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种应用优化处理方法、装置和系统,该方法应用于应用终端时,包括:采集应用运行过程中的运行数据;利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;利用所述分析处理模型,对所述问题进行处理,该方法应用于服务端时,包括:接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;根据所述运行数据,训练得到分析处理模型;将所述分析处理模型下发给所述多个应用终端。
Description
技术领域
本申请涉及智能终端领域,尤其涉及一种应用优化处理方法、装置和系统。
背景技术
现有的终端中可以安装各种各样的应用,例如,第三方应用。应用在终端中运行时,会不可避免地出现问题。通常,当应用出现问题时,终端可以采集应用的运行数据,并将运行数据上报给服务端。服务端在接收到运行数据后,可以由开发人员对运行数据进行人工分析,确定问题出现的原因以及相应的解决方案,并由服务端将解决方案下发给终端,实现对应用的优化处理,保证应用的正常运行。
然而,在使用上述方法对应用进行优化处理时,整个过程的生效周期比较长,导致优化处理的实时性较差,影响用户的使用体验。
发明内容
本申请实施例提供一种应用优化处理方法、装置和系统,用于解决现有技术中,当应用在运行过程中出现问题时,对应用进行优化处理的生效周期比较长,实时性较差,影响用户使用体验的问题。
为解决上述技术问题,本申请实施例是这样实现的:
第一方面,提出一种应用优化处理方法,应用于应用终端,包括:
采集应用运行过程中的运行数据;
利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
利用所述分析处理模型,对所述问题进行处理。
第二方面,提出一种应用优化处理装置,包括:
数据采集单元,采集应用运行过程中的运行数据;
问题确定单元,利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
问题处理单元,利用所述分析处理模型,对所述问题进行处理。
第三方面,提出一种电子设备,该电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
采集应用运行过程中的运行数据;
利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
利用所述分析处理模型,对所述问题进行处理。
第四方面,提出一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
采集应用运行过程中的运行数据;
利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
利用所述分析处理模型,对所述问题进行处理。
第五方面,提出一种应用优化处理方法,应用于服务端,包括:
接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
根据所述运行数据,训练得到分析处理模型;
将所述分析处理模型下发给所述多个应用终端。
第六方面,提出一种应用优化处理装置,包括:
接收单元,接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
训练单元,根据所述运行数据,训练得到分析处理模型;
发送单元,将所述分析处理模型下发给所述多个应用终端。
第七方面,提出一种电子设备,该电子设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
根据所述运行数据,训练得到分析处理模型;
将所述分析处理模型下发给所述多个应用终端。
第八方面,提出一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
根据所述运行数据,训练得到分析处理模型;
将所述分析处理模型下发给所述多个应用终端。
第九方面,提出一种应用优化处理系统,包括:服务端和多个应用终端,其中:
所述服务端,接收所述多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;根据所述运行数据,训练得到分析处理模型;将所述分析处理模型下发给所述多个应用终端;
所述应用终端,接收所述服务端下发的分析处理模型;采集应用运行过程中的运行数据;利用所述分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;利用所述分析处理模型,对所述问题进行处理。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
本申请实施例提供的技术方案,应用在终端中运行时,终端可以采集应用运行过程中的运行数据,利用本地的分析处理模型对运行数据进行处理,确定应用在本地运行时存在的问题,并利用该分析处理模型对问题进行处理。由于终端可以利用本地的分析处理模型对应用运行时出现的问题进行处理,无需将运行数据上报给服务端并由服务端进行问题处理,因此,对应用进行优化处理的生效周期短,实时性较好,这样,当应用出现问题时,终端可以及时地对应用进行优化处理,保证应用的正常运行,从而提升用户的使用体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请的一个实施例应用优化处理方法的流程示意图;
图2是本申请的一个实施例应用优化处理方法的流程示意图;
图3是本申请的一个实施例应用优化处理方法的流程示意图;
图4是本申请的一个实施例应用的性能优化方法的场景示意图;
图5是本申请的一个实施例电子设备的结构示意图;
图6是本申请的一个实施例应用优化处理装置的结构示意图;
图7是本申请的一个实施例电子设备的结构示意图;
图8是本申请的一个实施例应用优化处理装置的结构示意图;
图9是本申请的一个实施例应用优化处理系统的结构示意图。
具体实施方式
现有技术中,当应用在终端中运行出现问题时,终端会将应用的运行数据上报给服务端,并由服务端向终端下发相应的解决方案,实现对应用的优化处理。其中,服务端下发的解决方案通常为应用的新版本,该新版本由开发人员开发,且可以克服旧版本中出现的问题。
然而,上述应用的优化处理方法,由于终端需要将应用的运行数据上报给服务端,在服务端,开发人员需要对运行数据进行人工分析并开发新的版本,并由服务端将新的版本下发给终端,才可以实现对应用的优化处理,因此,对应用进行优化处理的生效周期较长,实时性较差。此外,通过下发新版本的方式对应用进行优化处理时,通常只能解决应用出现的普遍问题,并不能解决应用在不同终端运行时出现的长尾问题。
为了解决上述技术问题,本申请实施例提供一种应用优化处理方法、装置和系统,该方法应用于应用终端时,包括:采集应用运行过程中的运行数据;利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;利用所述分析处理模型,对所述问题进行处理。
本申请实施例提供的技术方案,由于终端可以利用本地的分析处理模型对应用运行时出现的问题进行处理,无需将运行数据上报给服务端并由服务端进行问题处理,因此,对应用进行优化处理的生效周期短,实时性较好,这样,当应用出现问题时,终端可以及时地对应用进行优化处理,保证应用的正常运行,从而提升用户的使用体验。
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图1是本申请的一个实施例应用优化处理方法的流程示意图。本实施例记载的优化处理方法可以应用于应用终端,所述应用终端可以理解为安装有应用的移动终端,具体可以是智能手机、平板电脑等。所述优化处理方法具体包括以下步骤。
S102:采集应用运行过程中的运行数据。
应用终端在运行其安装的某个应用时,可以采集该应用运行过程中的运行数据。所述运行数据可以是日志,也可以是应用在运行过程中产生的其他数据,这里不做具体限定。
应用终端在采集应用的运行数据时,在一种实现方式中,应用终端可以预先设置数据采集模块,并利用该数据采集模块进行数据采集,以得到应用的运行数据。
本实施例中,应用终端可以实时采集应用的运行数据,也可以在应用出现问题时采集应用的运行数据,这里不做具体限定。优选地,为了保证对应用进行优化处理的实时性,应用终端可以实时采集应用运行过程中的运行数据。
应用终端在采集得到应用的运行数据后,可以执行S104。
S104:利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题。
本实施例中,所述分析处理模型可以由服务端预先确定得到,并下发给应用终端,具体实现过程可以参见图3所示实施例中记载的相关内容,这里不再重复说明。
所述分析处理模型对运行数据进行处理后的处理结果可以包含多个,其中,一个处理结果可以对应应用在本地运行时出现的一个问题,一个问题可以对应一个概率值。
在利用所述分析处理模型对采集得到的应用运行数据进行处理,确定应用出现的问题时,可以包括以下步骤:
首先,可以将应用的运行数据作为分析处理模型的输入,确定分析处理模型对应用的运行数据进行处理后得到的多个处理结果,其中,各处理结果分别对应一个问题和一个概率值。
其次,可以将各处理结果对应的概率值进行比较,由于概率可以表征应用出现某个问题的可能性,因此,可以确定具有最大概率值的处理结果,这里由目标处理结果表示对应最大概率值的处理结果。
最后,可以将目标处理结果对应的问题确定为应用运行时出现的问题。
在确定应用出现的问题后,可以执行S106。
S106:利用所述分析处理模型,对所述问题进行处理。
本实施例中,所述分析处理模型不仅可以对应用的运行数据进行处理,还可以对应用出现的问题进行优化处理。为了对应用出现的问题进行优化处理,所述分析处理模型中可以包括与应用在本地运行时存在的不同问题对应的解决方案。
基于分析处理模型中包含的解决方案,应用终端对应用出现的问题进行处理时,可以包括以下步骤:
首先,可以根据应用出现的问题,从分析处理模型中查找与该问题对应的解决方案;其次,当查找到对应的解决方案时,可以利用该解决方案对应用出现的问题进行处理,实现对应用的优化处理。
例如,如果应用出现的问题是内存占用过大导致打开速度缓慢,查找到的解决方案时释放内存,那么,可以关闭应用终端后台运行的部分应用,以释放应用终端的内存,实现对应用得优化处理;如果应用出现的问题是由于缺少特定数据导致崩溃,查找到的解决方案是特定数据,那么,可以在应用中补全该特定数据,以修复应用的崩溃问题,实现对应用的优化处理。
这样,由于在应用运行的过程中,应用终端可以利用本地的分析处理模型对应用出现的问题进行处理,无需将运行数据上报给服务端并由服务端进行问题处理,因此,对应用进行优化处理的生效周期短,实时性较好,当应用出现问题时,应用终端可以及时地对应用进行优化处理,保证应用的正常运行,从而提升用户的使用体验。
需要说明的是,应用终端在利用分析处理模型对应用出现的问题进行处理之前或者之后,还可以将应用出现问题时的运行数据上传给服务端,服务端在接收到运行数据后,可以基于运行数据进行模型训练,得到所述分析处理模型。其中,服务端进行模型训练的具体过程可以参见图3所示实施例中记载的内容,这里不再重复描述。
服务端在训练得到所述分析处理模型,可以将所述分析处理模型更新至应用终端。这样,当应用终端没有分析处理模型时,应用终端可以获取得到分析处理模型,以便对应用运行时存在的问题进行及时处理;当应用终端已包含分析处理模型时,可以将服务端下发的分析处理模型更新至本地,以便可以利用更新后的分析处理模型对应用的运行数据进行处理,使得确定得到的应用出现的问题更为准确,同时,利用更新后的分析处理模型对应用出现的问题进行处理,处理效果更佳。
在本实施例中,所述分析处理模型可以用于处理应用出现的长尾问题,所述长尾问题可以理解为应用在多个终端中运行时,多个终端中个别终端会出现的问题,例如,由于终端后台运行的程序较多,导致应用启动过慢。然而,应用在本地运行时,出现的问题中除了长尾问题外,还包括普通问题,所述普遍问题可以理解为应用在多个终端中运行时,多个终端中大部分终端都会出现的问题,例如,由于应用的设计缺陷导致的问题。
这样,为了便于对应用出现的普遍问题进行处理,在本实施例中,应用终端在采集到应用的运行数据后,在利用分析处理模型对运行数据进行处理之前,还可以包括以下步骤:
将本地的问题规则引擎与所述运行数据进行匹配,确定应用在本地运行存在的问题;
利用所述问题规则引擎,对所述问题进行处理。
本实施例中,所述问题引擎规则可以由服务端预先确定得到,并下发给应用终端,具体实现过程可以参见图3所示实施例中记载的相关内容,这里不再重复描述。
所述问题规则引擎可以用于对应用出现的普遍问题进行处理,具体可以包括应用在本地运行时存在的不同问题对应的问题运行数据。这样,应用终端在将问题规则引擎与应用的运行数据进行匹配时,可以将问题规则引擎中包含的问题运行数据与采集到的运行数据进行匹配。
若匹配成功,则可以说明采集到的运行数据中包含问题运行数据,应用在运行时出现问题,此时,可以将匹配的问题运行数据对应的问题确定为应用在本地运行时出现的问题。
在确定应用出现的问题后,可以利用所述问题规则引擎进行问题处理。其中,所述问题规则引擎中可以包括应用在本地运行时存在的不同问题对应的解决方案,这样,在利用问题规则引擎进行问题处理时,可以从问题规则引擎中查找与应用出现的问题对应的解决方案,当查找到解决方案后,可以利用查找到的解决方案对应用出现的问题进行处理,实现对应用的优化处理。
若没有匹配成功,则可以说明应用不存在普遍问题,此时,可以利用所述分析处理模型对应用的运行数据进行处理,具体可以参见上述S104和S106记载的内容,这里不再重复描述。
需要说明的是,应用终端在利用问题规则引擎对应用出现的问题进行处理之前或之后,还可以将应用出现问题时的运行数据上传给服务端,服务端在接收到运行数据后,可以对运行数据进行分析处理,得到所述问题规则引擎。其中,服务端分析得到问题规则引擎的具体过程可以参见图3所示实施例中记载的内容,这里不再重复描述。
服务端在得到所述问题规则引擎后,可以将所述问题规则引擎更新至应用终端。这样,当应用终端没有问题规则引擎时,应用终端可以获取得到问题规则引擎,以便对应用的运行数据进行匹配,实现对应用的优化处理;当应用终端已包含问题规则引擎时,可以将服务端下发的问题规则引擎更新至本地,以便可以利用更新后的问题规则引擎对应用的运行数据进行匹配,以便更准确地确定应用的运行数据中是否存在问题运行数据,进而基于更新后的问题规则引擎,实现对应用更为准确的优化处理。
本实施例中,应用终端在采集到应用的运行数据后,由于可以通过问题规则引擎对运行数据进行匹配,再通过分析处理模型对运行数据进行处理,因此,既可以对应用出现的普遍问题进行处理,也可以对应用出现的长尾问题进行处理,从而可以有效地对应用进行优化处理。
由于应用的运行数据可以由问题规则引擎进行预处理后再由分析处理模型处理,因此,可以减少分析处理模型的数据处理量,加快数据处理速度,从而提高应用优化处理的效率。
此外,由于本实施例中可以实时获取应用的运行数据,并基于问题规则引擎和分析处理模型对运行数据进行处理,因此,还可以起到对应用出现的问题进行预测,并提前解决问题的作用,从而保证应用的正常运行。
需要说明的是,在实际应用中,可能存在利用所述问题规则引擎以及所述分析处理模型都不能解决的问题,此时,为了保证应用的正常运行,应用终端可以将应用的运行数据上报给服务端,由服务端基于现有技术中记载的方法,确定应用出现的问题,进而实现对应用的优化处理。
为了便于理解整个技术方案,可以参见图2。图2是本申请的一个实施例应用优化处理方法的流程示意图。本申请实施例的执行主体为应用终端,所述方法包括以下步骤。
S201:采集应用运行过程中的运行数据。
应用终端在运行其安装的某个应用时,可以实时采集该应用的运行数据,所述运行数据可以是日志,也可以是应用运行过程中产生的其他数据。
S202:将本地的问题规则引擎与所述运行数据进行匹配。
所述问题规则引擎可以用于处理应用出现的普遍问题,可以由服务端下发给应用终端,也可以由应用终端主动从服务端获取。
所述问题规则引擎中可以包含应用在本地运行时存在的不同问题对应的问题运行数据,在匹配时,可以将所述问题运行数据与应用的运行数据进行匹配。
S203:判断所述问题规则引擎是否与所述运行数据匹配成功。
若匹配成功,则说明应用存在普遍问题,可以执行S204;若未匹配成功,则说明应用不存在普遍问题,可以执行S205。
S204:利用所述问题规则引擎,对应用出现的第一问题进行处理。
所述第一问题可以理解为应用出现的普遍问题,所述问题规则引擎中可以包括应用在本地运行时存在的不同普遍问题对应的解决方案,在对第一问题进行处理时,可以从所述问题规则引擎中查找与所述第一问题对应的解决方案,并基于查找到的解决方案对所述第一问题进行处理。
在对所述第一问题进行处理后,可以执行S207。
S205:利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的第二问题。
所述分析处理模型对应用的运行数据的处理结果包括多个,一个处理结果可以对应一个问题和一个概率值,这里将具有最大概率值得处理结果对应的问题作为所述第二问题。
所述第二问题可以理解为应用在本地运行时出现的长尾问题。
S206:利用所述分析处理模型,对所述第二问题进行处理。
所述分析处理模型中可以包括应用在本地运行时存在的不同问题对应的解决方案,在对所述第二问题进行处理时,可根据所述第二原因,从所述分析处理模型中查找与所述第二问题对应的解决方案,并基于查找到的解决方案对所述应用第二问题进行处理。
S207:结束。
需要说明的是,上述S204后,还可以执行S205,这样,在应用即存在普遍问题又存在长尾问题的情况下,可以充分对应用的运行数据进行分析处理,以共同解决应用存在的普遍问题和长尾问题。
在实际应用中,可以重复执行上述S201至S207,以实时地对应用进行优化处理,保证应用的正常运行。
本申请实施例提供的技术方案,应用在终端中运行时,终端可以采集应用运行过程中的运行数据,利用本地的分析处理模型对运行数据进行处理,确定应用在本地运行时存在的问题,并利用该分析处理模型对问题进行处理。由于终端可以利用本地的分析处理模型对应用运行时出现的问题进行处理,无需将运行数据上报给服务端并由服务端进行问题处理,因此,对应用进行优化处理的生效周期短,实时性较好,这样,当应用出现问题时,终端可以及时地对应用进行优化处理,保证应用的正常运行,从而提升用户的使用体验。
图3为本申请的一个实施例应用优化处理方法的流程示意图。本实施例记载的应用优化处理方法可以应用于服务端,所述应用优化处理方法具体包括以下步骤。
S302:接收多个应用终端上报的运行数据。
应用终端可以是图1所示实施例中记载的应用终端,所述运行数据为应用在应用终端运行过程中存在问题时的运行数据,具体可以是日志,也可以是应用产生的其他运行数据。
在S302中,多个应用终端在运行应用的过程中,当应用出现问题时,可以采集应用的运行数据,并将运行数据上报给服务端。
服务端在接收到多个应用上报的运行数据后,可以执行S304。
S304:根据所述运行数据,训练得到分析处理模型。
本实施例中,所述分析处理模型的作用与图1所示实施例中记载的分析处理模型的作用相同,这里不再重复描述。
所述分析处理模型可以包括问题分析模块和问题处理模块,所述问题分析模块可以用于对应用的运行数据进行处理,确定应用运行时存在的问题,所述问题处理模块中可以包括应用在应用终端运行时存在的不同问题对应的解决方案,用于解决应用存在的问题。
本实施例中,服务端在根据运行数据训练分析处理模型时,首先,可以对运行数据进行分析,确定应用出现的问题;其次,将运行数据和应用出现的问题作为样本特征进行训练,得到模型,该模型可以视为所述问题分析模块;再次,根据应用出现问题的原因,确定相应的解决方案,建立应用出现的不同问题与解决方案之间的映射关系,并将该映射关系存储在所述问题处理模块中;最后,根据得到的所述问题分析模块以及所述问题处理模块,可以得到所述分析处理模型。
需要说明的是,由于在实际应用中,针对不同的应用终端而言,相同的运行结果可能对应不同的应用问题,例如,应用的打开速度慢,出现的问题可能是终端的内存占用过大,也可能是应用本身的设计缺陷,因此,在进行模型训练时,得到的模型的输出结果(即模型对运行数据的处理结果)可以是多个,其中,一个输出结果可以对应应用出现的一个问题和一个概率值,所述概率值可以表征应用出现该问题的可能性。
服务端在训练得到所述分析处理模型后,可以执行S306。
S306:将所述分析处理模型下发给所述多个应用终端。
以其中一个应用终端为例,服务端在将分析处理模型下发给应用终端后,如果应用终端本地没有所述分析处理模型,那么,应用终端可以将所述分析处理模型存储在本地;如果应用终端本地已存储所述分析处理模型,那么,应用终端可以将服务端下发的分析处理模型更新至本地。
这样,应用终端在运行应用的过程中,可以利用本地的分析处理模型对应用进行优化处理。
本实施例中,所述分析处理模型主要用于应用终端对应用出现的长尾问题进行处理,为了便于应用终端对应用出现的普遍问题进行处理,服务端在接收到多个应用终端上报的运行数据后,还可以对基于运行数据进行分析处理,得到问题规则引擎,并将问题规则引擎下发给应用终端。其中,所述问题规则引擎的作用可以与上述图1所示实施例中记载的问题引擎规则的作用相同,这里不再重复描述。
服务端在对运行数据进行分析处理,得到问题规则引擎时,首先,可以根据对运行数据的分析处理结果,确定应用出现普遍问题时的问题运行数据;其次,可以根据问题运行数据,确定用于处理普遍问题的解决方案;最后,建立应用出现的不同普遍问题、问题运行数据以及解决方案之间的映射关系,该映射关系可以视为所述问题规则引擎。
也就是说,服务端确定得到的问题规则引擎中可以包括应用在应用终端运行时存在的不同问题对应的问题运行数据和解决方案,这样,在将问题规则引擎下发给应用终端后,应用终端可以利用问题规则引擎,对应用的运行数据进行分析,解决应用出现的普遍问题,实现对应用的优化处理。
本申请实施例提供的技术方案,服务端在接收到应用终端上报的运行数据后,可以根据运行数据训练得到分析处理模型,并将分析处理模型下发给应用终端。这样,当应用在应用终端中运行出现问题,应用终端可以利用本地的分析处理模型对应用出现的问题进行处理,无需将运行数据上报给服务端并由服务端进行问题处理,因此,对应用进行优化处理的生效周期短,实时性较好,这样,当应用出现问题时,终端可以及时地对应用进行优化处理,保证应用的正常运行,从而提升用户的使用体验。
为了便于理解应用终端与服务端之间的交互,可以参见图4。
图4为本申请的一个实施例应用优化处理方法的场景示意图。图4中,应用终端1至应用终端n中均安装有某个应用,当应用在n个应用终端中运行时,应用终端可以采集应用的运行数据,当应用出现问题时,可以将应用的运行数据上报给服务端。
服务端在接收到n个应用终端上报的运行数据后,可以采用图3所示实施例中记载的方法,根据运行数据训练得到分析处理模型,并将所述分析处理模型下发给各应用终端。其中,所述分析处理模型可以用于各应用终端对应用出现的长尾问题进行处理。
此外,服务端还可以采用图3所示实施例中记载的方法,根据各应用终端上报的运行数据,确定得到问题规则引擎,并将所述问题规则引擎下发给各应用终端。其中,所述问题规则引擎可以用于各应用终端对应用出现的普遍问题进行处理。
n个应用终端在接收到服务端下发的问题规则引擎和分析处理模型后,以应用终端1为例,当应用在应用终端1中运行时,应用终端可以实时采集应用运行过程中的运行数据,利用本地的问题规则引擎和分析处理模型对运行数据进行处理,确定应用在本地运行时存在的问题,并利用问题规则引擎和分析处理模型对问题进行处理,实现对应用的优化处理。
这样,由于应用终端可以利用本地的分析处理模型对应用出现的问题进行处理,无需将运行数据上报给服务端并由服务端进行问题处理,因此,对应用进行优化处理的生效周期短,实时性较好,当应用出现问题时,终端可以及时地对应用进行优化处理,保证应用的正常运行,从而提升用户的使用体验。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
图5是本申请的一个实施例电子设备的结构示意图。请参考图5,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成应用优化处理装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
采集应用运行过程中的运行数据;
利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
利用所述分析处理模型,对所述问题进行处理。
上述如本申请图5所示实施例揭示的应用优化处理装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1和图2的方法,并实现应用优化处理装置在图1和图2所示实施例中的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1和图2所示实施例的方法,并具体用于执行以下操作:
采集应用运行过程中的运行数据;
利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
利用所述分析处理模型,对所述问题进行处理。
图6是本申请的一个实施例应用优化处理装置60的结构示意图。请参考图6,在一种软件实施方式中,所述应用优化处理装置60可包括:数据采集单元61、问题确定单元62和问题处理单元63,其中:
数据采集单元61,采集应用运行过程中的运行数据;
问题确定单元62,利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
问题处理单元63,利用所述分析处理模型,对所述问题进行处理。
可选地,所述分析处理模型对运行数据的处理结果包括多个,一个处理结果对应一个问题,一个问题对应一个概率值;
其中,所述问题确定单元62,利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题,包括:
确定对应最大概率值的目标处理结果;
将所述目标处理结果对应的问题确定为应用在本地运行存在的问题。
可选地,所述分析处理模型中包括应用在本地运行时存在的不同问题对应的解决方案;
其中,所述问题处理单元63,利用所述分析处理模型,对所述问题进行处理,包括:
从所述分析处理模型中查找与所述问题对应的解决方案;
利用查找到的解决方案,对所述问题进行处理。
可选地,所述问题确定单元62,在所述问题处理单元63利用本地的分析处理模型对所述运行数据进行处理之前,将本地的问题规则引擎与所述运行数据进行匹配,确定应用在本地运行存在的问题;
利用所述问题规则引擎,对所述问题进行处理。
可选地,所述问题规则引擎中包括应用在本地运行时存在的不同问题对应的问题运行数据;
其中,所述问题确定单元62,将本地的问题规则引擎与所述运行数据进行匹配,确定应用在本地运行存在的问题,包括:
将所述问题运行数据与所述运行数据进行匹配;
当匹配成功时,将匹配的所述问题运行数据对应的问题确定为所述应用在本地运行存在的问题。
可选地,所述问题规则引擎中还包括应用在本地运行时存在的不同问题对应的解决方案;
其中,所述问题处理单元63,利用所述问题规则引擎,对所述问题进行处理,包括:
从所述问题规则引擎中查找与所述问题对应的解决方案;
利用查找的解决方案,对所述问题进行处理。
可选地,所述应用优化装置60还包括:上报单元64,其中:
所述上报单元64,在所述问题处理单元63对所述问题进行处理之前或之后,将所述问题对应的运行数据上传给服务端,由所述服务端对所述分析处理模型进行训练,并将训练后的分析处理模型更新至所述应用终端。
可选地,所述上报单元64,在所述问题处理单元63对所述问题进行处理之前或之后,还用于将所述问题对应的运行数据上传给服务端,由所述服务端对所述运行数据进行分析处理后,对所述问题规则引擎进行更新,并将更新后的问题规则引擎更新至所述应用终端。
本申请实施例提供的应用优化处理装置60还可执行图1和图2的方法,并实现应用优化处理装置在图1和图2所示实施例的功能,本申请实施例在此不再赘述。
图7是本申请的一个实施例电子设备的结构示意图。请参考图7,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成应用优化处理装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
根据所述运行数据,训练得到分析处理模型;
将所述分析处理模型下发给所述多个应用终端。
上述如本申请图7所示实施例揭示的应用优化处理装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图3的方法,并实现应用优化处理装置在图3所示实施例中的功能,本申请实施例在此不再赘述。
当然,除了软件实现方式之外,本申请的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图3所示实施例的方法,并具体用于执行以下操作:
接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
根据所述运行数据,训练得到分析处理模型;
将所述分析处理模型下发给所述多个应用终端。
图8是本申请的一个实施例应用优化处理装置80的结构示意图。请参考图8,在一种软件实施方式中,所述应用优化处理装置80可包括:接收单元81、训练单元82和发送单元83,其中:
接收单元81,接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
训练单元82,根据所述运行数据,训练得到分析处理模型;
发送单元83,将所述分析处理模型下发给所述多个应用终端。
可选地,所述分析处理模型中包括问题分析模块和问题处理模块,其中:
所述问题分析模块用于对应用在所述应用终端的运行数据进行处理,确定应用运行时存在的问题;
所述问题处理模块中包括应用在所述应用终端运行时存在的不同问题对应的解决方案。
可选地,所述训练单元82,在所述接收单元81接收到多个应用终端上报的运行数据之后,对所述运行数据进行分析处理,得到问题规则引擎;
将所述问题规则引擎下发给所述多个应用终端。
可选地,所述问题规则引擎中包括应用在所述应用终端运行时存在的不同问题对应的问题运行数据和解决方案。
本申请实施例提供的应用优化处理装置80还可执行图3的方法,并实现应用优化处理装置在图3所示实施例的功能,本申请实施例在此不再赘述。
图9为本申请的一个实施例应用优化处理系统的结构示意图,所述应用优化处理系统90可以包括:服务端91和多个应用终端92(图9仅示出了一个),其中:
所述服务端91,接收所述多个应用终端92上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;根据所述运行数据,训练得到分析处理模型;将所述分析处理模型下发给所述多个应用终端92;
所述应用终端92,接收所述服务端91下发的分析处理模型;采集应用运行过程中的运行数据;利用所述分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;利用所述分析处理模型,对所述问题进行处理。
本实施例中,所述服务端91的作用与图3所示实施例中记载的服务端的作用相同,所述服务端91执行的各步骤的具体实现方式可以参见图3所示实施例中相应步骤的实现方式,这里不再重复说明。
所述应用终端92的作用与图1所示实施例中记载的应用终端的作用相同,所述应用终端92执行的各步骤的具体实现方式可以参见图1所示实施例中相应步骤的实现方式,这里也不再重复说明。
总之,以上所述仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (17)
1.一种应用优化处理方法,应用于应用终端,所述方法包括:
采集应用运行过程中的运行数据;
利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
利用所述分析处理模型,对所述问题进行处理;
所述分析处理模型中包括应用在本地运行时存在的不同问题对应的解决方案;其中,利用所述分析处理模型,对所述问题进行处理,包括:
从所述分析处理模型中查找与所述问题对应的解决方案;
利用查找到的解决方案,对所述问题进行处理。
2.如权利要求1所述的方法,
所述分析处理模型对运行数据的处理结果包括多个,一个处理结果对应一个问题,一个问题对应一个概率值;
其中,利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题,包括:
确定对应最大概率值的目标处理结果;
将所述目标处理结果对应的问题确定为应用在本地运行存在的问题。
3.如权利要求1所述的方法,在利用本地的分析处理模型对所述运行数据进行处理之前,所述方法还包括:
将本地的问题规则引擎与所述运行数据进行匹配,确定应用在本地运行存在的问题;
利用所述问题规则引擎,对所述问题进行处理。
4.如权利要求3所述的方法,
所述问题规则引擎中包括应用在本地运行时存在的不同问题对应的问题运行数据;
其中,将本地的问题规则引擎与所述运行数据进行匹配,确定应用在本地运行存在的问题,包括:
将所述问题运行数据与所述运行数据进行匹配;
当匹配成功时,将匹配的所述问题运行数据对应的问题确定为所述应用在本地运行存在的问题。
5.如权利要求3所述的方法,
所述问题规则引擎中还包括应用在本地运行时存在的不同问题对应的解决方案;
其中,利用所述问题规则引擎,对所述问题进行处理,包括:
从所述问题规则引擎中查找与所述问题对应的解决方案;
利用查找的解决方案,对所述问题进行处理。
6.如权利要求1所述的方法,在对所述问题进行处理之前或之后,所述方法还包括:
将所述问题对应的运行数据上传给服务端,由所述服务端对所述分析处理模型进行训练,并将训练后的分析处理模型更新至所述应用终端。
7.如权利要求3所述的方法,在对所述问题进行处理之前或之后,所述方法还包括:
将所述问题对应的运行数据上传给服务端,由所述服务端对所述运行数据进行分析处理后,对所述问题规则引擎进行更新,并将更新后的问题规则引擎更新至所述应用终端。
8.一种应用优化处理方法,应用于服务端,所述方法包括:
接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
根据所述运行数据,训练得到分析处理模型;
将所述分析处理模型下发给所述多个应用终端;
所述分析处理模型中包括问题分析模块和问题处理模块,其中:
所述问题分析模块用于对应用在所述应用终端的运行数据进行处理,确定应用运行时存在的问题;
所述问题处理模块中包括应用在所述应用终端运行时存在的不同问题对应的解决方案。
9.如权利要求8所述的方法,在接收到多个应用终端上报的运行数据之后,所述方法还包括:
对所述运行数据进行分析处理,得到问题规则引擎;
将所述问题规则引擎下发给所述多个应用终端。
10.如权利要求9所述的方法,
所述问题规则引擎中包括应用在所述应用终端运行时存在的不同问题对应的问题运行数据和解决方案。
11.一种应用优化处理装置,应用于应用终端,包括:
数据采集单元,采集应用运行过程中的运行数据;
问题确定单元,利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
问题处理单元,利用所述分析处理模型,对所述问题进行处理;
所述分析处理模型中包括应用在本地运行时存在的不同问题对应的解决方案;所述问题处理单元,具体用于从所述分析处理模型中查找与所述问题对应的解决方案;利用查找到的解决方案,对所述问题进行处理。
12.一种应用优化处理装置,应用于服务端,包括:
接收单元,接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
训练单元,根据所述运行数据,训练得到分析处理模型;
发送单元,将所述分析处理模型下发给所述多个应用终端;
所述分析处理模型中包括问题分析模块和问题处理模块,其中:
所述问题分析模块用于对应用在所述应用终端的运行数据进行处理,确定应用运行时存在的问题;
所述问题处理模块中包括应用在所述应用终端运行时存在的不同问题对应的解决方案。
13.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
采集应用运行过程中的运行数据;
利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
利用所述分析处理模型,对所述问题进行处理;
所述分析处理模型中包括应用在本地运行时存在的不同问题对应的解决方案;其中,利用所述分析处理模型,对所述问题进行处理,包括:
从所述分析处理模型中查找与所述问题对应的解决方案;
利用查找到的解决方案,对所述问题进行处理。
14.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
采集应用运行过程中的运行数据;
利用本地的分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;
利用所述分析处理模型,对所述问题进行处理;
所述分析处理模型中包括应用在本地运行时存在的不同问题对应的解决方案;其中,利用所述分析处理模型,对所述问题进行处理,包括:
从所述分析处理模型中查找与所述问题对应的解决方案;
利用查找到的解决方案,对所述问题进行处理。
15.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,该可执行指令在被执行时使该处理器执行以下操作:
接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
根据所述运行数据,训练得到分析处理模型;
将所述分析处理模型下发给所述多个应用终端;
所述分析处理模型中包括问题分析模块和问题处理模块,其中:
所述问题分析模块用于对应用在所述应用终端的运行数据进行处理,确定应用运行时存在的问题;
所述问题处理模块中包括应用在所述应用终端运行时存在的不同问题对应的解决方案。
16.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下方法:
接收多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;
根据所述运行数据,训练得到分析处理模型;
将所述分析处理模型下发给所述多个应用终端;
所述分析处理模型中包括问题分析模块和问题处理模块,其中:
所述问题分析模块用于对应用在所述应用终端的运行数据进行处理,确定应用运行时存在的问题;
所述问题处理模块中包括应用在所述应用终端运行时存在的不同问题对应的解决方案。
17.一种应用优化处理系统,包括:服务端和多个应用终端,其中:
所述服务端,接收所述多个应用终端上报的运行数据,所述运行数据为应用在所述应用终端运行过程中存在问题时的运行数据;根据所述运行数据,训练得到分析处理模型;将所述分析处理模型下发给所述多个应用终端;所述分析处理模型中包括问题分析模块和问题处理模块,其中:所述问题分析模块用于对应用在所述应用终端的运行数据进行处理,确定应用运行时存在的问题;所述问题处理模块中包括应用在所述应用终端运行时存在的不同问题对应的解决方案;
所述应用终端,接收所述服务端下发的分析处理模型;采集应用运行过程中的运行数据;利用所述分析处理模型对所述运行数据进行处理,确定应用在本地运行存在的问题;利用所述分析处理模型,对所述问题进行处理;
所述分析处理模型中包括应用在本地运行时存在的不同问题对应的解决方案;其中,利用所述分析处理模型,对所述问题进行处理,包括:
从所述分析处理模型中查找与所述问题对应的解决方案;
利用查找到的解决方案,对所述问题进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811478696.3A CN111274118B (zh) | 2018-12-05 | 2018-12-05 | 一种应用优化处理方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811478696.3A CN111274118B (zh) | 2018-12-05 | 2018-12-05 | 一种应用优化处理方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111274118A CN111274118A (zh) | 2020-06-12 |
CN111274118B true CN111274118B (zh) | 2024-05-14 |
Family
ID=71000134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811478696.3A Active CN111274118B (zh) | 2018-12-05 | 2018-12-05 | 一种应用优化处理方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111274118B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104007994A (zh) * | 2014-06-11 | 2014-08-27 | 焦点科技股份有限公司 | 一种基于策略库交互的更新方法、升级方法与升级系统 |
CN104699606A (zh) * | 2015-03-06 | 2015-06-10 | 国网四川省电力公司电力科学研究院 | 一种基于隐马尔科夫模型的软件系统状态预测方法 |
CN105653444A (zh) * | 2015-12-23 | 2016-06-08 | 北京大学 | 基于互联网日志数据的软件缺陷故障识别方法和系统 |
CN105677572A (zh) * | 2016-02-04 | 2016-06-15 | 华中科技大学 | 基于自组织映射模型云软件性能异常错误诊断方法与系统 |
CN105955709A (zh) * | 2016-04-16 | 2016-09-21 | 浙江大学 | 基于机器学习的预取能效优化自适应装置及方法 |
CN106941423A (zh) * | 2017-04-13 | 2017-07-11 | 腾讯科技(深圳)有限公司 | 故障原因定位方法及装置 |
CN107092830A (zh) * | 2017-06-09 | 2017-08-25 | 武汉虹旭信息技术有限责任公司 | 基于流量分析的ios恶意软件预警和检测系统及其方法 |
CN107678799A (zh) * | 2017-09-30 | 2018-02-09 | 广东欧珀移动通信有限公司 | 应用程序管控方法、装置、存储介质及电子设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170366562A1 (en) * | 2016-06-15 | 2017-12-21 | Trustlook Inc. | On-Device Maliciousness Categorization of Application Programs for Mobile Devices |
US10275338B2 (en) * | 2017-04-04 | 2019-04-30 | Microsoft Technology Licensing, Llc | Automated system for fixing and debugging software deployed to customers |
-
2018
- 2018-12-05 CN CN201811478696.3A patent/CN111274118B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104007994A (zh) * | 2014-06-11 | 2014-08-27 | 焦点科技股份有限公司 | 一种基于策略库交互的更新方法、升级方法与升级系统 |
CN104699606A (zh) * | 2015-03-06 | 2015-06-10 | 国网四川省电力公司电力科学研究院 | 一种基于隐马尔科夫模型的软件系统状态预测方法 |
CN105653444A (zh) * | 2015-12-23 | 2016-06-08 | 北京大学 | 基于互联网日志数据的软件缺陷故障识别方法和系统 |
CN105677572A (zh) * | 2016-02-04 | 2016-06-15 | 华中科技大学 | 基于自组织映射模型云软件性能异常错误诊断方法与系统 |
CN105955709A (zh) * | 2016-04-16 | 2016-09-21 | 浙江大学 | 基于机器学习的预取能效优化自适应装置及方法 |
CN106941423A (zh) * | 2017-04-13 | 2017-07-11 | 腾讯科技(深圳)有限公司 | 故障原因定位方法及装置 |
CN107092830A (zh) * | 2017-06-09 | 2017-08-25 | 武汉虹旭信息技术有限责任公司 | 基于流量分析的ios恶意软件预警和检测系统及其方法 |
CN107678799A (zh) * | 2017-09-30 | 2018-02-09 | 广东欧珀移动通信有限公司 | 应用程序管控方法、装置、存储介质及电子设备 |
Non-Patent Citations (2)
Title |
---|
基于机器学习的故障决策系统设计;李绍宗;;软件导刊;20180717(10);全文 * |
自动程序修复方法研究述评;王赞;郜健;陈翔;傅浩杰;樊向宇;;计算机学报;20170728(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111274118A (zh) | 2020-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107993085B (zh) | 模型训练方法、基于模型的用户行为预测方法及装置 | |
CN110598157B (zh) | 目标信息识别方法、装置、设备及存储介质 | |
CN109344906B (zh) | 基于机器学习的用户风险分类方法、装置、介质及设备 | |
CN107229559B (zh) | 针对业务系统的测试完整度的检测方法和装置 | |
CN110826006A (zh) | 基于隐私数据保护的异常采集行为识别方法和装置 | |
CN110221953A (zh) | 测试结果分析方法、装置、服务器及存储介质 | |
CN114422267A (zh) | 流量检测方法、装置、设备及介质 | |
CN109271453B (zh) | 一种数据库容量的确定方法和装置 | |
CN112434717B (zh) | 一种模型训练方法及装置 | |
CN112737798B (zh) | 主机资源分配方法、装置及调度服务器、存储介质 | |
CN114662772A (zh) | 交通噪音预警方法、模型训练方法、装置、设备及介质 | |
CN110634018A (zh) | 一种流失用户的特征刻画方法、识别方法及相关装置 | |
CN113656354A (zh) | 日志分类方法、系统、计算机设备和可读存储介质 | |
CN111274118B (zh) | 一种应用优化处理方法、装置和系统 | |
CN112232719A (zh) | 一种指标定量评分方法、计算机设备及存储介质 | |
CN108021464B (zh) | 一种应用程序响应数据的兜底处理的方法以及装置 | |
CN111125714A (zh) | 一种安全检测方法、装置及电子设备 | |
CN110674839B (zh) | 异常用户识别方法、装置、存储介质及电子设备 | |
CN115811483A (zh) | 一种网络状态监测方法、装置、电子设备和存储介质 | |
CN110955760A (zh) | 判决结果的评价方法和相关装置 | |
CN114595146A (zh) | Ab测试方法、装置、系统、电子设备及介质 | |
CN111400147B (zh) | 一种业务质量测试方法、装置和系统 | |
CN112559294A (zh) | 一种应用页面资源消耗的确定方法和装置 | |
CN111352825A (zh) | 数据接口的测试方法、装置及服务器 | |
CN113065058A (zh) | 家庭成员识别的方法及装置、电子设备和可读存储介质 |
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 |