CN111475374B - 一种基于autosar架构的复杂驱动任务的用时监控方法 - Google Patents
一种基于autosar架构的复杂驱动任务的用时监控方法 Download PDFInfo
- Publication number
- CN111475374B CN111475374B CN202010187900.7A CN202010187900A CN111475374B CN 111475374 B CN111475374 B CN 111475374B CN 202010187900 A CN202010187900 A CN 202010187900A CN 111475374 B CN111475374 B CN 111475374B
- Authority
- CN
- China
- Prior art keywords
- complex driving
- preset time
- period
- time
- latest preset
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000010223 real-time analysis Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3013—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is an embedded system, i.e. a combination of hardware and software dedicated to perform a certain function in mobile devices, printers, automotive or aircraft systems
-
- 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
- G06F11/302—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
-
- 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
- G06F11/34—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
- G06F11/3452—Performance evaluation by statistical analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开的一种基于AUTOSAR架构的复杂驱动任务的用时监控方法，包括以下步骤：步骤S10，计算当前周期内复杂驱动任务的执行时间；步骤S20，选取较长的执行时间进行记录，同时计算第一最近预设时间段内的平均执行时间；步骤S30，读取并记录当前执行时间最长的复杂驱动任务的用时，同时计算第二最近预设时间段内的平均执行时间；步骤S40，读取并记录当前执行时间最长的复杂驱动任务的用时，同时计算第三最近预设时间段内的平均执行时间；步骤S50，读取并记录记录当前执行时间最长的复杂驱动任务的用时，同时计算第四最近预设时间段内的平均执行时间以及总平均执行时间。本发明实现对复杂驱动任务执行性能的实时分析和评估。
Description
技术领域
本发明涉及新能源汽车控制器软件系统技术领域，尤其涉及一种基于AUTOSAR架构的新能源汽车控制器软件系统的复杂驱动任务的用时监控方法。
背景技术
当前新能源汽车控制器软件系统中，对复杂驱动任务的实时性及用时要求越来越高，但同时缺少高效可靠的测量监控方法。所谓的复杂驱动任务是基于AUTOSAR软件架构定义的，其主要任务是整合具有特殊目的且不能用MCAL进行配置的非标准功能模块，将该部分功能嵌入到AUTOSAR基础软件层中，从而实现处理复杂传感器以及执行器的特定功能和时间要求。由于该任务的上述特殊性，无法直接通过操作系统进行有效管理，所以当前常用的测量方法有两种，一种是对复杂驱动任务首尾设置IO信号，并通过示波器观察电平翻转时间来测量。虽然这种方法可以实时测量复杂驱动任务的单周期执行时间，但是不利于统计观察多周期/长时间/特殊工况的任务时间执行情况；另一种是通过集成外部监控程序来测量。这种方法可以有效地测量统计复杂驱动任务的执行情况，但是需要集成额外的代码，同时也会消耗相当的系统运算能力来进行统计和分析，也可能损失一定的实时性。
此外，由于复杂驱动任务的实时性要求高(微秒级别)，一般无法达到同等级的任务执行的实时数据观察。因此，对数据的有效采集和统计提出了更高的要求。
为此，申请人进行了有益的探索和尝试，找到了解决上述问题的办法，下面将要介绍的技术方案便是在这种背景下产生的。
发明内容
本发明所要解决的技术问题在于：针对现有技术的不足而提供一种基于AUTOSAR架构的新能源汽车控制器软件系统的复杂驱动任务的用时监控方法。
本发明所要解决的技术问题可以采用如下技术方式来实现：
一种基于AUTOSAR架构的复杂驱动任务的用时监控方法，包括以下步骤：
步骤S10，在当前周期内且复杂驱动任务开始前记录系统时钟，同时在本周期复杂驱动任务结束后再次记录系统时钟，通过计算时钟的差值，得出单位周期内复杂驱动任务的执行时间；
步骤S20，将当前周期内的复杂驱动任务的执行时间和上一周期的复杂驱动任务的执行时间进行比较，选取较长的执行时间进行记录，同时计算第一最近预设时间段内所有的复杂驱动任务的平均执行时间，第一最近预设时间段的范围大于当前周期的范围；
步骤S30，在第一最近预设时间段的系统任务中，读取并记录当前执行时间最长的复杂驱动任务的用时，同时计算第二最近预设时间段内所有的复杂驱动任务的平均执行时间，第二最近预设时间段的范围大于第一最近预设时间段的范围；
步骤S40，在第二最近预设时间段内的系统任务中，读取并记录当前执行时间最长的复杂驱动任务的用时，同时计算第三最近预设时间段内所有的复杂驱动任务的平均执行时间，第三最近预设时间段的范围大于第二最近预设时间段的范围；
步骤S50，在第三最近预设时间段内的系统任务中，读取并记录记录当前执行时间最长的复杂驱动任务的用时，同时计算第四最近预设时间段内所有的复杂驱动任务的平均执行时间以及总平均执行时间，第四最近预设时间段的范围大于第三最近预设时间段的范围。
在本发明的一个优选实施例中，所述当前周期的范围为100微妙，所述第一最近预设时间段为1毫秒，所述第二最近预设时间段为100毫秒，所述第三最近预设时间段为1秒，所述第四最近预设时间段为1分钟。
由于采用了如上技术方案，本发明的有益效果在于：本发明实时计算单位周期内的复杂驱动任务的执行时间(例如100微秒的周期任务)并记录连续周期的最大执行时间，并通过基于AUTOSAR的操作系统任务(例如1毫秒/100毫秒/1秒)对连续周期复杂驱动任务的最长执行时间和平均执行时间进行嵌套统计，从而实现对复杂驱动任务执行性能的实时分析和评估。本发明通过高效的周期任务嵌套统计，有效采集和统计任务执行数据，避免了在实时性要求较高的复杂驱动任务中大量的计算损耗，同时利用了基于AUTOSAR架构的实时操作系统的任务管理方法，其结构简单，易于实现，占用系统资源较少。
附图说明
为了更清楚地说明本发明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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的流程示意图。
图2是本发明的基本原理示意图。
图3是使用本发明的用时监控方法的用时测量分析和结果的示意图。
图4是使用本发明的用时监控方法的用时监控画面的示意图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
参见图1，图中给出的是一种基于AUTOSAR架构的复杂驱动任务的用时监控方法，包括以下步骤：
步骤S10，在当前周期内且复杂驱动任务开始前记录系统时钟，同时在本周期复杂驱动任务结束后再次记录系统时钟，通过计算时钟的差值，得出单位周期内复杂驱动任务的执行时间。在本实施例中，当前周期的范围为100微妙。
步骤S20，将当前周期内的复杂驱动任务的执行时间和上一周期的复杂驱动任务的执行时间进行比较，选取较长的执行时间进行记录，同时计算第一最近预设时间段内所有的复杂驱动任务的平均执行时间，第一最近预设时间段的范围大于当前周期的范围。在本实施例中，第一最近预设时间段为1毫秒。
步骤S30，在第一最近预设时间段的系统任务中，读取并记录当前执行时间最长的复杂驱动任务的用时，同时计算第二最近预设时间段内所有的复杂驱动任务的平均执行时间，第二最近预设时间段的范围大于第一最近预设时间段的范围。在本实施例中，第二最近预设时间段为100毫秒。
步骤S40，在第二最近预设时间段内的系统任务中，读取并记录当前执行时间最长的复杂驱动任务的用时，同时计算第三最近预设时间段内所有的复杂驱动任务的平均执行时间，第三最近预设时间段的范围大于第二最近预设时间段的范围。在本实施例中，第三最近预设时间段为1秒。
步骤S50，在第三最近预设时间段内的系统任务中，读取并记录记录当前执行时间最长的复杂驱动任务的用时，同时计算第四最近预设时间段内所有的复杂驱动任务的平均执行时间以及总平均执行时间，第四最近预设时间段的范围大于第三最近预设时间段的范围。在本实施例中，第四最近预设时间段为1分钟。
本发明实时计算单位周期内的复杂驱动任务的执行时间(例如100微秒的周期任务)并记录连续周期的最大执行时间，并通过基于AUTOSAR的操作系统任务(例如1毫秒/100毫秒/1秒)对连续周期复杂驱动任务的最长执行时间和平均执行时间进行嵌套统计，从而实现对复杂驱动任务执行性能的实时分析和评估，具体原理如图2所示。
以下示出本发明的基于AUTOSAR架构的复杂驱动任务的用时监控方法的一个具体应用实施例：
1)对复杂驱动任务的最长执行时间进行统计。
通过在100微秒任务中周期性地计算及比较用时，即：
Tmin＝min{T100us}
(2)对复杂驱动任务的最长执行时间变化趋势进行实时监控。
通过采集1毫秒/100毫秒/1秒任务中记录的最长执行时间，可以实时监测到复杂驱动任务的最长执行时间变化趋势。
(3)对复杂驱动任务的持续平均执行时间进行统计。
(3.1)最近1毫秒内的平均执行时间：
在100微秒复杂驱动周期任务中计算10次平均执行时间，在1毫秒系统周期任务中记录，即：
(3.2)最近100毫秒内的平均执行时间：
在1毫秒系统周期任务中计算100次平均执行时间，在100毫秒系统周期任务中记录，即：
(3.3)最近1秒内的平均执行时间：
在100毫秒系统周期任务中计算10次平均执行时间，在1秒系统周期任务中记录，即：
(3.3)总的平均执行时间：
在1秒系统周期任务中记录，取所有1秒内的平均执行时间的平均值，即：
(4)对复杂驱动任务的平均执行时间变化趋势进行实时监控。
通过采集最近1毫秒内/100毫秒内/1秒内的平均执行时间，可以实时监测到复杂驱动任务的平均执行时间变化趋势。
本发明通过高效的周期任务嵌套统计，有效采集和统计任务执行数据，避免了在实时性要求较高的复杂驱动任务中大量的计算损耗，同时利用了基于AUTOSAR架构的实时操作系统的任务管理方法，其结构简单，易于实现，占用系统资源较少。本发明针对某款新能源汽车控制器软件系统复杂驱动任务的用时测量分析和结果，如图3所示。本发明针对某款新能源汽车控制器软件系统复杂驱动任务的用时监控画面，如图4所示。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (2)
1.一种基于AUTOSAR架构的复杂驱动任务的用时监控方法，其特征在于，包括以下步骤：
步骤S10，在当前周期内且复杂驱动任务开始前记录系统时钟，同时在本周期复杂驱动任务结束后再次记录系统时钟，通过计算时钟的差值，得出单位周期内复杂驱动任务的执行时间；
步骤S20，将当前周期内的复杂驱动任务的执行时间和上一周期的复杂驱动任务的执行时间进行比较，选取较长的执行时间进行记录，同时计算第一最近预设时间段内所有的复杂驱动任务的平均执行时间，第一最近预设时间段的范围大于当前周期的范围；
步骤S30，在第一最近预设时间段的系统任务中，读取并记录当前执行时间最长的复杂驱动任务的用时，同时计算第二最近预设时间段内所有的复杂驱动任务的平均执行时间，第二最近预设时间段的范围大于第一最近预设时间段的范围；
步骤S40，在第二最近预设时间段内的系统任务中，读取并记录当前执行时间最长的复杂驱动任务的用时，同时计算第三最近预设时间段内所有的复杂驱动任务的平均执行时间，第三最近预设时间段的范围大于第二最近预设时间段的范围；
步骤S50，在第三最近预设时间段内的系统任务中，读取并记录记录当前执行时间最长的复杂驱动任务的用时，同时计算第四最近预设时间段内所有的复杂驱动任务的平均执行时间以及总平均执行时间，第四最近预设时间段的范围大于第三最近预设时间段的范围。
2.如权利要求1所述的基于AUTOSAR架构的复杂驱动任务的用时监控方法，其特征在于，所述当前周期的范围为100微妙，所述第一最近预设时间段为1毫秒，所述第二最近预设时间段为100毫秒，所述第三最近预设时间段为1秒，所述第四最近预设时间段为1分钟。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010187900.7A CN111475374B (zh) | 2020-03-17 | 2020-03-17 | 一种基于autosar架构的复杂驱动任务的用时监控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010187900.7A CN111475374B (zh) | 2020-03-17 | 2020-03-17 | 一种基于autosar架构的复杂驱动任务的用时监控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111475374A CN111475374A (zh) | 2020-07-31 |
| CN111475374B true CN111475374B (zh) | 2023-11-10 |
Family
ID=71748253
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010187900.7A Active CN111475374B (zh) | 2020-03-17 | 2020-03-17 | 一种基于autosar架构的复杂驱动任务的用时监控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111475374B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007328508A (ja) * | 2006-06-07 | 2007-12-20 | Sony Corp | 記録装置および方法、並びにプログラム |
| CN103744772A (zh) * | 2014-01-28 | 2014-04-23 | 北京经纬恒润科技有限公司 | 一种检测任务运行性能的方法和系统 |
| CN107168849A (zh) * | 2017-05-02 | 2017-09-15 | 广东网金数据服务有限公司 | 一种任务调度运行监控方法和装置 |
| KR20180033761A (ko) * | 2016-09-26 | 2018-04-04 | 재단법인대구경북과학기술원 | 실시간 운영체제의 태스크 실행 시간 모니터링 장치 및 그 방법 |
| CN108196995A (zh) * | 2016-12-08 | 2018-06-22 | 成都华为技术有限公司 | 一种确定处理任务平均时长的方法及设备 |
| CN110058988A (zh) * | 2017-12-18 | 2019-07-26 | 罗伯特·博世有限公司 | 测量事件链的响应时间的系统和方法 |
| CN110262373A (zh) * | 2019-06-14 | 2019-09-20 | 深圳市轩辕天恩科技有限公司 | 工时采集方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9697043B2 (en) * | 2015-02-02 | 2017-07-04 | Mediatek Inc. | Methods and computer systems for performance monitoring of tasks |
-
2020
- 2020-03-17 CN CN202010187900.7A patent/CN111475374B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007328508A (ja) * | 2006-06-07 | 2007-12-20 | Sony Corp | 記録装置および方法、並びにプログラム |
| CN103744772A (zh) * | 2014-01-28 | 2014-04-23 | 北京经纬恒润科技有限公司 | 一种检测任务运行性能的方法和系统 |
| KR20180033761A (ko) * | 2016-09-26 | 2018-04-04 | 재단법인대구경북과학기술원 | 실시간 운영체제의 태스크 실행 시간 모니터링 장치 및 그 방법 |
| CN108196995A (zh) * | 2016-12-08 | 2018-06-22 | 成都华为技术有限公司 | 一种确定处理任务平均时长的方法及设备 |
| CN107168849A (zh) * | 2017-05-02 | 2017-09-15 | 广东网金数据服务有限公司 | 一种任务调度运行监控方法和装置 |
| CN110058988A (zh) * | 2017-12-18 | 2019-07-26 | 罗伯特·博世有限公司 | 测量事件链的响应时间的系统和方法 |
| CN110262373A (zh) * | 2019-06-14 | 2019-09-20 | 深圳市轩辕天恩科技有限公司 | 工时采集方法、装置、计算机设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111475374A (zh) | 2020-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5299161B2 (ja) | 計算機装置および消費電力のサンプリング方法 | |
| CN101620562B (zh) | 一种嵌入式系统性能的评估方法及系统 | |
| US8495652B2 (en) | IT system behavior measurement and analysis system and method thereof | |
| CN102736725B (zh) | 一种硬盘节能控制方法、装置及中央处理器 | |
| CN106502868B (zh) | 一种适用于云计算的动态调整监测频率方法 | |
| CN116647819B (zh) | 基于传感器网络的仪器能耗监测方法及系统 | |
| CN108491861A (zh) | 基于多源多参量融合的输变电设备状态异常模式识别方法及装置 | |
| CN111737078B (zh) | 基于负载类型的自适应云服务器能耗测算方法、系统及设备 | |
| CN112749013B (zh) | 线程负载的检测方法、装置、电子设备及存储介质 | |
| CN104503565A (zh) | 移动设备的功耗管理方法、装置及移动设备 | |
| CN101354826A (zh) | 电子设备现场数据采集及分析系统和数据采集及分析方法 | |
| CN111964756B (zh) | 一种低功耗同时提高水表脉冲计量准确性的方法 | |
| CN110837933A (zh) | 基于神经网络的漏损识别方法、装置、设备及存储介质 | |
| CN111475374B (zh) | 一种基于autosar架构的复杂驱动任务的用时监控方法 | |
| CN112283593A (zh) | 一种关阀检测管网漏损的物联网系统及其漏损检测方法 | |
| CN111310350A (zh) | 一种基于Prophet模型的SSD寿命预测方法及系统 | |
| CN111200864A (zh) | 数据处理方法、装置、设备和存储介质 | |
| CN105955116B (zh) | 一种光伏空调变频器电能控制器及控制系统 | |
| CN108446162B (zh) | 监测JVM Full GC事件的方法及系统 | |
| CN105139122A (zh) | 程序运行时长的统计方法及系统 | |
| CN115006921B (zh) | 一种空气滤清器的寿命预测方法、装置、设备及介质 | |
| CN103201687A (zh) | 低能量传感器接口 | |
| CN111007406B (zh) | 一种物联网节点功耗统计学习方法 | |
| CN111174842B (zh) | 用于电子式计量表的随机数采样方法 | |
| CN111427742B (zh) | 一种基于autosar架构的复杂驱动任务实时监控方法 |
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 |