CN111796658A

CN111796658A - 一种信息处理方法、电子设备和计算机可读存储介质

Info

Publication number: CN111796658A
Application number: CN202010622314.0A
Authority: CN
Inventors: 刘俊海; 张伟; 钱凯; 曾显栓
Original assignee: Lenovo Beijing Ltd
Current assignee: Lenovo Beijing Ltd
Priority date: 2020-06-30
Filing date: 2020-06-30
Publication date: 2020-10-20
Anticipated expiration: 2040-06-30
Also published as: CN111796658B

Abstract

本发明实施例公开了一种信息处理方法，应用于电子设备，所述方法包括：通过第一控制器获取所述电子设备的网络数据流；其中，所述网络数据流为处于网络连接状态下所述电子设备的数据；基于所述网络数据流控制所述电子设备的目标处理器的功耗；其中，所述目标处理器和所述第一控制器不同。本发明实施例同时还公开了一种电子设备和计算机可读存储介质。

Description

一种信息处理方法、电子设备和计算机可读存储介质

技术领域

本发明涉及信息技术领域，尤其涉及一种信息处理方法、电子设备和计算机可读存储介质。

背景技术

中央处理器(Central Processing Unit，CPU)是电子设备中重要的耗能元件，对其进行功耗控制是控制电子设备整体功耗的重要手段，也是业内普遍关心的问题；因此，如何实现对CPU进行功耗控制是本领域亟需解决的技术问题，然而，相关技术中并没有给出任何有关预测并控制CPU功耗的具体实施方案。

发明内容

为解决上述技术问题，本发明实施例期望提供一种信息处理方法、电子设备和计算机可读存储介质，能够快速预测并控制CPU的功耗，进而了提高电子设备的工作性能。

为达到上述目的，本发明的技术方案是这样实现的：

一种信息处理方法，应用于电子设备，所述方法包括：

通过第一控制器获取所述电子设备的网络数据流；其中，所述网络数据流为处于网络连接状态下所述电子设备的数据；

基于所述网络数据流控制所述电子设备的目标处理器的功耗；其中，所述目标处理器和所述第一控制器不同。

可选地，所述通过第一控制器获取所述电子设备的网络数据流，包括：

通过所述第一控制器获取所述电子设备的网络数据包；

从所述网络数据包中解析所述电子设备内部第一应用程序运行时所产生的网络数据流；其中，所述网络数据流至少包括：网络数据包大小、单位时间内网络数据包的数量、第一应用程序相关信息。

可选地，所述基于所述网络数据流控制所述电子设备的目标处理器的功耗，包括：

基于所述网络数据流，确定所述目标处理器的工作场景；

基于所述目标处理器的工作场景，预测所述目标处理器的功耗。

可选地，所述基于所述网络数据流，确定所述目标处理器的工作场景，包括：

基于所述网络数据流和场景识别模型，确定所述目标处理器的工作场景。

可选地，所述方法还包括：

获取处于网络连接状态下所述电子设备产生的历史网络数据流；

采用机器学习算法对所述历史网络数据流进行模型训练，生成所述场景识别模型。

可选地，所述基于所述目标处理器的工作场景，预测所述目标处理器的功耗，包括：

获取温控调整策略，其中，所述温控调整策略表征所述工作场景和所述功耗的对应关系；

基于所述温控调整策略和所述目标处理器的工作场景，预测所述目标处理器的功耗。

可选地，所述电子设备在所述目标处理器的工作场景下包括第一工作状态和第二工作状态，所述方法还包括：

若所述电子设备处于所述第一工作状态，控制所述目标处理器的功耗为第一功耗值；

若所述电子设备处于所述第二工作状态，控制所述目标处理器的功耗为第二功耗值；其中，所述第一功耗值小于所述第二功耗值。

一种电子设备，所述电子设备包括：处理器、存储器和通信总线；

所述通信总线用于实现所述处理器和所述存储器之间的通信连接；

所述处理器用于执行所述存储器中存储的信息处理方法的程序，以实现以下步骤：

可选地，所述处理器执行通过第一控制器获取所述电子设备的网络数据流的步骤，还可以实现以下步骤：

通过所述第一控制器获取所述电子设备的网络数据包；

一种计算机可读存储介质，所述计算机可读存储介质有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的信息处理方法的步骤。

本发明实施例所提供的信息处理方法、电子设备和计算机可读存储介质，处于网络连接状态下电子设备通过第一控制器获取电子设备的网络数据流；基于网络数据流控制电子设备的目标处理器的功耗；其中，目标处理器和第一控制器不同；如此，直接通过第一控制器获取的网络数据流来控制电子设备的目标处理器的功耗，能够快速预测并控制CPU的功耗，进而提高了电子设备的工作性能。

附图说明

图1为本发明实施例提供的一种信息处理方法的流程示意图；

图2为本发明实施例提供的一种CPU功耗与网络工作状态直接正相关的示意图；

图3为本发明实施例提供的另一种信息处理方法的流程示意图；

图4为本发明实施例提供的又一种信息处理方法的流程示意图；

图5为本发明实施例提供一种预测CPU功耗的流程示意图；

图6为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

应理解，说明书通篇中提到的“本发明实施例”或“前述实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“本发明实施例中”或“在前述实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中应。在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在未做特殊说明的情况下，电子设备执行本发明实施例中的任一步骤，可以是电子设备的处理器执行该步骤。还值得注意的是，本发明实施例并不限定电子设备执行下述步骤的先后顺序。以及本发明实施例中不同步骤中信息进行处理的方法可以是相同的方法或者是不同的方法。

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供一种信息处理方法，应用于电子设备，如图1所示，该方法包括以下步骤：

步骤101、通过第一控制器获取电子设备的网络数据流。

其中，网络数据流为处于网络连接状态下电子设备的数据。

本发明实施例中，电子设备可以为任一具有数据处理能力的设备，例如服务器、数字电视(Television，TV)或者台式计算机等。

在一种可行的实施方式中，处于网络连接状态下的电子设备，可以是处于无线网络连接状态下或处于有线网络连接状态下的电子设备，其中，无线网络连接与有线网络连接的具体实现形式在本发明中不做任何限定。

在本发明实施例中，第一控制器可以是电子设备中的且能够实现电子设备基于网络进行信息交互的处理器，换而言之，电子设备可以通过第一控制器来获取与网络有关的数据。在一种可行的实现方式中，第一控制器可以是网卡控制器即网卡，网卡为电子设备上允许电子设备在网络上进行通讯的硬件模块，且每一网卡都有其唯一且对应的媒体访问控制(Media Access Control，MAC)地址，在网络上每一电子设备都必须至少有一个独一无二的MAC地址，其可以使得用户使用电子设备过程中通过电缆或无线的形式相互连接进行信息交互。

在一种可行的实现方式中，处于网络连接状态下电子设备的数据，可以是电子设备内部的应用程序运行时产生的数据和/或电子设备内部的系统软件运行时产生的数据。换而言之，网络数据流可以是电子设备处于无线或有线网络状态下内部的应用程序处于网络连接状态下产生的网络数据和/或电子设备内部的系统程序运行时产生的网络数据。其中，网络数据可以是以数据包的形式出现。其中，网络数据流可以是与网络相关的视频数据流、音频数据流等等。

步骤102、基于网络数据流控制电子设备的目标处理器的功耗。

其中，目标处理器和第一控制器不同。

在本发明实施例中，目标处理器可以是电子设备中任一与第一控制器不同的处理器，如电子设备中执行数据处理的任一处理器，即可以是CPU或图形处理器(GraphicsProcessing Unit，GPU)中任何一种，其中，CPU作为电子设备运算和控制的核心，是电子设备中信息处理、程序运行的最终执行单元；GPU为电子设备的显示核心，是电子设备上进行图像和图形相关运算工作的微处理器。此外，目标处理器也可以包括电子设备CPU和GPU，本发明对此不作任何限定。

需要说明的是，本发明实施例中的目标处理器与第一控制器内部的处理器不同。

在一种可行的实现方式中，电子设备通过网络数据流控制目标处理器的功耗，可以是通过预测目标处理器的功耗阈值来实现对目标处理器的功耗的控制，即电子设备按照预设规则通过网络数据流来预测目标处理器的功耗阈值，通过该功耗阈值来控制目标处理器的功耗。在本发明实施例中，目标处理器作为CPU时，其功耗可以包括以下两种即CPU的长时睿频功耗和CPU的短时睿频功耗。

在本发明实施例中，目标处理器的功耗可以是目标处理器的功率的损耗，即目标处理器在工作状态时耗散的热能。在本发明中，可以是目标处理器的功耗可以是电子设备处于网络连接状态下的目标处理器工作时耗散的热能。如图2所示，给出了一种CPU功耗与网络工作状态直接正相关的示意图，从图2中可以得出在一定时间段内电子设备处于网络连接状态下收发无线空中数据包时与CPU的功耗具有正相关的关系，图2中给出的是电子设备在WIFI状态下的功耗即WIFI_PWR和系统功耗即SYS_PWR同时作用下，无线网络数据与CPU的功耗是具有一定对应关系的，图2中WIFI air packets为电子设备处于无线网络连接状态下的收发无线空中数据包、WIFI packets为电子设备处于无线网络连接状态下的收发无线数据包。

本发明实施例所提供的信息处理方法，处于网络连接状态下电子设备通过第一控制器获取电子设备的网络数据流；基于网络数据流控制电子设备的目标处理器的功耗；其中，目标处理器和第一控制器不同；如此，直接通过第一控制器获取的网络数据流来控制电子设备的目标处理器的功耗，实现了快速预测并控制CPU的功耗，进而提高了电子设备的工作性能。

基于前述实施例，本发明实施例提供一种信息处理方法，如图3所示，该方法包括以下步骤：

步骤201、电子设备通过第一控制器获取电子设备的网络数据包。

在本发明实施例中，网络数据包可以是电子设备处于网络连接状态下基于第一控制器即网卡与网络或其他设备之间进行信息交互时的上行网络数据包和下行网络数据包。

在一种可行的实现方式中，电子设备可以是获取在预设时间段内在传输控制协议(Transmission Control Protocol，TCP)层的上行数据流量和下行数据流量，其中，预设时间的时长本发明对此不作任何限定。

步骤202、电子设备从网络数据包中解析电子设备内部第一应用程序运行时所产生的网络数据流。

其中，网络数据流至少包括以下信息：网络数据包大小、单位时间内网络数据包的数量、第一应用程序相关信息。

在本发明实施例中，电子设备解析网络数据包来获取网络数据流可以通过以下几种方式来实现：电子设备可以通过特定的应用程序对网络数据包进行解析来获取网络数据流；电子设备也可以在基于电子设备内部的网络数据包分析器来获取网络数据流。在一种可行的实现方式中，电子设备通过特定的应用程序或内部的网络数据包分析器对网络数据包进行捕获后再进行解析。

在本发明实施例中，网络数据包中至少包括处于网络连接状态下电子设备内部正在运行的应用程序产生的上行网络数据包和下行网络数据包、系统应用程序在网络连接状态下的上行网络数据包和下行网络数据包。在一种可行的实施方式中，网络数据流为电子设备内部正在运行的应用程序的上行网络数据流和下行网络数据流。其中，上行网络数据流和下行网络数据流至少包括以下网络数据包大小、单位时间内网络数据包的数量、第一应用程序相关信息。

在一种可行的实现方式中，网络数据流可以是电子设备内部正在运行的第一应用程序产生的网络数据，该网络数据为与该第一应用程序相关的数据包信息，该数据包信息可以包括以下信息：与第一应用程序相关的网络数据包大小、与第一应用程序相关的单位时间内网络数据包的数量、与第一应用程序相关的网络数据等等。

在本发明实施例中，第一应用程序可以为电子设备内部正在运行的应用软件，例如可以是即时通信应用、视频网站应用等等；其中，第一应用程序可以包括至少两个应用程序，本发明对其数量不作任何限定。

步骤203、电子设备基于网络数据流控制电子设备的目标处理器的功耗。

其中，目标处理器和第一控制器不同。

需要说明的是，本实施例中与其它实施例中相同步骤和相同内容的说明，可以参照其它实施例中的描述，此处不再赘述。

本发明实施例所提供的信息处理方法，电子设备直接通过第一控制器获取的网络数据流来控制电子设备的目标处理器的功耗，实现了快速预测并控制CPU的功耗，进而提高了电子设备的工作性能。

基于前述实施例，本发明的实施例提供一种信息处理方法，如图4所示，该方法包括以下步骤：

步骤301、电子设备通过第一控制器获取电子设备的网络数据包。

步骤302、电子设备从网络数据包中解析电子设备内部第一应用程序运行时所产生的网络数据流。

在本发明实施例中，网络数据流包括但不限于以下信息：网络数据包大小、单位时间内网络数据包的数量、第一应用程序相关信息，其中，在第一应用程序包括至少两个应用程序时，网络数据流还可以包括每一应用程序的权重系数等。

步骤303、电子设备基于网络数据流，确定目标处理器的工作场景。

在本发明实施例中，电子设备可以基于网络数据流来确定目标处理器的当前工作场景，具体的可以根据网络数据流来具体确定目标处理器处于网络连接状态下对应的几种工作场景，如目标处理器可以包括但不限于以下几种工作场景：轻载、脉冲负载、稳定负载、时而脉冲时而恒定负载；其中，可以使用Idle表征轻载、Bursty表征脉冲负载、Sustain表征稳定负载、Mix表征时而脉冲时而恒定负载。在本发明其他实施例中，均以上述英文指代目标处理器的四类工作场景。

在一种可行的实施方式中，步骤303可以通过以下步骤303a来实现：

步骤303a、电子设备基于网络数据流和场景识别模型，确定目标处理器的工作场景。

在本发明实施例中，电子设备通过网络数据流和场景识别模型的对应关系，确定目标处理器的工作场景。

步骤304、电子设备基于目标处理器的工作场景，预测目标处理器的功耗。

在本发明实施例中，目标处理器的每一工作场景都有其对应的功耗，电子设备可以通过确定的工作场景来确定与其对应的功耗阈值。

在一种可行的实施方式中，步骤304可以通过以下步骤304a至步骤304b来实现：

步骤304a、电子设备获取温控调整策略。

其中，温控调整策略表征工作场景和功耗的对应关系。

在本发明实施例中，温控调整策略具体可以是基于电子设备的基本输入输出系统(Basic Input Output System，BIOS)提供的温控策略(Dynamic Platform and ThermalFramework，DPTF)。

步骤304b、电子设备基于温控调整策略和目标处理器的工作场景，预测目标处理器的功耗。

在本发明实施例中，电子设备根据目标处理器的工作场景和上文提到的DPTF来预测目标处理器的功耗。在一种可行的实现方式中，电子设备执行步骤303之前还可以执行以下步骤A1至步骤A2，同时在本发明其他实施例中，电子设备在执行步骤302和执行步骤A1至步骤A2的先后顺序不做任何限定。

步骤A1、电子设备获取处于网络连接状态下电子设备产生的历史网络数据流。

在本发明实施例中，处于网络连接状态下的电子设备通过获取预设时间段内在电子设备产生的历史网络数据流，其中，具体的可以是应用程序在运行过程中产生的历史网络数据流，其中，应用程序是指可以在电子设备中运行的应用程序，该应用程序包括上文提到的第一应用程序。

其中，历史网络数据流包括但不限于处于网络连接状态下的电子设备内部应用程序运行过程中产生的网络数据流，例如可以是与其对应的历史网络数据包大小、单位时间内网络数据包的数量、应用程序的相关信息等。

步骤A2、电子设备采用机器学习算法对历史网络数据流进行模型训练，生成场景识别模型。

在本发明实施例中，电子设备采用机器学习算法对获取的应用程序的历史网络数据流进行模型训练，生成与CPU对应的场景识别模型。其中，机器学习算法具体可以是非监督学习的机器学习算法的类型，具体可以是主成分分析算法、独立成分分析算法、k-均值聚类算法等等，即从未标注数据集中挖掘相互之间的隐含关系的算法。

需要说明的是，电子设备还可以采用机器学习算法将与CPU相关的参数进行数据训练，生成与CPU对应的场景识别模型，其中，与CPU相关的参数至少包括以下任意一种或至少两种：CPU的外频、CPU的主频、CPU的倍频等。在一种可行的实现方式中，电子设备还可以采用机器学习算法同时对历史网络数据流和CPU相关的参数进行模型训练，生成与CPU对应的场景识别模型。即在本发明实施例中生成与CPU对应的场景识别模型的所使用的参数不作任何限定。

在一种可行的实现方式中，电子设备通过场景识别模型确定目标处理器的场景，其中，目标处理器的场景具体可以包括但不限于以下几种目标处理器的工作场景：Idle、Bursty、Sustain、Mix。

在本发明实施例中，电子设备执行步骤102、步骤203、步骤304之后，电子设备还可以执行以下步骤B1至步骤B2，电子设备在目标处理器的工作场景下包括第一工作状态和第二工作状态，执行以下步骤：

步骤B1、若电子设备处于第一工作状态，电子设备控制目标处理器的功耗为第一功耗值。

步骤B2、若电子设备处于第二工作状态，电子设备控制目标处理器的功耗为第二功耗值。

其中，第一功耗值小于第二功耗值。

在本发明实施例中，目标处理器即CPU处于当前工作场景下，电子设备一般具有两个工作状态，如第一工作状态表征长时间的一个工作稳态，和第二工作状态表征短时间的一个瞬时状态。

在本发明实施例中，电子设备位于上述两种工作状态时分别对CPU各自的一个功耗枷锁，即功耗限值(Power Limit，PL)。当电子设备处于第一工作状态时给出一个PL1即长时睿频功耗，CPU在长时间工作或负载时，CPU的功耗基本都会停留在这个PL1值，即CPU的实际散热功耗(Thermal Design Power，TDP)；当电子设备处于第二工作状态时给出一个PL2即短时睿频功耗，通常会比PL1高很多，是电子设备的目标处理器在短时间负载内能够达到的最高功耗，即电子设备的CPU性能上限。

本发明实施例所提供的信息处理方法，直接通过第一控制器获取的网络数据流，基于场景识别模型确定目标处理器的工作场景，再基于确定的工作场景来控制目标处理器的功耗，能够快速预测并控制CPU的功耗，进而提高了电子设备的工作性能。

在本发明实施例中，如图5所示，给出了一种预测CPU功耗的流程示意图。步骤1、获取无线模块数据流量，即电子设备处于无线网络连接状态下来获取的；步骤2、本地无线网络数据包分析器，即通过电子设备内部的本体无线网络数据包分析器来分析步骤1中获取数据流量；步骤3、数据包大小、数据包数量/单位时间，即单位时间内获取的数据包数量、关联APP，即通过分析步骤1中的数据流量解析得到相应的信息；步骤4、机器学习算法，即电子设备通过机器学习算法得到场景识别模型，通过步骤3获取的信息根据机器学习算法来确定相应的工作场景，即步骤5、CPU对应的工作场景：Idle、Bursty、Sustain、Mix；步骤6、四种工作场景各地CPU对应的PL1和PL2。其中，在步骤6中四类CPU工作场景各自对应的PL1和PL2的参数值各不相同，如：在Idle的工作场景中，DPTF Profile1下CPU的PL1和PL2各自对应的功耗为8W和20W；在Bursty的工作场景中，DPTF Profile2下CPU的PL1和PL2各自对应的功耗为8W和40W；在Sustain的工作场景中，DPTF Profile3下CPU的PL1和PL2各自对应的功耗为10W和15W；在Mix的工作场景中，DPTF Profile4下CPU的PL1和PL2各自对应的功耗为10W和20W，其中，在各自工作场景中，可以根据稳定负载大小调整PL1的值，根据脉冲负载大小调整PL2的值；此外，步骤6中给出了四类工作场景中各自PL1对应的最大值和最小值，即PL1max和PL1 min，其中PL1 max和PL1 min在每一工作场景下的参数值一样，表征锁定PL1的参数值。同时图5中的DPTF Profile指代温控策略对应的配置信息。

基于前述实施例，本发明的实施例提供一种电子设备6，该电子设备6可以应用于图1、图3-4对应的实施例提供的一种信息处理方法中，参照图6所示，该电子设备6可以包括：处理器61、存储器62和通信总线63，其中：

通信总线63用于实现处理器61和存储器62之间的通信连接；

处理器61用于执行存储器62中存储的信息处理方法的程序，以实现以下步骤：

通过第一控制器获取电子设备的网络数据流；其中，网络数据流为处于网络连接状态下电子设备的数据；

基于网络数据流控制电子设备的目标处理器的功耗；其中，目标处理器和第一控制器不同。

本发明的其他实施例中，处理器61用于执行存储器62中存储的通过第一控制器获取电子设备的网络数据流，以实现以下步骤：

通过第一控制器获取电子设备的网络数据包；

从网络数据包中解析电子设备内部第一应用程序运行时所产生的网络数据流；其中，网络数据流至少包括：网络数据包大小、单位时间内网络数据包的数量、第一应用程序相关信息。

本发明的其他实施例中，处理器61用于执行存储器62中存储的基于网络数据流控制电子设备的目标处理器的功耗，以实现以下步骤：

基于网络数据流，确定目标处理器的工作场景；

基于目标处理器的工作场景，预测目标处理器的功耗。

本发明的其他实施例中，处理器61用于执行存储器62中存储的基于网络数据流，确定目标处理器的工作场景，以实现以下步骤：

基于网络数据流和场景识别模型，确定目标处理器的工作场景。

本发明的其他实施例中，处理器61用于执行存储器62中存储的信息处理方法，以实现以下步骤：

获取处于网络连接状态下电子设备产生的历史网络数据流；

采用机器学习算法对历史网络数据流进行模型训练，生成场景识别模型。

本发明的其他实施例中，处理器61用于执行存储器62中存储的基于目标处理器的工作场景，预测目标处理器的功耗，以实现以下步骤：

获取温控调整策略，其中，6温控调整策略表征6工作场景和6功耗的对应关系；

基于温控调整策略和目标处理器的工作场景，预测目标处理器的功耗。

电子设备在目标处理器的工作场景下包括第一工作状态和第二工作状态，

若电子设备处于第一工作状态，控制目标处理器的功耗为第一功耗值；

若电子设备处于第二工作状态，控制目标处理器的功耗为第二功耗值；其中，第一功耗值小于第二功耗值。

本发明实施例所提供的电子设备，直接通过第一控制器获取的网络数据流来，基于场景识别模型确定目标处理器的工作场景，再基于确定的工作场景控制标处理器的功耗，能够快速预测并控制CPU的功耗，进而提高了电子设备的工作性能。

基于前述实施例，本发明的实施例提供一种计算机可读存储介质，计算机可读存储介质存储有一个或者多个程序，该一个或者多个程序可被一个或者多个处理器执行，以实现如图1、图3-4对应的信息处理方法的步骤。

需要说明的是，上述计算机可读存储介质可以是只读存储器(Read Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，EEPROM)、磁性随机存取存储器(Ferromagnetic Random Access Memory，FRAM)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(Compact Disc Read-Only Memory，CD-ROM)等存储器；也可以是包括上述存储器之一或任意组合的各种电子设备，如移动电话、计算机、平板设备、个人数字助理等。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所描述的方法。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims

1.一种信息处理方法，应用于电子设备，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述通过第一控制器获取所述电子设备的网络数据流，包括：

通过所述第一控制器获取所述电子设备的网络数据包；

3.根据权利要求1所述的方法，其特征在于，所述基于所述网络数据流控制所述电子设备的目标处理器的功耗，包括：

基于所述网络数据流，确定所述目标处理器的工作场景；

4.根据权利要求3所述的方法，其特征在于，所述基于所述网络数据流，确定所述目标处理器的工作场景，包括：

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

6.根据权利要求3所述的方法，其特征在于，所述基于所述目标处理器的工作场景，预测所述目标处理器的功耗，包括：

7.根据权利要求6所述的方法，其特征在于，所述电子设备在所述目标处理器的工作场景下包括第一工作状态和第二工作状态，所述方法还包括：

8.一种电子设备，其特征在于，所述电子设备包括：处理器、存储器和通信总线；

9.根据权利要求8所述的电子设备，其特征在于，所述处理器执行通过第一控制器获取所述电子设备的网络数据流的步骤，还可以实现以下步骤：

通过所述第一控制器获取所述电子设备的网络数据包；

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如权利要求1至7中任一项所述的信息处理方法的步骤。