CN112005224A

CN112005224A - 用于针对性能而监视设备的数据收集

Info

Publication number: CN112005224A
Application number: CN201980028688.5A
Authority: CN
Inventors: G·罗伊; A·K·辛格; M·黑; N·加瓦利; A·艾扬格; P·简加拉; A·巴特; M·萨尔马; A·舍莱夫
Original assignee: Hewlett Packard Development Co LP
Current assignee: Hewlett Packard Development Co LP
Priority date: 2018-10-15
Filing date: 2019-10-10
Publication date: 2020-11-27
Also published as: EP3756100A4; EP3756100A1; US20210365345A1; WO2020081332A1

Abstract

一种装置的示例，包括用于从客户端设备接收原始数据的通信接口。原始数据将由客户端设备收集。该装置还包括过滤引擎，用于移除原始数据的部分以生成经过滤的数据。该装置还包括分析引擎，用于处理经过滤的数据以识别降低总体性能的应用。该装置还包括用于存储数据库的存储器存储单元。数据库包括原始数据、经过滤的数据、客户端设备标识符以及与应用相关联的应用标识符。

Description

用于针对性能而监视设备的数据收集

背景技术

各种设备和装置可以是用于提供设备作为服务的系统的一部分。在这样的系统中，设备由中央服务器管理。在设备被使用时，各种应用可被安装在每个设备上以执行任务。设备可以同时操作许多多个应用。因此，每个设备可以分配资源以便允许应用正确地运行。由于每个应用可能使用不同量的资源，因此一些应用将使用比其它应用更多的资源，这可能会减慢设备。

附图说明

现在将仅通过示例的方式参考附图，其中：

图1是用于针对性能监视设备的示例性装置的框图；

图2是用于本地监视性能的示例性设备的框图；

图3是由云中的装置针对性能监视设备的示例性方法的流程图；

图4是针对性能监视设备的另一示例性装置的框图；

图5是由云中的装置针对性能监视设备的示例性系统的表示；以及

图6是在由装置监视设备性能期间的示例性数据流的流程图。

具体实施方式

连接到网络的设备可以被广泛接受并且通常可以更方便地使用。特别地，已经开发了新的服务来提供设备作为服务，其中，消费者简单地使用设备，而服务提供商维护设备并确保其性能被维持在某个水平。

随着任何设备随着时间的推移而重复使用，该设备使用了可能随着时间的推移而磨损并最终失效的各种部件或组件。此外，设备的总体性能也会随着时间而降级。设备的总体性能降级可以是软件性能降级与硬件性能降级的组合。虽然测量设备的总体性能可能相对容易，诸如测量处理器容量使用或存储器使用，但是将总体性能降低的原因归因于软件性能问题或硬件性能问题可能需要实质上的测试和调查。特别地，改变和升级设备上的应用可能是设备上的总体性能随着时间的推移而降级的原因。性能降级的具体原因也可能不容易识别。例如，在一些情况下，性能降级可以是硬件问题、软件问题或两者的组合的结果。

即使性能降级被确定为软件问题，确定原因，诸如导致性能降级的特定应用，也可能要求设备的大量测试和停机时间。另外，并非所有应用均可导致设备上的相同总体性能降级。此外，软件降级可能不取决于应用，而是取决于特定设备，诸如当存在底层硬件问题时。例如，组件的物理降级可能会导致看似软件问题的事情。在其它示例中，总体性能降级可以取决于应用和设备的组合。

因此，可以对应用进行评级以识别可能降低设备总体性能的应用。识别应用的方式不受限制，并且可以包括各种算法，或者可以涉及在显示器上呈现数据以供管理员来评估。类似地，设备可以被评级以识别具有较低总体性能的设备。识别设备的方式不受限制，并且可以包括各种算法或在显示器上呈现数据以供管理员来评估。

一旦已经识别出影响总体性能的应用或已经降低总体性能的设备，就可以采取校正动作。例如，如果特定应用被识别为使跨各种设备的总体性能降级，则该应用可以在可能的情况下从设备中移除和/或被可能对设备的总体性能具有较小影响的类似应用所替换。类似地，可以使可能被识别为具有降级的总体性能的设备退出并用新设备来替换。

参考图1，在10处一般地示出了用于针对性能监视设备的装置的示例。装置10可以包括附加组件，诸如用于与其他设备通信的各种接口，以及用于与具有对装置10的访问的管理员交互的另外的输入和输出设备。在本示例中，装置10包括通信接口25、过滤引擎20、分析引擎25和维护数据库100的存储器存储单元30。尽管本示例将过滤引擎20和分析引擎25示出为单独的组件，但在其他示例中，过滤引擎20和分析引擎25也可以是同一物理组件的一部分，诸如被配置成执行多个功能的微处理器。

通信接口15用于通过网络与设备通信。在本示例中，装置10可以在云中以管理多个设备。在本示例中，设备可以是设备作为服务的系统的客户端设备。因此，通信接口15可以从由装置10管理的若干不同客户端设备接收具有数据的消息分组。在本示例中，数据可以是从每个设备收集的原始数据，以指示设备上的资源的使用。例如，原始数据可以包括诸如处理器容量使用的百分比或存储器使用的百分比之类的数据，以测量设备的总体性能。通信接口15接收原始数据的方式不受特别限制。在本示例中，装置10可以是位于远离设备的位置处的云服务器，所述设备可以广泛地分布在大的地理区域上。因此，在该示例中，通信接口15可以是通过因特网通信的网络接口。在其他示例中，通信接口15可以经由对等连接，诸如通过有线或专用网络，连接到设备。

在本示例中，所收集的原始数据不受特别限制。例如，原始数据可以包括诸如账户名称、型号、制造商、出生日期、类型等系统设备信息，诸如智能驱动器信息、固件修订、磁盘物理信息，如型号、制造商、自测试结果的硬件信息和处理器使用统计。可以使用由诊断引擎执行的在设备处本地运行的后台过程来收集原始数据。后台处理可使用少量资源，使得其大体上不影响在设备上运行的前台过程。原始数据也可以由诊断引擎来收集，并由通信接口15周期性地接收，诸如以规则的调度间隔来接收。例如，原始数据可以每天接收一次。在其他示例中，原始数据可以被更频繁地接收，诸如每小时，或者被较不频繁地接收，诸如每周。

过滤引擎20将从每个设备接收的原始数据的部分移除，以生成要随后处理的过滤数据。在本示例中，过滤引擎可以移除从设备收集的与异常事件相关联的原始数据的部分。异常事件不受特别限制，并且可以包括在设备上发生的可能不反映设备的正常操作的事件。例如，一些异常事件可以包括引导过程、关机过程、应用启动过程、或者可以导致存储器使用或处理器容量使用的临时增加的其他事件。在其他示例中，与一些应用相关的原始数据的部分也可以被过滤掉，诸如可以被授予异常的应用。例如，在设备上运行的一些活动应用可能不是可替换的或被省略，诸如没有已知备选方案的客户端特定软件。在进一步的示例中，一些设备或设备类型可以免除任何进一步的分析。

移除原始数据的部分的方式不受特别限制。在本示例中，原始数据可以包括各种信息，诸如设备标识符、过程标识符、以及与数据收集时设备的状态有关的信息。该信息可以以数据库结构的形式存储，该数据库结构允许过滤引擎20执行各种查询以隔离经由通信接口15接收的原始数据的某些部分。因此，一旦存储原始数据的数据库的部分被隔离，则原始数据可以用于生成经过滤的数据的数据表。应当理解，通过减少转发到分析引擎25的数据量，可以减少分析引擎25要执行的处理量。因此，通过移除由设备收集的无关数据，设备的监视过程变得更有效。在过滤引擎20移除与异常事件相关联的原始数据的部分的示例中，分析引擎25能够更有效地处理数据以识别应用或设备，以便进一步考虑提高性能。

分析引擎25要处理来自过滤引擎20的经过滤的数据。特别地，分析引擎25要使用经过滤的数据来识别设备总体性能降低的原因。在本示例中，原因可以是在设备上运行的特定应用。在一些示例中，应用还可以使得多个设备的总体性能降低，而在其他示例中，应用可以使得设备的子集的总体性能降低，同时对其他设备没有影响。在本示例中，应用使设备总体性能降级的精确机制不是特别重要。相反，分析引擎25查看经验数据以基于从设备接收的原始数据来确定观察到总体性能降低所处的情况。在一些示例中，分析引擎25可以确定其中总体性能长期缓慢的特定设备或类似设备的类型或组。因此，在该示例中，分析引擎25可以识别设备而不是应用。

在本示例中，分析引擎25处理与多个设备相关联的过滤数据。尽管多个设备中的每一个可以运行应用的不同组合，但是可以发现设备之间的公共应用显著降低了设备的总体性能。在本示例中，分析引擎25可以在对经过滤的数据执行评估之后识别应用，以测量设备上的总体性能的降低，诸如可用的处理器容量或可用的存储器百分比。

在一些示例中，可以将总体性能与阈值性能进行比较以确定总体性能是否满足阈值性能。因此，分析引擎25可以识别不满足阈值性能的多个应用。应当理解，阈值性能不受限制，并且可以使用各种不同的方法来确定。例如，阈值性能可以被设置为可用处理器容量的百分比、可用存储器的百分比或两者的组合。在其他示例中，阈值性能可以被设置为要执行的处理器操作的绝对量或者用于计及具有不同容量的设备的存储器的绝对量。

存储器存储单元30被配置为基于分析引擎25的结果来维护数据库100。存储器存储单元30存储或维护数据库100的方式不受特别限制。在本示例中，存储器存储单元30可以在数据库100中保存表格，以存储各种数据，所述数据包括由通信接口15接收的原始数据、由过滤引擎20生成的经过滤的数据、以及与来自分析引擎25的结果相关联的信息。来自分析引擎的结果通常识别引起设备的总体性能降低的应用。在其他示例中，来自分析引擎25的结果还可以识别具有降低的总体性能的设备。

因此，可以理解，分析引擎25的结果可以存储在数据库100中，并且可以包括与分析引擎25所识别的应用相关联的设备标识符和/或应用标识符。然后可以使用数据库100中的信息来执行校正动作，以提高设备的总体性能。例如，如果应用被识别为导致设备总体性能的降低，则可以从设备移除该应用。另外，应用可以从具有相同应用的设备作为服务系统中的其他设备中移除。在应用的移除是不切实际的一些情况下，可以实现替换应用或对应用或运行应用的设备的升级来缓解设备总体性能的降低。在标识出具有降低的总体性能的设备的其他示例中，该备可被去激活并从设备作为服务系统移除(即，退役)以改善该设备作为系统整体的性能。替换设备也可以被订购或交付给被去激活设备的用户。

在本示例中，存储器存储单元30可以包括非暂时性机器可读存储介质，其可以是例如电子、磁、光或其他物理存储设备。此外，存储器存储单元30可以存储可由处理器执行的操作系统，以向装置10提供一般功能。例如，操作系统可以向附加应用提供功能。操作系统的示例包括Windows^TM、macOS^TM、iOS^TM、Andriod^TM、Linux^TM和Unix^TM。存储器存储单元30可以附加地存储用于在驱动程序级操作的指令以及用于与装置10的其它组件和外围设备通信的其它硬件驱动程序。

参考图2，数据收集系统的设备的示例总体地在50处示出。设备50可以是客户端设备或连接到装置10的任何其他设备，诸如共享设备，如扫描仪或打印机。设备50可以包括附加组件，诸如各种存储器存储单元和接口以与其他设备通信。设备50还可以包括外围输入和输出设备以与用户交互。在本示例中，设备50包括通信接口55、诊断引擎60、处理器65和存储器存储单元70。尽管本示例将诊断引擎60和处理器65示为单独的组件，但在其他示例中，诊断引擎60和处理器65也可以是同一物理组件的一部分。例如，诊断引擎60可以是处理器65的一部分。

通信接口55通过网络与装置10通信。在本示例中，设备50可以连接到云网络，并且可以由装置10经由云网络来管理。因此，通信接口55可以传输由诊断引擎60收集的原始数据，以便由装置10进一步处理。通信接口55 传输原始数据的方式不受特别限制。在本示例中，设备50可以通过诸如因特网的网络与在远处位置的装置10连接。在其他示例中，通信接口55可以经由对等连接而连接到装置10，诸如通过有线或专用网络。在本示例中，装置10可以是中央服务器。然而，在其他示例中，装置10可以被存在于云中的虚拟服务器替代，其中功能可以跨若干物理机器分布。

诊断引擎60要对设备50的处理器65和存储器存储单元70执行诊断过程。在本示例中，诊断引擎60周期性地执行诊断过程。在其他示例中，诊断引擎60可以在经由通信接口55从装置10或其他源接收到请求时执行诊断过程。在本示例中，诊断引擎60要使用设备50的处理器65和存储器存储单元70上的诊断过程来收集数据。诊断过程要使用各种测量来收集与设备50的处理器65和存储器存储单元70有关的原始数据，以生成用于装置10的原始数据。

特别地，诊断引擎60要收集来自设备50的处理器65和存储器存储单元70的原始数据。在其它示例中，诊断引擎60也可以收集来自其它组件的数据，诸如来自电池、显示器、处理器、应用、或在设备50上运行的其它软件。在本示例中，诊断引擎60在设备50的正常操作期间作为后台过程来操作以收集原始数据。后台过程可以使用少量的处理器资源，使得后台过程基本上不影响在设备50上运行的前台过程。原始数据可以经由通信接口55以规则的间隔自动地传输到装置10。例如，原始数据可以一天从设备50传输一次。在其它示例中，原始数据可以更频繁地（诸如每小时）传输。

参考图3，在400处总体地示出了硬件替换预测的示例性方法的流程图。为了帮助解释方法400，假设方法400可以由与设备50通信的装置10来执行。实际上，方法400可以是装置10可以被配置为与设备交互的一种方式。此外，方法400的以下讨论可以实现对装置10和设备50的进一步理解，另外，要强调的是，方法400可以不以所示的精确顺序来执行，并且各种框可以并行而不是顺序地执行，或者以不同的顺序来执行。

在框410处开始，从多个设备接收原始数据。在本示例中，原始数据包括与在装置10将从其接收原始数据的设备中的每个设备上运行的应用相关联的信息。具体地，原始数据可以包括与在每个设备上运行的所有应用相关联的信息。在其他示例中，原始数据可以包括与在每个设备上运行的一些应用相关联的信息。此外，应当理解，每个设备可以运行不同的应用，使得从每个设备接收的关于应用的信息的组合可以是不同的。

在本示例中，从处理器65和存储器存储单元70收集原始数据。诊断引擎60可用于使用后台过程收集原始数据。在其它示例中，诊断引擎60可以进一步从其它组件收集原始数据，其它组件诸如电池、显示器、应用或在设备50上运行的其它软件。由诊断引擎60执行的后台过程可以使用相对少量的处理器资源，使得后台过程基本上不影响在设备50上运行的前台过程。因此，设备50的用户可以注意不到在设备50的正常使用期间收集原始数据。在一些示例中，装置10可以接收由每个设备50规律地以预定时间间隔收集的原始数据。例如，原始数据可以每天从每个设备50接收一次。在其他示例中，可以更频繁地（诸如每小时或每十五分钟）接收原始数据，以更迅速地检测要求更快响应时间的系统的变化。替代地，对于更稳定的系统或不要求这种快速响应时间的系统，可以不太频繁地（诸如每周）接收原始数据。在其他示例中，装置10可以连续地、在随机时间、或者在从装置10到每个设备的请求时接收原始数据。应当理解，在一些示例中，装置10可以根据用于由装置10管理的不同设备50的不同调度来接收原始数据。

在本示例中，可以从每个设备50收集原始数据，以指示设备50上的资源的使用。例如，原始数据可以包括诸如处理器容量使用的百分比或存储器使用的百分比的信息。装置10接收原始数据的方式不受特别限制。在本示例中，装置10可以是位于处于设备50中的每一个的远处位置处的云服务器，其可以广泛地分布在大的地理区域上。因此，装置10可以使用诸如因特网之类的现有基础设施。在其他示例中，装置10可以经由对等连接，诸如通过有线或专用网络，连接到设备。

框420涉及通过从每个设备50移除与原始数据中的异常事件相关联的数据来生成经过滤的数据。异常事件不受特别限制，并且可以包括在设备50上发生的可能不反映设备50的正常操作的事件。例如，一些异常事件可以包括引导过程、关机过程、应用启动过程、或可以导致存储器使用或处理器容量使用的暂时增加的其他事件。在其它示例中，来自设备50的原始数据的与一些特定应用有关的部分也可以被过滤掉，诸如可以被授予异常的应用。例如，在设备50上运行的一些应用可以免除系统的管理员或设计者的分析，诸如没有已知的替代方案的客户端特定软件。在另外的示例中，一些设备或设备类型也可以免除任何进一步分析，使得从这些设备50接收的原始数据可以不被进一步处理。

接下来，框430涉及分析在框420生成的经过滤的数据，以确定应用的平均性能评级。确定应用的平均性能评级的方式不受特别限制。在本示例中，分析来自从运行应用的多个设备50接收的原始数据的经过滤的数据。应当理解，在任何时间点，并非所有设备50都可以运行该应用。因此，分析引擎25可以查看来自可能已经操作所讨论的应用的设备50的历史经过滤的数据。分析引擎可以基于对所收集的经过滤的数据的分析来为应用分配平均性能评级。在本示例中，平均性能评级可以被分配索引号，以用于与其他应用的后续比较，其中较高索引号指示更高效的应用。在其它示例中，诸如处理器资源量(在操作中测量)或所使用的存储器空间量(以字节测量)之类的实际数据可被用于表示应用的平均性能评级。

在本示例中，应当理解，随着在框420生成更多的经过滤的数据，应用的平均性能评级可能漂移或改变。例如，如果实现了操作系统或设备的硬件升级的后续改变，则如果应用利用了新特征，则平均性能评级可以增加，或者如果应用不适合于新操作环境，则平均性能评级可以降低。在其他示例中，可以针对从零开始的单个时间点计算平均性能评级。

在一些示例中，可以基于平均性能评级来对多个应用进行排名。对应用进行排名的方式没有特别限制。例如，可以通过按照每个应用的平均性能评级的顺序严格地排序应用来对应用进行排名。在其它示例中，其中平均性能评级可包括多种类型的数据，其中一种类型的数据可用于对应用进行排名。

框440涉及将每个应用的平均性能评级存储在数据库100中。特别地，数据库100可以是位于装置10的存储器存储单元30中的单个数据库。应当理解，这提供了中央位置，可以从该中央位置提交查询以确定哪些应用最大程度地降低了设备的总体性能。然后，该信息可以用于随后的规划，诸如逐步淘汰降低设备的总体性能排名高的应用。在其他示例中，数据库100可以通过渲染在设备50上运行的视觉表示来挖掘。

框450涉及基于数据库的内容实现校正动作以提高设备50的总体性能。例如，如果应用被识别为导致了设备50总体性能的降低，则可以从该设备中移除该应用。另外，应用可以从具有相同应用的设备作为服务系统中的其他设备中移除。在应用的移除不切实际的一些情况下，可以实现替换应用，或者，对应用或运行应用的设备50进行升级，以减轻设备50总体性能的降低。在识别出具有降低的总体性能的设备的其他示例中，可以将设备去激活并从设备作为服务系统中移除(即，退役)，来整体上改善作为系统的设备的性能。替换设备也可以被订购或交付给被去激活设备的用户。

参考图4，在10a处总体地示出了用于针对性能监视设备的装置的另一示例。装置10a的类似组件与装置10中它们的对应物具有相同的标号，除了后面有后缀“a”。装置10a包括用于与网络90通信的通信接口15a、过滤引擎20a、分析引擎25a、渲染引擎40a、修复引擎45a和维护数据库100a的存储器存储单元30a。在本示例中，过滤引擎20a、分析引擎25a和渲染引擎40a由处理器35a来实现。尽管本示例示出了处理器35a操作各种组件，但是在其他示例中，也可以使用多个处理器。处理器还可以是云中的虚拟机，其实际上可以是与过滤引擎20a、分析引擎25a、渲染引擎40a和修复引擎45a的每个实现不相同的物理机器。

处理器35a可包括中央处理单元(CPU)、图形处理单元(GPU)、微控制器、微处理器、处理核心、现场可编程门阵列(FPGA)、专用集成电路(ASIC)或类似物。处理器35a和存储器存储单元30a可以协作以执行各种指令。处理器35a可以执行存储在存储器存储单元30a上的指令以执行诸如方法400的过程。在其它示例中，处理器35a可执行存储在存储器存储单元30a上的指令以实现过滤引擎20a、分析引擎25a和渲染引擎40a。在其他示例中，过滤引擎20a、分析引擎25a和渲染引擎40a可各自在单独的处理器上执行。在进一步的示例中，过滤引擎20a、分析引擎25a和渲染引擎40a可以在单独的机器上操作，诸如从软件作为服务提供商的软件或在如上所述的虚拟云服务器中操作。

渲染引擎40a要基于数据库100a的内容渲染输出，诸如列表、图表或图形形式的可视化。特别地，渲染引擎40a用于生成包括要向用户显示的多个应用的输出。由渲染引擎渲染的输出的特定格式不受限制。例如，装置10可以具有显示器(未示出)以从渲染引擎40a接收信号，从而显示具有与多个应用相关的组织信息的各种表格和/或图表。在其他示例中，渲染引擎40a可以生成电子形式的报告和/或图表，以便被传输到外部设备以供显示。外部设备可以是管理员的计算机，或者它可以是生成结果的硬拷贝的打印设备。

在本示例中，渲染引擎40a还可以基于设备的总体性能的降低量来对数据库100中的每个应用进行排名。在其他示例中，可以计算平均性能评级，并且可以按照应用相应的平均性能评级的顺序来对应用进行排名。因此，渲染引擎40a可以向用户或管理员显示排序列表。渲染引擎40a还可以允许接收输入以进一步操纵数据。例如，用户可以将各种过滤器应用于数据库100a中的信息以生成用于多个应用之间的比较的列表、表格和/或图表。因此，当管理员要对系统进行改变时，诸如更新现有应用的许可证或选择要从批准的应用列表中丢弃的应用，渲染引擎40a要从数据库100a自动生成视觉显示以提供有意义的比较。

修复引擎45a要响应于数据库100a中的信息来实现校正动作，以提高设备或设备作为服务系统的总体性能。修复引擎45a实现校正动作的方式不受特别限制，并且可以取决于各种因素。例如，可以设置平均性能评级的阈值，使得可以移除、去激活、升级或用替代应用来替换具有低于阈值的性能评级的任何应用(即，低效程序)，以提高设备的性能。在另一个示例中，修复引擎45a可以比较处理器容量使用的百分比或存储器使用的百分比，以确定校正动作。在确定设备已经降级的又一示例中，修复引擎45a可以从设备作为服务系统去激活设备，使得该设备将被替换。

参考图5，在100处总体地示出了针对总体性能监视设备的系统的示例。在本示例中，装置10经由网络90与多个设备50通信。应当理解，设备50不受限制并且可以是由装置10管理的各种设备50。例如，设备50可以是个人计算机、平板计算设备、智能电话或膝上型计算机。在本示例中，设备50各自运行多个应用。应当理解，由于设备50全部由装置10管理，因此可以预期设备50具有重叠的应用，其中多于一个设备50运行应用。虽然图5中示出了五个设备50，但是应当理解，系统80可以包括更多的设备50。例如，系统80可以包括数百或数千个设备50。

参考图6，示出了数据流的示例。为了帮助解释数据流，将假设从设备50到装置10。实际上，数据流可以是装置10和/或设备50可以被配置为彼此交互的一种方式。

如上所述，每个设备50包括用于收集原始数据的诊断引擎60。在本示例中，原始数据包括关于应用性能数据505、系统监视数据510、异常事件数据515、设备信息520和公司信息525的数据。在本示例中，执行数据的并行处理。在一个流中，装置10执行以上结合基于可能正在运行的应用评估设备50处的总体性能的步骤。在另一流中，装置10执行步骤以具体地监视设备50，而不管在任何给定时间可以在设备50上运行什么应用。

可以理解，应用性能数据505和系统监视数据510包括与设备50的总体性能有关的信息。相反，设备信息520和公司信息525是静态信息，除非设备50被重新目的化，否则不改变。因此，来自应用性能数据505和系统监视数据510的信息连同异常事件数据515(例如，关于引导时间、关机和待机信息的信息)被转发到过滤引擎20，其中，过滤器将来自异常事件数据515的信息应用到应用性能数据505和系统监视数据510以生成应用530的列表并且在框600生成低于平均值535执行的设备的列表。

在框610处，应用列表530由过滤引擎20进一步处理以从考虑中移除低设备利用的样本。应当理解，设备可以包括在长时间段内未使用的应用，这可能使分析偏斜。在本示例中，还将低于平均值执行535的设备的列表发送到过滤引擎20，以在确定是否要过滤掉应用时提供附加的上下文。框610随后生成使得设备执行低于平均值的应用的报告540。随后，在框640处，报告540可被渲染以供渲染引擎输出以显示具有低于阈值的平均性能评级的应用。

转到设备监视流，设备信息520和公司信息525与低于平均值执行535的设备的列表组合。在框620处，分析引擎25然后可以使用该数据来生成呈现高处理器使用或高存储器使用百分比的设备50的报告545。

在一些示例中，报告540和报告545可以在框630处被联合。一旦报告540和报告545被联合，则在框650，渲染引擎40a就可以被用于输出已经引起减速的应用和设备两者。

各种优点现在对于本领域技术人员将变得显而易见。例如，系统80可以受益于具有简单且有效的方式来监视可能降低设备处的性能的应用和/或设备，使得管理员可以容易地设计和规划替代物。作为优点的另一示例，方法400还考虑异常事件，该异常事件可能以其他方式影响应用可能对设备50性能所具有的影响的分析。

应当理解，以上提供的各种示例的特征和方面可以被组合到也落入本公开范围内的另外的示例中。

Claims

1.一种装置，包括：

通信接口，用于从客户端设备接收原始数据，其中，所述原始数据由所述客户端设备收集；

过滤引擎，用于移除所述原始数据的部分以生成经过滤的数据；

分析引擎，用于处理经过滤的数据以识别应用，其中，所述应用降低了总体性能；以及

存储器存储单元，用于存储数据库，其中，所述数据库包括所述原始数据、所述经过滤的数据、客户端设备标识符以及与所述应用相关联的应用标识符，并且其中，数据库的内容将被用于实现校正动作以提高所述客户端设备的总体性能。

2.根据权利要求1所述的装置，其中，所述校正动作是从所述客户端设备移除所述应用。

3.根据权利要求1所述的装置，其中，所述过滤引擎移除所述原始数据的与异常事件相关联的部分。

4.根据权利要求3所述的装置，其中，所述通信接口周期性地接收由诊断引擎收集的所述原始数据。

5.根据权利要求4所述的装置，其中，所述分析引擎基于所述总体性能针对阈值性能的评估来识别所述应用。

6.根据权利要求5所述的装置，还包括渲染引擎，用于基于所述数据库渲染可视化，其中，所述可视化将所述应用的平均性能评级与附加应用的平均性能评级进行比较。

7.根据权利要求1所述的装置，其中，所述总体性能是通过所述应用的处理器容量使用来测量的。

8.根据权利要求1所述的装置，其中，所述总体性能是通过所述应用的存储器使用来测量的。

9.一种方法，包括：

从多个客户端设备接收原始数据，其中，所述原始数据与在所述多个客户端设备中的每个客户端设备上活动的应用相关联；

经由移除与所述原始数据中的异常事件相关联的数据来生成经过滤的数据；

分析经过滤的数据以确定所述应用的平均性能评级；

将所述应用的平均性能评级存储在数据库中；以及

基于所述数据库的内容实现校正动作以提高所述多个客户端设备的总体性能。

10.根据权利要求9所述的方法，其中，实现校正动作包括从所述多个客户端设备移除所述应用。

11.根据权利要求10所述的方法，其中，接收原始数据包括以预定时间间隔从所述多个客户端设备中的每个客户端设备接收所述原始数据。

12.根据权利要求11所述的方法，其中，存储包括随时间更新所述应用的所述平均性能评级。

13.根据权利要求11所述的方法，还包括在显示器上生成可视化以指示所述应用的所述平均性能评级。

14.一种编码有可由处理器执行的指令的非暂时性机器可读存储介质，所述非暂时性机器可读存储介质包括：

用于从多个客户端设备接收原始数据的指令，其中，所述原始数据与在所述多个客户端设备中的每个客户端设备上活动的应用相关联；

用于过滤所述原始数据以移除与启动过程、关机过程和待机过程相关联的数据的指令；

用于基于经过滤的数据来确定所述应用的平均性能评级的指令；

用于在显示器上渲染所述应用和所述应用的平均性能评级的指令；以及

用于基于所述平均性能评级来实现校正动作以提高所述客户端设备的总体性能的指令。

15.根据权利要求14所述的非暂时性机器可读存储介质，其中，用于渲染所述应用和所述应用的平均性能评级的指令包括生成图表以将所述应用与附加应用进行比较。