CN114625457B - 桌面云环境优化方法、装置、设备及存储介质 - Google Patents
桌面云环境优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114625457B CN114625457B CN202011464283.7A CN202011464283A CN114625457B CN 114625457 B CN114625457 B CN 114625457B CN 202011464283 A CN202011464283 A CN 202011464283A CN 114625457 B CN114625457 B CN 114625457B
- Authority
- CN
- China
- Prior art keywords
- server
- cloud environment
- application program
- virtual machine
- optimization
- 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 131
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000012360 testing method Methods 0.000 claims description 77
- 238000012163 sequencing technique Methods 0.000 claims description 25
- 230000000903 blocking effect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
- G06F9/452—Remote windowing, e.g. X-Window System, desktop virtualisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Stored Programmes (AREA)
Abstract
本发明属于计算机技术领域，公开了一种桌面云环境优化方法、装置、设备及存储介质。本发明通过获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；根据程序信息在预设存储空间中查找当前应用程序对应的服务器优化参数；根据服务器优化参数对虚拟机所在的服务器进行运行参数优化。由于虚拟机是运行在服务器中的，虚拟机的运行性能取决于虚拟机所在的服务器的运行参数设置，因此，通过根据当前应用程序的程序信息在预设存储空间中查找得到的服务器优化参数对虚拟机所在的服务器进行运行参数优化，可提高虚拟机的运行性能，提高在虚拟机的桌面云环境中运行的当前应用程序运行速度，降低当前应用程序卡顿的可能性，以提高用户体验。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种桌面云环境优化方法、装置、设备及存储介质。
背景技术
虚拟桌面基础架构(Virtual desktop infrastructure，VDI)，是基于服务器虚拟化诞生出的一种技术，其将所需的操作系统软件、应用程序软件、用户数据全部存放到后台服务器中，通过管理系统赋予给特定用户，用户通过专用的网络传输协议连接到后端服务器分配的桌面资源，连接后，用户可在本地终端上直接使用后台运行的桌面系统，使用体验基本与物理计算机一致，此种运行在虚拟机中的桌面系统也被称为桌面云或云桌面。
现如今，使用桌面云运行office等办公软件是十分常见的，例如：Excel表格编辑、PPT制作，Word文档编写等，但是在office等办公软件使用过程中，难免会有一定的过载操作，例如大表格的编辑、计算等，这种过载操作会导致编辑相对较慢或产生明显的卡顿，严重影响用户体验。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种桌面云环境优化方法、装置、设备及存储介质，旨在解决在桌面云使用软件运行缓慢或卡顿，影响用户体验的技术问题。
为实现上述目的，本发明提供了一种桌面云环境优化方法，所述方法包括以下步骤:
获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；
根据所述程序信息在预设存储空间中查找所述当前应用程序对应的服务器优化参数；
根据所述服务器优化参数对所述虚拟机所在的服务器进行运行参数优化。
优选地，所述获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息的步骤之前，还包括：
获取虚拟机的桌面云环境对应的可运行应用程序；
根据所述虚拟机所在的服务器的可调整参数确定所述可运行应用程序对应的服务器优化参数；
根据所述可运行应用程序的程序信息将所述服务器优化参数存储至预设存储空间。
优选地，所述根据所述虚拟机所在的服务器的可调整参数确定所述可运行应用程序对应的服务器优化参数的步骤，包括：
获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；
获取各测试参数组合所对应的程序启动时长；
根据所述程序启动时长确定所述可运行应用程序对应的服务器优化参数。
优选地，所述根据所述程序启动时长确定所述可运行应用程序对应的服务器优化参数的步骤，包括：
将所述程序启动时长按从小到大进行排序，获取排序结果；
将所述排序结果中排序第一的程序启动时长对应的测试参数组合作为所述可运行应用程序对应的服务器优化参数。
优选地，所述根据所述虚拟机所在的服务器的可调整参数确定所述可运行应用程序对应的服务器优化参数的步骤，包括：
获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；
获取各测试参数组合所对应的操作加权平均值；
根据所述操作加权平均值确定所述可运行应用程序对应的服务器优化参数。
优选地，所述获取各测试参数组合所对应的操作加权平均值的步骤，包括：
获取所述可运行应用程序的各个预设操作；
获取各个预设操作对应的操作权重值；
获取各测试参数组合对应的预设操作的操作时长；
对所述操作时长及所述操作权重值进行加权平均，获得各测试参数组合所对应的操作加权平均值。
优选地，所述根据所述操作加权平均值确定所述可运行应用程序对应的服务器优化参数的步骤，包括：
将所述操作加权平均值从小到大进行排序，获取排序结果；
将所述排序结果中排序第一的操作加权平均值对应的测试参数组合作为所述可运行应用程序对应的服务器优化参数。
此外，为实现上述目的，本发明还提出一种桌面云环境优化装置，所述桌面云环境优化装置包括以下模块：
信息获取模块，用于获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；
数据查找模块，用于根据所述程序信息在预设存储空间中查找所述当前应用程序对应的服务器优化参数；
参数优化模块，用于根据所述服务器优化参数对所述虚拟机所在的服务器进行运行参数优化。
此外，为实现上述目的，本发明还提出一种桌面云环境优化设备，所述桌面云环境优化设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的桌面云环境优化程序，所述桌面云环境优化程序被所述处理器执行时实现如上述任一项所述的桌面云环境优化方法的步骤。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有桌面云环境优化程序，所述桌面云环境优化程序执行时实现如上述任一项所述的桌面云环境优化方法的步骤。
本发明通过获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；根据程序信息在预设存储空间中查找当前应用程序对应的服务器优化参数；根据服务器优化参数对虚拟机所在的服务器进行运行参数优化。由于虚拟机是运行在服务器中的，虚拟机的运行性能取决于虚拟机所在的服务器的运行参数设置，因此，通过根据当前应用程序的程序信息在预设存储空间中查找得到的当前应用程序对应的服务器优化参数对虚拟机所在的服务器进行运行参数优化，可提高虚拟机的运行性能，提高在虚拟机的桌面云环境中运行的当前应用程序运行速度，降低当前应用程序卡顿的可能性，以提高用户体验。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的电子设备的结构示意图；
图2为本发明桌面云环境优化方法第一实施例的流程示意图；
图3为本发明桌面云环境优化方法第二实施例的流程示意图；
图4为本发明桌面云环境优化方法第三实施例的流程示意图；
图5为本发明桌面云环境优化装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的桌面云环境优化设备结构示意图。
如图1所示，该电子设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及桌面云环境优化程序。
在图1所示的电子设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明电子设备中的处理器1001、存储器1005可以设置在桌面云环境优化设备中，所述电子设备通过处理器1001调用存储器1005中存储的桌面云环境优化程序，并执行本发明实施例提供的桌面云环境优化方法。
本发明实施例提供了一种桌面云环境优化方法，参照图2，图2为本发明一种桌面云环境优化方法第一实施例的流程示意图。
本实施例中，所述桌面云环境优化方法包括以下步骤：
步骤S100：获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息。
需要说明的是，本实施例的执行主体可以是桌面云环境优化设备，所述桌面云环境优化设备可以是个人电脑、服务器等电子设备，还可以为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例及下述各实施例中，以桌面云环境优化设备为例对本发明桌面云环境优化方法进行说明。
需要说明的是，虚拟机(GUEST)是通过软件模拟的具有完整硬件系统功能的、运行在一个完全隔离环境中的完整计算机系统。桌面云环境可以是当前虚拟机中运行的桌面云的运行环境。当前应用程序可以是在桌面云环境中当前正在运行的应用程序，例如：打开显示于最上层界面的应用程序。程序信息可以包括当前应用程序的程序标识信息，例如：程序的唯一标识。
步骤S200：根据所述程序信息在预设存储空间中查找所述当前应用程序对应的服务器优化参数。
需要说明的是，预设存储空间中可以预先就存储有各个应用程序对应的服务器优化参数，服务器优化参数可以是CFS(Completely Fair Scheduler,完全公平调度器)的各项参数，例如：调度周期(sched_latency_ns)、CPU最小占用时间(sched_min_granularity_ns)等参数。
步骤S300：根据所述服务器优化参数对所述虚拟机所在的服务器进行运行参数优化。
需要说明的是，虚拟机运行在服务器(HOST)上，由服务器提供虚拟机中桌面云运行所需的各项资源，服务器可以是单独的单台的实体服务器，也可以是由多台实体服务器共同组成的服务器集群。AI(Artificial intelligence,人工智能)，指由人制造出来的机器所表现出来的智能。通常人工智能是指通过普通计算机程序来呈现人类智能的技术。
在实际使用中，本实施例桌面云环境优化方法可以由AI执行，也可以由预先设置的代码脚本执行。
需要说明的是，CFS是Linux内核2.6.23版本开始采用的进程调度器，它的基本原理是这样的：设定一个调度周期(sched_latency_ns)，目标是让每个进程在这个周期内至少有机会运行一次，即每个进程等待CPU的时间最长不超过这个调度周期；然后根据进程的数量，各进程平分此调度周期内的CPU使用权，由于进程的优先级不同，分割调度周期的时候要加入权重值；每个进程的累计运行时间保存在进程中的vruntime字段里,vruntime最小的进程就获得本轮运行的权利。因此，根据服务器优化参数对虚拟机所在的服务器的CFS的各项参数进行调整，可以保证当前运行程序可以获取到CPU的使用权，以提高当前运行程序的流畅度。
本实施例通过获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；根据程序信息在预设存储空间中查找当前应用程序对应的服务器优化参数；根据服务器优化参数对虚拟机所在的服务器进行运行参数优化。由于虚拟机是运行在服务器中的，虚拟机的运行性能取决于虚拟机所在的服务器的运行参数设置，因此，通过根据当前应用程序的程序信息在预设存储空间中查找得到的当前应用程序对应的服务器优化参数对虚拟机所在的服务器进行运行参数优化，可提高虚拟机的运行性能，提高在虚拟机的桌面云环境中运行的当前应用程序运行速度，降低当前应用程序卡顿的可能性，以提高用户体验。
参考图3，图3为本发明一种桌面云环境优化方法第二实施例的流程示意图。
基于上述第一实施例，本实施例桌面云环境优化方法在所述步骤S10之前，还包括：
步骤S10：获取虚拟机的桌面云环境对应的可运行应用程序。
需要说明的是，并非所有应用程序均可在桌面云环境中运行，部分应用程序无法在虚拟机运行，同理无法在桌面云环境中运行，可运行应用程序可以是能够在桌面云环境中运行的应用程序。
步骤S20：根据所述虚拟机所在的服务器的可调整参数确定所述可运行应用程序对应的服务器优化参数。
需要说明的是，服务器中并非所有参数都可进行调整，可调整参数是服务器中允许进行调整的运行参数，例如：CFS中的CPU调度周期(sched_latency_ns)、CPU最小占用时间(sched_min_granularity_ns)等参数。服务器优化参数与可运行程序为一一对应的，例如：可运行程序共有A、B、C三个，则每个可运行程序都可以确定对应的服务器优化参数。
进一步地，为了确定可运行应用程序对应的服务器优化参数，本实施例的步骤S20，可以为：
获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；获取各测试参数组合所对应的程序启动时长；根据所述程序启动时长确定所述可运行应用程序对应的服务器优化参数。
需要说明的是，贝叶斯定理又叫贝叶斯优化，贝叶斯优化需要确定一个优化目标，该目标的定义为：最小化某一个值，例如：将优化目标确定为最小化程序启动时长，以此优化目标设置测试参数组合。测试参数组合可以是一个或多个测试参数数值的组合，测试参数数值为可调整参数一个具体的测试数值。例如：若服务器的可调整参数为：CPU最小占用时间，可以设置CPU最小占用时间阈值15000000纳秒(nanosecond，ns)，在0-15000000阈值范围内每隔1000000纳秒间隔取一测试值，则CPU调度周期对应的测试参数数值共有16个，以单个测试参数数值组合为测试参数组合，则对应的测试参数组合共有16个。
在实际使用中，可以先选取一个测试参数组合，将服务器的可调整参数调整为测试参数组合中记录的测试参数，再在服务器的虚拟机中打开可运行应用程序，记录可运行应用程序的程序启动时长作为测试参数组合对应的程序启动时长，重复执行直至获取所有测试参数组合对应的程序启动时长，再根据程序启动时长确定可运行应用程序对应的服务器优化参数。
在实际使用中，可以将所述程序启动时长按从小到大进行排序，获取排序结果；将排序结果中排序第一的程序启动时长对应的测试参数组合作为可运行应用程序对应的服务器优化参数。
例如：对于可运行程序A，共有3个测试参数组合，分别为B、C、D，对应的程序启动时长分别为：4秒、2秒、3秒，将程序启动时长按从小到大进行排序，依次为：2秒、3秒、4秒，排序第一的程序启动时长为2秒，对应的测试参数组合为C，则可以将测试参数组合C作为可运行程序A对应的服务器优化参数。
步骤S30：根据所述可运行应用程序的程序信息将所述服务器优化参数存储至预设存储空间。
在实际使用中，可以将可运行应用程序的程序信息作为数据索引，根据数据索引将服务器优化参数存储至预设存储空间，以便于步骤S200中根据程序信息进行数据查找，即步骤S200中的预设存储空间就是步骤S30中的预设存储空间。
本实施例通过获取虚拟机的桌面云环境对应的可运行应用程序；根据虚拟机所在的服务器的可调整参数确定可运行应用程序对应的服务器优化参数；根据可运行应用程序的程序信息将服务器优化参数存储至预设存储空间。由于是根据虚拟机所在的服务器可调整参数确定可运行应用程序对应的的服务器优化参数，可以保证在服务器的可调整参数中选择最适合可运行应用程序的参数作为可运行应用程序对应的服务器优化参数，并将服务器优化参数根据可运行应用程序的程序信息存储至预设存储空间中便于进行查找，利于根据程序信息查找服务器优化参数对虚拟机所在的服务器进行优化。
参考图4，图4为本发明一种桌面云环境优化方法第三实施例的流程示意图。
基于上述第二实施例，本实施例桌面云环境优化方法的所述步骤S02，具体包括：
步骤S21：获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；
获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；获取各测试参数组合所对应的程序启动时长；根据所述程序启动时长确定所述可运行应用程序对应的服务器优化参数。
步骤S22：获取各测试参数组合所对应的操作加权平均值；
需要说明的是，操作加权平均值是可运行程序的各个预设操作的操作权重及操作时长进行加权平均计算得到的，预设操作可以根据实际需要进行设置，例如：启动操作、编辑操作、滚动操作、计算操作、关闭操作等，操作权重可以根据实际使用中的需要根据操作的不同进行设置。
进一步地，为了获取测试参数组合对应的操作加权平均值，本实施例的步骤S22，可以为：
获取所述可运行应用程序的各个预设操作；获取各个预设操作对应的操作权重值；获取各测试参数组合对应的预设操作的操作时长；对所述操作时长及所述操作权重值进行加权平均，获得各测试参数组合所对应的操作加权平均值。
需要说明的是，在计算操作加权平均值的过程中可以遍历各测试参数组合，获得当前测试参数组合，将服务器的可调整参数调整为测试参数组合中记录的测试参数，再在服务器的虚拟机中对可运行应用程序执行各个预设操作，记录预设操作执行完毕的程序启动时长作为测试参数组合对应的预设操作的操作时长，再将根据操作时长及各个预设操作的操作权重进行加权平均计算，以得到当前测试参数组合对应的操作加权平均值，在结束遍历时即可得到各测试参数组合所对应的操作加权平均值。
例如：预设操作分别为：启动、关闭、编辑，对应的操作权重分别为0.5、0.2、0.3，总共包含3个测试参数组合，分别为A、B、C，对所有的测试参数组合进行遍历，获得当前测试参数组合A，将服务器的可调整参数调整为当前测试参数组合A中记录的测试参数数值，执行操作记录的各个操作的操作时长分别为3秒、1秒、4秒，则测试参数组合A对应的操作加权平均值P＝3*0.5+1*0.2+4*0.3＝2.9，之后可以继续遍历，将测试参数组合B作为当前测试参数组合，执行以上流程计算得到对应的操作加权平均值即可得到各测试参数组合对应的操作加权平均值。
步骤S23：根据所述操作加权平均值确定所述可运行应用程序对应的服务器优化参数。
需要说明的是，优化目标的确定对优化效果有较大的影响。以办公软件Excel为例，Excel的核心操作一般为：打开操作、编辑操作、滚动操作、计算操作、关闭操作等。如果单纯的以某一项操作的操作时长作为评估指标确定服务器优化参数，则结果可能并不准确。因此，可以列出所有核心操作，为各个操作设置操作权重，然后对各个核心操作的操作时长进行加权平均，获得操作加权平均值，根据操作加权平均值确定服务器优化参数再根据服务器优化参数对服务器进行优化，可以达到更好的优化效果。
在实际使用中，可以将操作加权平均值从小到大进行排序，获取排序结果；将排序结果中排序第一的操作加权平均值对应的测试参数组合作为可运行应用程序对应的服务器优化参数。
例如：对于可运行程序A，共有3个测试参数组合，分别为B、C、D，对应的操作加权平均值分别为：4.1、2.2、3.1，将程序启动时长按从小到大进行排序，依次为：2.2、3.1、4.1，排序第一的操作加权平均值为2.2，对应的测试参数组合为C，则可以将测试参数组合C作为可运行程序A对应的服务器优化参数。
本实施例通过根据虚拟机所在的服务器的可调整参数确定的若干个测试参数组合，获取各测试参数组合对应的操作加权平均值，再根据操作加权平均值确定可运行应用程序对应的服务器优化参数，由于操作加权平均值是根据各个预设操作的操作时长及操作权重计算得到的，从多维度进行分析判断以确定服务器优化参数，根据此种方法确定的服务器优化参数对虚拟机所在的服务器进行运行参数优化，可以达到更佳的优化效果。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有桌面云环境优化程序，所述桌面云环境优化程序被处理器执行时实现如上文所述的桌面云环境优化方法的步骤。
参照图5，图5为本发明桌面云环境优化装置第一实施例的结构框图。
如图5所示，本发明实施例提出的桌面云环境优化装置包括：
信息获取模块501，用于获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；
数据查找模块502，用于根据所述程序信息在预设存储空间中查找所述当前应用程序对应的服务器优化参数；
参数优化模块503，用于根据所述服务器优化参数对所述虚拟机所在的服务器进行运行参数优化。
本实施例通过获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；根据程序信息在预设存储空间中查找当前应用程序对应的服务器优化参数；根据服务器优化参数对虚拟机所在的服务器进行运行参数优化。由于虚拟机是运行在服务器中的，虚拟机的运行性能取决于虚拟机所在的服务器的运行参数设置，因此，通过根据当前应用程序的程序信息在预设存储空间中查找得到的当前应用程序对应的服务器优化参数对虚拟机所在的服务器进行运行参数优化，可提高虚拟机的运行性能，提高在虚拟机的桌面云环境中运行的当前应用程序运行速度，降低当前应用程序卡顿的可能性，以提高用户体验。
进一步地，所述信息获取模块501，还用于获取虚拟机的桌面云环境对应的可运行应用程序；根据所述虚拟机所在的服务器的可调整参数确定所述可运行应用程序对应的服务器优化参数；根据所述可运行应用程序的程序信息将所述服务器优化参数存储至预设存储空间。
进一步地，所述信息获取模块501，还用于获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；获取各测试参数组合所对应的程序启动时长；根据所述程序启动时长确定所述可运行应用程序对应的服务器优化参数。
进一步地，所述信息获取模块501，还用于将所述程序启动时长按从小到大进行排序，获取排序结果；将所述排序结果中排序第一的程序启动时长对应的测试参数组合作为所述可运行应用程序对应的服务器优化参数。
进一步地，所述信息获取模块501，还用于获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；获取各测试参数组合所对应的操作加权平均值；根据所述操作加权平均值确定所述可运行应用程序对应的服务器优化参数。
进一步地，所述信息获取模块501，还用于获取所述可运行应用程序的各个预设操作；获取各个预设操作对应的操作权重值；获取各测试参数组合对应的预设操作的操作时长；对所述操作时长及所述操作权重值进行加权平均，获得各测试参数组合所对应的操作加权平均值。
进一步地，所述信息获取模块501，还用于将所述操作加权平均值从小到大进行排序，获取排序结果；将所述排序结果中排序第一的操作加权平均值对应的测试参数组合作为所述可运行应用程序对应的服务器优化参数。
应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的桌面云环境优化方法，此处不再赘述。
此外，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统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(如只读存储器(Read Only Memory，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，或者网络设备等)执行本发明各个实施例所述的方法。
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 (7)
1.一种桌面云环境优化方法，其特征在于，所述桌面云环境体验优化方法包括以下步骤：
获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；
根据所述程序信息在预设存储空间中查找所述当前应用程序对应的服务器优化参数；
根据所述服务器优化参数对所述虚拟机所在的服务器进行运行参数优化；
其中，所述获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息的步骤之前，还包括：
获取虚拟机的桌面云环境对应的可运行应用程序；
获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；
获取所述可运行应用程序的各个预设操作；
获取各个预设操作对应的操作权重值；
获取各测试参数组合对应的预设操作的操作时长；
对所述操作时长及所述操作权重值进行加权平均，获得各测试参数组合所对应的操作加权平均值；
根据所述操作加权平均值确定所述可运行应用程序对应的服务器优化参数；
根据所述可运行应用程序的程序信息将所述服务器优化参数存储至预设存储空间。
2.如权利要求1所述的桌面云环境优化方法，其特征在于，所述根据所述虚拟机所在的服务器的可调整参数确定所述可运行应用程序对应的服务器优化参数的步骤，包括：
获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；
获取各测试参数组合所对应的程序启动时长；
根据所述程序启动时长确定所述可运行应用程序对应的服务器优化参数。
3.如权利要求2所述的桌面云环境优化方法，其特征在于，所述根据所述程序启动时长确定所述可运行应用程序对应的服务器优化参数的步骤，包括：
将所述程序启动时长按从小到大进行排序，获取排序结果；
将所述排序结果中排序第一的程序启动时长对应的测试参数组合作为所述可运行应用程序对应的服务器优化参数。
4.如权利要求1所述的桌面云环境优化方法，其特征在于，所述根据所述操作加权平均值确定所述可运行应用程序对应的服务器优化参数的步骤，包括：
将所述操作加权平均值从小到大进行排序，获取排序结果；
将所述排序结果中排序第一的操作加权平均值对应的测试参数组合作为所述可运行应用程序对应的服务器优化参数。
5.一种桌面云环境优化装置，其特征在于，所述桌面云环境优化装置包括以下模块：
信息获取模块，用于获取在虚拟机的桌面云环境中运行的当前应用程序的程序信息；
数据查找模块，用于根据所述程序信息在预设存储空间中查找所述当前应用程序对应的服务器优化参数；
参数优化模块，用于根据所述服务器优化参数对所述虚拟机所在的服务器进行运行参数优化；
所述信息获取模块，还用于获取虚拟机的桌面云环境对应的可运行应用程序；获取所述虚拟机所在的服务器的可调整参数，并根据所述可调整参数及贝叶斯定理确定若干个测试参数组合；获取所述可运行应用程序的各个预设操作；获取各个预设操作对应的操作权重值；获取各测试参数组合对应的预设操作的操作时长；对所述操作时长及所述操作权重值进行加权平均，获得各测试参数组合所对应的操作加权平均值；根据所述操作加权平均值确定所述可运行应用程序对应的服务器优化参数；根据所述可运行应用程序的程序信息将所述服务器优化参数存储至预设存储空间。
6.一种桌面云环境优化设备，其特征在于，所述桌面云环境优化设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的桌面云环境优化程序，所述桌面云环境优化程序被所述处理器执行时实现如权利要求1-4中任一项所述的桌面云环境优化方法的步骤。
7.一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上存储有桌面云环境优化程序，所述桌面云环境优化程序执行时实现如权利要求1-4中任一项所述的桌面云环境优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011464283.7A CN114625457B (zh) | 2020-12-11 | 2020-12-11 | 桌面云环境优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011464283.7A CN114625457B (zh) | 2020-12-11 | 2020-12-11 | 桌面云环境优化方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114625457A CN114625457A (zh) | 2022-06-14 |
| CN114625457B true CN114625457B (zh) | 2024-02-27 |
Family
ID=81895816
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011464283.7A Active CN114625457B (zh) | 2020-12-11 | 2020-12-11 | 桌面云环境优化方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114625457B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8887132B1 (en) * | 2010-09-03 | 2014-11-11 | Christopher R. Hunter | Application runtime environment and framework |
| CN105095072A (zh) * | 2015-07-02 | 2015-11-25 | 北京金山安全软件有限公司 | 一种应用测试方法、装置及终端 |
| WO2016177079A1 (zh) * | 2015-07-13 | 2016-11-10 | 中兴通讯股份有限公司 | 云桌面资源的处理方法及装置 |
| CN107943576A (zh) * | 2017-12-14 | 2018-04-20 | 中国平安人寿保险股份有限公司 | 应用程序的启动优化方法、装置、设备、系统及介质 |
| CN109697090A (zh) * | 2018-12-27 | 2019-04-30 | Oppo广东移动通信有限公司 | 一种控制终端设备的方法、终端设备及存储介质 |
| CN110532024A (zh) * | 2019-08-28 | 2019-12-03 | 维沃移动通信有限公司 | 一种应用程序的版本优化方法、装置、服务器及存储介质 |
| CN111061516A (zh) * | 2018-10-15 | 2020-04-24 | 华为技术有限公司 | 加速应用的冷启动的方法、装置和终端 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060129992A1 (en) * | 2004-11-10 | 2006-06-15 | Oberholtzer Brian K | Software test and performance monitoring system |
| US8321554B2 (en) * | 2004-12-17 | 2012-11-27 | International Business Machines Corporation | System and program to automatically identify a server on which to deploy an application |
| DE112011103979T5 (de) * | 2010-11-30 | 2013-08-29 | International Business Machines Corporation | Computerprogramm und System für ein Verfahren zur Optimierung der Speicherverwaltung einer auf einer virtuellen Maschine ausgeführten Anwendung |
| JP2017097707A (ja) * | 2015-11-26 | 2017-06-01 | 沖電気工業株式会社 | 仮想マシン動的配置システム及びサーバ |
-
2020
- 2020-12-11 CN CN202011464283.7A patent/CN114625457B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8887132B1 (en) * | 2010-09-03 | 2014-11-11 | Christopher R. Hunter | Application runtime environment and framework |
| CN105095072A (zh) * | 2015-07-02 | 2015-11-25 | 北京金山安全软件有限公司 | 一种应用测试方法、装置及终端 |
| WO2016177079A1 (zh) * | 2015-07-13 | 2016-11-10 | 中兴通讯股份有限公司 | 云桌面资源的处理方法及装置 |
| CN107943576A (zh) * | 2017-12-14 | 2018-04-20 | 中国平安人寿保险股份有限公司 | 应用程序的启动优化方法、装置、设备、系统及介质 |
| CN111061516A (zh) * | 2018-10-15 | 2020-04-24 | 华为技术有限公司 | 加速应用的冷启动的方法、装置和终端 |
| CN109697090A (zh) * | 2018-12-27 | 2019-04-30 | Oppo广东移动通信有限公司 | 一种控制终端设备的方法、终端设备及存储介质 |
| CN110532024A (zh) * | 2019-08-28 | 2019-12-03 | 维沃移动通信有限公司 | 一种应用程序的版本优化方法、装置、服务器及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114625457A (zh) | 2022-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113377540A (zh) | 集群资源调度方法及装置、电子设备和存储介质 | |
| US20120239376A1 (en) | Predicting performance of a consolidated virtualized computing environment | |
| CN105144118A (zh) | 应用测试和分析 | |
| CN107430528A (zh) | 机会性资源迁移以优化资源放置 | |
| Wu | A tunable workflow scheduling algorithm based on particle swarm optimization for cloud computing | |
| WO2021130596A1 (en) | Elastic execution of machine learning workloads using application based profiling | |
| CN112764893B (zh) | 数据处理方法和数据处理系统 | |
| JP2020194523A (ja) | アクセス請求を処理する方法、装置、デバイスならびに記憶媒体 | |
| CN109947624A (zh) | 状态监控方法及装置 | |
| CN114428722A (zh) | 硬件仿真方法、装置、设备及存储介质 | |
| CN114861910A (zh) | 神经网络模型的压缩方法及装置、设备和介质 | |
| Hariharan et al. | Wbat job scheduler: A multi-objective approach for job scheduling problem on cloud computing | |
| CN116684330A (zh) | 基于人工智能的流量预测方法、装置、设备及存储介质 | |
| CN112925634A (zh) | 异构资源调度方法和系统 | |
| CN114297041A (zh) | 网络异构计算平台测试方法、装置和计算机设备 | |
| CN114327894A (zh) | 资源分配方法、装置、电子设备及存储介质 | |
| CN114625457B (zh) | 桌面云环境优化方法、装置、设备及存储介质 | |
| Krawczyk et al. | An analytical approach for calculating end-to-end response times in autonomous driving applications | |
| CN113837383A (zh) | 模型训练方法、装置、电子设备及存储介质 | |
| CN112650449A (zh) | 缓存空间的释放方法、释放系统、电子设备及存储介质 | |
| CN115238837B (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
| Hauser et al. | Predictability of resource intensive big data and hpc jobs in cloud data centres | |
| Li et al. | Rt-lm: Uncertainty-aware resource management for real-time inference of language models | |
| CN109213561A (zh) | 基于容器的虚拟桌面的设备调度方法及装置 | |
| CN108073502B (zh) | 一种测试方法及其系统 |
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 |