CN114647509A - 内存清理方法、装置、存储介质及电子设备 - Google Patents
内存清理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114647509A CN114647509A CN202210223782.XA CN202210223782A CN114647509A CN 114647509 A CN114647509 A CN 114647509A CN 202210223782 A CN202210223782 A CN 202210223782A CN 114647509 A CN114647509 A CN 114647509A
- Authority
- CN
- China
- Prior art keywords
- cleaning
- weight
- self
- target
- target application
- 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.)
- Pending
Links
- 238000004140 cleaning Methods 0.000 title claims abstract description 222
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000005201 scrubbing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
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
- G06F9/46—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
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- 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
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5022—Mechanisms to release resources
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本申请公开了一种内存清理方法、装置、存储介质及电子设备,涉及计算机技术领域,该方法包括:获取本地的目标应用的多个自启动时间;计算所述多个自启动时间的时间间隔;根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重;根据所述清理权重对所述目标应用进行内存清理操作。本申请通过根据应用的自启动时间的时间间隔,基于时间间隔确定应用的清理权重来指示对应用进行内存清理操作,可以避免统一不区分的应用内存清理,进而提升内存清理的效率及可靠性。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种内存清理方法、装置、存储介质及电子设备。
背景技术
目前,各类终端的操作系统中通常会设置内存清理模块负责在系统内存不足时及时清理(如释放或回收)应用内存,但是,在对应用进行内存清理时会对统一不区分的清理终端中的应用内存,导致内存清理的效率较低,且清理可靠性较低。
发明内容
本申请实施例提供一种方案,可以提升内存清理的效率及可靠性。
本申请实施例提供以下技术方案:
根据本申请的一个实施例,一种内存清理方法,其包括:获取本地的目标应用的多个自启动时间;计算所述多个自启动时间的时间间隔;根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重;根据所述清理权重对所述目标应用进行内存清理操作。
在本申请的一些实施例中,所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重,包括:计算所述多个自启动时间的时间间隔的平均值;根据所述平均值确定所述目标应用的清理权重,其中,所述平均值与所述清理权重成反比,高于预定阈值的所述清理权重用于指示不对所述目标应用进行内存清理处理。
在本申请的一些实施例中,在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:若检测到第一事件,则获取第一调整值;基于所述第一调整值更新所述清理权重,其中,更新后的所述清理权重大于更新前的所述清理权重。
在本申请的一些实施例中,在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:若检测到第二事件,则获取第二调整值;基于所述第二调整值更新所述清理权重,其中,更新后的所述清理权重小于更新前的所述清理权重。
在本申请的一些实施例中,所述在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:在目标时刻,获取本地记录的所述目标应用在所述目标时刻之前的多个目标自启动时间;计算相邻的两个所述目标自启动时间的相邻时间间隔,并对所述相邻时间间隔求平均值,得到目标平均值;基于所述目标平均值更新所述清理权重,其中,若所述目标平均值小于第一值,则更新后的所述清理权重大于更新前的所述清理权重,若所述目标平均值大于所述第一值,则更新后的所述清理权重小于更新前的所述清理权重。
在本申请的一些实施例中,所述基于所述目标平均值更新所述清理权重,包括:确定所述目标平均值所在的大小范围;获取所述大小范围所对应的预设调整值;基于所述预设调整值更新所述清理权重。
在本申请的一些实施例中,所述根据所述清理权重对所述目标应用进行内存清理操作,包括:若所述清理权重小于预定阈值,则对所述目标应用进行内存清理处理;若所述清理权重大于预定阈值,则不对所述目标应用进行内存清理处理。
根据本申请的一个实施例,一种内存清理装置,其包括:时间获取模块,用于获取本地的目标应用的多个自启动时间;间隔计算模块,用于计算所述多个自启动时间的时间间隔;权重计算模块,用于根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重;清理控制模块,用于根据所述清理权重对所述目标应用进行内存清理操作。
根据本申请的另一实施例,一种存储介质,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行本申请实施例所述的方法。
根据本申请的另一实施例,一种电子设备可以包括:存储器,存储有计算机程序;处理器,读取存储器存储的计算机程序,以执行本申请实施例所述的方法。
本申请实施例中,获取本地的目标应用的多个自启动时间;计算所述多个自启动时间的时间间隔;根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重;根据所述清理权重对所述目标应用进行内存清理操作。
以这种方式,通过根据应用的自启动时间的时间间隔,基于时间间隔确定应用的清理权重来指示对应用进行内存清理操作,可以避免统一不区分的应用内存清理,进而提升内存清理的效率及可靠性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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的一些实施例,对于本领域技术人员来讲,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示出了根据本申请的一个实施例的内存清理方法的流程图。
图2示出了根据本申请的一个实施例的权重更新处理流程图。
图3示出了根据本申请的一个实施例的权重更新处理流程图。
图4示出了根据本申请的一个实施例的内存清理装置的框图。
图5示出了根据本申请的一个实施例的电子设备的框图。
具体实施方式
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,都属于本申请保护的范围。
图1示意性示出了根据本申请的一个实施例的内存清理方法的流程图。该内存清理方法的执行主体可以是任意的电子设备,例如智能电视或手机等。
如图1所示,该内存清理方法可以包括步骤S110至步骤S140。
步骤S110,获取本地的目标应用的多个自启动时间;步骤S120,计算所述多个自启动时间的时间间隔;步骤S130,根据所述时间间隔计算所述目标应用的清理权重;步骤S140,根据所述清理权重对所述目标应用进行内存清理操作。
多个自启动时间即至少2个自启动时间。自启动时间即应用自启动的时间点,而非由于用户触发等触发操作打开应用的时间点。本地可以针对目标应用仅记录应用自启的自启动时间,不记录用户打开该目标应用的时间。从本地的记录中可以获取目标应用的多个自启动时间。
通过计算相邻的两个自启动时间的间隔,可以计算出多个自启动时间的时间间隔。基于该时间间隔计算目标应用的清理权重,该清理权重为指示对目标应用进行内存清理的权重。
基于该清理权重对目标应用进行内存清理操作,可以在内存清理时根据该清理权重进行对应的内存清理权重,进而针对不同自启动情况的应用根据对应的清理权重进行清理。
以这种方式,基于步骤S110至步骤S140,通过根据应用的自启动时间的时间间隔,基于时间间隔确定应用的清理权重来指示对应用进行内存清理操作,可以避免统一不区分的应用内存清理,进而提升内存清理的效率及可靠性。
下面描述进行内存清理时,所进行的各步骤的具体过程。
在步骤S110中,获取本地的目标应用的多个自启动时间。
多个自启动时间即至少2个自启动时间。自启动时间即应用自启动的时间点,而非由于用户触发等触发操作打开应用的时间点。目标应用每次自启动时,均可记录相应的自启动时间。可选地,本地可以针对目标应用仅记录应用自启的自启动时间,不记录用户打开该目标应用的时间。从本地的记录中可以获取目标应用的多个自启动时间。
在步骤S120中,计算所述多个自启动时间的时间间隔。
通过计算相邻的两个自启动时间的间隔,可以计算出多个自启动时间的时间间隔。
一个示例中,多个自启动时间的时间间隔具体可以包含该多个自启动时间中每两个相邻的自启动时间之间的时间间隔。可以依次计算所有的相邻的两个自启动时间的时间间隔,得到多个时间间隔,即多个自启动时间的时间间隔包含该多个时间间隔。
一个示例中,多个自启动时间的时间间隔可以包含该多个自启动时间中部分相邻的两个自启动时间之间的时间间隔。可以从多个自启动时间中选取预定数量个连续的自启动时间,然后,计算相邻的两个自启动时间的时间间隔,得到多个时间间隔,即多个自启动时间的时间间隔包含该多个时间间隔。
在步骤S130中,根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重。
一种实施例中,步骤S130,所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重,包括:将所述多个自启动时间的时间间隔及所述目标应用的应用信息(例如应用标识)输入基于机器学习的分析模型,得到所述分享模型输出的清理权重。
其中该分析模型可以是决策树模型或神经网络模型等,分析模型可以以训练样本(每个训练样本可以包括一个应用对应的时间间隔以及应用信息)作为输入,训练样本对应的清理权重标签作为期望输出进行训练,得到的训练后的分析模型,这样可以基于机器学习进行清理权重的自动可靠评估,进一步提升清理权重的可靠性。
一种实施例中,步骤S130,根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重,包括:计算所述多个自启动时间的时间间隔的平均值;根据所述平均值确定所述目标应用的清理权重,其中,所述平均值与所述清理权重成反比,高于预定阈值的所述清理权重用于指示不对所述目标应用进行内存清理操作。
计算多个自启动时间的时间间隔的平均值,即计算多个时间间隔的平均值,基于该平均值可以反映目标应用的自启动的频繁程度,平均值越小对应的自启动越频繁,进而基于该平均值计算清理权重即根据自启动的频繁程度计算一个清理权重。其中,清理权重可以基于预定公式计算或基于预定查询表匹配计算得到。
该平均值与清理权重成反比,即自启动的频繁程度越高对应的清理权重越高,进一步的,高于预定阈值的清理权重用于指示不对目标应用进行内存清理操作,也即可以对频繁自启动的应用不进行内存清理处理。
以这种方式,可以避免在设备中进行内存清理时,对频繁自启动的应用进行清理,提升内存清理效率及清理效果。
一种实施例中,在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:若检测到第一事件,则获取第一调整值;基于所述第一调整值更新所述清理权重,其中,更新后的所述清理权重大于更新前的所述清理权重。
第一事件可以根据需求设定,例如第一事件可以时用户对目标应用的特定操作事件。在步骤S130中计算到初始的清理权重后,每次检测到第一事件,则获取第一调整值,基于第一调整值更新清理权重(例如计算第一调整值与已有的清理权重的乘积,得到更新后的清理权重),其中,更新后的清理权重大于更新前的清理权重。这样可以在第一事件的触发下调节清理权重。
一种实施例中,在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:若检测到第二事件,则获取第二调整值;基于所述第二调整值更新所述清理权重,其中,更新后的所述清理权重小于更新前的所述清理权重。
第二事件可以根据需求设定,例如第二事件可以时用户对目标应用的点击事件等。在步骤S130中计算到初始的清理权重后,每次检测到第二事件,则获取第二调整值,基于第二调整值更新清理权重(例如计算第二调整值与已有的清理权重的乘积,得到更新后的清理权重),其中,更新后的清理权重小于更新前的清理权重。这样可以在第二事件的触发下调节清理权重。
一种实施例中,所述在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:在目标时刻,获取本地记录的所述目标应用在所述目标时刻之前的多个目标自启动时间;计算相邻的两个所述目标自启动时间的相邻时间间隔,并对所述相邻时间间隔求平均值,得到目标平均值;基于所述目标平均值更新所述清理权重,其中,若所述目标平均值小于第一值,则更新后的所述清理权重大于更新前的所述清理权重,若所述目标平均值大于所述第一值,则更新后的所述清理权重小于更新前的所述清理权重。
该实施例下,在步骤S130中计算到初始的清理权重后,可以在后续的某个目标时刻点(可以根据需求指定)获取目标应用在目标时刻之前的多个目标自启动时间,计算目标平均值,进一步的基于目标平均值更新清理权重,其中,若目标平均值小于第一值,则更新后的清理权重大于更新前的清理权重,若目标平均值大于第一值,则更新后的清理权重小于更新前的清理权重。
若目标平均值小于第一值,则更新后的清理权重大于更新前的清理权重,若目标平均值大于第一值,则更新后的清理权重小于更新前的清理权重。第一值可以根据需求设定,基于设定第一值,可以对初始的清理权重进行调整,得到更新后的清理权重,进一步提升清理权重的可靠性。
一种实施例中,所述基于所述目标平均值更新所述清理权重,包括:确定所述目标平均值所在的大小范围;获取所述大小范围所对应的预设调整值;基于所述预设调整值更新所述清理权重。
大小范围可以包括多个,即不同的目标平均值可以匹配到对应的大小范围。每个大小范围设置有对应的预设调整值,预设调整值用于对清理权重进行调整。
进一步的,一种实施例中,参阅图2,步骤S130之后会进行清理权重(gap)更新(updateGapBegin),更新清理权重(gap)所需要的调整值(scale1,可以包括第一调整值、第二调整值以及预设调整值)由预设的calculateGapScale方法计算得出后,“更新后的清理权重(gap’)”等于“更新前的清理权重(gap)”*调整值(scale1),更新后的清理权重(gap’)的大小必须在所设定的区间内,即MIN_GAP≤gap’≤MAX_GAP。
其中,一种优化实施例中,MIN_GAP=3s,MAX_GAP=3*16*1024=49152s。进而,若更新后的gap’值大于MAX_GAP,则gap’=MAX_GAP,若更新后的gap’值小于MIN_GAP,则gap’=MIN_GAP。
一种实施例中,预设的calculateGapScale方法参阅图3所示,大小范围可以包括X1至X6,其中:0S≤X1<5S,对应的预设调整值scale2=8;5S≤X2<10S,对应的预设调整值scale2=4;10S≤X3<20S,对应的预设调整值scale2=2;20S≤X4<40S,对应的预设调整值scale2=0.5;40S≤X5<90S,对应的预设调整值scale2=0.25;90S≤X6,对应的预设调整值scale2=0.125。
在获取目标应用在目标时刻之前的多个目标自启动时间计算目标平均值(即计算自启动时间记录表(RestartGapTimeList)中多个目标自启动时间的目标平均值avg)之后,根据图3所示的流程可以找到目标平均值avg对应的预设调整值scale2,基于目标平均值对应的预设调整值scale2更新清理权重,进而更新完成(updateGapFinish)。
此时,第一值可以是20S,若目标平均值小于第一值,则更新后的清理权重大于更新前的清理权重,若目标平均值大于第一值,则更新后的清理权重小于更新前的清理权重,且根据不同的大小范围调整的程度。
在步骤S140中,根据所述清理权重对所述目标应用进行内存清理操作。
一种实施例中,所述根据所述清理权重对所述目标应用进行内存清理操作,包括:若所述清理权重小于预定阈值,则对所述目标应用进行内存清理处理;若所述清理权重大于预定阈值,则不对所述目标应用进行内存清理处理。
若所述清理权重小于预定阈值,可以指示目标应用的自启动情况符合清理要求,则在内存清理时对目标应用进行内存清理,相反,若清理权重大于预定阈值,可以指示目标应用的自启动情况不符合清理要求,不对目标应用进行内存清理处理。根据设定的预定阈值,可以针对不同的应用可以基于自启动时间计算的清理权重进行对应的清理操作。
进一步的,一种实施例中,步骤S130中计算到清理权重之后,或每次计算到更新后的清理权重后,若清理权重大于预定阈值,则将目标应用的标记信息记录在内存清理表中;在进行内存清理时,若检测到内存清理表中存在所述标记信息,则对目标应用执行内存清处理。
为便于更好的实施本申请实施例提供的内存清理方法,本申请实施例还提供一种基于上述内存清理方法的内存清理装置。其中名词的含义与上述内存清理方法中相同,具体实现细节可以参考方法实施例中的说明。图3示出了根据本申请的一个实施例的内存清理装置的框图。
如图4所示,内存清理装置200中可以包括时间获取模块210、间隔计算模块220、权重计算模块230以及清理控制模块240。
时间获取模块210可以用于获取本地的目标应用的多个自启动时间;间隔计算模块220可以用于计算所述多个自启动时间的时间间隔;权重计算模块230可以用于根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重;清理控制模块240可以用于根据所述清理权重对所述目标应用进行内存清理操作。
在本申请的一些实施例中,所述权重计算模块230用于:计算所述多个自启动时间的时间间隔的平均值;根据所述平均值确定所述目标应用的清理权重,其中,所述平均值与所述清理权重成反比,高于预定阈值的所述清理权重用于指示不对所述目标应用进行内存清理处理。
在本申请的一些实施例中,所述装置还包括第一更新模块,用于:若检测到第一事件,则获取第一调整值;基于所述第一调整值更新所述清理权重,其中,更新后的所述清理权重大于更新前的所述清理权重。
在本申请的一些实施例中,所述装置还包括第二更新模块,用于:若检测到第二事件,则获取第二调整值;基于所述第二调整值更新所述清理权重,其中,更新后的所述清理权重小于更新前的所述清理权重。
在本申请的一些实施例中,所述装置还包括第三更新模块,包括:更新数据获取单元,用于在目标时刻,获取本地记录的所述目标应用在所述目标时刻之前的多个目标自启动时间;更新计算单元,用于计算相邻的两个所述目标自启动时间的相邻时间间隔,并对所述相邻时间间隔求平均值,得到目标平均值;更新处理单元,用于基于所述目标平均值更新所述清理权重,其中,若所述目标平均值小于第一值,则更新后的所述清理权重大于更新前的所述清理权重,若所述目标平均值大于所述第一值,则更新后的所述清理权重小于更新前的所述清理权重。
在本申请的一些实施例中,所述更新处理单元,用于:确定所述目标平均值所在的大小范围;获取所述大小范围所对应的预设调整值;基于所述预设调整值更新所述清理权重。
在本申请的一些实施例中,所述清理控制模块240用于:若所述清理权重小于预定阈值,则对所述目标应用进行内存清理处理;若所述清理权重大于预定阈值,则不对所述目标应用进行内存清理处理。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,本申请实施例还提供一种电子设备,该电子设备可以为终端或者服务器,如图5所示,其示出了本申请实施例所涉及的电子设备的结构示意图,具体来讲:
该电子设备可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解,图5中示出的电子设备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。其中:
处理器301是该电子设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器302内的软件程序和/或模块,以及调用存储在存储器302内的数据,执行计算机设备的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器301可包括一个或多个处理核心;优选的,处理器301可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户页面和应用程序等,调制解调处理器主要处理无线通讯。可以理解的是,上述调制解调处理器也可以不集成到处理器301中。
存储器302可用于存储软件程序以及模块,处理器301通过运行存储在存储器302的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器302可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器302可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器302还可以包括存储器控制器,以提供处理器301对存储器302的访问。
电子设备还包括给各个部件供电的电源303,优选的,电源303可以通过电源管理系统与处理器301逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该电子设备还可包括输入单元304,该输入单元304可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,电子设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,电子设备中的处理器301会按照如下的指令,将一个或一个以上的计算机程序的进程对应的可执行文件加载到存储器302中,并由处理器301来运行存储在存储器302中的计算机程序,从而实现本申请前述实施例中各种功能,如处理器301可以执行下述步骤:
获取本地的目标应用的多个自启动时间;计算所述多个自启动时间的时间间隔;根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重;根据所述清理权重对所述目标应用进行内存清理操作。
在本申请的一些实施例中,所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重时,处理器301可以执行:计算所述多个自启动时间的时间间隔的平均值;根据所述平均值确定所述目标应用的清理权重,其中,所述平均值与所述清理权重成反比,高于预定阈值的所述清理权重用于指示不对所述目标应用进行内存清理处理。
在本申请的一些实施例中,在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述处理器301可以执行:若检测到第一事件,则获取第一调整值;基于所述第一调整值更新所述清理权重,其中,更新后的所述清理权重大于更新前的所述清理权重。
在本申请的一些实施例中,在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述处理器301可以执行:若检测到第二事件,则获取第二调整值;基于所述第二调整值更新所述清理权重,其中,更新后的所述清理权重小于更新前的所述清理权重。
在本申请的一些实施例中,所述在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述处理器301可以执行:在目标时刻,获取本地记录的所述目标应用在所述目标时刻之前的多个目标自启动时间;计算相邻的两个所述目标自启动时间的相邻时间间隔,并对所述相邻时间间隔求平均值,得到目标平均值;基于所述目标平均值更新所述清理权重,其中,若所述目标平均值小于第一值,则更新后的所述清理权重大于更新前的所述清理权重,若所述目标平均值大于所述第一值,则更新后的所述清理权重小于更新前的所述清理权重。
在本申请的一些实施例中,所述基于所述目标平均值更新所述清理权重时,处理器301可以执行:确定所述目标平均值所在的大小范围;获取所述大小范围所对应的预设调整值;基于所述预设调整值更新所述清理权重。
在本申请的一些实施例中,所述根据所述清理权重对所述目标应用进行内存清理操作时,处理器301可以执行:若所述清理权重小于预定阈值,则对所述目标应用进行内存清理处理;若所述清理权重大于预定阈值,则不对所述目标应用进行内存清理处理。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过计算机程序来完成,或通过计算机程序控制相关的硬件来完成,该计算机程序可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例还提供一种存储介质,其中存储有计算机程序,该计算机程序能够被处理器进行加载,以执行本申请实施例所提供的任一种方法中的步骤。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的计算机程序,可以执行本申请实施例所提供的任一种方法中的步骤,因此,可以实现本申请实施例所提供的方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的实施例,而可以在不脱离其范围的情况下进行各种修改和改变。
Claims (10)
1.一种内存清理方法,其特征在于,包括:
获取本地的目标应用的多个自启动时间;
计算所述多个自启动时间的时间间隔;
根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重;
根据所述清理权重对所述目标应用进行内存清理操作。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重,包括:
计算所述多个自启动时间的时间间隔的平均值;
根据所述平均值确定所述目标应用的清理权重,其中,所述平均值与所述清理权重成反比,高于预定阈值的所述清理权重用于指示不对所述目标应用进行内存清理处理。
3.根据权利要求1所述的方法,其特征在于,在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:
若检测到第一事件,则获取第一调整值;
基于所述第一调整值更新所述清理权重,其中,更新后的所述清理权重大于更新前的所述清理权重。
4.根据权利要求1所述的方法,其特征在于,在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:
若检测到第二事件,则获取第二调整值;
基于所述第二调整值更新所述清理权重,其中,更新后的所述清理权重小于更新前的所述清理权重。
5.根据权利要求1所述的方法,其特征在于,所述在所述根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重之后,所述方法还包括:
在目标时刻,获取本地记录的所述目标应用在所述目标时刻之前的多个目标自启动时间;
计算相邻的两个所述目标自启动时间的相邻时间间隔,并对所述相邻时间间隔求平均值,得到目标平均值;
基于所述目标平均值更新所述清理权重,其中,若所述目标平均值小于第一值,则更新后的所述清理权重大于更新前的所述清理权重,若所述目标平均值大于所述第一值,则更新后的所述清理权重小于更新前的所述清理权重。
6.根据权利要求1所述的方法,其特征在于,所述基于所述目标平均值更新所述清理权重,包括:
确定所述目标平均值所在的大小范围;
获取所述大小范围所对应的预设调整值;
基于所述预设调整值更新所述清理权重。
7.根据权利要求2所述的方法,其特征在于,所述根据所述清理权重对所述目标应用进行内存清理操作,包括:
若所述清理权重小于预定阈值,则对所述目标应用进行内存清理处理;
若所述清理权重大于预定阈值,则不对所述目标应用进行内存清理处理。
8.一种内存清理装置,其特征在于,包括:
时间获取模块,用于获取本地的目标应用的多个自启动时间;
间隔计算模块,用于计算所述多个自启动时间的时间间隔;
权重计算模块,用于根据所述多个自启动时间的时间间隔计算所述目标应用的清理权重;
清理控制模块,用于根据所述清理权重对所述目标应用进行内存清理操作。
9.一种存储介质,其特征在于,其上存储有计算机程序,当所述计算机程序被计算机的处理器执行时,使计算机执行权利要求1至7任一项所述的方法。
10.一种电子设备,其特征在于,包括:存储器,存储有计算机程序;处理器,读取存储器存储的计算机程序,以执行权利要求1至7任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210223782.XA CN114647509A (zh) | 2022-03-09 | 2022-03-09 | 内存清理方法、装置、存储介质及电子设备 |
PCT/CN2023/076506 WO2023169173A1 (zh) | 2022-03-09 | 2023-02-16 | 内存清理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210223782.XA CN114647509A (zh) | 2022-03-09 | 2022-03-09 | 内存清理方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114647509A true CN114647509A (zh) | 2022-06-21 |
Family
ID=81993692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210223782.XA Pending CN114647509A (zh) | 2022-03-09 | 2022-03-09 | 内存清理方法、装置、存储介质及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114647509A (zh) |
WO (1) | WO2023169173A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023169173A1 (zh) * | 2022-03-09 | 2023-09-14 | 深圳Tcl新技术有限公司 | 内存清理方法、装置、存储介质及电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106293924B (zh) * | 2015-05-20 | 2019-09-17 | Tcl集团股份有限公司 | 安卓系统的内存管理方法及装置 |
CN106325990B (zh) * | 2016-08-19 | 2019-10-11 | 宇龙计算机通信科技(深圳)有限公司 | 应用程序的控制方法、控制装置和终端 |
CN106445664B (zh) * | 2016-09-18 | 2020-05-12 | 深圳市邦华电子有限公司 | 一种应用程序管理方法和装置 |
CN107179930B (zh) * | 2017-06-12 | 2020-06-05 | 广东小天才科技有限公司 | 一种应用卸载推荐方法及装置 |
CN114647509A (zh) * | 2022-03-09 | 2022-06-21 | 深圳Tcl新技术有限公司 | 内存清理方法、装置、存储介质及电子设备 |
-
2022
- 2022-03-09 CN CN202210223782.XA patent/CN114647509A/zh active Pending
-
2023
- 2023-02-16 WO PCT/CN2023/076506 patent/WO2023169173A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023169173A1 (zh) * | 2022-03-09 | 2023-09-14 | 深圳Tcl新技术有限公司 | 内存清理方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2023169173A1 (zh) | 2023-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0259224B1 (en) | Method for performance evaluation of a data processor system | |
CN107704876B (zh) | 应用控制方法、装置、存储介质以及电子设备 | |
CN111552607A (zh) | 应用程序的健康评估方法、装置、设备及存储介质 | |
JP2003178040A (ja) | ウェブサイトの構成決定支援方法 | |
CN110955438A (zh) | 一种小程序的性能监控方法、装置、设备及存储介质 | |
CN114647509A (zh) | 内存清理方法、装置、存储介质及电子设备 | |
CN112199260A (zh) | 应用监测方法、装置、系统、终端设备及存储介质 | |
CN114647550A (zh) | 进程管控方法、装置、存储介质及电子设备 | |
CN114116275A (zh) | 终端异常修复方法、装置、存储介质及电子设备 | |
CN107844859B (zh) | 基于人工智能的大型医疗设备能耗预测方法和终端设备 | |
US20220036220A1 (en) | Machine learning data cleaning | |
CN114244681B (zh) | 设备连接故障预警方法、装置、存储介质及电子设备 | |
CN114098534B (zh) | 扫地机的清扫区域识别方法、装置、存储介质及电子设备 | |
CN114490432A (zh) | 内存处理方法、装置、电子设备和计算机可读存储介质 | |
CN115391318A (zh) | 过期数据的清除方法、装置、存储介质及计算机设备 | |
CN113836013A (zh) | 一种埋点测试方法、装置、计算机设备和计算机可读存储介质 | |
CN114624569A (zh) | 传感器电路异常检测方法、电路、装置、智能设备及介质 | |
CN114071127A (zh) | 直播视频延迟的测试方法、装置、存储介质及电子设备 | |
CN114328103A (zh) | 一种OpenBMC监控管理离散型传感器的方法、系统及相关设备 | |
CN114625543A (zh) | 内存管理方法、装置、存储介质及电子设备 | |
CN113342518A (zh) | 任务处理方法和装置 | |
CN115865751B (zh) | 基于多态数据的故障检测方法及装置 | |
CN114089877B (zh) | 应用控制方法、装置、存储介质及电子设备 | |
CN114595062A (zh) | 内存管理方法、装置、存储介质及电子设备 | |
CN114302235A (zh) | 多媒体播放方法、装置、存储介质及电子设备 |
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 |