CN114741258B - 一种基于大数据的计算机性能控制分析系统及方法 - Google Patents
一种基于大数据的计算机性能控制分析系统及方法 Download PDFInfo
- Publication number
- CN114741258B CN114741258B CN202210365124.4A CN202210365124A CN114741258B CN 114741258 B CN114741258 B CN 114741258B CN 202210365124 A CN202210365124 A CN 202210365124A CN 114741258 B CN114741258 B CN 114741258B
- Authority
- CN
- China
- Prior art keywords
- computer
- performance
- hardware
- parameter
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004458 analytical method Methods 0.000 title claims abstract description 38
- 230000032683 aging Effects 0.000 claims abstract description 54
- 230000006870 function Effects 0.000 claims abstract description 23
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000015654 memory Effects 0.000 claims description 48
- 230000008859 change Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- 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
- G06F11/3409—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 for performance assessment
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明公开了一种基于大数据的计算机性能控制分析系统及方法,计算机硬件参数获取模块,所述计算机硬件参数获取模块用于获取计算机中各个组成硬件的标准性能参照值;计算机性能监测模块,所述计算机性能监测模块根据计算机硬件参数获取模块中获取的各个组成硬件对应的不同的标准性能参照值,得到计算机硬件参数性能曲线;计算机性能预测模块,所述计算机性能预测模块结合计算机中各个组成硬件的标准性能参照值的老化函数,预测出当前时间计算机中各个组成硬件对应的性能参照值,进而结合计算机硬件参数性能曲线,预测出当前时间计算机对应的性能参数。
Description
技术领域
本发明涉及计算机技术领域,具体为一种基于大数据的计算机性能控制分析系统及方法。
背景技术
随着计算机技术的快速发展及计算机的推广普及,计算机越来越成为人们生产及生活中不可或缺的一部分,人们通过计算机中装载的软件记录并处理生产生活中的数据信息,为人们带来了较大的便利,但是计算机随着使用时间及使用次数的变化,计算机中的硬件不可避免的会发生老化现象,进而对计算机的性能产生影响,进而在运行软件时会产生卡顿现象。
当前现有的基于大数据的计算机性能控制分析系统中,仅仅是通过对计算机现有的温度、电源、执行程序、CPU情况进行监控,进而对计算机性能进行控制的;其对计算机性能的获取及判断方式比较片面,没有考虑到计算机硬件老化状况对计算机性能的影响,并针对计算机的性能对待执行的软件进行控制。
针对上述情况,我们需要一种基于大数据的计算机性能控制分析系统及方法。
发明内容
本发明的目的在于提供一种基于大数据的计算机性能控制分析系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的计算机性能控制分析系统,包括:
计算机数据采集模块,所述计算机数据采集模块对计算机日志中的信息进行采集,同时获取计算机中待执行的软件数据;
计算机硬件参数获取模块,所述计算机硬件参数获取模块用于获取计算机中各个组成硬件的标准性能参照值;
计算机性能监测模块,所述计算机性能监测模块根据计算机硬件参数获取模块中获取的各个组成硬件对应的不同的标准性能参照值,得到计算机硬件参数性能曲线;
计算机性能预测模块,所述计算机性能预测模块结合计算机中各个组成硬件的标准性能参照值的老化函数,预测出当前时间计算机中各个组成硬件对应的性能参照值,进而结合计算机硬件参数性能曲线,预测出当前时间计算机对应的性能参数;
计算机性能分析模块,所述计算机性能分析模块用于对预测出的当前时间计算机对应的性能参数进行校准;
计算机性能控制模块,所述计算机性能控制模块结合计算机性能分析模块的校准结果,对计算机数据采集模块中待执行的软件数据进行分析,对待执行的软件进行控制。
本发明通过对计算机日志及待执行的软件数据进行采集,进而为后续获取硬件的老化系数及结合计算机性能对待执行的软件进行控制提供参考数据;基于计算机硬件参数分析当前时间计算机的性能情况,是考虑到计算机中各个硬件随使用时间及使用频率(使用过程中日志中的指令总个数)的不同而导致相应的老化情况不同,进而估算出当前时间计算机中各个硬件老化后对应的性能参数,进一步预测出计算机的性能参数,对预测出的当前时间计算机对应的性能参数进行校准,是考虑到计算机中硬件由于偶然因素导致硬件老化情况出现的偏差,对其进行校准是为了确保最终对计算机的预测结果更加准确。
进一步的,所述计算机硬件参数获取模块获取计算机的各个硬件组成,将影响计算机性能的组成硬件筛选出来,并逐个添加到一个空白集合中,得到第一集合,
获取第一集合中每个元素对应硬件的标准性能参照值,所述标准性能参照值表示相应的硬件出厂时对应的性能参数,
按第一集合中元素的先后顺序,逐个将第一集合中每个元素对应硬件的标准性能参照值录入到一个空白集合中,得到第二集合,
所述第一集合中的元素与第二集合中相应位置的元素相对应。
本发明设置第一集合是为了将影响计算机性能的硬件进行汇总,并统一进行分析;设置第二集合是为了对第一集合中的各个元素对应硬件的标准性能参照值进行汇总,使其与第一集合中的相应的元素相对应,进而为后续分析硬件老化后的性能参数提供参考依据。
进一步的,所述计算机性能监测模块包括硬件性能关联模块及性能曲线获取模块,
所述硬件性能关联模块用于获取不同计算机对应的第一集合及第二集合,获取第一集合相同且第二集合不同时,对应的的计算机的性能参数,进而得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值;
所述性能曲线获取模块构建平面直角坐标系,并将在平面直角坐标系中标注出第一集合及第二集合对应的极限硬件性能值相应计算机性能参数对应的点,进而通过线性拟合方式得到计算机硬件参数性能曲线,
所述平面直角坐标系中的横轴x表示极限硬件性能值,所述平面直角系中的纵轴y表示计算机的性能参数。
本发明第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值,是考虑到计算机中硬件性能参数对计算机的性能参数的影响情况,其影响情况与木桶效应相同,最终影响计算机性能参数的硬件性能参数,不取决于性能最好的硬件对应的性能参数,而是取决于性能最差的硬件对应的性能参数;由于不同硬件的性能参数对应的标准不同,因此需要将不同硬件的性能参数转化成统一的一个标准,即极限硬件性能值,进而通过判断极限硬件性能值与计算机性能参数之间的关系,来判定第二集合与计算机性能参数之间的关系,进而为后续对计算机硬件的性能参数进行预估及对相应计算机当前时间的性能参数进行预估提供数据依据。
进一步的,所述硬件性能关联模块得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值的方法包括以下步骤:
S1.1、获取第一集合相同且第二集合不同时对应的计算机性能参数,
所述计算机性能参数对应的是一个数值,表示计算机运行时在不出现卡顿情况的最大运行内存;
S1.2、选取某个第二集合,按从前到后的顺序逐个对该第二集合中的元素对应的值与该第二集合对应的计算机性能参数进行关联判断;
S1.3、将该第二集合中与该第二集合对应的计算机性能参数关联的元素对应的值,作为该第二集合对应的计算机性能参数的关联硬件性能参数,
所述第二集合中包括一个或多个关联硬件性能参数,
一个关联硬件性能参数对应一个极限硬件性能值,同一个第二集合中的多个关联硬件性能参数对应的极限硬件性能值均相等,所述各个关联硬件性能参数对应的极限硬件性能值通过数据库查询获取;
S1.4、将该第二集合中关联硬件性能参数对应的极限硬件性能值,作为第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值;
S1.2中对第二集合中的某元素对应的值与该第二集合对应的计算机性能参数进行关联判断的方法包括以下步骤:
S1.2.1、对选取第二集合中的该元素对应的值进行标记;
S1.2.2、减小第二集合中标记元素对应的值且其余元素对应的值不变,判断相应的计算机性能参数是否发生变化,
若相应的计算机性能参数发生变化,则判定第二集合中标记元素对应的值与该第二集合对应的计算机性能参数关联,
若相应的计算机性能参数不发生变化,则判定第二集合中标记元素对应的值与该第二集合对应的计算机性能参数不关联。
本发明硬件性能关联模块得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值的过程中,S1.1中设置计算机性能参数对应的是一个数值,是为了将计算机的性能参数具体化,仅通过一个具体的数据就能准备判断计算机的性能情况,进而便于后续对计算机性能参数进行预测;获取计算机运行时在不出现卡顿情况的最大运行内存,是因为随着计算机硬件的老化,计算机的硬件对数据的处理能力会出现一定程度的下降,进而可能会出现同一占用内存容量的软件,在同一计算机上运行时,计算机硬件老化前对软件数据的处理速度比硬件老化后对软件数据的处理速度快的情况,进而通过获取计算机运行时在不出现卡顿情况的最大运行内存,能够将计算机的性能参数具体化、数值化,便于后续根据计算机性能参数的预测结果,对计算机汇总的待执行软件进行控制;获取第二集合对应的计算机性能参数的关联硬件性能参数,是为了筛选出第二集合中影响计算机性能的硬件性能参数(计算机中性能最差的硬件对应的性能参数);S1.2中对第二集合中的某元素对应的值与该第二集合对应的计算机性能参数进行关联判断,是为了后续获取第二集合对应的计算机性能参数的关联硬件性能参数,进而得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值,为后续预估当前时间计算机的性能参数提供数据依据。
进一步的,所述性能曲线获取模块得到计算机硬件参数性能曲线的方法包括以下步骤:
S2.1、获取第一集合对应的计算机中,第二集合对应的极限硬件性能值及相应的计算机性能参数;
S2.2、将每个第二集合对应的极限硬件性能值及相应的计算机性能参数构成一个坐标点(a1,a2),所述a1表示极限硬件性能值,所述a2表示计算机性能参数;
S2.3、在平面直角坐标系中,将S2.2获取的不同坐标点分别标注出来;
S2.4、通过数据数据库中的计算机硬件参数性能拟合模型,对平面直角坐标系中标注的点进行线性拟合,得到计算机硬件参数性能曲线F(x)。
进一步的,所述计算机性能预测模块预测出当前时间计算机对应的性能参数的方法包括以下步骤:
S3.1、获取第一集合及第二集合,将第一集合中的第i个元素对应的硬件记为Ai,将第二集合中的第i个元素对应的值记为Bi;
S3.2、计算第一集合中第i个元素对应硬件相应的标准性能参照值的老化函数,
所述计算机中各个组成硬件的标准性能参照值的老化函数的获取方法包括以下步骤:
S3.2.1、获取采集的当期时间计算机日志信息中的指令个数g及相应的时间t1,
S3.2.2、获取第一集合中第i1个元素对应硬件的老化程度与使用时间t1及使用的指令个数g之间的关系,硬件的老化程度用老化系数β表示,
将第一集合中第i1个元素对应硬件的老化系数记为βi1,所述βi1=e1*g+e2*t1,其中,e1为第一系数,e2为第二系数,
S3.3.3、将第一集合中第i1个元素对应硬件的老化系数βi1随g及t1的变化规律记为第一集合中第i1个元素对应硬件的老化函数;
S3.3、根据硬件相应的标准性能参照值的老化函数及第二集合,预测当前时间第一集合中第i个元素对应硬件的性能参照值,
当前时间第一集合中第i个元素对应硬件的性能参照值的预测值等于βi与第一集合中第i个元素对应硬件的标准性能参照值Bi的乘积;
S3.4、按i从小到大的顺序,逐个将预测的当前时间第一集合中第i个元素对应硬件的性能参照值添加到一个空白集合中,得到第三集合;
S3.5、计算第三集合对应的极限硬件性能值,并结合计算机硬件参数性能曲线F(x),预测出当前时间计算机对应的性能参数,
所述当前时间计算机对应的性能参数的预测值为x等于第三集合对应的极限硬件性能值时,计算机硬件参数性能曲线F(x)对应的结果,记为F(x0)。
本发明计算机性能预测模块预测出当前时间计算机对应的性能参数的过程中,计算第一集合中第i个元素对应硬件相应的标准性能参照值的老化函数,是因为计算机中的不同硬件的老化情况可能是不一样的,因此,需要具体分析每种硬件的老化情况,获取每种硬件对应的老化函数,进而准确预估出当前时间计算机中各个硬件对应的性能参数,便于后续基于预测的当前时间计算机中各个硬件对应的性能参数,进一步对当前时间计算机的性能参数进行预测;获取硬件的标准性能参照值的老化函数的过程中,从计算机的使用时间及使用的频繁程度这两个角度进行考虑,即当期时间计算机日志信息中的指令个数g及相应的时间t1,进而获取g与t1对计算机中各个硬件性能老化的影响程度(老化系数),进而结合硬件相应的老化函数及计算机对应的g、t1,预测出当前时间计算机中各个硬件的性能参数(得到第三集合),进而为后续准确预测当前时间计算机的性能参数F(x0)提供数据参考。
进一步的,所述计算机性能分析模块对预测出的当前时间计算机对应的性能参数进行校准的方法包括以下步骤:
S5.1、获取第三集合及相应的极限硬件性能值;
S5.2、将第三集合中相应极限硬件性能值对应的关联硬件性能参数剔除,将剩余元素构成的集合记为第四集合;
S5.3、获取第四集合对应的极限硬件性能值,并结合计算机硬件参数性能曲线F(x),预测出当前时间计算机对应的性能参数的容错极限值,记为F(x1);
S5.4、得到预测出的当前时间计算机对应的性能参数的校准结果,所述预测出的当前时间计算机对应的性能参数的校准结果为一个范围区间,为[2F(x0)-F(x1),F(x1)]。
本发明计算机性能分析模块对预测出的当前时间计算机对应的性能参数进行校准的过程中,考虑到计算机硬件老化的情况可能存在偏差,进而会使得第三集合相应的极限硬件性能值出现变化,获取第四集合,是考虑到计算机实际对应的关联硬件性能参数大于第三集合中相应极限硬件性能值对应的关联硬件性能参数的情况,获取该偏差状态下的预测的计算机性能参数的上限值,即基于第四集合对应的极限硬件性能值,预测的预测出当前时间计算机对应的性能参数的容错极限值F(x1);由于F(x0)为预测的不存在偏差情况下,当前时间计算机的性能参数,F(x1)为偏差状态下的预测的计算机性能参数的上限值,进而可以得到偏差状态下的预测的计算机性能参数的下限值F(x0)-[F(x1)-F(x0)]=2F(x0)-F(x1),此处默认F(x0)分别到偏差状态下的预测的计算机性能参数的上限值与下限值之间的区间长度相等,进而得到计算机对应的性能参数的校准结果对应的性能参数波动范围,即[2F(x0)-F(x1),F(x1)],该方式兼顾到硬件老化程度出现偏差的情况,进而使得对当前时间计算机性能参数的预测结果更加贴合计算机性能参数变化的实际情况,进而使得后续根据当前时间计算机性能参数的校准结果,对当前时间计算机中待执行的软件的控制结果更加准确,使得控制计算机中运行的软件尽可能充分的利用计算机的性能且不对软件的运行产生影响(运行过程中不卡顿),提高对计算机性能的利用率。
进一步的,所述计算机性能控制模块对待执行的软件进行控制的方法包括以下步骤:
S6.1、获取预测出的当前时间计算机对应的性能参数的校准结果[2F(x0)-F(x1),F(x1)];
S6.2、对当前计算机中待执行的软件进行编号,并获取待执行的软件数据中各编号对应的软件正常运行时需占用的运行内存值,待执行的软件数据中的软件个数记为j1,
将待执行的软件数据中编号为j的软件正常运行时需占用的运行内存值记为Rj;
S6.3、获取所有软件编号对应的总组合数,记为Hj1,
S6.4、计算S6.3获取的所有组合中,每个组合中各个编号软件分别对应的运行内存值之和;
S6.5、分别将每个组合对应的运行内存之和与[2F(x0)-F(x1),F(x1)]进行比较,
当存在运行内存之和在[2F(x0)-F(x1),F(x1)]中的组合时,
则控制运行内存之和在[2F(x0)-F(x1),F(x1)]中且运行内存之和最小的组合中各编号对应的软件优先运行,其余编号的软件继续待执行,
当不存在运行内存之和在[2F(x0)-F(x1),F(x1)]中的组合时,
则控制运行内存之和小于2F(x0)-F(x1)且运行内存之和最大的组合中各编号对应的软件优先运行,其余编号的软件继续待执行。
本发明计算机性能控制模块对待执行的软件进行控制的过程中,获取所有软件编号对应的总组合数Hj1,是为了判断各编号对应的软件中所有的组合情况,进而为后续计算每种组合对应的各个编号软件分别对应的运行内存值之和,进而筛选出与当前时间计算机性能参数最匹配的组合对应的软件,使得在兼顾当前时间计算机性能参数的情况下,控制运行的软件,尽可能充分的利用当前时间计算机的性能,提高对计算机性能的利用率。
一种基于大数据的计算机性能控制分析方法,所述方法包括以下步骤:
S1、通过计算机数据采集模块对计算机日志中的信息进行采集,同时获取计算机中待执行的软件数据;
S2、通过计算机硬件参数获取模块获取计算机中各个组成硬件的标准性能参照值;
S3、在计算机性能监测模块中,根据计算机硬件参数获取模块中获取的各个组成硬件对应的不同的标准性能参照值,得到计算机硬件参数性能曲线;
S4、在计算机性能预测模块中,结合计算机中各个组成硬件的标准性能参照值的老化函数,预测出当前时间计算机中各个组成硬件对应的性能参照值,进而结合计算机硬件参数性能曲线,预测出当前时间计算机对应的性能参数;
S5、通过计算机性能分析模块对预测出的当前时间计算机对应的性能参数进行校准;
S6、在计算机性能控制模块中,结合计算机性能分析模块的校准结果,对计算机数据采集模块中待执行的软件数据进行分析,对待执行的软件进行控制。
与现有技术相比,本发明所达到的有益效果是:本发明考虑到计算机中各个硬件随使用时间及使用频率的不同而导致相应的老化情况不同,基于计算机硬件参数分析当前时间计算机的性能情况,进而估算出当前时间计算机中各个硬件老化后对应的性能参数,进一步预测出计算机的性能参数,并考虑到计算机中硬件由于偶然因素导致硬件老化情况出现的偏差,对预测出的当前时间计算机对应的性能参数进行校准,结合校准结果及计算机中待执行的软件数据,对待执行的软件进行控制,尽可能充分的利用计算机的性能。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的计算机性能控制分析系统的结构示意图;
图2是本发明一种基于大数据的计算机性能控制分析系统中硬件性能关联模块得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值的方法的流程示意图;
图3是本发明一种基于大数据的计算机性能控制分析系统中计算机性能预测模块预测出当前时间计算机对应的性能参数的方法的流程示意图;
图4是本发明一种基于大数据的计算机性能控制分析方法的流程示意图。
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,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图4,本发明提供技术方案:一种基于大数据的计算机性能控制分析系统,包括:
计算机数据采集模块,所述计算机数据采集模块对计算机日志中的信息进行采集,同时获取计算机中待执行的软件数据;
计算机硬件参数获取模块,所述计算机硬件参数获取模块用于获取计算机中各个组成硬件的标准性能参照值;
计算机性能监测模块,所述计算机性能监测模块根据计算机硬件参数获取模块中获取的各个组成硬件对应的不同的标准性能参照值,得到计算机硬件参数性能曲线;
计算机性能预测模块,所述计算机性能预测模块结合计算机中各个组成硬件的标准性能参照值的老化函数,预测出当前时间计算机中各个组成硬件对应的性能参照值,进而结合计算机硬件参数性能曲线,预测出当前时间计算机对应的性能参数;
计算机性能分析模块,所述计算机性能分析模块用于对预测出的当前时间计算机对应的性能参数进行校准;
计算机性能控制模块,所述计算机性能控制模块结合计算机性能分析模块的校准结果,对计算机数据采集模块中待执行的软件数据进行分析,对待执行的软件进行控制。
所述计算机硬件参数获取模块获取计算机的各个硬件组成,将影响计算机性能的组成硬件筛选出来,并逐个添加到一个空白集合中,得到第一集合,
获取第一集合中每个元素对应硬件的标准性能参照值,所述标准性能参照值表示相应的硬件出厂时对应的性能参数,
按第一集合中元素的先后顺序,逐个将第一集合中每个元素对应硬件的标准性能参照值录入到一个空白集合中,得到第二集合,
所述第一集合中的元素与第二集合中相应位置的元素相对应。
本实施例中影响计算机性能的组成硬件为主存储器、中央处理器中的运算器及中央处理器中的控制器,
则第一集合为{主存储器,中央处理器中的运算器,中央处理器中的控制器}。
所述计算机性能监测模块包括硬件性能关联模块及性能曲线获取模块,
所述硬件性能关联模块用于获取不同计算机对应的第一集合及第二集合,获取第一集合相同且第二集合不同时,对应的的计算机的性能参数,进而得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值;
所述性能曲线获取模块构建平面直角坐标系,并将在平面直角坐标系中标注出第一集合及第二集合对应的极限硬件性能值相应计算机性能参数对应的点,进而通过线性拟合方式得到计算机硬件参数性能曲线,
所述平面直角坐标系中的横轴x表示极限硬件性能值,所述平面直角系中的纵轴y表示计算机的性能参数。
所述硬件性能关联模块得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值的方法包括以下步骤:
S1.1、获取第一集合相同且第二集合不同时对应的计算机性能参数,
所述计算机性能参数对应的是一个数值,表示计算机运行时在不出现卡顿情况的最大运行内存;
S1.2、选取某个第二集合,按从前到后的顺序逐个对该第二集合中的元素对应的值与该第二集合对应的计算机性能参数进行关联判断;
S1.3、将该第二集合中与该第二集合对应的计算机性能参数关联的元素对应的值,作为该第二集合对应的计算机性能参数的关联硬件性能参数,
所述第二集合中包括一个或多个关联硬件性能参数,
一个关联硬件性能参数对应一个极限硬件性能值,同一个第二集合中的多个关联硬件性能参数对应的极限硬件性能值均相等,所述各个关联硬件性能参数对应的极限硬件性能值通过数据库查询获取;
S1.4、将该第二集合中关联硬件性能参数对应的极限硬件性能值,作为第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值;
S1.2中对第二集合中的某元素对应的值与该第二集合对应的计算机性能参数进行关联判断的方法包括以下步骤:
S1.2.1、对选取第二集合中的该元素对应的值进行标记;
S1.2.2、减小第二集合中标记元素对应的值且其余元素对应的值不变,判断相应的计算机性能参数是否发生变化,
若相应的计算机性能参数发生变化,则判定第二集合中标记元素对应的值与该第二集合对应的计算机性能参数关联,
若相应的计算机性能参数不发生变化,则判定第二集合中标记元素对应的值与该第二集合对应的计算机性能参数不关联。
所述性能曲线获取模块得到计算机硬件参数性能曲线的方法包括以下步骤:
S2.1、获取第一集合对应的计算机中,第二集合对应的极限硬件性能值及相应的计算机性能参数;
S2.2、将每个第二集合对应的极限硬件性能值及相应的计算机性能参数构成一个坐标点(a1,a2),所述a1表示极限硬件性能值,所述a2表示计算机性能参数;
S2.3、在平面直角坐标系中,将S2.2获取的不同坐标点分别标注出来;
S2.4、通过数据数据库中的计算机硬件参数性能拟合模型,对平面直角坐标系中标注的点进行线性拟合,得到计算机硬件参数性能曲线F(x)。
所述计算机性能预测模块预测出当前时间计算机对应的性能参数的方法包括以下步骤:
S3.1、获取第一集合及第二集合,将第一集合中的第i个元素对应的硬件记为Ai,将第二集合中的第i个元素对应的值记为Bi;
S3.2、计算第一集合中第i个元素对应硬件相应的标准性能参照值的老化函数,
所述计算机中各个组成硬件的标准性能参照值的老化函数的获取方法包括以下步骤:
S3.2.1、获取采集的当期时间计算机日志信息中的指令个数g及相应的时间t1,
S3.2.2、获取第一集合中第i1个元素对应硬件的老化程度与使用时间t1及使用的指令个数g之间的关系,硬件的老化程度用老化系数β表示,
将第一集合中第i1个元素对应硬件的老化系数记为βi1,所述βi1=e1*g+e2*t1,其中,e1为第一系数,e2为第二系数,
S3.3.3、将第一集合中第i1个元素对应硬件的老化系数βi1随g及t1的变化规律记为第一集合中第i1个元素对应硬件的老化函数;
S3.3、根据硬件相应的标准性能参照值的老化函数及第二集合,预测当前时间第一集合中第i个元素对应硬件的性能参照值,
当前时间第一集合中第i个元素对应硬件的性能参照值的预测值等于βi与第一集合中第i个元素对应硬件的标准性能参照值Bi的乘积;
S3.4、按i从小到大的顺序,逐个将预测的当前时间第一集合中第i个元素对应硬件的性能参照值添加到一个空白集合中,得到第三集合;
S3.5、计算第三集合对应的极限硬件性能值,并结合计算机硬件参数性能曲线F(x),预测出当前时间计算机对应的性能参数,
所述当前时间计算机对应的性能参数的预测值为x等于第三集合对应的极限硬件性能值时,计算机硬件参数性能曲线F(x)对应的结果,记为F(x0)。
所述计算机性能分析模块对预测出的当前时间计算机对应的性能参数进行校准的方法包括以下步骤:
S5.1、获取第三集合及相应的极限硬件性能值;
S5.2、将第三集合中相应极限硬件性能值对应的关联硬件性能参数剔除,将剩余元素构成的集合记为第四集合;
S5.3、获取第四集合对应的极限硬件性能值,并结合计算机硬件参数性能曲线F(x),预测出当前时间计算机对应的性能参数的容错极限值,记为F(x1);
S5.4、得到预测出的当前时间计算机对应的性能参数的校准结果,所述预测出的当前时间计算机对应的性能参数的校准结果为一个范围区间,为[2F(x0)-F(x1),F(x1)]。
所述计算机性能控制模块对待执行的软件进行控制的方法包括以下步骤:
S6.1、获取预测出的当前时间计算机对应的性能参数的校准结果[2F(x0)-F(x1),F(x1)];
S6.2、对当前计算机中待执行的软件进行编号,并获取待执行的软件数据中各编号对应的软件正常运行时需占用的运行内存值,待执行的软件数据中的软件个数记为j1,
将待执行的软件数据中编号为j的软件正常运行时需占用的运行内存值记为Rj;
S6.3、获取所有软件编号对应的总组合数,记为Hj1,
S6.4、计算S6.3获取的所有组合中,每个组合中各个编号软件分别对应的运行内存值之和;
S6.5、分别将每个组合对应的运行内存之和与[2F(x0)-F(x1),F(x1)]进行比较,
当存在运行内存之和在[2F(x0)-F(x1),F(x1)]中的组合时,
则控制运行内存之和在[2F(x0)-F(x1),F(x1)]中且运行内存之和最小的组合中各编号对应的软件优先运行,其余编号的软件继续待执行,
当不存在运行内存之和在[2F(x0)-F(x1),F(x1)]中的组合时,
则控制运行内存之和小于2F(x0)-F(x1)且运行内存之和最大的组合中各编号对应的软件优先运行,其余编号的软件继续待执行。
本实施例中当前时间存在3个待执行的软件,编号分别为01、02及03,
若待执行的软件数据中编号为01的软件正常运行时需占用的运行内存值为0.8G,
待执行的软件数据中编号为02的软件正常运行时需占用的运行内存值为1.5G,
待执行的软件数据中编号为03的软件正常运行时需占用的运行内存值为1.2G,
若预测出的当前时间计算机对应的性能参数的校准结果为[1.9G,2.3G],
编号01、02及03构成的总组合数为H3,
构成的组合分别为{01}、{02}、{03}、{01、02}、{01、03}、{02、03}、{01、02、03},
组合{01}对应的软件对应的运行内存值之和为0.8G,
组合{02}对应的软件对应的运行内存值之和为1.5G,
组合{03}对应的软件对应的运行内存值之和为1.2G,
组合{01、02}对应的软件对应的运行内存值之和为0.8G+1.5G=2.3G,
组合{01、03}对应的软件对应的运行内存值之和为0.8G+1.2G=2.0G,
组合{02、03}对应的软件对应的运行内存值之和为1.5G+1.2G=2.7G,
组合{01、02、03}对应的软件对应的运行内存值之和为0.8G+1.5G+1.2G=3.5G,
因为2.3G∈[1.9G,2.3G]、2.0G∈[1.9G,2.3G]且2.0G<2.3G,
则组合{01、03}中编号01及03分别对应的软件优先运行,编号02对应的软件继续待执行。
一种基于大数据的计算机性能控制分析方法,所述方法包括以下步骤:
S1、通过计算机数据采集模块对计算机日志中的信息进行采集,同时获取计算机中待执行的软件数据;
S2、通过计算机硬件参数获取模块获取计算机中各个组成硬件的标准性能参照值;
S3、在计算机性能监测模块中,根据计算机硬件参数获取模块中获取的各个组成硬件对应的不同的标准性能参照值,得到计算机硬件参数性能曲线;
S4、在计算机性能预测模块中,结合计算机中各个组成硬件的标准性能参照值的老化函数,预测出当前时间计算机中各个组成硬件对应的性能参照值,进而结合计算机硬件参数性能曲线,预测出当前时间计算机对应的性能参数;
S5、通过计算机性能分析模块对预测出的当前时间计算机对应的性能参数进行校准;
S6、在计算机性能控制模块中,结合计算机性能分析模块的校准结果,对计算机数据采集模块中待执行的软件数据进行分析,对待执行的软件进行控制。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于大数据的计算机性能控制分析系统,其特征在于,包括:
计算机数据采集模块,所述计算机数据采集模块对计算机日志中的信息进行采集,同时获取计算机中待执行的软件数据;
计算机硬件参数获取模块,所述计算机硬件参数获取模块用于获取计算机中各个组成硬件的标准性能参照值;
计算机性能监测模块,所述计算机性能监测模块根据计算机硬件参数获取模块中获取的各个组成硬件对应的不同的标准性能参照值,得到计算机硬件参数性能曲线;
计算机性能预测模块,所述计算机性能预测模块结合计算机中各个组成硬件的标准性能参照值的老化函数,预测出当前时间计算机中各个组成硬件对应的性能参照值,进而结合计算机硬件参数性能曲线,预测出当前时间计算机对应的性能参数;
计算机性能分析模块,所述计算机性能分析模块用于对预测出的当前时间计算机对应的性能参数进行校准;
计算机性能控制模块,所述计算机性能控制模块结合计算机性能分析模块的校准结果,对计算机数据采集模块中待执行的软件数据进行分析,对待执行的软件进行控制;
所述计算机硬件参数获取模块获取计算机的各个硬件组成,将影响计算机性能的组成硬件筛选出来,并逐个添加到一个空白集合中,得到第一集合,
获取第一集合中每个元素对应硬件的标准性能参照值,所述标准性能参照值表示相应的硬件出厂时对应的性能参数,
按第一集合中元素的先后顺序,逐个将第一集合中每个元素对应硬件的标准性能参照值录入到一个空白集合中,得到第二集合,
所述第一集合中的元素与第二集合中相应位置的元素相对应;
所述计算机性能监测模块包括硬件性能关联模块及性能曲线获取模块,
所述硬件性能关联模块用于获取不同计算机对应的第一集合及第二集合,获取第一集合相同且第二集合不同时,对应的计算机的性能参数,进而得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值;
所述性能曲线获取模块构建平面直角坐标系,并将在平面直角坐标系中标注出第一集合及第二集合对应的极限硬件性能值相应计算机性能参数对应的点,进而通过线性拟合方式得到计算机硬件参数性能曲线,
所述平面直角坐标系中的横轴x表示极限硬件性能值,所述平面直角系中的纵轴y表示计算机的性能参数;
所述计算机性能预测模块预测出当前时间计算机对应的性能参数的方法包括以下步骤:
S3.1、获取第一集合及第二集合,将第一集合中的第i个元素对应的硬件记为Ai,将第二集合中的第i个元素对应的值记为Bi;
S3.2、计算第一集合中第i个元素对应硬件相应的标准性能参照值的老化函数,
所述计算机中各个组成硬件的标准性能参照值的老化函数的获取方法包括以下步骤:
S3.2.1、获取采集的当期时间计算机日志信息中的指令个数g及相应的时间t1,
S3.2.2、获取第一集合中第i1个元素对应硬件的老化程度与使用时间t1及使用的指令个数g之间的关系,硬件的老化程度用老化系数β表示,
将第一集合中第i1个元素对应硬件的老化系数记为βi1,所述βi1=e1*g+e2*t1,其中,e1为第一系数,e2为第二系数,
S3.3.3、将第一集合中第i1个元素对应硬件的老化系数βi1随g及t1的变化规律记为第一集合中第i1个元素对应硬件的老化函数;
S3.3、根据硬件相应的标准性能参照值的老化函数及第二集合,预测当前时间第一集合中第i个元素对应硬件的性能参照值,
当前时间第一集合中第i个元素对应硬件的性能参照值的预测值等于βi与第一集合中第i个元素对应硬件的标准性能参照值Bi的乘积;
S3.4、按i从小到大的顺序,逐个将预测的当前时间第一集合中第i个元素对应硬件的性能参照值添加到一个空白集合中,得到第三集合;
S3.5、计算第三集合对应的极限硬件性能值,并结合计算机硬件参数性能曲线F(x),预测出当前时间计算机对应的性能参数,
所述当前时间计算机对应的性能参数的预测值为x等于第三集合对应的极限硬件性能值时,计算机硬件参数性能曲线F(x)对应的结果,记为F(x0);
所述计算机性能分析模块对预测出的当前时间计算机对应的性能参数进行校准的方法包括以下步骤:
S5.1、获取第三集合及相应的极限硬件性能值;
S5.2、将第三集合中相应极限硬件性能值对应的关联硬件性能参数剔除,将剩余元素构成的集合记为第四集合;
S5.3、获取第四集合对应的极限硬件性能值,并结合计算机硬件参数性能曲线F(x),预测出当前时间计算机对应的性能参数的容错极限值,记为F(x1);
S5.4、得到预测出的当前时间计算机对应的性能参数的校准结果,所述预测出的当前时间计算机对应的性能参数的校准结果为一个范围区间,为[2F(x0)-F(x1),F(x1)];
所述计算机性能控制模块对待执行的软件进行控制的方法包括以下步骤:
S6.1、获取预测出的当前时间计算机对应的性能参数的校准结果[2F(x0)-F(x1),F(x1)];
S6.2、对当前计算机中待执行的软件进行编号,并获取待执行的软件数据中各编号对应的软件正常运行时需占用的运行内存值,待执行的软件数据中的软件个数记为j1,
将待执行的软件数据中编号为j的软件正常运行时需占用的运行内存值记为Rj;
S6.3、获取所有软件编号对应的总组合数,记为Hj1,
S6.4、计算S6.3获取的所有组合中,每个组合中各个编号软件分别对应的运行内存值之和;
S6.5、分别将每个组合对应的运行内存之和与[2F(x0)-F(x1),F(x1)]进行比较,
当存在运行内存之和在[2F(x0)-F(x1),F(x1)]中的组合时,
则控制运行内存之和在[2F(x0)-F(x1),F(x1)]中且运行内存之和最小的组合中各编号对应的软件优先运行,其余编号的软件继续待执行,
当不存在运行内存之和在[2F(x0)-F(x1),F(x1)]中的组合时,
则控制运行内存之和小于2F(x0)-F(x1)且运行内存之和最大的组合中各编号对应的软件优先运行,其余编号的软件继续待执行。
2.根据权利要求1所述的一种基于大数据的计算机性能控制分析系统,其特征在于:所述硬件性能关联模块得到第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值的方法包括以下步骤:
S1.1、获取第一集合相同且第二集合不同时对应的计算机性能参数,
所述计算机性能参数对应的是一个数值,表示计算机运行时在不出现卡顿情况的最大运行内存;
S1.2、选取某个第二集合,按从前到后的顺序逐个对该第二集合中的元素对应的值与该第二集合对应的计算机性能参数进行关联判断;
S1.3、将该第二集合中与该第二集合对应的计算机性能参数关联的元素对应的值,作为该第二集合对应的计算机性能参数的关联硬件性能参数,
所述第二集合中包括一个或多个关联硬件性能参数,
一个关联硬件性能参数对应一个极限硬件性能值,同一个第二集合中的多个关联硬件性能参数对应的极限硬件性能值均相等,所述各个关联硬件性能参数对应的极限硬件性能值通过数据库查询获取;
S1.4、将该第二集合中关联硬件性能参数对应的极限硬件性能值,作为第一集合及第二集合对应的计算机中限制计算机性能参数的极限硬件性能值;
S1.2中对第二集合中的某元素对应的值与该第二集合对应的计算机性能参数进行关联判断的方法包括以下步骤:
S1.2.1、对选取第二集合中的该元素对应的值进行标记;
S1.2.2、减小第二集合中标记元素对应的值且其余元素对应的值不变,判断相应的计算机性能参数是否发生变化,
若相应的计算机性能参数发生变化,则判定第二集合中标记元素对应的值与该第二集合对应的计算机性能参数关联,
若相应的计算机性能参数不发生变化,则判定第二集合中标记元素对应的值与该第二集合对应的计算机性能参数不关联。
3.根据权利要求2所述的一种基于大数据的计算机性能控制分析系统,其特征在于:所述性能曲线获取模块得到计算机硬件参数性能曲线的方法包括以下步骤:
S2.1、获取第一集合对应的计算机中,第二集合对应的极限硬件性能值及相应的计算机性能参数;
S2.2、将每个第二集合对应的极限硬件性能值及相应的计算机性能参数构成一个坐标点(a1,a2),所述a1表示极限硬件性能值,所述a2表示计算机性能参数;
S2.3、在平面直角坐标系中,将S2.2获取的不同坐标点分别标注出来;
S2.4、通过数据数据库中的计算机硬件参数性能拟合模型,对平面直角坐标系中标注的点进行线性拟合,得到计算机硬件参数性能曲线F(x)。
4.应用权利要求1-3任意一项所述的一种基于大数据的计算机性能控制分析系统的基于大数据的计算机性能控制分析方法,其特征在于:所述方法包括以下步骤:
S1、通过计算机数据采集模块对计算机日志中的信息进行采集,同时获取计算机中待执行的软件数据;
S2、通过计算机硬件参数获取模块获取计算机中各个组成硬件的标准性能参照值;
S3、在计算机性能监测模块中,根据计算机硬件参数获取模块中获取的各个组成硬件对应的不同的标准性能参照值,得到计算机硬件参数性能曲线;
S4、在计算机性能预测模块中,结合计算机中各个组成硬件的标准性能参照值的老化函数,预测出当前时间计算机中各个组成硬件对应的性能参照值,进而结合计算机硬件参数性能曲线,预测出当前时间计算机对应的性能参数;
S5、通过计算机性能分析模块对预测出的当前时间计算机对应的性能参数进行校准;
S6、在计算机性能控制模块中,结合计算机性能分析模块的校准结果,对计算机数据采集模块中待执行的软件数据进行分析,对待执行的软件进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210365124.4A CN114741258B (zh) | 2022-04-07 | 2022-04-07 | 一种基于大数据的计算机性能控制分析系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210365124.4A CN114741258B (zh) | 2022-04-07 | 2022-04-07 | 一种基于大数据的计算机性能控制分析系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114741258A CN114741258A (zh) | 2022-07-12 |
CN114741258B true CN114741258B (zh) | 2023-04-11 |
Family
ID=82278851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210365124.4A Active CN114741258B (zh) | 2022-04-07 | 2022-04-07 | 一种基于大数据的计算机性能控制分析系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114741258B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117407250B (zh) * | 2023-12-15 | 2024-03-12 | 上海飞斯信息科技有限公司 | 基于运行环境实时处理的计算机性能控制系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102521115A (zh) * | 2011-12-19 | 2012-06-27 | 浪潮电子信息产业股份有限公司 | 一种基于硬盘性能的数据资源预警方法 |
CN105005523B (zh) * | 2015-01-23 | 2018-07-24 | 深圳市利路亚电子科技有限公司 | 基于电流量的计算机软件运行监测方法及装置 |
CN107526671A (zh) * | 2017-09-04 | 2017-12-29 | 安徽爱她有果电子商务有限公司 | 一种基于数据云的计算机状态监测系统 |
CN112015603A (zh) * | 2019-05-30 | 2020-12-01 | 鸿富锦精密电子(郑州)有限公司 | 用户终端硬件检测方法、装置、计算机装置及存储介质 |
-
2022
- 2022-04-07 CN CN202210365124.4A patent/CN114741258B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114741258A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Recursive exponential slow feature analysis for fine-scale adaptive processes monitoring with comprehensive operation status identification | |
CN110889091B (zh) | 基于温度敏感区间分段的机床热误差预测方法与系统 | |
US20070250214A1 (en) | Method and apparatus for fuzzy logic control enhancing advanced process control performance | |
CN110716500B (zh) | 用于确定温度敏感区间分段建模点的方法与系统 | |
CN113539382B (zh) | 一种亚磷酸二甲酯关键工艺参数的预警定位方法及系统 | |
CN114741258B (zh) | 一种基于大数据的计算机性能控制分析系统及方法 | |
CN112801388B (zh) | 一种基于非线性时间序列算法的电力负荷预测方法及系统 | |
CN112273696B (zh) | 切丝后水分控制方法、装置以及设备 | |
US5956692A (en) | Attribute inductive data analysis | |
CN113655768B (zh) | 装配良率控制方法、设备及计算机可读存储介质 | |
KR101945131B1 (ko) | 비정규분포 공정에서의 극소불량률 관리 방법 및 장치 | |
US20220404792A1 (en) | Method, system and computer program product for monitoring a shaping process | |
CN114403487A (zh) | 一种松散回潮的加水控制方法 | |
CN114004044A (zh) | 基于温度敏感点的机床主轴热误差快速辨识方法 | |
CN117587403A (zh) | 基于化学转化的铝合金模板表面处理方法及系统 | |
CN108537249B (zh) | 一种密度峰值聚类的工业过程数据聚类方法 | |
CN109655749B (zh) | 采集数据矩阵智能跟踪校准方法及装置 | |
CN108171425B (zh) | 电能质量分区方法、装置及存储介质 | |
CN111625525A (zh) | 一种环境数据修复/填充方法及系统 | |
JPH06110504A (ja) | プロセスの特性推定方法およびその装置ならびにその推定方法を用いたプロセスの監視方法およびプロセスの制御方法 | |
US20210049417A1 (en) | Learning processing device, data analysis device, analytical procedure selection method, and recording medium | |
CN116661522B (zh) | 一种基于数据处理的温变试验箱温度智能调控方法 | |
CN117951627B (zh) | 一种时序数据预测方法、装置及电子设备 | |
CN118551176A (zh) | 一种基于数字温度传感器的多点温度测量方法及系统 | |
CN116070466B (zh) | 一种电池截止电压下的最优soc仿真寻值方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230111 Address after: 100097 908, block a, 8th floor, 116 Zizhuyuan Road, Haidian District, Beijing Applicant after: ZHONGZI DATA CO.,LTD. Applicant after: CHINA HIGHWAY ENGINEERING CONSULTING Corp. Address before: 1510-38, newspaper building, 399 Youyi Road, Daoli District, Harbin City, Heilongjiang Province Applicant before: Heilongjiang Gequ Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |