CN116521465B - 硬盘测试数据处理方法、装置及介质 - Google Patents
硬盘测试数据处理方法、装置及介质 Download PDFInfo
- Publication number
- CN116521465B CN116521465B CN202310754940.9A CN202310754940A CN116521465B CN 116521465 B CN116521465 B CN 116521465B CN 202310754940 A CN202310754940 A CN 202310754940A CN 116521465 B CN116521465 B CN 116521465B
- Authority
- CN
- China
- Prior art keywords
- test
- hard disk
- coordinate
- interval
- response time
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 213
- 238000003672 processing method Methods 0.000 title claims description 14
- 230000004044 response Effects 0.000 claims abstract description 94
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000011056 performance test Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000013101 initial test Methods 0.000 claims abstract description 24
- 238000003062 neural network model Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 11
- 239000007787 solid Substances 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 8
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007334 memory performance Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2205—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested
- G06F11/2221—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using arrangements specific to the hardware being tested to test input/output devices or peripheral units
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2268—Logging of test results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2273—Test methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请公开了硬盘测试数据处理方法、装置及介质，方法包括：对待测硬盘进行格式化，并基于测试软件对待测硬盘进行性能测试，得到初始测试参数；记录测试软件对待测硬盘进行性能测试的初始响应时间；基于测试条件对测试软件进行配置，并根据配置后的测试软件对待测硬盘进行性能测试，得到多个测试参数；对于每一个测试周期，记录测试软件对待测硬盘进行性能测试的响应时间；将测试参数以及响应时间存储至顺序队列；根据初始测试参数、初始响应时间以及顺序队列生成测试坐标轴；对多个测试参数以及响应时间进行绘制，生成目标曲线图。根据本申请的技术方案，能够自动对硬盘的测试数据进行统计，生成曲线图，便于测试人员的查看和分析。
Description
技术领域
本申请涉及数据处理技术领域，尤其是一种硬盘测试数据处理方法、装置及介质。
背景技术
目前，SSD(Solid State Drive，固态硬盘)已经被广泛应用于各种场合，由于其在性能、功耗、环境适应性等方面的优秀指标，正逐步替换传统的硬盘。固态硬盘的性能测试是固态硬盘出厂前必须经过的环节，如何提高测试效率是现在各大固态硬盘厂商待以解决的问题。因此各种硬盘测试软件应运而生。软件测试的依据是测试需求，如软件任务书、软件需求规格说明、软件设计说明、软件接口通信协议等文件，测试人员从这些文件中分解出测试需求，然后根据测试需求进行测试用例的设计。由于被测软件系统的复杂性，测试人员往往需要耗费很大的精力自行导入测试文件，并分析文件、梳理测试需求，并且后续还需要自行对测试结果进行统计，花费大量人力成本以及时间成本，严重降低了对硬盘进行性能分析的效率。
发明内容
本申请实施例提供了一种硬盘测试数据处理方法、装置及介质，能够自动对硬盘的测试数据进行统计，生成曲线图，便于测试人员的查看和分析。
第一方面，本申请实施例提供了一种硬盘测试数据处理方法，包括：
对待测硬盘进行格式化，并基于预设的测试软件对格式化后的所述待测硬盘进行性能测试，得到初始测试参数；
记录所述测试软件对格式化后的所述待测硬盘进行性能测试的初始响应时间；
基于预设的测试条件对所述测试软件进行配置，并根据配置后的测试软件对所述待测硬盘进行性能测试，得到多个测试参数，其中，所述测试条件包括多个测试周期；
对于每一个所述测试周期，记录所述测试软件对所述待测硬盘进行性能测试的响应时间；
将所述测试参数以及所述响应时间存储至预设的顺序队列；
根据所述初始测试参数、所述初始响应时间以及所述顺序队列生成测试坐标轴；
在所述测试坐标轴上，对多个所述测试参数以及所述响应时间进行绘制，生成目标曲线图。
在一些实施例中，所述基于预设的测试条件对所述测试软件进行配置，包括：
对于每一个所述测试周期，基于所述测试条件对所述待测硬盘进行容量填充，并获取容量填充后的所述待测硬盘的硬盘参数；
根据所述硬盘参数对所述测试软件进行配置，直至所述待测硬盘的已填充容量达到预设的结束容量；
或者，
基于所述测试条件将所述测试软件配置为记录测试时刻的工作模式。
在一些实施例中，在所述根据所述初始测试参数、所述初始响应时间以及所述顺序队列生成测试坐标轴之前，还包括：
基于预设的云端设备获取多张历史曲线图，其中，所述历史曲线图为对与所述待测硬盘的类型一致的硬盘进行性能测试得到的曲线图；
将所有所述历史曲线图输入预设的神经网络模型进行图像处理，得到横轴坐标区间以及纵轴坐标区间；
根据所述横轴坐标区间以及所述纵轴坐标区间对预设的坐标系进行配置，得到坐标模板。
在一些实施例中，所述根据所述初始测试参数、所述初始响应时间以及所述顺序队列生成测试坐标轴，包括：
根据所述初始测试参数以及所述初始响应时间对所述坐标模板进行配置，以将所述初始测试参数以及所述初始响应时间作为所述坐标模板的原点；
对所述顺序队列中的所述测试参数以及所述响应时间进行间隔计算，确定与所述测试参数对应的横轴间隔以及与所述响应时间对应的纵轴间隔；
基于所述横轴间隔将多个所述测试参数添加至所述横轴坐标区间，并基于所述纵轴间隔将多个所述响应时间添加至所述纵轴坐标区间，生成测试坐标轴。
在一些实施例中，所述基于所述横轴间隔将多个所述测试参数添加至所述横轴坐标区间，并基于所述纵轴间隔将多个所述响应时间添加至所述纵轴坐标区间，生成测试坐标轴，包括：
将多个所述测试参数与所述横轴坐标区间的端点值进行对比，并将多个所述响应时间与所述纵轴坐标区间的端点值进行对比；
当确定所述测试参数在所述横轴坐标区间内，将所述测试参数添加至所述横轴坐标区间；
当确定所述响应时间在所述纵轴坐标区间内，将所述响应时间添加至所述纵轴坐标区间；
根据添加后的所述横轴坐标区间以及所述纵轴坐标区间生成所述测试坐标轴。
在一些实施例中，还包括：
当确定所述测试参数在所述横轴坐标区间之外，对所述测试参数进行删除；
当确定所述响应时间在所述纵轴坐标区间之外，对所述响应时间进行删除。
在一些实施例中，所述神经网络模型包括多任务网络；所述将所有所述历史曲线图输入预设的神经网络模型进行特征提取，得到横轴坐标区间以及纵轴坐标区间，包括：
将所有所述历史曲线图输入所述神经网络模型进行去噪操作，并对去噪操作后的所述历史曲线图进行图像增强处理，输出多张样本曲线图；
将所有所述样本曲线图输入所述多任务网络进行特征提取，得到所述样本曲线图的坐标信息；
基于预设的序列模型对所述坐标信息进行字符转换，得到坐标数据集合，其中，所述坐标数据集合中包括多个坐标数据；
对多个所述坐标数据进行均值筛选，得到所述横轴坐标区间以及所述纵轴坐标区间。
第二方面，本申请实施例还提供了一种硬盘测试数据处理装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的硬盘测试数据处理方法。
第三方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于执行如第一方面所述的硬盘测试数据处理方法。
本申请实施例至少有如下有益效果：首先，对待测硬盘进行格式化，并基于预设的测试软件对格式化后的待测硬盘进行性能测试，得到初始测试参数，从而得到硬盘格式化情况下的相关性能参数，提高硬盘安全性，记录测试软件对格式化后的待测硬盘进行性能测试的初始响应时间，从而得到测试软件的起始响应时间，之后，基于预设的测试条件对测试软件进行配置，并根据配置后的测试软件对待测硬盘进行性能测试，得到多个测试参数，从而能够评估和优化硬盘在不同负载下的性能表现，对于每一个测试周期，记录测试软件对待测硬盘进行性能测试的响应时间，从而得到在不同测试周期下测试软件对待测硬盘的响应情况，再将测试参数以及响应时间存储至预设的顺序队列，避免出现测试数据混乱的情况，最后，根据初始测试参数、初始响应时间以及顺序队列生成测试坐标轴，从而实现对测试数据的整理，并能够自动对硬盘的测试数据进行统计，在测试坐标轴上，对多个测试参数以及响应时间进行绘制，生成目标曲线图，从而便于测试人员的查看和分析，提高对硬盘进行性能分析的效率。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所特别指出的结构来实现和获得。
附图说明
图1是本发明一个实施例提供的硬盘测试数据处理方法的流程图；
图2是图1中步骤S103的具体方法的流程图；
图3是图1中步骤S103的具体方法的另一流程图；
图4是本发明另一个实施例提供的硬盘测试数据处理方法的流程图；
图5是图1中步骤S106的具体方法的流程图；
图6是图5中步骤S403的具体方法的流程图；
图7是本发明另一个实施例提供的硬盘测试数据处理方法的流程图；
图8是图4中步骤S302的具体方法的流程图；
图9是图8中步骤S704的具体方法的流程图；
图10是本发明另一个实施例提供的硬盘测试数据处理装置的硬件结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
需要注意的是，在本发明实施例的描述中，说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示单独存在A、同时存在A和B、单独存在B的情况。其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
目前，SSD(Solid State Drive，固态硬盘)已经被广泛应用于各种场合，由于其在性能、功耗、环境适应性等方面的优秀指标，正逐步替换传统的硬盘。固态硬盘的性能测试是固态硬盘出厂前必须经过的环节，如何提高测试效率是现在各大固态硬盘厂商待以解决的问题。因此各种硬盘测试软件应运而生。软件测试的依据是测试需求，如软件任务书、软件需求规格说明、软件设计说明、软件接口通信协议等文件，测试人员从这些文件中分解出测试需求，然后根据测试需求进行测试用例的设计。由于被测软件系统的复杂性，测试人员往往需要耗费很大的精力自行导入测试文件，并分析文件、梳理测试需求，并且后续还需要自行对测试结果进行统计，花费大量人力成本以及时间成本，严重降低了对硬盘进行性能分析的效率。
为了解决上述问题，本发明提供了一种硬盘测试数据处理方法、装置及介质，首先，对待测硬盘进行格式化，并基于预设的测试软件对格式化后的待测硬盘进行性能测试，得到初始测试参数，从而得到硬盘格式化情况下的相关性能参数，提高硬盘安全性，记录测试软件对格式化后的待测硬盘进行性能测试的初始响应时间，从而得到测试软件的起始响应时间，之后，基于预设的测试条件对测试软件进行配置，并根据配置后的测试软件对待测硬盘进行性能测试，得到多个测试参数，从而能够评估和优化硬盘在不同负载下的性能表现，对于每一个测试周期，记录测试软件对待测硬盘进行性能测试的响应时间，从而得到在不同测试周期下测试软件对待测硬盘的响应情况，再将测试参数以及响应时间存储至预设的顺序队列，避免出现测试数据混乱的情况，最后，根据初始测试参数、初始响应时间以及顺序队列生成测试坐标轴，从而实现对测试数据的整理，并能够自动对硬盘的测试数据进行统计，在测试坐标轴上，对多个测试参数以及响应时间进行绘制，生成目标曲线图，从而便于测试人员的查看和分析，提高对硬盘进行性能分析的效率。
下面结合附图，对本申请实施例作进一步阐述。
参考图1，图1是本发明一个实施例提供的硬盘测试数据处理方法的流程图，该硬盘测试数据处理方法包括但不限于有步骤S101和步骤S107。
步骤S101：对待测硬盘进行格式化，并基于预设的测试软件对格式化后的待测硬盘进行性能测试，得到初始测试参数；
在一些实施例中，对待测硬盘进行格式化，从而避免待测硬盘存储有其他信息，提高待测硬盘的安全性，并基于预设的测试软件对格式化后的待测硬盘进行性能测试，得到初始测试参数，从而能够得到待测硬盘格式化情况下的性能表现，提高待测硬盘的稳定性。
需要说明的是，本实施例中的测试软件为fio（Flexible Input/Output Testerand Benchmark，灵活的输入/输出测试和基准测试工具）软件，对待测硬盘进行性能测试的过程中包括但不限于包括对待测硬盘进行随机读写测试、块大小测试、完整性测试、一致性测试等等，其中，随机读写可以模拟各种读写模式和访问情况，包括随机读、随机写、随机读写混合等操作，并且fio的随机读写测试支持多种模式，例如随机读、随机写、随机读写混合，以及随机访问、顺序访问混合等模式。
步骤S102：记录测试软件对格式化后的待测硬盘进行性能测试的初始响应时间；
在一些实施例中，记录测试软件对格式化后的待测硬盘进行性能测试的初始响应时间，从而能够了解测试软件在硬盘格式化条件下的性能表现，并且能够得到硬盘在格式化状态下的参考指标，实现对不同硬盘测试条件下的对比。
步骤S103：基于预设的测试条件对测试软件进行配置，并根据配置后的测试软件对待测硬盘进行性能测试，得到多个测试参数；
在一些实施例中，基于预设的测试条件对测试软件进行配置，并根据配置后的测试软件对待测硬盘进行性能测试，得到多个测试参数，从而能够得到测试软件在不同场景下对待测硬盘记性性能测试的测试参数，便于测试人员分析待测硬盘的硬盘性能。
步骤S104：对于每一个测试周期，记录测试软件对待测硬盘进行性能测试的响应时间；
在一些实施例中，对于每一个测试周期，记录测试软件对待测硬盘进行性能测试的响应时间，从而能够观察在不同测试条件下测试软件的响应时间变化，可以获得更细致和准确的性能指标分析，既可以全面评估系统的整体性能，也可以更细致地了解磁盘的各种运作方式，从而更好地协助解决相关问题和做出更好的调优选择。
步骤S105：将测试参数以及响应时间存储至预设的顺序队列；
在一些实施例中，将测试参数以及响应时间存储至预设的顺序队列，避免测试参数以及响应时间出现排序混乱的情况，从而提高填充测试参数以及响应时间的整洁性。
步骤S106：根据初始测试参数、初始响应时间以及顺序队列生成测试坐标轴；
在一些实施例中，根据初始测试参数、初始响应时间以及顺序队列生成测试坐标轴，便于测试人员后续的观察统计，便于后续的比较和对比，并且通过均匀设置横纵坐标间隔，异常值或离群点可以更容易地被发现和突出显示。
步骤S107：在测试坐标轴上，对多个测试参数以及响应时间进行绘制，生成目标曲线图。
在一些实施例中，在测试坐标轴上，对多个测试参数以及响应时间进行绘制，在测试坐标轴上确定与测试参数以及响应时间对应的坐标，并在测试坐标轴上进行描点和连线，生成目标曲线图，从而提高曲线图的可读性，便于测试人员更容易地理解数据的趋势和关系。
参考图2，图2是图1中步骤S103的一种具体方法流程图，是对步骤S103的进一步说明，步骤S103包括但不限于步骤S201至步骤S202。
步骤S201：对于每一个测试周期，基于测试条件对待测硬盘进行容量填充，并获取容量填充后的待测硬盘的硬盘参数；
步骤S202：根据硬盘参数对测试软件进行配置，直至待测硬盘的已填充容量达到预设的结束容量。
在一些实施例中，对于每一个测试周期，基于测试条件中的填充容量对待测硬盘进行容量填充，并获取容量填充后的待测硬盘的硬盘参数，例如，硬盘类型、读写操作类型、硬盘的块大小、需要进行的写入测试类型和测试参数配置等等，其中，具体的测试参数配置包括但不限于包括文件大小、块大小、操作类型、并发度、运行时间等等。之后，根据硬盘参数对测试软件进行配置，使得配置后的测试软件可以对不同填充容量的待测硬盘进行测试，直至待测硬盘的已填充容量达到预设的结束容量，从而可以了解测试软件在不同负载或工作条件下的性能表现。
需要说明的是，在基于测试条件对待测硬盘进行容量填充的过程中，需要先计算待测硬盘的实际硬盘容量，之后再根据实际硬盘容量设置填充容量以实现对硬盘的逐步填充，从而能够得到硬盘不同填充容量下的测试软件的表现，例如，待测硬盘的实际硬盘容量为20G，设置填充容量为5G，在第一次容量填充之后，获取容量填充后的待测硬盘的硬盘参数，再根据硬盘参数对测试软件进行配置，之后再根据填充容量对待测硬盘进行填充，获取第二次容量填充后的待测硬盘的第二硬盘参数，根据第二硬盘参数对测试软件进行配置，直至待测硬盘的已填充容量达到预设的结束容量，其中，结束容量小于待测硬盘的实际硬盘容量，以实现对待测硬盘的逐步填充，从而便于后续观察测试软件在硬盘的不同填充容量下的响应时间。
参考图3，图3是图1中步骤S103的另一种具体方法流程图，是对步骤S103的进一步说明，步骤S103包括但不限于步骤S203。
步骤S203：基于测试条件将测试软件配置为记录测试时刻的工作模式。
在一些实施例中，在基于预设的测试条件对测试软件进行配置的过程中，还可以将测试软件配置为记录测试时刻的工作模式，使得测试软件能够记录对待测硬盘进行测试的不同时刻，便于后续观察不同时刻下测试软件的响应时间，以实现对测试软件的评估和优化，从而能够记录随着测试时间推移情况下，响应时间的变化。
参照图4，图4是本发明另一个实施例提供的硬盘测试数据处理方法的流程图，包括但不限于包括步骤S301至步骤S303；
步骤S301：基于预设的云端设备获取多张历史曲线图；
需要说明的是，历史曲线图为对与待测硬盘的类型一致的硬盘进行性能测试得到的曲线图。
在一些实施例中，获取对与待测硬盘的硬盘类型一致的硬盘进行性能测试得到的多张历史曲线图，从而便于后续分析多张历史曲线图的坐标区间。
需要说明的是，云端设备包括但不限于包括存储有多张历史曲线图的云服务器、云存储设备、物联网设备等等，本实施例不做具体限制。
步骤S302：将所有历史曲线图输入预设的神经网络模型进行图像处理，得到横轴坐标区间以及纵轴坐标区间；
在一些实施例中，将所有历史曲线图输入预设的神经网络模型进行图像处理，从而有效地去除图像模糊，增强图像质量，并得到横轴坐标区间以及纵轴坐标区间，便于后续确定坐标图的横轴坐标范围以及纵轴坐标范围，减少数据量的计算，提高曲线图的生成效率。
需要说明的是，本实施例中的神经网络模型为深度卷积神经网络（DeepConvolutional Neural Networks，DCNNs）模型。
步骤S303：根据横轴坐标区间以及纵轴坐标区间对预设的坐标系进行配置，得到坐标模板。
在一些实施例中，根据横轴坐标区间以及纵轴坐标区间对预设的坐标系进行配置，以对坐标的横轴坐标范围以及纵轴坐标范围进行限制，得到坐标模板，便于后续在坐标模板上填充对应的测试参数，实现对测试参数的自动统计。
参照图5，图5是图1中步骤S106的一种具体方法流程图，是对步骤S106的进一步说明，步骤S106包括但不限于步骤S401至步骤S403。
步骤S401：根据初始测试参数以及初始响应时间对坐标模板进行配置，以将初始测试参数以及初始响应时间作为坐标模板的原点；
在一些实施例中，根据初始测试参数以及初始响应时间对坐标模板进行配置，以将初始测试参数以及初始响应时间作为坐标模板的原点，将对初始化后的待测硬盘进行性能测试得到的初始测试参数以及初始响应时间作为坐标模板的原点，从而能够得到待测硬盘多种状态下的测试参数，实现对待测硬盘的全面测试。
步骤S402：对顺序队列中的测试参数以及响应时间进行间隔计算，确定与测试参数对应的横轴间隔以及与响应时间对应的纵轴间隔；
在一些实施例中，对顺序队列中的测试参数以及响应时间进行间隔计算，确定与测试参数对应的横轴间隔以及与响应时间对应的纵轴间隔，以实现对测试参数以及响应时间的均匀设置，避免横纵坐标的间隔过长或者过短，便于测试人员后续的观察统计，便于后续的比较和对比，提高图表的可读性，便于测试人员更容易地理解数据的趋势和关系。
步骤S403：基于横轴间隔将多个测试参数添加至横轴坐标区间，并基于纵轴间隔将多个响应时间添加至纵轴坐标区间，生成测试坐标轴。
在一些实施例中，基于横轴间隔将多个测试参数添加至横轴坐标区间，并基于纵轴间隔将多个响应时间添加至纵轴坐标区间，生成测试坐标轴，从而确保数据的比例和相对关系得到正确表示，并且通过均匀设置横纵坐标间隔，异常值或离群点可以更容易地被发现和突出显示。
参照图6，图6是图5中步骤S403的一种具体方法流程图，是对步骤S403的进一步说明，步骤S403包括但不限于有步骤S501至步骤S504。
步骤S501：将多个测试参数与横轴坐标区间的端点值进行对比，并将多个响应时间与纵轴坐标区间的端点值进行对比；
在一些实施例中，将多个测试参数与横轴坐标区间的端点值进行对比，并将多个响应时间与纵轴坐标区间的端点值进行对比，其中，横轴坐标区间包括第一端点值和第二端点值，纵轴坐标区间包括第三端点值和第四端点值，将多个测试参数分别与第一端点值和第二端点值进行对比，将多个响应时间分别与第三端点值和第四端点值进行对比，以判断测试参数以及响应时间是否满足区间要求，避免计算误差值的干扰。
需要说明的是，第一端点值为横轴坐标区间的最小值，第二端点值为横轴坐标区间的最大值，第三端点值为纵轴坐标区间的最小值，第四端点值为纵轴坐标区间的最大值。
步骤S502：当确定测试参数在横轴坐标区间内，将测试参数添加至横轴坐标区间；
在一些实施例中，当确定测试参数在横轴坐标区间内，即，测试参数大于等于第一端点值并且小于等于第二端点值，将测试参数添加至横轴坐标区间，以实现在坐标轴上对测试参数的填充。
步骤S503：当确定响应时间在纵轴坐标区间内，将响应时间添加至纵轴坐标区间；
在一些实施例中，当确定响应时间在纵轴坐标区内，即，测试参数大于等于第三端点值并且小于等于第四端点值，将测试参数添加至纵轴坐标区间，以实现在坐标轴上对响应时间的填充。
需要说明的是，步骤S502和步骤S503可以按照顺序执行，也可以同步执行，本实施例不做具体限制。
步骤S504：根据添加后的横轴坐标区间以及纵轴坐标区间生成测试坐标轴。
在一些实施例中，根据添加后的横轴坐标区间以及纵轴坐标区间生成测试坐标轴，从而便于后续数据的展示以及分析，便于测试人员更好地理解和利用数据。
参照图7，图7是本发明另一个实施例提供的硬盘测试数据处理方法的流程图，包括但不限于包括步骤S601至步骤S602；
步骤S601：当确定测试参数在横轴坐标区间之外，对测试参数进行删除；
在一些实施例中，当确定测试参数在横轴坐标区间之外，则说明该测试参数不满足历史曲线图中的区间范围，判定该测试参数出现异常，对测试参数进行删除，避免对后续测试参数的分析和影响。
步骤S602：当确定响应时间在纵轴坐标区间之外，对响应时间进行删除。
在一些实施例中，当确定响应时间在纵轴坐标区间之外，则说明该响应时间不满足历史曲线图中的区间范围，判定该响应时间出现异常，对响应时间进行删除，避免对后续响应时间的分析和影响。
需要说明的是，步骤S601和步骤S602可以按照顺序执行，也可以同步执行，本实施例不做具体限制。
参照图8，图8是图4中步骤S302的一种具体方法流程图，是对步骤S302的进一步说明，步骤S302包括但不限于有步骤S701至步骤S704。
需要说明的是，神经网络模型包括多任务网络。
步骤S701：将所有历史曲线图输入神经网络模型进行去噪操作，并对去噪操作后的历史曲线图进行图像增强处理，输出多张样本曲线图；
在一些实施例中，由于真实场景下获取的图片常常存在着各种噪声、模糊和其他失真，因此需要将所有历史曲线图输入神经网络模型进行去噪操作，从而可以将损坏的数据修复并恢复丢失的数据，最终生成清晰的图像，并对去噪操作后的历史曲线图进行图像增强处理，输出多张样本曲线图，实现对图像质量的改善。
需要说明的是，在对历史曲线图进行图像增强的过程中，可以通过对图像进行色彩调整、对比度增加或边缘增强等处理，使其更加鲜明、强烈或易于识别。深度卷积神经网络可以运用层叠卷积层、激活函数和池化来提取出图像的重要特征，进而增强其对比度和颜色，改善图像的质量。
步骤S702：将所有样本曲线图输入多任务网络进行特征提取，得到样本曲线图的坐标信息；
在一些实施例中，将所有样本曲线图输入多任务网络进行特征提取，使得多任务模型对样本曲线图进行灰度值计算，并对灰度值计算后的图像进行二值化操作，得到数字化的图像，再利用卷积神经网络从数字化的图像中提取出特征，得到样本曲线图的坐标信息，便于后续确定横轴区间以及纵轴区间。
步骤S703：基于预设的序列模型对坐标信息进行字符转换，得到坐标数据集合；
需要说明的是，坐标数据集合中包括多个坐标数据。
在一些实施例中，通过检测方法找到图像中的文本行或者单个字符，再基于预设的序列模型对坐标信息进行字符转换，将这些字符转换为文本数据，得到包括多个坐标数据的坐标数据集合。
需要说明的是，在得到坐标数据集合之后，还需要对坐标数据集合进行后验校正，从而提高识别准确率。
步骤S704：对多个坐标数据进行均值筛选，得到横轴坐标区间以及纵轴坐标区间。
在一些实施例中，对多个坐标数据进行均值筛选，得到横轴坐标区间以及纵轴坐标区间，从而能够确定目标曲线图上的坐标范围，避免异常数据的干扰。
参照图9，图9是图8中步骤S704的一种具体方法流程图，是对步骤S704的进一步说明，步骤S704包括但不限于有步骤S801至步骤S802。
步骤S801：对坐标数据集合中的多个坐标数据进行对比，确定第一坐标数据以及第二坐标数据；
在一些实施例中，对坐标数据集合中的多个坐标数据进行对比，确定坐标数据集合中的最大坐标数据，即本实施例中的第一坐标数据，以及坐标数据集合中的最小坐标数据，即本实施例中的第二坐标数据，从而实现对坐标集合中最大数据以及最小数据的筛选。
步骤S802：将第一坐标数据以及第二坐标数据从坐标数据集合中进行删除，并对删除后的坐标数据集合进行求平均操作，得到横轴坐标区间以及纵轴坐标区间。
在一些实施例中，将第一坐标数据以及第二坐标数据从坐标数据集合中进行删除，并对删除后的坐标数据集合进行求平均操作，得到横轴坐标区间以及纵轴坐标区间，从而排除异常值的影响，减小抽样误差，剔除最大值和最小值可以更好地反映典型情况，提高对硬盘进行性能测试的准确性。
请参阅图10，图10示意了另一实施例的硬盘测试数据处理装置的硬件结构，硬盘测试数据处理装置包括：
处理器1001，可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application SpecificIntegrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请实施例所提供的技术方案；
存储器1002，可以采用只读存储器（Read Only Memory，ROM）、静态存储设备、动态存储设备或者随机存取存储器(Random Access Memory，RAM)等形式实现。存储器1002可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1002中，并由处理器1001来调用执行本申请实施例的硬盘测试数据处理方法；
输入/输出接口1003，用于实现信息输入及输出；
通信接口1004，用于实现本设备与其他设备的通信交互，可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信；
总线1005，在设备的各个组件（例如处理器1001、存储器1002、输入/输出接口1003和通信接口1004）之间传输信息；
其中处理器1001、存储器1002、输入/输出接口1003和通信接口1004通过总线1005实现彼此之间在设备内部的通信连接。
此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述系统实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的硬盘测试数据处理方法。
本申请实施例描述的实施例是为了更加清楚的说明本申请实施例的技术方案，并不构成对于本申请实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本申请实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1-9中示出的技术方案并不构成对本申请实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例的方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本申请实施例的优选实施例，并非因此局限本申请实施例的权利范围。本领域技术人员不脱离本申请实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本申请实施例的权利范围之内。
Claims (8)
1.一种硬盘测试数据处理方法，其特征在于，包括：
对待测硬盘进行格式化，并基于预设的测试软件对格式化后的所述待测硬盘进行性能测试，得到初始测试参数；
记录所述测试软件对格式化后的所述待测硬盘进行性能测试的初始响应时间；
基于预设的测试条件对所述测试软件进行配置，并根据配置后的测试软件对所述待测硬盘进行性能测试，得到多个测试参数，其中，所述测试条件包括多个测试周期；
对于每一个所述测试周期，记录所述测试软件对所述待测硬盘进行性能测试的响应时间；
将所述测试参数以及所述响应时间存储至预设的顺序队列；
基于预设的云端设备获取多张历史曲线图，其中，所述历史曲线图为对与所述待测硬盘的类型一致的硬盘进行性能测试得到的曲线图；
将所有所述历史曲线图输入预设的神经网络模型进行图像处理，得到横轴坐标区间以及纵轴坐标区间；
根据所述横轴坐标区间以及所述纵轴坐标区间对预设的坐标系进行配置，得到坐标模板；
根据所述初始测试参数以及所述初始响应时间对所述坐标模板进行配置，以将所述初始测试参数以及所述初始响应时间作为所述坐标模板的原点；
对所述顺序队列中的所述测试参数以及所述响应时间进行间隔计算，确定与所述测试参数对应的横轴间隔以及与所述响应时间对应的纵轴间隔；
基于所述横轴间隔将多个所述测试参数添加至所述横轴坐标区间，并基于所述纵轴间隔将多个所述响应时间添加至所述纵轴坐标区间，生成测试坐标轴；
在所述测试坐标轴上，对多个所述测试参数以及所述响应时间进行绘制，生成目标曲线图。
2.根据权利要求1所述的硬盘测试数据处理方法，其特征在于，所述基于预设的测试条件对所述测试软件进行配置，包括：
对于每一个所述测试周期，基于所述测试条件对所述待测硬盘进行容量填充，并获取容量填充后的所述待测硬盘的硬盘参数；
根据所述硬盘参数对所述测试软件进行配置，直至所述待测硬盘的已填充容量达到预设的结束容量；
或者，
基于所述测试条件将所述测试软件配置为记录测试时刻的工作模式。
3.根据权利要求1所述的硬盘测试数据处理方法，其特征在于，所述基于所述横轴间隔将多个所述测试参数添加至所述横轴坐标区间，并基于所述纵轴间隔将多个所述响应时间添加至所述纵轴坐标区间，生成测试坐标轴，包括：
将多个所述测试参数与所述横轴坐标区间的端点值进行对比，并将多个所述响应时间与所述纵轴坐标区间的端点值进行对比；
当确定所述测试参数在所述横轴坐标区间内，将所述测试参数添加至所述横轴坐标区间；
当确定所述响应时间在所述纵轴坐标区间内，将所述响应时间添加至所述纵轴坐标区间；
根据添加后的所述横轴坐标区间以及所述纵轴坐标区间生成所述测试坐标轴。
4.根据权利要求1所述的硬盘测试数据处理方法，其特征在于，还包括：
当确定所述测试参数在所述横轴坐标区间之外，对所述测试参数进行删除；
当确定所述响应时间在所述纵轴坐标区间之外，对所述响应时间进行删除。
5.根据权利要求1所述的硬盘测试数据处理方法，其特征在于，所述神经网络模型包括多任务网络；所述将所有所述历史曲线图输入预设的神经网络模型进行图像处理，得到横轴坐标区间以及纵轴坐标区间，包括：
将所有所述历史曲线图输入所述神经网络模型进行去噪操作，并对去噪操作后的所述历史曲线图进行图像增强处理，输出多张样本曲线图；
将所有所述样本曲线图输入所述多任务网络进行特征提取，得到所述样本曲线图的坐标信息；
基于预设的序列模型对所述坐标信息进行字符转换，得到坐标数据集合，其中，所述坐标数据集合中包括多个坐标数据；
对多个所述坐标数据进行均值筛选，得到所述横轴坐标区间以及所述纵轴坐标区间。
6.根据权利要求5所述的硬盘测试数据处理方法，其特征在于，所述对多个所述坐标数据进行均值筛选，得到所述横轴坐标区间以及所述纵轴坐标区间，包括：
对所述坐标数据集合中的多个所述坐标数据进行对比，确定第一坐标数据以及第二坐标数据；
将所述第一坐标数据以及所述第二坐标数据从所述坐标数据集合中进行删除，并对删除后的所述坐标数据集合进行求平均操作，得到所述横轴坐标区间以及所述纵轴坐标区间。
7.一种硬盘测试数据处理装置，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述的硬盘测试数据处理方法。
8.一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计算机可执行指令，所述计算机可执行指令用于执行权利要求1至6任意一项所述的硬盘测试数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310754940.9A CN116521465B (zh) | 2023-06-26 | 2023-06-26 | 硬盘测试数据处理方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310754940.9A CN116521465B (zh) | 2023-06-26 | 2023-06-26 | 硬盘测试数据处理方法、装置及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116521465A CN116521465A (zh) | 2023-08-01 |
| CN116521465B true CN116521465B (zh) | 2023-10-13 |
Family
ID=87401473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310754940.9A Active CN116521465B (zh) | 2023-06-26 | 2023-06-26 | 硬盘测试数据处理方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116521465B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109448778A (zh) * | 2018-11-06 | 2019-03-08 | 郑州云海信息技术有限公司 | 一种固态硬盘性能测试方法、系统、装置及可读存储介质 |
| CN109976957A (zh) * | 2019-02-11 | 2019-07-05 | 平安科技（深圳）有限公司 | librgw的性能测试方法、装置和计算机设备 |
| CN110162550A (zh) * | 2019-04-15 | 2019-08-23 | 平安科技（深圳）有限公司 | 可视化统计图表生成方法、装置、计算机设备及存储介质 |
| CN112612686A (zh) * | 2020-12-18 | 2021-04-06 | 平安普惠企业管理有限公司 | 性能测试方法、装置、电子设备及存储介质 |
| CN112699032A (zh) * | 2020-12-29 | 2021-04-23 | 北京同有飞骥科技股份有限公司 | 一种基于Excel实现vdbench性能测试结果分析的方法 |
| CN113343847A (zh) * | 2021-06-04 | 2021-09-03 | 深圳供电局有限公司 | 异常数据检测方法、装置、计算机设备和可读存储介质 |
| CN113744797A (zh) * | 2021-09-08 | 2021-12-03 | 深圳忆联信息系统有限公司 | 基于固态硬盘的nand测试分析方法、装置及计算机设备 |
| CN114385877A (zh) * | 2022-03-23 | 2022-04-22 | 北京得瑞领新科技有限公司 | 测试过程的可视化处理方法及系统、计算机可读介质 |
| CN115206405A (zh) * | 2021-04-13 | 2022-10-18 | 深圳市江波龙电子股份有限公司 | 固态硬盘的测试方法、测试装置及计算机可读存储介质 |
| WO2023275887A1 (en) * | 2021-06-28 | 2023-01-05 | L&T Technology Services Limited | System and method for automated software testing |
| CN115941537A (zh) * | 2023-02-16 | 2023-04-07 | 信通院(江西)科技创新研究院有限公司 | 一种5g终端一致性测试方法、系统、存储介质以及设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311542B (zh) * | 2020-01-15 | 2023-09-19 | 歌尔股份有限公司 | 一种产品质量检测方法及装置 |
-
2023
- 2023-06-26 CN CN202310754940.9A patent/CN116521465B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109448778A (zh) * | 2018-11-06 | 2019-03-08 | 郑州云海信息技术有限公司 | 一种固态硬盘性能测试方法、系统、装置及可读存储介质 |
| CN109976957A (zh) * | 2019-02-11 | 2019-07-05 | 平安科技（深圳）有限公司 | librgw的性能测试方法、装置和计算机设备 |
| CN110162550A (zh) * | 2019-04-15 | 2019-08-23 | 平安科技（深圳）有限公司 | 可视化统计图表生成方法、装置、计算机设备及存储介质 |
| CN112612686A (zh) * | 2020-12-18 | 2021-04-06 | 平安普惠企业管理有限公司 | 性能测试方法、装置、电子设备及存储介质 |
| CN112699032A (zh) * | 2020-12-29 | 2021-04-23 | 北京同有飞骥科技股份有限公司 | 一种基于Excel实现vdbench性能测试结果分析的方法 |
| CN115206405A (zh) * | 2021-04-13 | 2022-10-18 | 深圳市江波龙电子股份有限公司 | 固态硬盘的测试方法、测试装置及计算机可读存储介质 |
| CN113343847A (zh) * | 2021-06-04 | 2021-09-03 | 深圳供电局有限公司 | 异常数据检测方法、装置、计算机设备和可读存储介质 |
| WO2023275887A1 (en) * | 2021-06-28 | 2023-01-05 | L&T Technology Services Limited | System and method for automated software testing |
| CN113744797A (zh) * | 2021-09-08 | 2021-12-03 | 深圳忆联信息系统有限公司 | 基于固态硬盘的nand测试分析方法、装置及计算机设备 |
| CN114385877A (zh) * | 2022-03-23 | 2022-04-22 | 北京得瑞领新科技有限公司 | 测试过程的可视化处理方法及系统、计算机可读介质 |
| CN115941537A (zh) * | 2023-02-16 | 2023-04-07 | 信通院(江西)科技创新研究院有限公司 | 一种5g终端一致性测试方法、系统、存储介质以及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116521465A (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107480039B (zh) | 一种分布式存储系统的小文件读写性能测试方法及装置 | |
| CN116662214B (zh) | 基于fio的硬盘垃圾回收方法、装置、系统及介质 | |
| CN112817866A (zh) | 录制回放方法、装置、系统、计算机设备以及存储介质 | |
| CN113268403A (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
| CN111522725A (zh) | Ssd性能自动评估方法、装置、设备及介质 | |
| CN112199010A (zh) | 一种全存储深度测量方法及数字示波器、存储介质 | |
| CN110647523B (zh) | 数据质量的分析方法及装置、存储介质、电子设备 | |
| CN116521465B (zh) | 硬盘测试数据处理方法、装置及介质 | |
| CN113138916B (zh) | 基于标注样本的图片结构化算法的自动测试方法及系统 | |
| JP6192432B2 (ja) | リスク計量システム | |
| CN116682479A (zh) | 一种企业级固态硬盘时延指标的测试方法及测试系统 | |
| US20200220555A1 (en) | Method for compressing and restoring time series data | |
| CN114398140B (zh) | 趋势图的动态生成方法、电子测量设备和存储介质 | |
| CN107342917B (zh) | 用于检测网络设备性能的方法和装置 | |
| CN106294104B (zh) | 一种测试用例的执行方法及移动终端 | |
| CN114141302A (zh) | 固态硬盘的测试方法及电子设备 | |
| CN113590498A (zh) | 一种桌面操作系统应用启动时间的测试方法及系统 | |
| CN111737098A (zh) | 一种基于硬盘个数评估存储系统iops的方法及系统 | |
| CN117112398B (zh) | 增量代码覆盖率检测方法、装置、电子设备及存储介质 | |
| CN117555812B (zh) | 一种云平台自动化测试方法及系统 | |
| CN112329124A (zh) | Cae模型查错方法、装置、计算机设备和存储介质 | |
| CN109614328B (zh) | 用于处理测试数据的方法和装置 | |
| CN112817821B (zh) | 数据处理方法、装置、设备及存储介质 | |
| CN116577671B (zh) | 电池系统异常检测方法及装置 | |
| CN114816990A (zh) | 评估自动化测试应用水平的方法及相关设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |