CN116841719A - 线程标记方法、线程标记装置及存储介质 - Google Patents

Abstract

本公开是关于一种线程标记方法、线程标记装置及存储介质。线程标记方法，应用于终端，所述线程标记方法包括：接收来自云端的线程标记策略；响应于所述线程标记策略对应的线程被运行，以所述线程标记策略标记所述线程。通过本公开使得运行线程标记策略可以脱离硬件资源有限的终端，进而实现减少浪费终端的硬件资源以及避免卡顿现象的发生。

Description

线程标记方法、线程标记装置及存储介质

技术领域

本公开涉及资源调度领域，尤其涉及一种线程标记方法、线程标记装置及存储介质。

背景技术

随着终端应用程序的快速发展，终端上支持的应用程序也越来越多。用户可以在终端上同时打开多个应用程序，其中，一部分应用程序会在后台运行，另一部分应用程序会在前台运行。此时，由于终端存在本身的资源限制，例如：有限的CPU个数，导致前后台应用程序的线程会出现资源竞争的现象，例如：竞争CPU资源。为了保证用户体验，终端厂商会去优化终端性能，通过线程标记的方法标记出一些对用户体验敏感的线程，给这些线程设置标志位，进而在运行过程中优先对这些被标记的线程分配资源(CPU资源、内存资源、IO资源)。

传统的线程标记方法包括：当应用程序启动时，终端会去广播唤醒线程标记单元。在线程标记单元被唤醒后，终端会去对当前应用的所有线程进行策略查询。若在本地的线程标记策略中查询到了对应线程的包名和线程名，则线程标记单元会去对该线程标记上flag标识。当被标记的线程在申请资源时，例如：申请CPU资源、申请IO资源、申请内存资源等，会结合当前线程的标记，优先为标记的线程分配资源，比如优先调度指定线程，优先给线程分配内存，优先进行IO操作等，以此来提高性能及用户的实际体验。

然而，传统的线程标记方法存在如下问题：1.使用的线程标记策略过于简单，无法兼容复杂的标记算法。由于终端设备是一个单机设备，硬件资源有限，若在其上一直运行复杂的线程标记算法会消耗很多的硬件资源，导致终端卡顿。2.由于线程标记策略都是通过经验进行设置，导致其无法做出动态的改变，于是传统的线程标记策略鲁棒性较差。

发明内容

为克服相关技术中存在的问题，本公开提供一种线程标记方法、线程标记装置及存储介质。

根据本公开实施例的第一方面，提供一种线程标记方法，应用于终端，包括：接收来自云端的线程标记策略；响应于所述线程标记策略对应的线程被运行，以所述线程标记策略标记所述线程。

一种实施方式中，所述接收来自云端的线程标记策略，包括：基于终端的资源处理能力，接收匹配所述资源处理能力的线程标记策略。。

一种实施方式中，所述线程标记策略由所述云端对不同终端的线程信息进行机器学习得到。

一种实施方式中，所述方法还包括：向所述云端上报所述终端运行的线程信息。

根据本公开实施例的第二方面，提供一种线程标记方法，应用于云端，包括：获取不同终端上报的线程信息；基于机器学习方式对所述线程信息进行数据分析，得到线程标记策略；向所述终端发送所述线程标记策略。

一种实施方式中，所述方法还包括：过滤获取到的线程信息中的无效线程信息，并将过滤后的线程信息作为机器学习的线程信息。

一种实施方式中，基于机器学习方式对所述线程信息进行数据分析，得到线程标记策略，包括：响应于获取到新的线程信息，基于机器学习方式重新对获取到的线程信息进行数据分析，并动态更新已学习到的线程标记策略。

一种实施方式中，所述向所述终端发送所述线程标记策略，包括：基于所述终端的资源处理能力，匹配对应的线程标记策略；周期性的向具有不同资源处理能力的终端发送动态更新的线程标记策略。

根据本公开实施例的第三方面，提供一种线程标记装置，所述线程标记装置包括：接收单元，用于接收来自云端的线程标记策略；线程标记单元，用于响应于所述线程标记策略对应的线程被运行，以所述线程标记策略标记所述线程。

一种实施方式中，所述接收单元采用如下方式接收来自云端的线程标记策略：基于终端的资源处理能力，接收匹配所述资源处理能力的线程标记策略。。

一种实施方式中，所述线程标记策略由所述云端对不同终端的线程信息进行机器学习得到。

一种实施方式中，还包括上报单元，所述上报单元还用于：向所述云端上报所述终端运行的线程信息。

根据本公开实施例的第四方面，提供一种线程标记装置，所述线程标记装置包括：线程信息上报单元，用于获取不同终端上报的线程信息；线程数据存储处理单元，用于基于机器学习方式对所述线程信息进行数据分析，得到线程标记策略；线程标记策略更新单元，用于向所述终端发送所述线程标记策略。

一种实施方式中，所述线程数据存储处理单元还用于：过滤获取到的线程信息中的无效线程信息，并将过滤后的线程信息作为机器学习的线程信息。

一种实施方式中，所述线程数据存储处理单元采用如下方式基于机器学习方式对所述线程信息进行数据分析，得到线程标记策略：响应于获取到新的线程信息，基于机器学习方式重新对获取到的线程信息进行数据分析，并动态更新已学习到的线程标记策略。

一种实施方式中，所述线程标记策略更新单元采用如下方式向所述终端发送所述线程标记策略：基于所述终端的资源处理能力，匹配对应的线程标记策略；周期性的向具有不同资源处理能力的终端发送动态更新的线程标记策略。

根据本公开实施例第五方面，提供一种资源调度装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行第一方面或者第一方面任意一种实施方式中所述的方法。

根据本公开实施例第六方面，提供一种资源调度装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行第二方面或者第二方面任意一种实施方式中所述的方法。

根据本公开实施例第七方面，提供一种计算机可读存储介质，所述存储介质中存储有指令，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行第一方面或者第一方面任意一种实施方式中所述的方法。

根据本公开实施例第八方面，提供一种计算机可读存储介质，所述存储介质中存储有指令，当所述存储介质中的指令由云端的处理器执行时，使得云端能够执行第二方面或者第二方面任意一种实施方式中所述的方法。

本公开的实施例提供的技术方案可以包括以下有益效果：终端接收云端发送的线程标记策略，并将线程标记策略对应的正在运行的线程进行标记。运行该线程标记策略可以脱离硬件资源有限的终端，进而实现减少浪费终端的硬件资源以及避免卡顿现象的发生。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是传统的线程标记及资源调度的流程图。

图2是根据一示例性实施例示出的一种线程标记方法的流程图。

图3是根据一示例性实施例示出的一种线程标记方法的流程图。

图4是根据一示例性实施例示出的一种线程标记方法的流程图。

图5是根据一示例性实施例示出的一种向终端发送线程标记策略的流程图。

图6示出了一种线程标记及资源调度的流程图。

图7是根据一示例性实施例示出的一种线程标记装置框图。

图8是根据一示例性实施例示出的一种线程标记装置框图。

图9是根据一示例性实施例示出的一种用于资源调度的装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。

本公开提供的线程标记方法应用于终端资源调度的场景。例如，本公开提供的线程标记方法可以应用于不同资源处理能力的终端的线程信息上报至云端，在云端进行机器学习得到的线程标记策略。基于学习到的线程标记策略，标记终端中正在运行的应用程序的线程，实施资源调度的场景。

图1是传统的线程标记及资源调度的流程图，如图1所示，当应用程序启动时，终端会去广播唤醒线程标记单元。在线程标记单元被唤醒后，终端会去对当前应用的所有线程进行策略查询。若在本地的线程标记策略中查询到了对应线程的包名和线程名，则线程标记单元会去对该线程标记上flag标识。当被标记的线程在申请资源时，例如：申请CPU资源、申请IO资源、申请内存资源等，会结合当前线程的标记，优先为标记的线程分配资源，比如优先调度指定线程，优先给线程分配内存，优先进行IO操作等。

然而，传统的线程标记策略存在如下弊端：1.传统的线程标记策略是在终端上运行的，而终端的软硬件资源十分的有限，因此无法兼容复杂的线程标记策略。线程标记策略的效果会直接影响线程标记及资源调度方案的效果，因此需要采用更加具有鲁棒性，更加复杂的标记算法进行标记。同时，若一味的在终端上运行复杂的算法，该算法会占用系统的资源，导致终端出现卡顿现象。2.在终端上运行的线程标记策略大部分是根据技术人员的经验进行设置的，导致线程标记策略无法动态根据使用同一款终端型号的用户的使用情况及习惯做出改变。随着用户习惯的改变，线程标记策略会越来越不准确，导致线程标记及资源调度方案的效果也就越来越差。

因此，提出了一种脱离终端运行的线程标记策略。

图2是根据一示例性实施例示出的一种线程标记方法的流程图，如图2所示，线程标记方法用于终端中，包括以下步骤。

在步骤S11中，接收来自云端的线程标记策略。

在步骤S12中，在确定线程标记策略对应的线程被运行时，以线程标记策略标记线程。

本公开中，终端接收来自云端的线程标记策略，在确定线程标记策略对应的线程被运行时，以线程标记策略标记线程，实现脱离硬件资源有限的终端运行线程标记策略，进而实现减少浪费终端的硬件资源以及避免卡顿现象的发生。

本公开中，基于终端的资源处理能力，接收匹配不同资源处理能力的不同线程标记策略，其中，线程标记策略由云端对不同资源处理能力的终端的线程信息进行机器学习得到。随着输入至机器学习模型的线程信息不停的变化，模型不断的进行优化学习，使得学习得到的线程标记策略可以依据同一款式的终端用户的使用习惯和需求进行动态调整，从而提高了线程标记的准确性。

可以理解的是，在本公开中，不对不同资源处理能力的范围作具体限定。

本公开实施例中，不同资源处理能力的终端是指不同版本型号的终端，例如：小米10、小米11。随着终端技术的发展，新一代版本型号的终端所使用的芯片及CPU处理器等硬件的功能及性能都有所提高，因此可以通过不同终端的资源处理能力代替不同版本型号的终端。

本公开实施例中，在云端对不同资源处理能力的终端的线程信息进行机器学习，通过模型不断的优化学习，得到优化的线程标记策略。云端将优化的线程标记策略根据终端的不同资源处理能力进行下发。不同资源处理能力的终端接收到来自云端对应的线程标记策略后，终端中的线程标记单元会实时查询终端上的线程标记策略。若终端中正在运行的应用程序的线程存在于线程标记策略中，则对该线程进行标记。若终端中正在运行的应用程序的线程在线程标记策略中查询不到，则不标记该线程。

本公开实施例以下首先对终端上报线程信息的过程进行说明。

图3是根据一示例性实施例示出的一种线程标记方法的流程图，如图3所示，线程标记方法用于终端中，包括以下步骤。

在步骤S21中，当终端中有应用程序正在运行时，确定上报的线程信息。

在步骤S22中，向云端上报终端运行的线程信息。

其中，终端中正在运行的应用程序的线程信息包括：线程名字、应用程序对应的包名、线程负载、线程在大中小核的运行时间以及线程是被哪个线程唤醒的线程名字等。

本公开实施例中，当终端中有应用程序启动时，即终端检测到应用程序的包名时，会广播唤醒终端中的线程标记单元，并会调用大数据接口，通过大数据接口将应用程序的线程信息上传至云端。

为了更清楚的描述线程标记方法，本公开以下将在对端去更加具体的描述实施步骤。

图4是根据一示例性实施例示出的一种线程标记方法的流程图，如图4所示，线程标记方法用于云端中，包括以下步骤。

在步骤S31中，获取不同终端上报的线程信息。

其中，终端中正在运行的应用程序的线程信息包括：线程名字、应用程序对应的包名、线程负载、线程在大中小核的运行时间以及线程是被哪个线程唤醒的线程名字等。

在步骤S32中，基于机器学习方式对线程信息进行数据分析，得到线程标记策略。

在步骤S33中，向终端发送线程标记策略。

本公开中，获取不同终端上报的线程信息，将线程信息传输至终端特定单元内，过滤获取到的线程信息中的无效线程信息，并将过滤后的线程信息作为机器学习的线程信息。基于机器学习方式对线程信息进行数据分析，得到线程标记策略。在获取到新的线程信息时，基于机器学习方式重新对获取到的线程信息进行数据分析，并动态更新已学习到的线程标记策略。通过本公开使得云端生成的线程标记策略不再是依赖技术人员经验所得，而是获取不同终端的应用程序的线程信息，基于机器学习的方法，从而获得动态的线程标记策略，进而提高线程标记的准确性。

其中，无效线程信息包括丢包、解析不出来的信息等。

本公开实施例中，云端中的线程信息上报单元接收到由终端发来的调用大数据接口的指令后，获取不同终端上报的线程信息。调用线程信息上报单元的大数据上报接口通过网络进行传输，例如：无线网/有线网。在网络传输过程中，会对线程信息进行加密、压缩等操作。加密线程信息可以提高网络传输时的安全性，压缩线程信息可以提高网络传输速率。

本公开实施例中，云端的sokit端口会实时的监听由大数据上报接口传输过来的线程信息。当监听到线程信息后，线程数据存储与处理单元的大数据接收串口就会获取线程信息并对线程信息进行解析，解析成线程数据对应的数据单元。过滤数据单元中的无效线程信息，并以标准的数据格式，例如：键值对的形式，进行存储。过滤数据单元中的无效线程信息使得输入至机器学习模型中的数据都是完整的。

本公开实施例中，此时，线程数据存储单元中存储海量由不同终端上报的线程数据。线程数据分析处理单元会通过机器学习算法对海量的线程信息进行数据分析，并随着机器学习模型不断的优化学习，生成动态的线程标记策略，并向终端发送动态的线程标记策略。

图5是根据一示例性实施例示出的一种向终端发送线程标记策略的流程图，如图5所示，向终端发送线程标记策略，包括以下步骤。

在步骤S41中，基于终端的资源处理能力，匹配对应的线程标记策略。

在步骤S42中，周期性的向具有不同资源处理能力的终端发送动态更新的线程标记策略。

本公开中，经过机器学习的方法，得到的动态线程标记策略后，基于终端的资源处理能力，匹配对应的线程标记策略。将动态更新的线程标记策略周期性的向对应的不同资源处理能力的终端发送。通过本公开使得动态更新的线程标记策略可以在不影响用户正常使用终端的情况下，准确的发送至相对应的资源处理能力的终端。

本公开实施例中，基于终端的版本型号，匹配对应的线程标记策略，周期性的将线程标记策略发送给线程标记策略更新接口。线程标记策略更新接口接收到更新后的线程标记策略后，通过网络动态下发优化后的线程标记策略给终端，从而更新终端上的标记策略。

本公开实施例中，图6示出了一种线程标记及资源调度的流程图，如图6所示。当终端中有应用程序开始运行时，终端会动态的调用云端的大数据接口，将应用程序的线程信息上报至云端的线程信息上报单元。上报的线程信息主要包括：线程名字、对应包名字、线程负载、线程在大中小核的运行时间、线程被哪个线程唤醒的线程名字等，线程信息上报单元会通过调用大数据上报接口进行网络传输。sokit端口会实时的监听上报线程信息，当监听到有线程信息上报后，通过调用大数据接口获取线程信息对应的数据单元。对获取到的数据单元中的无效数据进行过滤，并以标准的数据格式存储在数据存储单元中。线程数据分析处理单元会通过机器学习算法对海量的数据单元进行数据分析，并随着数据的变化，不断的优化学习，生成动态的线程标记策略。线程标记策略更新接口当接收到更新后的线程标记策略后，基于终端的资源处理能力，匹配对应的线程标记策略，并周期性的向具有不同资源处理能力的终端发送动态更新的线程标记策略。

当终端中有应用程序开始运行时，终端会广播唤醒终端中的线程标记单元，线程标记单元会主动/被动的实时查询终端中已更新的线程标记策略。当符合标记的线程被运行时，依据新的标记策略给线程进行标记。当被标记的线程申请CPU资源时，会根据线程标识的优先权优先分配CPU的各种资源，常见的是CPU的调度资源以及频率资源。当被标记的线程申请内存资源时，会根据线程标识的优先权优先分配内存的各种资源，常见的是优先分配空闲内存。当被标记的线程申请IO资源时，会根据线程标识的优先权优先分配IO的各种资源，常见的是IO的调度资源。本公开实施例中，通过机器学习的方法可以动态更新线程标记策略，增加了线程标记策略的鲁棒性，且可以适用于不同版本型号的终端，提高线程标记策略的准确性。

基于相同的构思，本公开实施例还提供一种线程标记装置。

可以理解的是，本公开实施例提供的线程标记装置为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。结合本公开实施例中所公开的各示例的单元及算法步骤，本公开实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同的方法来实现所描述的功能，但是这种实现不应认为超出本公开实施例的技术方案的范围。

图7是根据一示例性实施例示出的一种线程标记装置框图。参照图7，该线程标记装置100可以被提供为上述实施例涉及的终端，包括接收单元101和线程标记单元102。

接收单元101，用于接收来自云端的线程标记策略；线程标记单元102，用于响应于线程标记策略对应的线程被运行，以线程标记策略标记线程。

一种实施方式中，接收单元101采用如下方式接收来自云端的线程标记策略：基于终端的资源处理能力，接收匹配资源处理能力的线程标记策略。

一种实施方式中，线程标记策略由云端对不同终端的线程信息进行机器学习得到。

一种实施方式中，还包括上报单元，上报单元还用于：向云端上报终端运行的线程信息。

图8是根据一示例性实施例示出的一种线程标记装置框图。参照图8，该线程标记装置200可以被提供为上述实施例涉及的终端，包括线程信息上报单元201，线程数据存储处理单元202和线程标记策略更新单元203。

线程信息上报单元201，用于获取不同终端上报的线程信息；线程数据存储处理单元202，用于基于机器学习方式对线程信息进行数据分析，得到线程标记策略；线程标记策略更新单元203，用于向终端发送线程标记策略。

一种实施方式中，线程数据存储处理单元202还用于：过滤获取到的线程信息中的无效线程信息，并将过滤后的线程信息作为机器学习的线程信息。

一种实施方式中，线程数据存储处理单元202采用如下方式基于机器学习方式对线程信息进行数据分析，得到线程标记策略：响应于获取到新的线程信息，基于机器学习方式重新对获取到的线程信息进行数据分析，并动态更新已学习到的线程标记策略。

一种实施方式中，线程标记策略更新单元203采用如下方式向终端发送线程标记策略：基于终端的资源处理能力，匹配对应的线程标记策略；周期性的向具有不同资源处理能力的终端发送动态更新的线程标记策略。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图9是根据一示例性实施例示出的一种用于资源调度的装置的框图。例如，装置300可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图9，装置300可以包括以下一个或多个组件：处理组件302，存储器304，电力组件306，多媒体组件308，音频组件310，输入/输出(I/O)接口312，传感器组件314，以及通信组件316。

处理组件302通常控制装置300的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件302可以包括一个或多个模块，便于处理组件302和其他组件之间的交互。例如，处理组件302可以包括多媒体模块，以方便多媒体组件308和处理组件302之间的交互。

存储器304被配置为存储各种类型的数据以支持在装置300的操作。这些数据的示例包括用于在装置300上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件306为装置300的各种组件提供电力。电力组件306可以包括电源管理系统，一个或多个电源，及其他与为装置300生成、管理和分配电力相关联的组件。

多媒体组件308包括在所述装置300和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件308包括一个前置摄像头和/或后置摄像头。当装置300处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件310被配置为输出和/或输入音频信号。例如，音频组件310包括一个麦克风(MIC)，当装置300处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中，音频组件310还包括一个扬声器，用于输出音频信号。

I/O接口312为处理组件302和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件314包括一个或多个传感器，用于为装置300提供各个方面的状态评估。例如，传感器组件314可以检测到装置300的打开/关闭状态，组件的相对定位，例如所述组件为装置300的显示器和小键盘，传感器组件314还可以检测装置300或装置300一个组件的位置改变，用户与装置300接触的存在或不存在，装置300方位或加速/减速和装置300的温度变化。传感器组件314可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件314还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件316被配置为便于装置300和其他设备之间有线或无线方式的通信。装置300可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件316还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器304，上述指令可由装置300的处理器320执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

进一步可以理解的是，本公开实施例中尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利范围来限制。

Claims (18)

1.一种线程标记方法，其特征在于，应用于终端，所述方法包括：

接收来自云端的线程标记策略；

响应于所述线程标记策略对应的线程被运行，以所述线程标记策略标记所述线程。

2.根据权利要求1所述的方法，其特征在于，所述接收来自云端的线程标记策略，包括：

基于终端的资源处理能力，接收匹配所述资源处理能力的线程标记策略。

3.根据权利要求2所述的方法，其特征在于，所述线程标记策略由所述云端对不同资源处理能力的终端的线程信息进行机器学习得到。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

向所述云端上报所述终端运行的线程信息。

5.一种线程标记方法，其特征在于，应用于云端，包括：

获取不同终端上报的线程信息；

基于机器学习方式对所述线程信息进行数据分析，得到线程标记策略；

向所述终端发送所述线程标记策略。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

过滤获取到的线程信息中的无效线程信息，并将过滤后的线程信息作为机器学习的线程信息。

7.根据权利要求5所述的方法，其特征在于，基于机器学习方式对所述线程信息进行数据分析，得到线程标记策略，包括：

响应于获取到新的线程信息，基于机器学习方式重新对获取到的线程信息进行数据分析，并动态更新已学习到的线程标记策略。

8.根据权利要求7所述的方法，其特征在于，所述向所述终端发送所述线程标记策略，包括：

基于所述终端的资源处理能力，匹配对应的线程标记策略；

周期性的向具有不同资源处理能力的终端发送动态更新的线程标记策略。

9.一种线程标记装置，其特征在于，所述线程标记装置包括：

接收单元，用于接收来自云端的线程标记策略；

线程标记单元，用于响应于所述线程标记策略对应的线程被运行，以所述线程标记策略标记所述线程。

10.根据权利要求9所述的装置，其特征在于，所述接收单元采用如下方式接收来自云端的线程标记策略：

基于终端的资源处理能力，接收匹配所述资源处理能力的线程标记策略。

11.根据权利要求10所述的装置，其特征在于，所述线程标记策略由所述云端对不同终端的线程信息进行机器学习得到。

12.根据权利要求11所述的装置，其特征在于，还包括上报单元，所述上报单元还用于：

向所述云端上报所述终端运行的线程信息。

13.一种线程标记装置，其特征在于，所述线程标记装置包括：

线程信息上报单元，用于获取不同终端上报的线程信息；

线程数据存储处理单元，用于基于机器学习方式对所述线程信息进行数据分析，得到线程标记策略；

线程标记策略更新单元，用于向所述终端发送所述线程标记策略。

14.根据权利要求13所述的装置，其特征在于，所述线程数据存储处理单元还用于：

过滤获取到的线程信息中的无效线程信息，并将过滤后的线程信息作为机器学习的线程信息。

15.根据权利要求13所述的装置，其特征在于，所述线程数据存储处理单元采用如下方式基于机器学习方式对所述线程信息进行数据分析，得到线程标记策略：

响应于获取到新的线程信息，基于机器学习方式重新对获取到的线程信息进行数据分析，并动态更新已学习到的线程标记策略。

16.根据权利要求15所述的装置，其特征在于，所述线程标记策略更新单元采用如下方式向所述终端发送所述线程标记策略：

基于所述终端的资源处理能力，匹配对应的线程标记策略；

周期性的向具有不同资源处理能力的终端发送动态更新的线程标记策略。

17.一种线程标记装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：执行权利要求1至4中任意一项所述的方法，或者执行权利要求5至8中任意一项所述的方法。

18.一种计算机可读存储介质，其特征在于，所述存储介质中存储有指令，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行权利要求1至4中任意一项所述的方法，或者当所述存储介质中的指令由云端的处理器执行时，使得云端能够执行权利要求5至8中任意一项所述的方法。