CN117130765A - 计算资源的配置方法和电子设备 - Google Patents
计算资源的配置方法和电子设备 Download PDFInfo
- Publication number
- CN117130765A CN117130765A CN202310092580.0A CN202310092580A CN117130765A CN 117130765 A CN117130765 A CN 117130765A CN 202310092580 A CN202310092580 A CN 202310092580A CN 117130765 A CN117130765 A CN 117130765A
- Authority
- CN
- China
- Prior art keywords
- parameter
- value
- electronic equipment
- state
- prediction model
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000006870 function Effects 0.000 claims abstract description 165
- 238000005259 measurement Methods 0.000 claims abstract description 78
- 238000013507 mapping Methods 0.000 claims description 101
- 238000012360 testing method Methods 0.000 claims description 60
- 238000012545 processing Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 12
- 230000032683 aging Effects 0.000 abstract description 7
- 238000010801 machine learning Methods 0.000 abstract description 2
- 230000006854 communication Effects 0.000 description 39
- 238000004891 communication Methods 0.000 description 38
- 230000002159 abnormal effect Effects 0.000 description 22
- 239000010410 layer Substances 0.000 description 21
- 238000007726 management method Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 18
- 238000012549 training Methods 0.000 description 15
- 230000005236 sound signal Effects 0.000 description 14
- 238000005457 optimization Methods 0.000 description 11
- 238000013461 design Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000003416 augmentation Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 1
- 238000013529 biological neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual 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
- G06F9/46—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
- 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
- G06F9/445—Program loading or initiating
- G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
-
- 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
-
- 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
-
- 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
Abstract
本申请公开一种计算资源的配置方法和电子设备,涉及机器学习技术领域,电子设备根据电子设备的计算资源在第一状态下运行第一功能时,计算资源的状态参数和配置参数与电子设备的性能参数之间的映射关系生成第一预测模型。当计算资源由于老化等原因导致状态发生变化后,电子设备获取计算资源处于第二状态运行第一功能时,计算资源的状态参数、配置参数以及性能参数的实测值。在确定第二状态下性能参数的实测值与预测值之间的差异值大于预设阈值时,对第一预测模型的参数进行调整,获取适用于计算资源处于第二状态的第二预测模型。根据第二预测模型对应的配置值运行第一功能,可以实现电子设备运行第一功能时计算资源保持优化配置的效果。
Description
技术领域
本申请涉及机器学习技术领域,尤其涉及一种计算资源的配置方法和电子设备。
背景技术
电子设备实现某一功能需要一定的计算资源。计算资源一般指电子设备实现某一功能时计算机程序运行时所需的中央处理器(central processing unit,CPU)资源、图形处理器(graphics processing unit,GPU)资源、内存资源、硬盘资源和网络资源等。计算资源的配置参数与电子设备的硬件的状态相关,计算资源的配置参数影响电子设备实现该功能的性能参数。以性能参数达到性能阈值为目标,可以建立计算资源的配置参数与电子设备的性能参数之间的映射关系。电子设备可以基于映射关系,确定电子设备的性能参数达到性能阈值时所对应的计算资源的配置参数的值,从而基于计算资源的配置参数的值运行某一功能时,可以实现电子设备性能参数达到性能阈值的目的。
现有技术根据电子设备出厂前的硬件的状态,预先在电子设备中设定计算资源的配置参数与电子设备的性能参数之间的映射关系。但是电子设备的硬件会随着使用年限增加出现老化问题,老化后的硬件的状态影响计算资源的配置参数,使得电子设备基于预先设定的映射关系中的计算资源的配置参数,无法实现电子设备性能参数达到性能阈值的效果。在电子设备基于预先设定的映射关系运行某一功能时,出现电子设备的性能变差的问题。
发明内容
本申请实施例提供一种计算资源的配置方法和电子设备,电子设备根据电子设备的计算资源在第一状态下运行第一功能时,计算资源的状态参数和配置参数与电子设备的性能参数之间的映射关系生成第一预测模型。当计算资源由于老化等原因导致状态发生变化后,电子设备获取计算资源处于第二状态运行第一功能时,计算资源的状态参数、配置参数以及性能参数的实测值。在确定性能参数的实测值与预测值之间的差异值大于预设阈值时,对第一预测模型的参数进行调整,来获取适用于计算资源处于第二状态下的第二预测模型。根据第二预测模型获取计算资源处于第二状态下的配置参数的配置值,以该配置值调用计算资源来运行第一功能,可以保证在计算资源的状态由第一状态变为第二状态时,电子设备基于第二预测模型中的配置值调用计算资源运行第一功能,所表现出的性能参数仍可以满足性能阈值要求,避免了由于电子设备的计算资源的状态变化,第一预测模型中的配置参数的配置值无法使得电子设备的性能满足性能阈值要求,导致电子设备的性能呈现出变差的问题。为达到上述目的,本申请的实施例采用如下技术方案。
第一方面,提供了一种计算资源的配置方法,应用于电子设备,电子设备包括支持第一功能运行的计算资源,该方法包括:
电子设备统计计算资源在第一状态下,电子设备运行第一功能时,计算资源的状态参数第一实测值和配置参数第一实测值,以及电子设备的性能参数第一实测值。其中,状态参数包括工作温度、工作负载、乘积-累加利用率中至少一项;配置参数包括工作频率、工作带宽中至少一项;性能参数包括第一性能参数和第二性能参数,第一性能参数用于表征第一功能运行性能,第二性能参数用于表征计算资源的工作性能。
电子设备根据状态参数第一实测值、配置参数第一实测值以及性能参数第一实测值,训练第一预测模型。其中,第一预测模型用于表征计算资源在第一状态下,电子设备运行第一功能时,计算资源的状态参数和配置参数与电子设备的性能参数之间的映射关系。
电子设备获取计算资源在第二状态下,电子设备运行第一功能时,计算资源的状态参数第二实测值和配置参数第二实测值;电子设备将计算资源的状态参数第二实测值和配置参数第二实测值输入第一预测模型,获取电子设备的性能参数第一预测值。
电子设备获取计算资源在第二状态下,电子设备运行第一功能时,电子设备的性能参数第二实测值;电子设备统计性能参数第二实测值与性能参数第一预测值的差异值。电子设备获取差异值大于预设阈值的次数,如果次数大于预设的次数阈值,电子设备根据状态参数第二实测值调整第一预测模型的参数,获取第二预测模型。其中,第二预测模型用于表征计算资源在第二状态下,电子设备运行第一功能时,计算资源的状态参数和配置参数与电子设备的性能参数之间的映射关系。
电子设备将计算资源处于第二状态时获取到的状态参数的第二实测值,输入第二预测模型,获取配置参数的第一预测值,按照配置参数的第一预测值调用计算资源运行第一功能。
其中,第一预测模型在训练过程可以采用自学习的算法进行训练调整。
本申请中,电子设备根据电子设备的计算资源在第一状态下运行第一功能时,计算资源的状态参数和配置参数与电子设备的性能参数之间的映射关系生成第一预测模型。当计算资源由于老化等原因导致状态发生变化后,电子设备获取计算资源处于第二状态运行第一功能时,计算资源的状态参数、配置参数以及性能参数的实测值。在确定性能参数的实测值与预测值之间的差异值大于预设阈值时,对第一预测模型的参数进行调整,来获取适用于计算资源处于第二状态下的第二预测模型。根据第二预测模型获取计算资源处于第二状态下的配置参数的配置值,以该配置值调用计算资源来运行第一功能,可以保证在计算资源的状态由第一状态变为第二状态时,电子设备基于第二预测模型中的配置值调用计算资源运行第一功能,所表现出的性能参数仍可以满足性能阈值要求,避免了由于电子设备的计算资源的状态变化,第一预测模型中的配置参数的配置值无法使得电子设备的性能满足性能阈值要求,导致电子设备的性能呈现出变差的问题。
结合第一方面,在一种可能的设计方式中,电子设备根据状态参数第二实测值调整第一预测模型的参数,获取第二预测模型,包括:
电子设备根据状态参数第二实测值和第一预测模型获取配置参数的第二预测值;电子设备按照配置参数的第二预测值调用计算资源运行第一功能,获取性能参数的第三实测值;电子设备根据状态参数第二实测值和配置参数的第二预测值以及第一预测模型,获取性能参数的第二预测值;电子设备根据性能参数的第二预测值与性能参数的第三实测值之间的差值,迭代调整第一预测模型的参数,直至差值小于第一阈值,获取第二预测模型。
本申请中,由于第一预测模型在训练过程中采用自学习的算法进行训练调整,当计算资源的状态发生变化时,对于已经收敛的第一预测模型,仅使用较少的异常数据集(状态参数第二实测值)就可以完成对第一预测模型的调整,来获取第二预测模型,获取到的第二预测模型在训练过程中可以达到良好的训练效果。
结合第一方面,在一种可能的设计方式中,在获取第二预测模型之后,该方法还包括:
电子设备获取第一预测模型与第二预测模型之间的差异度;差异度用于表示第一预测模型的参数值与第二预测模型的参数值之间的差异;如果电子设备确定差异度小于或等于差异度阈值,电子设备将计算资源处于第二状态时获取到的状态参数的第二实测值,输入第二预测模型,获取配置参数的第一预测值。
本申请中,在差异度小于或等于差异度阈值的情况下,也即,第一预测模型与第二预测模型之间的差异较小时,说明第二预测模型具有一定的可靠性,在这种情况下,电子设备可以直接将计算资源处于第二状态时获取到的状态参数的第二实测值,输入第二预测模型,获取配置参数的第一预测值,以该配置参数的第一预测值调用计算资源运行第一功能。
结合第一方面,在一种可能的设计方式中,第一预测模型与第二预测模型之间的差异度,包括:通过预设的多元距离计算方法,计算出的第一预测模型与第二预测模型之间的空间距离。
其中,多元距离计算方法包括康托罗维奇(Kantorovich)距离计算方法、豪斯多夫(Hausdorff)距离计算方法等。本申请中,通过第一预测模型与第二预测模型之间的空间距离可以比较准确地获取第一预测模型与第二预测模型参数值的差异。
结合第一方面,在一种可能的设计方式中,该方法还包括:
如果电子设备确定差异度大于差异度阈值,电子设备将状态参数的第二实测值输入第一预测模型,获取配置参数的第三预测值;按照配置参数的第三预测值调用计算资源运行第一功能,获取性能参数的第一测试值;电子设备将状态参数的第二实测值输入第二预测模型,获取配置参数的第四预测值;按照配置参数的第四预测值调用计算资源运行第一功能,获取性能参数的第二测试值;如果电子设备确定第二测试值优于第一测试值,电子设备将计算资源处于第二状态时获取到的状态参数的第二实测值,输入第二预测模型,获取配置参数的第一预测值。
本申请中,在差异度大于差异度阈值的情况下,也即,第一预测模型与第二预测模型之间的差异较大时,还可以对第二预测模型进行测试,根据第一预测模型得到的第一测试值以及第二预测模型得到的第二测试值,来确定第二预测模型的优化程度是否优于第一预测模型,通过测试验证,可以进一步保证第二预测模型的可靠性。
结合第一方面,在一种可能的设计方式中,第一性能参数包括视频播放帧率,第二性能参数包括计算资源的工作电压;电子设备确定第二测试值优于第一测试值,包括:
视频播放帧率的第二测试值与视频播放帧率的第一测试值之间的差值小于预设第二阈值,且,工作电压的第二测试值小于工作电压的第一测试值。
本申请中,性能参数包括用于表征第一功能运行性能的第一性能参数和用于表征计算资源的工作性能的第二性能参数。电子设备需要对第一测试值中的第一性能参数与第二测试值中的第一性能参数进行比较,对第一测试值中的第二性能参数与第二测试值中的第二性能参数进行比较,来确定第一测试值与第二测试值中哪一个测试值所对应的性能程度更优化。细化到对比各个性能参数,可以更准确地确定测试值的优化程度。
结合第一方面,在一种可能的设计方式中,该方法还包括:
如果电子设备确定第一测试值优于第二测试值,电子设备将计算资源处于第二状态时获取到的状态参数的第二实测值输入第一预测模型,获取配置参数的第五预测值;电子设备按照配置参数的第五预测值,调用计算资源运行第一功能。
本申请中,如果电子设备确定第一预测模型输出的第一测试值优于第二预测模型输出的第二预测试值,表明相比调整后的第二预测模型,调整之前的第一预测模型所表征的计算资源映射关系更贴合计算资源处于第二状态下状态参数、配置参数以及性能参数之间的映射关系,在这种情况下,电子设备还是根据第一预测模型来获取计算资源的配置参数的第五预测值,根据计算得到的配置参数的第五预测值来调用计算资源运行第一功能,始终保持电子设备的计算资源的性能参数、电子设备的性能参数均能达到性能参数阈值,优化电子设备调用各计算资源运行第一功能时的性能表现。
结合第一方面,在一种可能的设计方式中,计算资源包括:中央处理器CPU资源、图形处理器GPU资源、内存资源、硬盘资源和网络资源中至少一项。
本申请中,电子设备的计算资源可以为CPU资源、GPU资源、内存资源、硬盘资源和网络资源中至少一项。不同计算资源对应的预测模型所表征的计算资源的映射关系不同,电子设备根据不同计算资源对应的预测模型可以获取运行第一功能时,计算资源对应的配置参数的预测值,从而基于配置参数的预测值调用计算资源来运行第一功能,使得运行第一功能时,电子设备的各计算资源的性能参数、电子设备的性能参数均能达到性能参数阈值,优化电子设备调用各计算资源运行第一功能时的性能表现。
第二方面,提供了一种电子设备,该电子设备包括存储器和一个或多个处理器;所述存储器与所述处理器耦合;所述存储器中存储有计算机程序代码,所述计算机程序代码包括计算机指令,当所述计算机指令被所述处理器执行时,使得所述电子设备执行如上述第一方面中任一项所述的方法。
第三方面,提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在电子设备上运行时,使得电子设备可以执行上述第一方面中任一项所述的方法。
第四方面,提供了一种包含指令的计算机程序产品,当其在电子设备上运行时,使得电子设备可以执行上述第一方面中任一项所述的方法。
第五方面,本申请实施例提供了一种芯片,芯片包括处理器,处理器用于调用存储器中的计算机程序,以执行如第一方面的方法。
可以理解地,上述提供的第二方面所述的电子设备,第三方面所述的计算机可读存储介质,第四方面所述的计算机程序产品,第五方面所述的芯片所能达到的有益效果,可参考第一方面及其任一种可能的设计方式中的有益效果,此处不再赘述。
附图说明
图1为本申请实施例提供的一种电子设备的硬件结构示意图;
图2为本申请实施例提供的一种电子设备的软件结构示意图;
图3为本申请实施例提供的一种计算资源的配置方法的流程图;
图4为本申请实施例提供的一种基于基础映射的多层网络自学习过程示意图;
图5为本申请实施例提供的一种电子设备基于预测模型获取性能参数的实测值和预测值的示意图;
图6为本申请实施例提供的一种芯片系统的结构示意图。
具体实施方式
在本申请实施例的描述中,以下实施例中所使用的术语只是为了描述特定实施例的目的,而并非旨在作为对本申请的限制。如在本申请的说明书和所附权利要求书中所使用的那样,单数表达形式“一种”、“所述”、“上述”、“该”和“这一”旨在也包括例如“一个或多个”这种表达形式,除非其上下文中明确地有相反指示。还应当理解,在本申请以下各实施例中,“至少一个”、“一个或多个”是指一个或两个以上(包含两个)。术语“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: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。
在本说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。术语“连接”包括直接连接和间接连接,除非另外说明。“第一”、“第二”仅用于描述目的,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。
在本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
电子设备实现某一功能需要一定的计算资源。计算资源一般指电子设备实现某一功能时计算机程序运行时所需的中央处理器(central processing unit,CPU)资源、图形处理器(graphics processing unit,GPU)资源、内存资源、硬盘资源和网络资源等。计算资源的配置参数与电子设备的硬件的状态相关,计算资源的配置参数影响电子设备实现该功能的性能参数。
电子设备的计算资源的状态参数可以反应电子设备的硬件的状态。比如,状态参数包括计算资源的工作温度、乘积-累加(multiply accumulate,MAC)利用率、工作频率、工作负载等等。计算资源的配置参数指的是计算资源可设定的一些工作参数,比如,配置参数可以为工作带宽、工作频率等。电子设备的性能参数可以反应电子设备实现某一功能时所表现出来的性能状况。性能参数包括某一功能对应的性能参数,比如,在视频拍摄场景下,性能参数包括视频拍摄帧率等;在游戏运行场景下,性能参数包括游戏画面延时等。性能参数还包括电子设备的性能参数,比如,CPU的工作电压等。
以计算资源为CPU资源、电子设备进行视频拍摄为例,示例性地说明状态参数、配置参数与性能参数之间的关系。其中,CPU资源的配置参数包括CPU的工作频率、工作带宽等参数。电子设备的性能参数包括视频拍摄帧率和CPU的工作电压,其中,视频拍摄帧率表示电子设备进行视频拍摄的效果,CPU的工作电压可以表示CPU或电子设备的功耗。电子设备可以获取当前的CPU资源的状态参数,根据当前的CPU资源的状态参数设定配置参数的值,比如,以第一工作频率、第一工作带宽进行视频拍摄,在电子设备基于第一工作频率、第一工作带宽进行视频拍摄时,电子设备的性能参数为第一视频拍摄帧率、第一工作电压。
基于电子设备的状态参数、计算资源的配置参数与电子设备的性能参数之间的关系,可以以性能参数满足性能阈值为目标,构建电子设备的状态参数、计算资源的配置参数与电子设备的性能参数之间的映射关系。电子设备基于该映射关系,可以获取在电子设备的状态参数为第一值、电子设备的性能参数达到性能阈值时,所对应的计算资源的配置参数的值。电子设备基于计算资源的配置参数的值运行某一功能时,便可使得电子设备性能参数满足性能阈值,实现电子设备运行某一功能时的性能优化配置。
以下给出几个电子设备基于计算资源的状态参数、计算资源的配置参数与电子设备的性能参数的映射关系实现场景性能满足性能阈值的示例,以下示例均以计算资源为CPU资源,CPU资源的配置参数包括CPU的工作频率和工作带宽为例来说明。
在电子设备进行视频拍摄的场景下,电子设备的性能参数包括视频拍摄帧率和CPU的工作电压。电子设备根据视频拍摄时的状态参数的当前值和映射关系,确定视频拍摄帧率达到帧率阈值、CPU的工作电压小于电压阈值时,配置参数的值对应第二工作频率和第二工作带宽。电子设备在状态参数处于当前值时,基于第二工作频率和第二工作带宽进行视频拍摄,可以实现视频拍摄帧率达到预设的帧率阈值、CPU的工作电压达到电压阈值的目的。实现了视频拍摄帧率满足性能要求的同时,保证了CPU的工作电压满足性能要求,完成在视频拍摄场景下的电子设备低功耗的性能配置。
在电子设备运行游戏的场景下,电子设备的性能参数包括游戏动画的播放帧率、游戏画面延时和CPU的工作电压。电子设备根据运行游戏时的状态参数的当前值和映射关系,确定游戏动画的播放帧率达到帧率阈值、游戏画面延时小于延时阈值、CPU的工作电压小于电压阈值时,配置参数的值对应第三工作频率和第三工作带宽。电子设备在状态参数处于当前值时,基于第三工作频率和第三工作带宽运行游戏,可以实现游戏过程中游戏动画的播放帧率达到帧率阈值、游戏画面延时小于延时阈值、CPU的工作电压小于电压阈值的目的。实现了游戏动画的播放帧率、游戏画面延时满足性能要求的同时,保证了CPU的工作电压满足性能要求,从而实现在运行游戏场景下的电子设备低功耗的性能配置。
在电子设备进行语音通话的场景下,电子设备的性能参数包括语音延时和CPU的工作电压。电子设备根据语音通话时的状态参数的当前值和映射关系,确定语音延时小于延时阈值、CPU的工作电压小于电压阈值时,配置参数的值对应第四工作频率和第四工作带宽。电子设备在状态参数处于当前值时,基于第四工作频率和第四工作带宽运行游戏,可以实现语音通话过程中语音延时小于延时阈值、CPU的工作电压小于电压阈值的目的。实现了语音延时满足性能要求的同时,保证了CPU的工作电压满足性能要求,从而实现在进行语音通话场景下的电子设备低功耗的性能配置。
现有技术中,往往是根据电子设备出厂前的硬件的状态,预先在电子设备中设定计算资源的状态参数、计算资源的配置参数与电子设备的性能参数之间的映射关系。也即,映射关系中的计算资源的状态参数表示的是电子设备出厂前的硬件的状态。
但是,在实际电子设备的使用过程中,电子设备的硬件会随着使用年限增加出现老化问题,老化后的硬件的状态与出厂前的硬件的状态产生差异。映射关系中的计算资源的状态参数无法表示老化后的硬件的状态,在该映射关系为固定映射关系的情况下,电子设备以该映射关系运行功能,其表现出的性能参数与该映射关系中的性能参数不一致,也即,电子设备表现出的性能参数无法满足性能阈值要求,比如,在电子设备进行视频拍摄时,可能出现视频拍摄帧率低于帧率阈值,或者,工作电压大于电压阈值的情况,导致电子设备的性能变差。比如,视频拍摄帧率低于帧率阈值可能导致电子设备拍摄视频出现卡顿的问题,影响用户体验;工作电压大于电压阈值,会导致电子设备的功耗增大。
本申请实施例提供一种计算资源的配置方法和电子设备,电子设备可以获取电子设备的性能参数的实测值,在确定性能参数的实测值未达到性能阈值时,确定电子设备的硬件的状态发生变化。电子设备可以根据性能参数的实测值、计算资源的配置参数的实测值,及时优化调整计算资源的配置参数与电子设备的性能参数之间的映射关系,使得计算资源的配置参数与电子设备的性能参数之间的映射关系符合变化后的电子设备的硬件的状态,电子设备基于调整后的映射关系进行功能实现,可以保证电子设备的性能参数一致维持在满足性能阈值要求的程度,避免了由于电子设备硬件的状态发生变化,导致电子设备的性能变差的问题。
本申请实施例中的电子设备100可以为安装视频应用、游戏应用、语音应用等功能性应用的电子设备。其中,功能性应用可以包括具有通信功能的应用、具有管理电子设备系统功能的应用、具有实现远程控制电子设备功能的应用等。示例性地,电子设备可以为便携式计算机(如手机)、平板电脑、笔记本电脑、个人计算机(personal computer,PC)、可穿戴电子设备(如智能手表)、增强现实(augmented reality,AR)\虚拟现实(virtual reality,VR)设备、车载电脑等,以下实施例对该电子设备的具体形式不做特殊限制。
请参考图1,其示出本申请实施例提供一种电子设备(如电子设备100)的结构框图。其中,电子设备100可以包括处理器310,外部存储器接口320,内部存储器321,通用串行总线(universal serial bus,USB)接口330,充电管理模块340,电源管理模块341,电池342,天线1,天线2,射频模块350,通信模块360,音频模块370,扬声器370A,受话器370B,麦克风370C,耳机接口370D,传感器模块380,按键390,马达391,指示器392,摄像头393和显示屏394。
本发明实施例示意的结构并不构成对电子设备100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,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器310可以包括一个或多个处理单元。例如,处理器310可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
上述控制器可以是指挥电子设备100的各个部件按照指令协调工作的决策者。是电子设备100的神经中枢和指挥中心。控制器根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器310中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器310中的存储器为高速缓冲存储器,可以保存处理器310刚用过或循环使用的指令或数据。如果处理器310需要再次使用该指令或数据,可从所述存储器中直接调用。避免了重复存取,减少了处理器310的等待时间,因而提高了系统的效率。
在一些实施例中,处理器310可以包括接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuit sound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,SIM接口,和/或USB接口等。
I2C接口是一种双向同步串行总线,包括一根串行数据线(serial data line,SDL)和一根串行时钟线(derail clock line,SCL)。在一些实施例中,处理器310可以包含多组I2C总线。处理器310可以通过不同的I2C总线接口分别耦合触摸传感器380K,充电器,闪光灯,摄像头393等。例如:处理器310可以通过I2C接口耦合触摸传感器380K,使处理器310与触摸传感器380K通过I2C总线接口通信,实现电子设备100的触摸功能。
I2S接口可以用于音频通信。在一些实施例中,处理器310可以包含多组I2S总线。处理器310可以通过I2S总线与音频模块370耦合,实现处理器310与音频模块370之间的通信。在一些实施例中,音频模块370可以通过I2S接口向通信模块360传递音频信号,实现通过蓝牙耳机接听电话的功能。
PCM接口也可以用于音频通信,将模拟信号抽样,量化和编码。在一些实施例中,音频模块370与通信模块360可以通过PCM总线接口耦合。在一些实施例中,音频模块370也可以通过PCM接口向通信模块360传递音频信号,实现通过蓝牙耳机接听电话的功能。所述I2S接口和所述PCM接口都可以用于音频通信,两种接口的采样速率不同。
UART接口是一种通用串行数据总线,用于异步通信。该总线为双向通信总线。它将要传输的数据在串行通信与并行通信之间转换。在一些实施例中,UART接口通常被用于连接处理器310与通信模块360。例如:处理器310通过UART接口与蓝牙模块通信,实现蓝牙功能。在一些实施例中,音频模块370可以通过UART接口向通信模块360传递音频信号,实现通过蓝牙耳机播放音乐的功能。
MIPI接口可以被用于连接处理器310与显示屏394,摄像头393等外围器件。MIPI接口包括摄像头串行接口(camera serial interface,CSI),显示屏串行接口(displayserial interface,DSI)等。在一些实施例中,处理器310和摄像头393通过CSI接口通信,实现电子设备100的拍摄功能。处理器310和显示屏394通过DSI接口通信,实现电子设备100的显示功能。
GPIO接口可以通过软件配置。GPIO接口可以配置为控制信号,也可配置为数据信号。在一些实施例中,GPIO接口可以用于连接处理器310与摄像头393,显示屏394,通信模块360,音频模块370,传感器模块380等。GPIO接口还可以被配置为I2C接口,I2S接口,UART接口,MIPI接口等。
USB接口330可以是Mini USB接口,Micro USB接口,USB Type C接口等。USB接口330可以用于连接充电器为电子设备100充电,也可以用于电子设备100与外围设备之间传输数据。也可以用于连接耳机,通过耳机播放音频。还可以用于连接其他电子设备,例如AR设备等。
本发明实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备100的结构限定。电子设备100可以采用本发明实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块340用于从充电器接收充电输入。其中,充电器可以是无线充电器,也可以是有线充电器。在一些有线充电的实施例中,充电管理模块340可以通过USB接口330接收有线充电器的充电输入。在一些无线充电的实施例中,充电管理模块340可以通过电子设备100的无线充电线圈接收无线充电输入。充电管理模块340为电池342充电的同时,还可以通过电源管理模块341为电子设备100供电。
电源管理模块341用于连接电池342,充电管理模块340与处理器310。电源管理模块341接收所述电池342和/或充电管理模块340的输入,为处理器310,内部存储器321,外部存储器接口320,显示屏394,摄像头393,和通信模块360等供电。电源管理模块341还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在一些实施例中,电源管理模块341也可以设置于处理器310中。在一些实施例中,电源管理模块341和充电管理模块340也可以设置于同一个器件中。
电子设备100的无线通信功能可以通过天线1,天线2,射频模块350,通信模块360,调制解调器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。电子设备100中的每个天线可用于覆盖单个或多个通信频带。不同的天线还可以复用,以提高天线的利用率。例如:可以将蜂窝网天线复用为无线局域网分集天线。在一些实施例中,天线可以和调谐开关结合使用。
射频模块350可以提供应用在电子设备100上的包括2G/3G/4G/5G等无线通信的解决方案的通信处理模块。射频模块350可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。射频模块350由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调器进行解调。射频模块350还可以对经调制解调器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,射频模块350的至少部分功能模块可以被设置于处理器310中。在一些实施例中,射频模块350的至少部分功能模块可以与处理器310的至少部分模块被设置在同一个器件中。
调制解调器可以包括调制器和解调器。调制器用于将待发送的低频基带信号调制成中高频信号。解调器用于将接收的电磁波信号解调为低频基带信号。随后解调器将解调得到的低频基带信号传送至基带处理器处理。低频基带信号经基带处理器处理后,被传递给应用处理器。应用处理器通过音频设备(不限于扬声器370A,受话器370B等)输出声音信号,或通过显示屏394显示图像或视频。在一些实施例中,调制解调器可以是独立的器件。在一些实施例中,调制解调器可以独立于处理器310,与射频模块350或其他功能模块设置在同一个器件中。
通信模块360可以提供应用在电子设备100上的包括无线局域网(wireless localarea networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(blue tooth,BT),全球导航卫星系统(global navigation satellite system,GNSS),调频(frequencymodulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案的通信处理模块。通信模块360可以是集成至少一个通信处理模块的一个或多个器件。通信模块360经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器310。通信模块360还可以从处理器310接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备100的天线1和射频模块350耦合,天线2和通信模块360耦合,使得电子设备100可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(code divisionmultiple access,CDMA),宽带码分多址(wideband code division multiple access,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位系统(satellite based augmentation systems,SBAS),全球导航卫星系统(global navigation satellite system,GLONASS),北斗卫星导航系统(BeiDounavigation satellite system,BDS),准天顶卫星系统(Quasi-Zenith satellitesystem,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
电子设备100通过GPU,显示屏394,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏394和应用处理器。GPU用于执行数学和几何计算,用于图形渲染。处理器310可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏394用于显示图像,视频等。例如,显示屏394可以显示来电提醒界面和语音通话界面。本申请实施例中,如果电子设备100接收到对端在第一应用中发起的应用内呼叫请求,电子设备100的显示屏394可以显示包括第一应用的业务信息的语音通话界面。显示屏394包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emitting diode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode,AMOLED),柔性发光二极管(flex light-emitting diode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot light emitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏394,N为大于1的正整数。
电子设备100可以通过ISP,摄像头393,视频编解码器,GPU,显示屏以及应用处理器等实现拍摄功能。
ISP用于处理摄像头393反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头393中。
摄像头393用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备100可以包括1个或N个摄像头393,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备100在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备100可以支持一种或多种视频编解码器。这样,电子设备100可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备100的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口320可以用于连接外部存储卡,例如Micro SD卡,实现扩展电子设备100的存储能力。外部存储卡通过外部存储器接口320与处理器310通信,实现数据存储功能。例如将音乐,视频等文件保存在外部存储卡中。
内部存储器321可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器310通过运行存储在内部存储器321的指令,从而执行电子设备100的各种功能应用以及数据处理。存储器121可以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。存储数据区可存储电子设备100使用过程中所创建的数据(比如音频数据,电话本等)等。此外,存储器121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,其他易失性固态存储器件,通用闪存存储器(universal flashstorage,UFS)等。
电子设备100可以通过音频模块370,扬声器370A,受话器370B,麦克风370C,耳机接口370D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
音频模块370用于将数字音频信息转换成模拟音频信号输出,也用于将模拟音频输入转换为数字音频信号。音频模块370还可以用于对音频信号编码和解码。在一些实施例中,音频模块370可以设置于处理器310中,或将音频模块370的部分功能模块设置于处理器310中。
扬声器370A,也称“喇叭”,用于将音频电信号转换为声音信号。电子设备100可以通过扬声器370A收听音乐,或收听免提通话。
受话器370B,也称“听筒”,用于将音频电信号转换成声音信号。当电子设备100接听电话或语音信息时,可以通过将受话器370B靠近人耳接听语音。
麦克风370C,也称“话筒”,“传声器”,用于将声音信号转换为音频电信号。当拨打电话或发送语音信息时,用户可以通过人嘴靠近麦克风370C发声,将声音信号输入到麦克风370C。电子设备100可以设置至少一个麦克风370C。在一些实施例中,电子设备100可以设置两个麦克风370C,除了采集声音信号,还可以实现降噪功能。在一些实施例中,电子设备100还可以设置三个,四个或更多麦克风370C,实现采集声音信号,降噪,还可以识别声音来源,实现定向录音功能等。
耳机接口370D用于连接有线耳机。耳机接口370D可以是USB接口330,也可以是3.5mm的开放移动终端平台(open mobile terminal platform,OMTP)标准接口,美国蜂窝电信工业协会(cellular telecommunications industry association of the USA,CTIA)标准接口。
按键390包括开机键,音量键等。按键390可以是机械按键。也可以是触摸式按键。电子设备100接收按键390输入,产生与电子设备100的用户设置以及功能控制有关的键信号输入。
马达391可以产生振动提示。马达391可以用于来电振动提示,也可以用于触摸振动反馈。例如,作用于不同应用(例如拍照,音频播放等)的触摸操作,可以对应不同的振动反馈效果。作用于显示屏394不同区域的触摸操作,也可对应不同的振动反馈效果。不同的应用场景(例如:时间提醒,接收信息,闹钟,游戏等)也可以对应不同的振动反馈效果。触摸振动反馈效果还可以支持自定义。
指示器392可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
电子设备100的软件系统可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本发明实施例以分层架构的Android系统为例,示例性说明电子设备100的软件结构。
图2是本发明实施例的电子设备100的软件结构框图。分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和系统库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图2所示,应用程序包可以包括相机,图库,日历,电话(即本申请实施例中的“电话”应用),地图,导航,WLAN,蓝牙,音乐,视频,短信息等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图2所示,应用程序框架层可以包括配置模块,窗口管理器,内容提供器,视图系统,电话管理器,资源管理器和通知管理器。
配置模块在检测到应用程序运行某一功能时,获取与该功能对应的计算资源的状态参数、计算资源的配置参数与电子设备的性能参数之间的映射关系,根据映射关系中的配置参数的值,运行应用程序的某一功能,实现运行该功能时的性能参数满足性能阈值要求的目的。比如,配置模块检测到视频应用启动,进行视频拍摄时,获取视频拍摄对应的计算资源的状态参数、计算资源的配置参数与电子设备的性能参数之间的映射关系,根据该映射关系中的配置参数的值,比如,配置参数的第一工作频率和第一工作带宽进行视频拍摄,实现视频拍摄过程中的视频拍摄帧率达到帧率阈值、CPU的工作电压小于电压阈值的性能要求,实现视频拍摄效果流畅,且,电子设备处于低功耗工作状态的效果。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。视图系统包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。
电话管理器用于提供电子设备100的通信功能。例如,通话状态的管理(包括接通,挂断等)。资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话窗口形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(media libraries),三维图形处理库(例如:openGL ES),二维图形引擎(例如:SGL)等。
表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了二维和三维图层的融合。媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。二维图形引擎是三维绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
以电子设备100执行本公开实施例为例,以计算资源为CPU资源为例来说明,本公开实施例提供了一种计算资源的配置方法,参见图3,本公开实施例提供的方法流程包括:
S101、电子设备获取计算资源处于第一状态下,调用CPU资源运行第一功能对应的CPU资源的状态参数和配置参数以及电子设备的性能参数。
可以理解的,在计算资源使用一段时间后,计算资源的硬件状态会随之发生变化。比如,计算资源会出现硬件老化、硬件异常等现象。
第一状态可以为某一时刻或某一时间段内,该计算资源的硬件状态。比如,第一状态可以为计算资源出厂前的硬件状态。
CPU资源的状态参数可以反应电子设备的硬件的状态。比如,状态参数包括CPU的工作温度、CPU的MAC利用率、CPU的工作频率、CPU的工作负载等等。CPU资源的配置参数指的是CPU资源可设定的一些工作参数,比如,配置参数可以为CPU的工作带宽、CPU的工作频率等。电子设备的性能参数可以反应电子设备运行第一功能时所表现出来的性能状况。性能参数包括第一功能对应的第一性能参数,比如,第一功能为运行相机应用进行视频拍摄,在电子设备运行相机应用进行视频拍摄时,性能参数包括视频拍摄帧率等;比如,第一功能为运行游戏,在电子设备运行游戏时,性能参数包括游戏动画的播放帧率、游戏画面延时等。性能参数还包括电子设备的第二性能参数,比如,CPU的工作电压等。
第一功能可以为电子设备的可通过任意功能性应用实现的功能,比如,第一功能可以为运行相机应用进行视频拍摄;第一功能还可以为启动游戏应用运行游戏;第一功能还可以为启动通信应用进行语音通话等等。电子设备调用CPU资源实现不同的第一功能时,不同第一功能对应的电子设备的状态参数、CPU资源的配置参数以及电子设备的性能参数不同。比如,在电子设备运行相机应用进行视频拍摄时,状态参数包括CPU的MAC利用率、视频拍摄的平均时延、CPU的工作温度、CPU的工作负载等;配置参数包括CPU的工作频率和工作带宽等;性能参数包括视频拍摄帧率、CPU的工作电压等。比如,电子设备在运行相机应用进行图片拍摄时,状态参数包括MAC利用率、照片拍摄的平均时延、CPU的工作温度、CPU的工作负载等;配置参数包括CPU的工作频率和工作带宽等;性能参数包括拍摄预览画面的画面延时、CPU的工作电压等。比如,电子设备在运行游戏时,状态参数包括MAC利用率、游戏动画帧切换的平均时延、CPU的工作温度、CPU的工作负载等;配置参数包括CPU的工作频率和工作带宽等;性能参数包括游戏画面延时、游戏动画帧的切换帧率、CPU的工作电压等。比如,电子设备在进行语音通话时,状态参数包括MAC利用率、语音通话的平均时延、CPU的工作温度、CPU的工作负载;配置参数包括CPU的工作频率和工作带宽等;性能参数包括语音延时、CPU的工作电压等。
S102、电子设备根据第一功能对应的CPU资源的状态参数、CPU资源的配置参数以及电子设备的性能参数,构建第一功能对应的计算资源映射关系。
计算资源映射关系指的是以性能参数满足性能阈值要求为目标,构建的CPU资源的状态参数、计算资源的配置参数与电子设备的性能参数之间的映射关系。电子设备基于该映射关系,可以获取在CPU资源的状态参数为第一值、电子设备的性能参数达到性能阈值时,所对应的计算资源的配置参数的值。电子设备基于计算资源的配置参数的值运行第一功能时,便可使得电子设备性能参数满足性能阈值,实现电子设备运行第一功能时的性能优化配置。
运行第一功能时的CPU资源的配置参数会在一段时间内以特定的规律影响电子设备的性能参数,电子设备的状态参数、计算资源的配置参数与电子设备的性能参数之间的映射关系,是一个连续的多步决策的过程。可选地,本实施例中可采用马尔科夫决策过程(Markov decision process,MDP)或部分可观测马尔科夫决策过程(partiallyobservable Markov decision process)来构建电子设备的状态参数、计算资源的配置参数与电子设备的性能参数之间的计算资源映射关系。
S103、电子设备根据第一功能的计算资源映射关系构建预测模型。
可选地,电子设备可以基于计算资源映射关系构建网络模型,可选地,网络模型可采用多层感知(multi-layer perceptron,MLP)网络。该网络模型的输入为电子设备的状态参数与CPU资源的配置参数,输出为电子设备的性能参数。可选地,网络模型可以为包括用于表示电子设备的状态参数、计算资源的配置参数与电子设备的性能参数之间映射关系的多层子网络的预测模型。参考图4所示,图4给出了一种包括第一子网络、第二子网络以及第三子网络的预测模型的示意图。
具体地,计算资源的配置参数与状态参数相关,比如,第t个状态参数st可以反映第t个CPU资源的配置参数at的设定情况。基于这种关系,可构建预测模型中的第t个状态参数st与第t个配置参数at之间第一映射关系的第一子网络。其中,第一子网络包括第一映射关系对应的第一映射参数θπ。第一映射关系可以表示为π(st,θπ)=at。
在电子设备设定第t个计算资源的配置参数为第一值时,可获取在设定第t个计算资源的配置参数为第一值之后,电子设备运行第一应用时的第t+1个状态参数。基于这种反馈关系,可构建预测模型中的第t个状态参数st、第t+1个状态参数st+1与第t个配置参数at之间第二映射关系的第二子网络。其中,第二子网络包括第二映射关系对应的第二映射参数θP。第二子网络可以表示为P(st,at,θP)=st+1。
电子设备可获取电子设备处于第t个状态参数st、第t个计算资源的配置参数为第一值时,对应的第t个性能参数rt。基于这种关系,可构建预测模型中的第t个状态参数st、第t个配置参数at与第t个性能参数rt之间第三映射关系的第三子网络。其中,第三子网络包括第三映射关系对应的第三映射参数θR。第三子网络可以表示为R(st,at,θR)=rt。
在基于预测模型进行性能参数预测时,电子设备将实际状态参数输入至第一子网络中,计算得到与实际状态参数对应的预测配置参数,将计算得到的预测配置参数、实际状态参数输入至第三子网络中,获取满足性能阈值要求的预测性能参数。
在一些实施例中,电子设备可以通过获取计算资源处于第一状态下,运行第一功能得到的测试数据集来对预测模型进行训练。测试数据集可以包括电子设备在一段时间统计到的计算资源处于第一状态下的状态参数第一实测值、配置参数第一实测值以及性能参数第一实测值。电子设备根据测试数据集采用强化学习方法训练第一功能对应的预测模型,得到训练后的第一功能对应的预测模型。
可选地,在对预测模型进行训练时,电子设备可以将计算得到的第t个预测配置参数输入至第二子网络中,输出第t+1个预测状态参数;再将第t+1个预测状态参数输入至第一子网络,获取第t+1个预测配置参数;将第t+1个预测状态参数、第t+1个预测配置参数输入至第三子网络中,获取第t+1个预测性能参数。将第t+1个预测性能参数与第t+1个训练性能参数进行比较,计算二者之间的残差,以残差趋于0为迭代目标,迭代训练预测模型。得到训练后的预测模型所表征的计算资源映射关系满足,在第t个训练状态参数下,设定第t个预测配置参数实现第一功能,电子设备的第t个预测性能参数与第t个训练性能参数一致,满足性能参数的阈值要求。
可选地,电子设备在得到第一功能对应的预测模型之后,可以将该预测模型存储至指定的存储空间,在电子设备检测到实现第一功能时,电子设备可以根据该预测模型表征的计算资源映射关系运行第一功能。比如,在电子设备进行视频拍摄的场景下,电子设备获取视频拍摄对应的预测模型,基于预测模型所表征的计算资源映射关系,设定当前CPU资源的配置参数,电子设备处于计算资源映射关系中与当前CPU资源的配置参数所对应的状态参数,此时,进行视频拍摄的视频拍摄帧率性能参数与计算资源映射关系中性能参数一致,实现视频拍摄的性能满足性能阈值要求的效果。
可选地,构建第一功能对应的预测模型以及训练预测模型的操作可在其他设备上完成。示例性地,电子设备可以将第一功能对应的初始预测模型、统计得到的运行第一功能时的状态参数的值、配置参数的值与性能参数的值组成的数据集发送至其他设备,其他设备根据数据集对初始预测模型进行迭代训练,得到训练后的第一功能对应的预测模型。电子设备接收到其他设备发送的预测模型,将该预测模型存储至指定的存储空间。在电子设备运行第一功能时,基于该预测模型所表征的计算资源映射关系实现第一功能,使得电子设备实现第一功能时,所表现的性能参数可以满足性能阈值要求。可选地,其他设备可以为云端服务器、服务器或其他终端设备。
在一些实施例中,预测模型在训练过程中采用自学习的算法进行训练调整,当用来拟合函数关系的数据集(运行第一功能时的状态参数)发生变化的时候,对于已经收敛的预测模型,仅使用较少的异常数据集就可以完成对预测模型的调整,使得预测模型在训练过程中达到良好的训练效果。
本实施例构建的预测模型为电子设备的CPU资源处于第一状态下对应的预测模型,该预测模型可以作为第一预测模型。在实际使用电子设备的过程中,硬件的状态会发生变化,可认为随着硬件的状态发生变化,CPU资源的状态会由第一状态变化为处于第二状态,此时,电子设备需要对第一预测模型进行调整更新。第二状态可以认为是CPU资源发生硬件老化、硬件异常等与出厂时状态不同的状态。
S104、电子设备获取CPU资源在第二状态下,调用CPU资源运行第一功能的性能参数的第二实测值,并根据第一预测模型获取运行第一功能的性能参数的第一预测值。
电子设备可以通过预设的接口获取CPU资源在第二状态下,调用CPU资源运行第一功能的性能参数的第二实测值。比如,从预设接口1获取CPU的工作电压的第二实测值;从预设的接口2获取视频拍摄帧率的第二实测值等。
电子设备还可以获取CPU资源在第二状态下,调用CPU资源运行第一功能时,CPU资源的状态参数的实测值和配置参数的实测值。将状态参数的实测值和配置参数的实测值输入至第一预测模型中,输出对应的性能参数的第一预测值。
S105、如果电子设备确定性能参数的第二实测值与性能参数的第一预测值之间的差异值大于或等于预设阈值,获取运行第一功能的异常信息。
电子设备根据获取到的性能参数的第二实测值以及计算得到的性能参数的第一预测值计算二者之间的差异值。该差异值表示的是计算资源处于第二状态时,第一预测模型预测的性能与电子设备实际表现出的性能之间的差异程度。若差异值过大,差异值大于或等于预设阈值,可以认为CPU资源处于第二状态时,第一预测模型所表征的计算资源映射关系无法使得电子设备的性能参数达到性能参数阈值。比如,CPU资源处于第二状态时,电子设备根据第一预测模型表示的计算资源映射关系调用CPU资源运行第一功能时,所表现出的性能参数的第二实测值远远达不到性能参数的第一预测值,或者,所表现出的性能参数的第二实测值远远大于性能参数的第一预测值。无论是性能参数的实测值远远达不到性能参数的预测值,或是性能参数的实测值远远大于性能参数的预测值,均意味着电子设备基于第一预测模型表征的计算资源映射关系运行第一应用功能,性能参数无法满足性能阈值要求。在这种情况下,电子设备可以获取当前运行第一功能的异常信息。其中,异常信息包括第一功能标识、当前系统时间以及异常数据。异常数据包括运行第一功能时的电子设备的状态参数的实测值、CPU的配置参数的实测值以及电子设备的性能参数的实测值。
可选地,电子设备还可以预先初始化一个异常队列,在确定运行第一功能时,电子设备所表现出的性能参数的实测值与性能参数的预测值之间的差异值大于或等于预设阈值时,将该异常信息添加至异常队列中。
在另一种情况下,电子设备如果确定性能参数的第二实测值与性能参数的第一预测值之间的差异值小于预设阈值,可以认为,CPU资源虽然由第一状态变化为第二状态,但是第一预测模型仍然适用于当前电子设备运行第一功能的场景,也即,电子设备在基于第一预测模型表征的计算资源映射关系,在CPU资源处于第二状态时运行第一功能,所表现出的性能参数可以满足性能参数阈值要求。比如,在电子设备进行视频拍摄的场景下,电子设备获取到的视频拍摄帧率的第二实测值与视频拍摄帧率的第一预测值之间的差异值小于预设第一阈值,且,电子设备获取到的CPU的工作电压的第二实测值与CPU的工作电压的第一预测值之间的差异值小于预设第二阈值,电子设备确定基于第一预测模型所表征计算资源映射关系进行视频拍摄时,视频拍摄帧率与CPU的工作电压之间可以满足性能阈值要求。
在这种情况下,不需要对第一预测模型进行参数的调整,电子设备仍然根据第一预测模型表征的计算资源映射关系中的各参数的配置值运行第一功能。
S106、电子设备确定异常信息的数量满足统计量,根据异常信息中的异常数据调整第一预测模型的参数,获取第二预测模型。
本实施例中,电子设备确定异常信息的数量满足统计量指的是,电子设备确定性能参数的第二实测值与性能参数的第一预测值之间的差异值大于或等于预设阈值的次数,达到预设的次数阈值,所对应的记录的异常信息的数量达到统计量。
电子设备根据异常信息中的异常数据调整第一功能对应的预测模型。其中,异常数据包括运行第一功能时的状态参数的实测值、动作参数的实测值、性能参数的实测值。在异常信息的数量满足统计量,电子设备可以根据异常数据对预测模型所表征的计算资源映射关系进行调整。或者,可选地,电子设备确定异常队列的长度超过长度阈值时,根据异常数据对第一预测模型的参数进行调整。
其中,电子设备调整根据异常信息中的异常数据调整第一预测模型的参数,获取第二预测模型包括:
S1061、电子设备获取CPU资源处于第二状态时,运行第一功能的性能参数的第三实测值。
示例性地,电子设备将异常数据中的状态参数的实测值输入至第一预测模型的第一子网络中,获取与状态参数对应的配置参数的第二预测值。电子设备将配置参数设定为第二预测值,获取电子设备在配置参数为第二预测值时的性能参数的第三实测值。比如,电子设备在进行视频拍摄时,电子设备将MAC利用率、视频拍摄的平均时延、CPU的工作温度、CPU的工作频率、CPU的工作负载的实测值输入第一预测模型的第一子网络中,获取CPU的工作频率的预测值和工作带宽的第二预测值。将CPU的工作频率设定为第二预测值,工作带宽设定为第二预测值,获取电子设备以工作频率为第一预测值、工作带宽为第二预测值进行视频拍摄时,所表现出的视频拍摄帧率的第三实测值和CPU的工作电压的第三实测值。
参考图5所示,图5给出了一种基于预测模型得到性能参数的实测值与性能参数的预测值的示意图。在电子设备运行第一功能时,获取第t个状态参数st,将第t个状态参数st和第一映射参数θπ输入至第一子网络中,得到第t个配置参数at的预测值。电子设备将配置参数设定为预测值at,获取在配置参数为预测值at下的性能参数的第三实测值real_r。
S1062、电子设备获取CPU资源处于第二状态时,运行第一功能的性能参数的第二预测值。
示例性地,电子设备将异常数据中的状态参数的实测值输入至第一预测模型的第一子网络中,获取与状态参数对应的配置参数的第二预测值。将状态参数实测值、配置参数的第二预测值输入至第一预测模型的第三子网络中,获取与状态参数实测值、配置参数的第一预测值对应的性能参数的第二预测值。
参考图5,电子设备第t个获取状态参数st,根据第t个状态参数st和第一参数θπ计算得到第t个配置参数at的预测值,电子设备根据第t个状态参数st、第t个配置参数at的预测值和第三映射参数θR,计算得到性能参数的第二预测值pred_r。
S1063、电子设备根据性能参数的第二预测值与性能参数的第三实测值之间的差值,迭代调整第一预测模型的第一映射参数、第二映射参数和第三映射参数,直至差值小于第一阈值,得到第二预测模型。
电子设备获取性能参数的第三实测值与性能参数的第二预测值之间的差异值Δr,Δr=pred_r-real-r。
本实施例中,性能参数的第三实测值与性能参数的第二预测值之间的差异值Δr可以表示电子设备的CPU处于第二状态时运行第一功能时,第一预测模型的预测性能参数与实际性能参数之间的差异。若差异很大,则说明第一预测模型不适用于CPU资源处于第二状态时的电子设备,也即,CPU资源处于第二状态时,电子设备基于第一预测模型所表征的计算资源映射关系中各参数的配置值,运行第一功能,无法实现性能参数达到性能参数阈值要求。在这种情况下,需要对第一预测模型的参数进行迭代调整,来获取适用于CPU资源处于第二状态的第二预测模型。
电子设备根据差异值Δr,调整第一预测模型中的第一映射参数θπ、第映射参数θP以及第三映射参数θR,使得性能参数的第二预测值与性能参数的第三实测值的差异值Δr无限接近于0,经过多次迭代,得到第二预测模型。第二预测模型所表征的计算资源映射关系在CPU资源处于第二状态时运行第一功能,电子设备所表现的性能参数可以满足性能参数阈值的要求。比如,CPU的工作电压小于电压阈值;视频拍摄帧率达到帧率阈值等等。
可选地,电子设备还可以进一步验证第二预测模型的可靠性。
S107、电子设备获取第二预测模型与第一预测模型之间的差异度。
在一些实施例中,电子设备可以根据第二预测模型与第一预测模型获取两个模型之间的差异度。其中,差异度用于表示第二预测模型与第一预测模型之间的变化的程度。
可选地,第一预测模型中包括第一子网络、第二子网络以及第三子网络,第一子网络对应第一映射参数θπ_be,第二子网络对应第二映射参数θP_be,第三子网络对应第三映射参数θR_be。第二预测模型中包括第一子网络、第二子网络以及第三子网络,第一子网络对应第一映射参数θπ_aft,第二子网络对应第二映射参数θP_aft,第三子网络对应第三映射参数θR_aft。
电子设备可以通过多元距离计算方法来计算第二预测模型与第一预测模型之间的距离。示例性地,多元距离计算方法包括康托罗维奇(Kantorovich)距离计算方法、豪斯多夫(Hausdorff)距离计算方法等。康托罗维奇(Kantorovich)距离计算方法、豪斯多夫(Hausdorff)距离计算方法都是对函数在空间的距离进行度量。电子设备可以基于康托罗维奇(Kantorovich)距离计算方法以及豪斯多夫(Hausdorff)距离计算方法计算第二预测模型与第一预测模型之间的距离,根据该距离度量第二预测模型与第一预测模型之间的差异度。
在本实施例中,第一预测模型所表征的计算资源映射关系为CPU资源处于第一状态时,状态参数、配置参数与性能参数之间的映射关系;第二预测模型所表征的计算资源映射关系为CPU资源处于第二状态时,状态参数、配置参数与性能参数之间的映射关系。如果第二预测模型与第一预测模型的差异度较大,则认为第一预测模型不适用于计算资源处于第二状态下的电子设备,电子设备基于上述方法对第一预测模型的第一映射参数θπ_be,第二映射参数θP_be以及第三映射参数θR_be进行调整,得到第二预测模型。可选地,如果两个预测模型的差异度较小,则认为第一预测模型仍适用于计算资源处于第二状态下的电子设备,不需要对第一预测模型的映射参数进行调整。
为了进一步验证第二预测模型的可靠性,电子设备在还可以对第二预测模型进行测试。
S108、电子设备确定差异度大于或等于预设差异度阈值,电子设备对第二预测模型进行测试,确定第二预测模型的性能优化程度高于第一预测模型的性能优化程度。
在一些实施例中,电子设备确定差异度大于预设差异度阈值,电子设备可以对第二预测模型进行灰度测试,以确定第二预测模型的可靠性。比如,以10%的概率触发电子设备基于第二预测模型所表征的计算资源映射关系,调用CPU资源运行第一功能。具体地,在10次运行第一功能的场景中,电子设备将计算资源处于第二状态时,状态参数的第二实测值输入第一预测模型,获取计算资源的配置参数的第三预测值,按照计算资源的配置参数为第三预测值,调用计算资源运行9次第一功能,获取性能参数的第一测试值。电子设备将状态参数的第二实测值输入第二预测模型获取计算资源的配置参数为第四预测值,按照计算资源的配置参数为第四预测值,调用计算资源运行1次第一功能,获取性能参数的第二测试值。
根据性能参数的第一测试值和第二测试值,确定第二测试值优于第一测试值时,确定第二预测模型的性能优化程度高于第一预测模型的性能优化程度。
以性能参数包括视频拍摄帧率和CPU的工作电压为例说明,若电子设备确定第一测试值中的视频拍摄帧率的与第二测试值中的视频拍摄帧率的之间的差值小于第二阈值,且,第二测试值中的CPU的工作电压小于第一测试值中的CPU的工作电压,也即,相比基于第一预测模型表征的计算资源映射关系运行第一功能,电子设备基于第二预测模型表征的计算资源映射关系运行第一功能时,所表现出的性能为视频拍摄帧率差异不大,但是CPU的工作电压会更小,电子设备的功耗更低。在这种情况下,电子设备确定在CPU资源处于第二状态时,第二测试值优于第一测试值,第二预测模型的性能优化程度高于第一预测模型的性能优化程度。
S109、电子设备根据第二预测模型,获得CPU资源在第二状态下的第一预测值,并以CPU资源的第一预测值调用CPU资源运行第一功能。
电子设备确定CPU资源处于第二状态时,第二预测模型的性能优化程度高于第一预测模型的性能优化程度。在这种情况下,电子设备根据第二预测模型,获取第二预测模型所表征的计算资源映射关系中配置参数的第一预测值。电子设备将CPU资源处于第二状态时运行第一功能时的CPU资源的配置参数设定为该第一预测值,以第一预测置值来调用CPU资源运行第一功能,电子设备所表现出的性能参数可以实现满足性能参数阈值的效果。
可选地,如果电子设备确定第一测试值中的视频拍摄帧率的与第二测试值中的视频拍摄帧率的之间的差值大于或等于第二阈值,或者,第二测试值中的CPU的工作电压大于或等于第一测试值中的CPU的工作电压。电子设备确定相比第一预测模型表征的计算资源映射关系运行第一功能,电子设备基于第二预测模型表征的计算资源映射关系运行第一功能时,所表现出的性能效果为视频拍摄帧率差异大,或者,CPU的工作电压更大,电子设备的功耗更高。在这种情况下,电子设备确定第一预测模型的性能优化程度高于第二预测模型。
在这种情况下,电子设备可以将第二预测模型删除,根据第一预测模型,获取CPU资源对应的配置参数的第五预测值,将配置参数设定为第五预测值,调用CPU资源运行第一功能。可选地,电子设备还可以将异常信息删除,以及时释放存储异常信息的空间。
在另一种情况下,如果电子设备确定第一预测模型与第二预测模型之间的差异度小于或等于预设差异度阈值,电子设备可以不对第二预测模型进行测试,直接将第二预测模型更新替换第一预测模型。此外,电子设备根据第二预测模型,获取CPU资源对应的配置参数的第一预测值,将配置参数设定为第一预测值,调用CPU资源运行第一功能。
在一些实施例中,电子设备中存储着计算资源处于第一状态时对应第一预测模型。第一预测模型用于表征计算资源在第一状态下,电子设备运行第一功能时,计算资源的状态参数和配置参数与电子设备的性能参数之间的映射关系。在计算资源处于第二状态时,电子设备可以获取计算资源处于第二状态时运行第一功能时,计算资源的状态参数的实测值、配置参数的实测值以及性能参数的实测值。并基于状态参数的实测值和第一预测模型,获取在第二状态下性能参数的预测值。在确定性能参数的实测值与预测值之间的差异值大于预设阈值时,确定电子设备中第一预测模型所表征的计算资源映射关系,无法使得计算资源处于第二状态下电子设备运行第一功能时性能参数达到性能参数阈值要求。在这种情况下,电子设备可以根据计算资源处于第二状态下的状态参数的实测值、性能参数的实测值对第一预测模型的参数进行调整,来获取适用于计算资源处于第二状态下的第二预测模型。根据第二预测模型获取计算资源处于第二状态下的配置参数的第一预测值,以该第一预测值调用计算资源来运行第一功能,可以保证在计算资源的状态由第一状态变为第二状态时,电子设备基于第二预测模型中的配置值调用计算资源运行第一功能,所表现出的性能参数仍可以满足性能阈值要求,避免了由于电子设备的计算资源的状态变化,第一预测模型中的配置参数的配置值无法使得电子设备的性能满足性能阈值要求,导致电子设备的性能呈现出变差的问题。
在一些实施例中,电子设备通过上述实施例S101-S108所提供的电子设备的性能优化方法,可以周期性地对电子设备运行第一功能的实际状态进行监听,动态地调整第一功能对应的预测模型,使得调整后的预测模型所表征的计算资源映射关系更符合电子设备当前的硬件的状态,调整后的预测模型表征的计算资源映射关系具有更优化的状态参数、配置参数与性能参数之间的映射关系,电子设备在运行第一功能时基于配置参数的设定,可以实现性能参数满足性能参数阈值的目的,优化电子设备运行第一功能的性能。本实施例所提供的方法中的预测模型与第一功能具有对应关系,本实施例所提供的方法适用于电子设备实现任意一个功能的场景。
本申请实施例还提供一种芯片系统(例如,片上系统(system on a chip,SoC)),如图6所示,该芯片系统包括至少一个处理器701和至少一个接口电路702。处理器701和接口电路702可通过线路互联。例如,接口电路702可用于从其它装置(例如电子设备的存储器)接收信号。又例如,接口电路702可用于向其它装置(例如处理器701或者电子设备的摄像头)发送信号。示例性的,接口电路702可读取存储器中存储的指令,并将该指令发送给处理器701。当所述指令被处理器701执行时,可使得电子设备执行上述实施例中的各个步骤。当然,该芯片系统还可以包含其他分立器件,本申请实施例对此不作具体限定。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质包括计算机指令,当所述计算机指令在上述电子设备上运行时,使得该电子设备执行上述方法实施例中电子设备100执行的各个功能或者步骤。
本申请实施例还提供一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行上述方法实施例中电子设备100执行的各个功能或者步骤。例如,该计算机可以是上述电子设备100。
通过以上实施方式的描述,所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
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,所述模块或单元的划分,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装置,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。
所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一个物理单元或多个物理单元,即可以位于一个地方,或者也可以分布到多个不同地方。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。
所述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,可以存储在一个可读取存储介质中。基于这样的理解,本申请实施例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,该软件产品存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述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,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上内容,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何在本申请揭露的技术范围内的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种计算资源的配置方法,其特征在于,应用于电子设备,所述电子设备包括支持第一功能运行的计算资源,所述方法包括:
所述电子设备统计所述计算资源在第一状态下,所述电子设备运行所述第一功能时,所述计算资源的状态参数第一实测值和配置参数第一实测值,以及所述电子设备的性能参数第一实测值;所述状态参数包括工作温度、工作负载、乘积-累加利用率中至少一项;所述配置参数包括工作频率、工作带宽中至少一项;所述性能参数包括第一性能参数和第二性能参数,所述第一性能参数用于表征所述第一功能运行性能,所述第二性能参数用于表征所述计算资源的工作性能;
所述电子设备根据所述状态参数第一实测值、所述配置参数第一实测值以及所述性能参数第一实测值,训练第一预测模型;所述第一预测模型用于表征所述计算资源在所述第一状态下,所述电子设备运行所述第一功能时,所述计算资源的状态参数和配置参数与所述电子设备的性能参数之间的映射关系;
所述电子设备获取所述计算资源在第二状态下,所述电子设备运行所述第一功能时,所述计算资源的状态参数第二实测值和配置参数第二实测值;
所述电子设备将所述计算资源的状态参数第二实测值和配置参数第二实测值输入所述第一预测模型,获取所述电子设备的性能参数第一预测值;
所述电子设备获取所述计算资源在所述第二状态下,所述电子设备运行所述第一功能时,所述电子设备的性能参数第二实测值;
所述电子设备统计所述性能参数第二实测值与所述性能参数第一预测值的差异值;
所述电子设备获取所述差异值大于预设阈值的次数;
如果所述次数大于预设的次数阈值,所述电子设备根据所述状态参数第二实测值调整所述第一预测模型的参数,获取第二预测模型;所述第二预测模型用于表征所述计算资源在所述第二状态下,所述电子设备运行所述第一功能时,所述计算资源的状态参数和配置参数与所述电子设备的性能参数之间的映射关系;
所述电子设备将所述计算资源处于第二状态时获取到的状态参数的第二实测值,输入所述第二预测模型,获取所述配置参数的第一预测值;
所述电子设备按照所述配置参数的第一预测值调用所述计算资源运行所述第一功能。
2.根据权利要求1所述的方法,其特征在于,所述电子设备根据所述状态参数第二实测值调整所述第一预测模型的参数,获取第二预测模型,包括:
所述电子设备根据所述状态参数第二实测值和所述第一预测模型获取所述配置参数的第二预测值;
所述电子设备按照所述配置参数的第二预测值调用所述计算资源运行所述第一功能,获取所述性能参数的第三实测值;
所述电子设备根据所述状态参数第二实测值和所述配置参数的第二预测值以及所述第一预测模型,获取所述性能参数的第二预测值;
所述电子设备根据所述性能参数的第二预测值与所述性能参数的第三实测值之间的差值,迭代调整所述第一预测模型的参数,直至所述差值小于第一阈值,获取所述第二预测模型。
3.根据权利要求2所述的方法,其特征在于,在获取所述第二预测模型之后,所述方法还包括:
所述电子设备获取所述第一预测模型与所述第二预测模型之间的差异度;所述差异度用于表示所述第一预测模型的参数值与所述第二预测模型的参数值之间的差异;
所述电子设备将所述计算资源处于第二状态时获取到的状态参数的第二实测值,输入所述第二预测模型,获取所述配置参数的第一预测值,包括:
如果所述电子设备确定所述差异度小于或等于差异度阈值,所述电子设备将所述计算资源处于第二状态时获取到的状态参数的第二实测值,输入所述第二预测模型,获取所述配置参数的第一预测值。
4.根据权利要求3所述的方法,其特征在于,所述第一预测模型与所述第二预测模型之间的差异度,包括:
通过预设的多元距离计算方法,计算出的所述第一预测模型与所述第二预测模型之间的空间距离。
5.根据权利要求3所述的方法,其特征在于,所述方法还包括:
如果所述电子设备确定所述差异度大于所述差异度阈值,所述电子设备将所述状态参数的第二实测值输入所述第一预测模型,获取配置参数的第三预测值;
按照所述配置参数的第三预测值调用所述计算资源运行所述第一功能,获取性能参数的第一测试值;
所述电子设备将所述状态参数的第二实测值输入所述第二预测模型,获取配置参数的第四预测值;
按照所述配置参数的第四预测值调用所述计算资源运行所述第一功能,获取性能参数的第二测试值;
所述电子设备将所述计算资源处于第二状态时获取到的状态参数的第二实测值,输入所述第二预测模型,获取所述配置参数的第一预测值,包括:
如果所述电子设备确定所述第二测试值优于所述第一测试值,所述电子设备将所述计算资源处于第二状态时获取到的状态参数的第二实测值,输入所述第二预测模型,获取所述配置参数的第一预测值。
6.根据权利要求5所述的方法,其特征在于,所述第一性能参数包括视频播放帧率,所述第二性能参数包括计算资源的工作电压;所述电子设备确定所述第二测试值优于第一测试值,包括:
所述视频播放帧率的第二测试值与所述视频播放帧率的第一测试值之间的差值小于预设第二阈值,且,所述工作电压的第二测试值小于所述工作电压的第一测试值。
7.根据权利要求5所述的方法,其特征在于,所述方法还包括:
如果所述电子设备确定所述第一测试值优于所述第二测试值,所述电子设备将所述计算资源处于第二状态时获取到的状态参数的第二实测值输入所述第一预测模型,获取所述配置参数的第五预测值;
所述电子设备按照所述配置参数的第五预测值,调用所述计算资源运行所述第一功能。
8.根据权利要求1-7中任一项所述的方法,其特征在于,所述计算资源包括:中央处理器CPU资源、图形处理器GPU资源、内存资源、硬盘资源和网络资源中至少一项。
9.一种电子设备,其特征在于,所述电子设备包括存储器和一个或多个处理器;所述存储器与所述处理器耦合;所述存储器中存储有计算机程序代码,所述计算机程序代码包括计算机指令,当所述计算机指令被所述处理器执行时,使得所述电子设备执行如权利要求1-8中任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310092580.0A CN117130765B (zh) | 2023-01-16 | 计算资源的配置方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310092580.0A CN117130765B (zh) | 2023-01-16 | 计算资源的配置方法和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117130765A true CN117130765A (zh) | 2023-11-28 |
CN117130765B CN117130765B (zh) | 2024-05-07 |
Family
ID=
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160328644A1 (en) * | 2015-05-08 | 2016-11-10 | Qualcomm Incorporated | Adaptive selection of artificial neural networks |
CN108595230A (zh) * | 2018-05-15 | 2018-09-28 | Oppo广东移动通信有限公司 | 应用程序预加载方法、装置、存储介质及终端 |
US20200034197A1 (en) * | 2016-10-19 | 2020-01-30 | Nutanix, Inc. | Adapting a pre-trained distributed resource predictive model to a target distributed computing environment |
US20200242000A1 (en) * | 2019-01-29 | 2020-07-30 | EMC IP Holding Company LLC | Run-time determination of application performance with low overhead impact on system performance |
CN112732434A (zh) * | 2019-10-28 | 2021-04-30 | 华为终端有限公司 | 一种应用管理方法及装置 |
US20220035679A1 (en) * | 2020-07-30 | 2022-02-03 | Arm Limited | Hardware resource configuration for processing system |
CN114924887A (zh) * | 2022-06-15 | 2022-08-19 | 北京科东电力控制系统有限责任公司 | 一种电力交易平台的微服务资源配置参数优化方法 |
CN115357339A (zh) * | 2022-08-15 | 2022-11-18 | 支付宝(杭州)信息技术有限公司 | 计算资源的配置方法及装置 |
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160328644A1 (en) * | 2015-05-08 | 2016-11-10 | Qualcomm Incorporated | Adaptive selection of artificial neural networks |
US20200034197A1 (en) * | 2016-10-19 | 2020-01-30 | Nutanix, Inc. | Adapting a pre-trained distributed resource predictive model to a target distributed computing environment |
CN108595230A (zh) * | 2018-05-15 | 2018-09-28 | Oppo广东移动通信有限公司 | 应用程序预加载方法、装置、存储介质及终端 |
US20200242000A1 (en) * | 2019-01-29 | 2020-07-30 | EMC IP Holding Company LLC | Run-time determination of application performance with low overhead impact on system performance |
CN112732434A (zh) * | 2019-10-28 | 2021-04-30 | 华为终端有限公司 | 一种应用管理方法及装置 |
US20220035679A1 (en) * | 2020-07-30 | 2022-02-03 | Arm Limited | Hardware resource configuration for processing system |
CN114924887A (zh) * | 2022-06-15 | 2022-08-19 | 北京科东电力控制系统有限责任公司 | 一种电力交易平台的微服务资源配置参数优化方法 |
CN115357339A (zh) * | 2022-08-15 | 2022-11-18 | 支付宝(杭州)信息技术有限公司 | 计算资源的配置方法及装置 |
Non-Patent Citations (4)
Title |
---|
ARCHANA GANAPATHI 等: "Predicting Multiple Metrics for Queries: Better Decisions Enabled by Machine Learning", 《2009 IEEE 25TH INTERNATIONAL CONFERENCE ON DATA ENGINEERING》, 10 April 2009 (2009-04-10), pages 592 - 603 * |
GENE WU 等: "GPGPU performance and power estimation using machine learning", 《2015 IEEE 21ST INTERNATIONAL SYMPOSIUM ON HIGH PERFORMANCE COMPUTER ARCHITECTURE (HPCA)》, 9 March 2015 (2015-03-09), pages 564 - 576 * |
阮树骅 等: "一种Spark作业配置参数智能优化方法", 《工程科学与技术》, vol. 52, no. 1, 7 January 2020 (2020-01-07), pages 191 - 197 * |
陈静: "面向云计算资源优化管理的需求预测与配置算法研究", 《中国博士学位论文全文数据库 信息科技辑》, 15 May 2021 (2021-05-15), pages 139 - 5 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115473957B (zh) | 一种图像处理方法和电子设备 | |
CN114996168B (zh) | 一种多设备协同测试方法、测试设备及可读存储介质 | |
CN111343326A (zh) | 获取测试日志的方法及相关装置 | |
CN113424548A (zh) | 播放高动态范围视频的电子装置及其方法 | |
CN115119048B (zh) | 一种视频流处理方法及电子设备 | |
CN115333941B (zh) | 获取应用运行情况的方法及相关设备 | |
CN117130765B (zh) | 计算资源的配置方法和电子设备 | |
CN113380240B (zh) | 语音交互方法和电子设备 | |
CN116049535A (zh) | 信息推荐方法、装置、终端装置及存储介质 | |
CN117130765A (zh) | 计算资源的配置方法和电子设备 | |
CN113573045A (zh) | 杂光检测方法及杂光检测装置 | |
CN116703741B (zh) | 一种图像对比度的生成方法、装置和电子设备 | |
CN116321265B (zh) | 网络质量评估方法、电子设备以及存储介质 | |
CN116708751B (zh) | 一种拍照时长的确定方法、装置和电子设备 | |
CN115686182B (zh) | 增强现实视频的处理方法与电子设备 | |
CN116991302B (zh) | 应用与手势导航栏兼容运行方法、图形界面及相关装置 | |
CN115841098B (zh) | 基于数据识别的交互式批量填充方法与系统 | |
CN116048594B (zh) | 软件升级方法及相关装置 | |
CN117013660B (zh) | 一种充电图标显示方法及电子设备 | |
CN115619628B (zh) | 图像处理方法和终端设备 | |
CN116382728B (zh) | 传播名显示方法和终端设备 | |
WO2023051036A1 (zh) | 加载着色器的方法和装置 | |
WO2024027718A1 (zh) | 一种多窗口投屏方法、电子设备及系统 | |
CN117827758A (zh) | 文件打开方法及电子设备 | |
CN113377187A (zh) | 功耗优化参数配置方法、装置、存储介质与电子设备 |
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 | ||
GR01 | Patent grant |