CN117234786B - 基于大数据的计算机性能控制分析系统及方法 - Google Patents
基于大数据的计算机性能控制分析系统及方法 Download PDFInfo
- Publication number
- CN117234786B CN117234786B CN202311494136.8A CN202311494136A CN117234786B CN 117234786 B CN117234786 B CN 117234786B CN 202311494136 A CN202311494136 A CN 202311494136A CN 117234786 B CN117234786 B CN 117234786B
- Authority
- CN
- China
- Prior art keywords
- software
- auxiliary
- state
- running
- module
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 230000004044 response Effects 0.000 claims abstract description 29
- 230000006870 function Effects 0.000 claims description 66
- 238000012544 monitoring process Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 30
- 230000008901 benefit Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 8
- 230000000903 blocking effect Effects 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- 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
- Debugging And Monitoring (AREA)
Abstract
本发明涉及计算机性能控制技术领域，具体地说，涉及基于大数据的计算机性能控制分析系统及方法。其包括异常模式响应模块以及替换辅助软件配置模块。本发明通过异常模式响应模块制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，通过替换辅助软件配置模块获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件，提前为运行软件规划适配辅助软件，合理规划各个辅助软件运行占比，保证运行软件的正常运行，提高运行软件的运行效率，降低运行故障的发生率。
Description
技术领域
本发明涉及计算机性能控制技术领域，具体地说，涉及基于大数据的计算机性能控制分析系统及方法。
背景技术
如今的时代早已被计算机所引领，发展成为网络信息化的时代，每个人几乎都有属于自己的计算机，它成为了大家工作、生活中的一部分计算机性能是指用于衡量计算机系统性能的指标，计算机性能是指用于衡量计算机系统性能的指标，计算机在运行过程中，其运行状态不仅与自身硬件相关，同时还和后台运行的软件相关，例如运行内存占比、硬件温度以及CPU性能等，而这些因素是决定计算机性能的关键。
软件在运行过程中，不仅需要计算机自身的硬件支持，同时还需要配合其余辅助软件同步运行，配合主软件正常运行，此时整个计算机需要进行内存调动，保障该主软件的运行状态，传统的处理方式大多数通过将其余与主软件无关的后台程序进行关闭，同步启动主软件以及各个辅助软件，但随着软件技术的不断更新换代，不仅主软件的运行占比显著增加，就连配合其启动的辅助软件运行占比也不断增加，传统的计算机难以适配主软件运行状态，导致经常出现主软件运行效率低、计算机系统崩坏以及无法运行主软件的情况。
为了应对上述问题，现亟需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。
为实现上述目的，本发明目的之一在于，提供了基于大数据的计算机性能控制分析系统，包括运行状态监测模块，所述运行状态监测模块用于实时监测计算机以及运行软件的运行状态，所述运行状态监测模块输出端连接有运行软件占比分析模块，所述运行软件占比分析模块结合运行软件的运行状态，确定当前计算机后台运行软件的运行占比，所述运行软件占比分析模块输出端连接有主运行软件历史数据获取模块以及辅助软件辅助状态分析模块，所述主运行软件历史数据获取模块输入端与所述运行状态监测模块输出端连接，所述主运行软件历史数据获取模块结合先前运行软件的运行状态，获取当前主运行软件的历史运行信息，所述辅助软件辅助状态分析模块用于确定主运行软件运行过程中与之配合使用的辅助软件运行占比，同时确定各个辅助软件所起到的辅助功能；
所述主运行软件历史数据获取模块输出端连接有异常模式响应模块，所述异常模式响应模块制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，并标记为异常模式，所述异常模式响应模块输出端连接有替换辅助软件配置模块，所述替换辅助软件配置模块输出端与所述辅助软件辅助状态分析模块输入端连接，所述替换辅助软件配置模块获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件。
作为本技术方案的进一步改进，所述运行状态监测模块中监测计算机的运行状态包括：硬件温度、CPU处理性能以及读写性能，所述运行状态监测模块中监测运行软件的运行状态包括：就绪状态、执行状态以及阻塞状态；
其中，就绪状态：指进程已处于准备好运行的状态，及进程已经分配到需要的系统资源，只要在获得CPU就可以执行；
执行状态：指进程获得了CPU正在执行指令，获得执行指令的软件标记为运行软件；
阻塞状态：指正在执行的进程，在执行过程中发生了故障。
作为本技术方案的进一步改进，所述运行状态监测模块中监测计算机的运行状态采用AIDA64测试工具，AIDA64为测试软硬件系统信息的工具，显示出PC的每一个方面的信息。
作为本技术方案的进一步改进，所述辅助软件辅助状态分析模块包括辅助软件功能定位单元以及辅助软件运行占比分析单元，所述辅助软件功能定位单元用于定位主运行状态下各个辅助软件所实现的功能，所述辅助软件功能定位单元输出端与所述辅助软件运行占比分析单元输入端连接，所述辅助软件运行占比分析单元结合后台辅助运行软件的运行占比，获取不同功能的辅助软件对应的运行占比。
作为本技术方案的进一步改进，所述辅助软件运行占比分析单元输出端连接有辅助功能限定单元，所述辅助功能限定单元结合运行状态下各个辅助软件所实现的功能，确定主软件使用前后运行状态数据差异。
作为本技术方案的进一步改进，所述异常模式响应模块采用指令处理算法，其算法公式如下：
；
；
；
其中，表示运行软件中的程序在CPU运行所需的时间，/>表示要执行该程序的指令总数，/>表示执行每条指令所需的平均时钟周期数，/>表示时钟周期的时间长度，/>表示第i类指令在程序中的执行条数，/>为执行一条第i类指令所需要的平均周期数，n表示有n种不同类型的指令，/>为指令处理判断函数，/>为运行软件中的程序在CPU运行所需的时间阈值。
作为本技术方案的进一步改进，所述替换辅助软件配置模块包括辅助软件功能匹配单元以及辅助软件优缺点辨识单元，所述辅助软件功能匹配单元结合各个辅助软件功能，对实现同种功能的辅助软件进行归类处理，所述辅助软件功能匹配单元输出端与所述辅助软件优缺点辨识单元输入端连接，所述辅助软件优缺点辨识单元结合同类型的辅助软件实现状态，确定同类型各个辅助软件的优缺点。
作为本技术方案的进一步改进，所述替换辅助软件配置模块输出端连接有数据库存储模块，所述数据库存储模块输入端还与所述异常模式响应模块输出端连接，所述数据库存储模块用于建立存储数据库，对响应超过运行状态正常阈值的计算机运行状态以及对应的替换辅助软件信息进行存储。
本发明目的之二在于，提供了一种使用基于大数据的计算机性能控制分析系统的方法，包括如下方法步骤：
S1、通过运行状态监测模块实时监测计算机以及运行软件的运行状态；
S2、通过运行软件占比分析模块确定当前计算机后台运行软件的运行占比；
S3、通过主运行软件历史数据获取模块结合先前运行软件的运行状态，获取当前主运行软件的历史运行信息；
S4、通过辅助软件辅助状态分析模块确定主运行软件运行过程中与之配合使用的辅助软件运行占比，同时确定各个辅助软件所起到的辅助功能；
S5、通过异常模式响应模块制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，并标记为异常模式；
S6、通过替换辅助软件配置模块获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件。
与现有技术相比，本发明的有益效果：
该基于大数据的计算机性能控制分析系统及方法中，通过异常模式响应模块制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，通过替换辅助软件配置模块获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件，提前为运行软件规划适配辅助软件，合理规划各个辅助软件运行占比，保证运行软件的正常运行，提高运行软件的运行效率，降低运行故障的发生率。
附图说明
图1为本发明实施例1的整体结构示意图；
图2为本发明实施例1的辅助软件辅助状态分析模块结构示意图；
图3为本发明实施例1的替换辅助软件配置模块结构示意图。
图中各个标号意义为：
10、运行状态监测模块；
20、运行软件占比分析模块；
30、主运行软件历史数据获取模块；
40、辅助软件辅助状态分析模块；410、辅助软件功能定位单元；420、辅助软件运行占比分析单元；430、辅助功能限定单元；
50、异常模式响应模块；
60、替换辅助软件配置模块；610、辅助软件功能匹配单元；620、辅助软件优缺点辨识单元；
70、数据库存储模块。
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。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
实施例1：请参阅图1-图3所示，本实施例目的之一在于，提供了基于大数据的计算机性能控制分析系统，包括运行状态监测模块10，运行状态监测模块10用于实时监测计算机以及运行软件的运行状态，运行状态监测模块10输出端连接有运行软件占比分析模块20，运行软件占比分析模块20结合运行软件的运行状态，确定当前计算机后台运行软件的运行占比，运行软件占比分析模块20输出端连接有主运行软件历史数据获取模块30以及辅助软件辅助状态分析模块40，主运行软件历史数据获取模块30输入端与运行状态监测模块10输出端连接，主运行软件历史数据获取模块30结合先前运行软件的运行状态，获取当前主运行软件的历史运行信息，辅助软件辅助状态分析模块40用于确定主运行软件运行过程中与之配合使用的辅助软件运行占比，同时确定各个辅助软件所起到的辅助功能；
主运行软件历史数据获取模块30输出端连接有异常模式响应模块50，异常模式响应模块50制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，并标记为异常模式，异常模式响应模块50输出端连接有替换辅助软件配置模块60，替换辅助软件配置模块60输出端与辅助软件辅助状态分析模块40输入端连接，替换辅助软件配置模块60获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件。
具体使用时，在对计算机性能进行控制过程中，首先通过运行状态监测模块10实时监测计算机以及运行软件的运行状态，随后将监测到的计算机以及运行软件的运行状态输送至运行软件占比分析模块20，通过运行软件占比分析模块20确定当前计算机后台运行软件的运行占比，即不同后台运行软件在运行状态下占用比率，例如占用CPU的读写率大小，由于在主软件运行过程中进行需要多个辅助软件共同配合才能完成，例如制图软件中进行需要配合图文转换软件，用于提高制图效率；
通过主运行软件历史数据获取模块30结合先前运行软件的运行状态，获取当前主运行软件的历史运行信息，即获取主软件在不同使用场景下的运行状态，并通过辅助软件辅助状态分析模块40确定主运行软件运行过程中与之配合使用的辅助软件运行占比，同时确定各个辅助软件所起到的辅助功能，即配合主软件运行的辅助软件，例如一些外网游戏，由于节点不同，直接进行游戏会导致网络延长过大，因此需要配合加速器软件对游戏进行网络加速，同时为了方便游戏启动，需要搭配游戏平台软件，帮助玩家获取游戏地址、下载副本文件以及更新内容等，因此启动该游戏软件时需要配合加速器软件以及游戏平台软件等辅助软件，而这些辅助软件在启动过程中也会占用计算机性能，为了防止其影响游戏软件运行状态，因此需要通过异常模式响应模块50制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，并标记为异常模式，表明此状态下主软件运行出现异常，例如因读取数据被占用，导致主软件出现卡顿延迟，此时为了保证主软件正常运行，需要确定当前辅助软件影响主软件的运行影响，此时通过替换辅助软件配置模块60获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件，对计算机性能进行运行分析，提前为运行软件规划适配辅助软件，合理规划各个辅助软件运行占比，保证运行软件的正常运行，提高运行软件的运行效率，降低运行故障的发生率。
进一步的，运行状态监测模块10中监测计算机的运行状态包括：硬件温度、CPU处理性能以及读写性能，运行状态监测模块10中监测运行软件的运行状态包括：就绪状态、执行状态以及阻塞状态；
其中，就绪状态：指进程已处于准备好运行的状态，及进程已经分配到需要的系统资源，只要在获得CPU就可以执行；
执行状态：指进程获得了CPU正在执行指令，获得执行指令的软件标记为运行软件；
阻塞状态：指正在执行的进程，在执行过程中发生了故障，例如：I/O请求、申请缓冲区失败等。
再进一步的，运行状态监测模块10中监测计算机的运行状态采用AIDA64测试工具，AIDA64为测试软硬件系统信息的工具，可以详细的显示出PC的每一个方面的信息，AIDA64测试工具不仅提供了诸如协助超频、硬件侦错、压力测试和传感器监测等多种功能，而且还可以对处理器，系统内存和磁盘驱动器的性能进行全面评估，确定不同软件运行状态下各个硬件的使用情况，确定不同软件运行状态计算机处理器处理每条指令所花费的时间，以供后期进行运行软件占比计算。
具体的，辅助软件辅助状态分析模块40包括辅助软件功能定位单元410以及辅助软件运行占比分析单元420，辅助软件功能定位单元410用于定位主运行状态下各个辅助软件所实现的功能，辅助软件功能定位单元410输出端与辅助软件运行占比分析单元420输入端连接，辅助软件运行占比分析单元420结合后台辅助运行软件的运行占比，获取不同功能的辅助软件对应的运行占比，为了合理规划辅助软件，首先需要通过辅助软件功能定位单元410定位运行状态下各个辅助软件所实现的功能，例如在进行外网游戏时，需要配置加速软件以及游戏平台软件，加速软件主要为外网游戏搭建网络通道，降低网络延迟，而游戏平台软件为外网游戏提供获取游戏地址、下载副本文件以及更新内容等，因此加速软件以及游戏平台软件均为外网游戏软件所配置的辅助软件，而这两个辅助软件在运行过程中自身也会占用计算机性能，因此通过辅助软件运行占比分析单元420结合后台运行软件的运行占比，获取不同功能的辅助软件对应的运行占比，以供后期进行数据比对，为异常状态下的辅助软件替换工作提供数据参考。
此外，辅助软件运行占比分析单元420输出端连接有辅助功能限定单元430，辅助功能限定单元430结合运行状态下各个辅助软件所实现的功能，确定主软件使用前后运行状态数据差异，为了确定辅助软件对主软件的影响，需要通过辅助功能限定单元430结合运行状态下各个辅助软件所实现的功能，确定主软件使用前后运行状态数据差异，例如外网游戏配置的加速软件，未使用加速软件时，其网络延迟为30ms，使用加速软件时，其网络延迟为10ms，表明此时该加速软件为外网游戏降低了20ms的网络延迟，在后期进行替换时，需要保证替换后的辅助软件维持替换前的辅助软件的功能数据。
除此之外，异常模式响应模块50采用指令处理算法，其算法公式如下：
；
；
；
其中，表示运行软件中的程序在CPU运行所需的时间，/>表示要执行该程序的指令总数，/>表示执行每条指令所需的平均时钟周期数，/>表示时钟周期的时间长度，/>表示第i类指令在程序中的执行条数，/>为执行一条第i类指令所需要的平均周期数，n表示有n种不同类型的指令，/>为指令处理判断函数，/>为运行软件中的程序在CPU运行所需的时间阈值，当运行软件中的程序在CPU运行所需的时间/>小于运行软件中的程序在CPU运行所需的时间阈值/>时，表明此时CPU处于该运行软件处于正常状态，当运行软件中的程序在CPU运行所需的时间/>不小于运行软件中的程序在CPU运行所需的时间阈值/>时，表明此时CPU处于该运行软件处于异常状态。
由于主软件在运行过程中搭配的辅助软件有多种，而不同型号的计算机性能不同，这是由于计算机的硬件搭配不同，为了能够合理规划辅助软件替换规则，进一步的，替换辅助软件配置模块60包括辅助软件功能匹配单元610以及辅助软件优缺点辨识单元620，辅助软件功能匹配单元610结合各个辅助软件功能，对实现同种功能的辅助软件进行归类处理，辅助软件功能匹配单元610输出端与辅助软件优缺点辨识单元620输入端连接，辅助软件优缺点辨识单元620结合同类型的辅助软件实现状态，确定同类型各个辅助软件的优缺点，通过辅助软件功能匹配单元610结合各个辅助软件功能，对实现同种功能的辅助软件进行归类处理，例如对外网游戏的加速软件有多种，有加速软件加速效果好，但自身占用计算机性能过多，虽然能够有效的降低外网游戏的网络延迟，但也会给计算机运行造成负担，因此需要通过辅助软件优缺点辨识单元620结合同类型的辅助软件实现状态，确定同类型各个辅助软件的优缺点，当异常模式响应模块50响应超过运行状态正常阈值的计算机运行状态时，通过替换辅助软件配置模块60确定异常辅助软件，即影响主软件运行状态的辅助软件，并通过辅助软件优缺点辨识单元620对当前异常辅助软件进行优缺点分析，替换当前异常辅助软件，结合同类型各个辅助软件的优缺点，配置出适应的同类型辅助软件。
再进一步的，替换辅助软件配置模块60输出端连接有数据库存储模块70，数据库存储模块70输入端还与异常模式响应模块50输出端连接，数据库存储模块70用于建立存储数据库，对响应超过运行状态正常阈值的计算机运行状态以及对应的替换辅助软件信息进行存储，后期遇到相同问题时，可直接调用存储数据库存储的解决方案，提高系统响应效率。
本实施例目的之二在于，提供了一种使用基于大数据的计算机性能控制分析系统的方法，包括如下方法步骤：
S1、通过运行状态监测模块10实时监测计算机以及运行软件的运行状态；
S2、通过运行软件占比分析模块20确定当前计算机后台运行软件的运行占比；
S3、通过主运行软件历史数据获取模块30结合先前运行软件的运行状态，获取当前主运行软件的历史运行信息；
S4、通过辅助软件辅助状态分析模块40确定主运行软件运行过程中与之配合使用的辅助软件运行占比，同时确定各个辅助软件所起到的辅助功能；
S5、通过异常模式响应模块50制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，并标记为异常模式；
S6、通过替换辅助软件配置模块60获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.基于大数据的计算机性能控制分析系统，包括运行状态监测模块（10），所述运行状态监测模块（10）用于实时监测计算机以及运行软件的运行状态，运行软件为主运行软件，所述运行状态监测模块（10）输出端连接有运行软件占比分析模块（20），所述运行软件占比分析模块（20）结合运行软件的运行状态，确定当前计算机后台运行软件的运行占比，其特征在于：
所述运行软件占比分析模块（20）输出端连接有主运行软件历史数据获取模块（30）以及辅助软件辅助状态分析模块（40），所述主运行软件历史数据获取模块（30）输入端与所述运行状态监测模块（10）输出端连接，所述主运行软件历史数据获取模块（30）结合先前运行软件的运行状态，获取当前主运行软件的历史运行信息，所述辅助软件辅助状态分析模块（40）用于确定主运行软件运行过程中与之配合使用的辅助软件运行占比，同时确定各个辅助软件所起到的辅助功能，所述辅助软件辅助状态分析模块（40）包括辅助软件功能定位单元（410）以及辅助软件运行占比分析单元（420），所述辅助软件功能定位单元（410）用于定位主运行软件运行状态下各个辅助软件所实现的功能，所述辅助软件功能定位单元（410）输出端与所述辅助软件运行占比分析单元（420）输入端连接，所述辅助软件运行占比分析单元（420）结合后台辅助运行软件的运行占比，获取不同功能的辅助软件对应的运行占比，所述辅助软件运行占比分析单元（420）输出端连接有辅助功能限定单元（430），所述辅助功能限定单元（430）结合运行状态下各个辅助软件所实现的功能，确定主软件使用前后运行状态数据差异；
所述主运行软件历史数据获取模块（30）输出端连接有异常模式响应模块（50），所述异常模式响应模块（50）制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，并标记为异常模式，所述异常模式响应模块（50）输出端连接有替换辅助软件配置模块（60），所述替换辅助软件配置模块（60）输出端与所述辅助软件辅助状态分析模块（40）输入端连接，所述替换辅助软件配置模块（60）获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件。
2.根据权利要求1所述的基于大数据的计算机性能控制分析系统，其特征在于：所述运行状态监测模块（10）中监测计算机的运行状态包括：硬件温度、CPU处理性能以及读写性能，所述运行状态监测模块（10）中监测运行软件的运行状态包括：就绪状态、执行状态以及阻塞状态；
其中，就绪状态：指进程已处于准备好运行的状态，及进程已经分配到需要的系统资源，只要在获得CPU就可以执行；
执行状态：指进程获得了CPU正在执行指令，获得执行指令的软件标记为运行软件；
阻塞状态：指正在执行的进程，在执行过程中发生了故障。
3.根据权利要求2所述的基于大数据的计算机性能控制分析系统，其特征在于：所述运行状态监测模块（10）中监测计算机的运行状态采用AIDA64测试工具，AIDA64为测试软硬件系统信息的工具，显示出PC的每一个方面的信息。
4.根据权利要求1所述的基于大数据的计算机性能控制分析系统，其特征在于：所述异常模式响应模块（50）采用指令处理算法，其算法公式如下：
；
；
；
其中，表示运行软件中的程序在CPU运行所需的时间，/>表示要执行该程序的指令总数，/>表示执行每条指令所需的平均时钟周期数，/>表示时钟周期的时间长度，/>表示第i类指令在程序中的执行条数，/>为执行一条第i类指令所需要的平均周期数，n表示有n种不同类型的指令，/>为指令处理判断函数，/>为运行软件中的程序在CPU运行所需的时间阈值。
5.根据权利要求4所述的基于大数据的计算机性能控制分析系统，其特征在于：所述替换辅助软件配置模块（60）包括辅助软件功能匹配单元（610）以及辅助软件优缺点辨识单元（620），所述辅助软件功能匹配单元（610）结合各个辅助软件功能，对实现同种功能的辅助软件进行归类处理，所述辅助软件功能匹配单元（610）输出端与所述辅助软件优缺点辨识单元（620）输入端连接，所述辅助软件优缺点辨识单元（620）结合同类型的辅助软件实现状态，确定同类型各个辅助软件的优缺点。
6.根据权利要求5所述的基于大数据的计算机性能控制分析系统，其特征在于：所述替换辅助软件配置模块（60）输出端连接有数据库存储模块（70），所述数据库存储模块（70）输入端还与所述异常模式响应模块（50）输出端连接，所述数据库存储模块（70）用于建立存储数据库，对响应超过运行状态正常阈值的计算机运行状态以及对应的替换辅助软件信息进行存储。
7.一种使用包括权利要求1-6中任意一项所述的基于大数据的计算机性能控制分析系统的方法，其特征在于：包括如下方法步骤：
S1、通过运行状态监测模块（10）实时监测计算机以及运行软件的运行状态；
S2、通过运行软件占比分析模块（20）确定当前计算机后台运行软件的运行占比；
S3、通过主运行软件历史数据获取模块（30）结合先前运行软件的运行状态，获取当前主运行软件的历史运行信息；
S4、通过辅助软件辅助状态分析模块（40）确定主运行软件运行过程中与之配合使用的辅助软件运行占比，同时确定各个辅助软件所起到的辅助功能；
S5、通过异常模式响应模块（50）制定运行状态正常阈值，实时获取当前计算机的运行状态，并与运行状态正常阈值进行比对，响应超过运行状态正常阈值的计算机运行状态，并标记为异常模式；
S6、通过替换辅助软件配置模块（60）获取辅助软件运行占比以及所起到的辅助功能，制定辅助软件替换规则，并响应异常模式，根据当前计算机的运行状态，调整更换配合当前主运行软件运行的辅助软件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311494136.8A CN117234786B (zh) | 2023-11-10 | 2023-11-10 | 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 |
|---|---|---|---|
| CN202311494136.8A CN117234786B (zh) | 2023-11-10 | 2023-11-10 | 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 |
|---|---|
| CN117234786A CN117234786A (zh) | 2023-12-15 |
| CN117234786B true CN117234786B (zh) | 2024-02-20 |
Family
ID=89084494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311494136.8A Active CN117234786B (zh) | 2023-11-10 | 2023-11-10 | 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) | CN117234786B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107219824A (zh) * | 2017-02-17 | 2017-09-29 | 山西同方知网数字出版技术有限公司 | 一种基于滚动窗口调度技术的软件机器人集成控制调度程序设计方法 |
| CN108540569A (zh) * | 2018-04-23 | 2018-09-14 | 冼汉生 | 一种软件安装包替换方法、装置及计算机存储介质 |
| US10089214B1 (en) * | 2016-09-19 | 2018-10-02 | Northrop Grumman Systems Corporation | Automated detection of faults in target software and target software recovery from some faults during continuing execution of target software |
| CN109976978A (zh) * | 2019-04-03 | 2019-07-05 | 湖南科技学院 | 一种基于大数据的计算机性能控制系统 |
| CN113505017A (zh) * | 2021-07-16 | 2021-10-15 | 中国建设银行股份有限公司 | 一种问题排查方法、装置、存储介质和设备 |
| CN114116380A (zh) * | 2021-11-12 | 2022-03-01 | 成都大学 | 一种计算机软件故障监测系统 |
| CN115904881A (zh) * | 2023-01-09 | 2023-04-04 | 长春大学旅游学院 | 基于感知模块的计算机运行程序自适应控制系统 |
| CN116680146A (zh) * | 2023-05-30 | 2023-09-01 | 西安华创马科智能控制系统有限公司 | 一种保障应用软件安全可靠运行的方法和装置 |
-
2023
- 2023-11-10 CN CN202311494136.8A patent/CN117234786B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10089214B1 (en) * | 2016-09-19 | 2018-10-02 | Northrop Grumman Systems Corporation | Automated detection of faults in target software and target software recovery from some faults during continuing execution of target software |
| CN107219824A (zh) * | 2017-02-17 | 2017-09-29 | 山西同方知网数字出版技术有限公司 | 一种基于滚动窗口调度技术的软件机器人集成控制调度程序设计方法 |
| CN108540569A (zh) * | 2018-04-23 | 2018-09-14 | 冼汉生 | 一种软件安装包替换方法、装置及计算机存储介质 |
| CN109976978A (zh) * | 2019-04-03 | 2019-07-05 | 湖南科技学院 | 一种基于大数据的计算机性能控制系统 |
| CN113505017A (zh) * | 2021-07-16 | 2021-10-15 | 中国建设银行股份有限公司 | 一种问题排查方法、装置、存储介质和设备 |
| CN114116380A (zh) * | 2021-11-12 | 2022-03-01 | 成都大学 | 一种计算机软件故障监测系统 |
| CN115904881A (zh) * | 2023-01-09 | 2023-04-04 | 长春大学旅游学院 | 基于感知模块的计算机运行程序自适应控制系统 |
| CN116680146A (zh) * | 2023-05-30 | 2023-09-01 | 西安华创马科智能控制系统有限公司 | 一种保障应用软件安全可靠运行的方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| Guo, Xing等.Optimization of Smart Home System Based on Wireless Sensor Network.《HUMAN CENTERED COMPUTING,HCC 2017》.2019,第10745卷全文. * |
| 数控系统软件模块实时调度方法;周刚;邬义杰;潘晓弘;;机械工程学报(第01期);全文 * |
| 面向性能优化的配置故障诊断技术研究;李云峰;《中国优秀硕士学位论文全文数据库（信息科技辑）》(第1期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117234786A (zh) | 2023-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA1281427C (en) | Data processor performance advisor | |
| US9939878B2 (en) | Energy-aware code offload for mobile devices | |
| US7051034B1 (en) | Dynamic optimization for processing a restartable sub-tree of a query execution plan | |
| CN107239339B (zh) | 系统性能优化参数确定方法、系统性能优化方法及装置 | |
| US20060188174A1 (en) | Quantitative measure of a video interface | |
| US8555290B2 (en) | Apparatus and method for dynamic control of the number of simultaneously executing tasks based on throughput | |
| CN110941553A (zh) | 一种代码检测方法、装置、设备及可读存储介质 | |
| CN117234786B (zh) | 基于大数据的计算机性能控制分析系统及方法 | |
| CN113760672A (zh) | 多云平台资源的性能测试方法、设备及存储介质 | |
| CN116048762A (zh) | 基于历史数据分析的计算机资源调度系统 | |
| CN115248753A (zh) | 标准化故障记录自动生成方法、系统与可视化终端 | |
| CN111973995B (zh) | 游戏配置处理方法、装置、服务器及存储介质 | |
| JP2861962B2 (ja) | コンピュータプログラムのシミュレーション装置および方法 | |
| CN114238009A (zh) | 一种用于终端系统的性能自适应调整方法、系统及介质 | |
| CN112052087B (zh) | 动态资源调整与迁移的深度学习训练系统及方法 | |
| CN107809463B (zh) | 一种双轴激光捷联惯组下位机与上位机之间的交互方法 | |
| JPWO2013129061A1 (ja) | 同時接続数制御システム、同時接続数制御サーバ、同時接続数制御方法および同時接続数制御プログラム | |
| CN116095198B (zh) | 一种实验室数据中心的智能搭建方法及系统 | |
| CN116431454B (zh) | 一种大数据的计算机性能控制系统及方法 | |
| CN109189664B (zh) | 应用程序的信息采集方法及终端 | |
| JPH1063516A (ja) | ボトルネック検出方法及びボトルネック検出装置 | |
| CN118113161B (zh) | 一种基于rpa的模拟人为键盘输入及鼠标操作方法 | |
| US11681527B2 (en) | Electronic device and multiplexing method of spatial | |
| CN118364932A (zh) | 模型评估任务处理方法及装置 | |
| CN114995972A (zh) | 应用程序的管理方法、装置、可读介质、电子设备及产品 |
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 |