CN117435025B - 一种基于多源数据的智能穿戴设备数据处理方法及系统 - Google Patents

一种基于多源数据的智能穿戴设备数据处理方法及系统 Download PDF

Info

Publication number
CN117435025B
CN117435025B CN202311753549.3A CN202311753549A CN117435025B CN 117435025 B CN117435025 B CN 117435025B CN 202311753549 A CN202311753549 A CN 202311753549A CN 117435025 B CN117435025 B CN 117435025B
Authority
CN
China
Prior art keywords
program
user
core
energy consumption
memory
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
Application number
CN202311753549.3A
Other languages
English (en)
Other versions
CN117435025A (zh
Inventor
吴贤荣
张俭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Light Speed Times Technology Co ltd
Original Assignee
Shenzhen Light Speed Times Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Light Speed Times Technology Co ltd filed Critical Shenzhen Light Speed Times Technology Co ltd
Priority to CN202311753549.3A priority Critical patent/CN117435025B/zh
Publication of CN117435025A publication Critical patent/CN117435025A/zh
Application granted granted Critical
Publication of CN117435025B publication Critical patent/CN117435025B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof
    • G06F1/32Means for saving power
    • G06F1/3203Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3206Monitoring of events, devices or parameters that trigger a change in power modality
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/26Power supply means, e.g. regulation thereof
    • G06F1/32Means for saving power
    • G06F1/3203Power management, i.e. event-based initiation of a power-saving mode
    • G06F1/3234Power saving characterised by the action undertaken
    • G06F1/329Power saving characterised by the action undertaken by task scheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/302Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a software system
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3024Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a central processing unit [CPU]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/3003Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3037Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a memory, e.g. virtual memory, cache
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/30Monitoring
    • G06F11/34Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
    • G06F11/3452Performance evaluation by statistical analysis
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种基于多源数据的智能穿戴设备数据处理方法及系统,涉及智能穿戴设备数据处理技术领域,用于解决能耗过高,续航不足的问题,分析程序的CPU耗能分数、内存的耗能分数、屏幕耗能分数、传感器耗能分数整合分析出资源耗能指数,依据程序实用指数、用户喜爱指数和资源耗能指数综合分析出程序性价比指数,当智能手表进入省电模式时,优先关闭优先级低的程序,过综合分析程序的计算需求、内存需求、I/O需求以及核心的性能特点,以及时钟频率、缓存大小、并行性和吞吐量等,计算性能指数和核心性能指数,最终得出适配程度系数,从而动态选择最适合的核心执行程序。提高了系统性能和效率,有助于降低能耗,实现节能和提高程序的响应性。

Description

一种基于多源数据的智能穿戴设备数据处理方法及系统
技术领域
本发明涉及智能穿戴设备数据处理技术领域,更具体地说,本发明涉及一种基于多源数据的智能穿戴设备数据处理方法及系统。
背景技术
智能穿戴设备融合了传感器技术、通信技术和计算能力,智能手表是一类智能穿戴设备,融合了时间显示和多种智能功能,包括健康监测、通信、导航等。
现有技术存在的不足:现有的智能手表在能耗方面面临着一系列挑战,由于其紧凑的设计和多功能性,智能手表通常需要处理大量数据和执行多项任务,这导致了电池寿命较短的问题。用户经常需要频繁充电,这不仅不便,也限制了其在长时间活动或户外使用时的可靠性,此外,高功耗也会对环境产生不利影响,更频繁地充电意味着更多的电力消耗。
针对上述问题,本发明提出一种解决方案。
发明内容
为了克服现有技术的上述缺陷,本发明的实施例提供一种基于多源数据的智能穿戴设备数据处理方法及系统,通过智能穿戴设备数据处理,从而达到了减少能耗的目的延长续航,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于多源数据的智能穿戴设备数据处理方法,包括如下步骤:
步骤S1,监测程序的CPU资源占用情况、内存资源占用情况、传感器调用情况、屏幕使用情况,依据程序的CPU资源占用情况、内存资源占用情况、传感器调用情况、屏幕使用情况分析出程序的资源耗能情况;
步骤S2,采集程序的用户评分和程序的用户评价数量,分析用户对程序的喜爱情况;
步骤S3,收集用户下载程序的数据包括下载时间,下载到卸载的时间长度、系统自在的程序的卸载情况,综合分析程序的用户流失情况;获取程序的功能数量结合程序的用户流失情况分析程序的使用情况;
步骤S4,将程序的资源耗能情况、程序的喜爱情况和程序的用户流失情况整合分析获得程序的性价比,将程序性价比降序排列制表获得程序优先级表,在系统低电模式下优先运行和保留优先级高的程序;
步骤S5,分析保留程序的计算操作的数量,将其数量相加获得程序的计算需求,分析保留程序的内存需求,分析保留程序的I/O需求,综合分析内存需求、计算需求、I/O需求获得保留程序的性能指数;
步骤S6,获取处理器核心的缓存大小、并行性、吞吐量,综合分析获得核心的性能指数,分析获取时钟频率;
步骤S7,将保留程序的性能指数和核心的性能指数相比,分析判断保留程序与核心的适配程度系数,依据保留程序与核心适配程度系数、程序优先级表和时钟频率进行省电模式的程序方案设计。
在一个优选的实施方式中,在步骤S1中,程序的资源耗能情况分析方法如下,监测程序的CPU资源占用情况,将监测的CPU资源占用情况的数据通过差商运算标准化为一个标准CPU利用率,并于预设的CPU耗能权重相乘得到CPU耗能得分;
采集程序实际占用内存,将监测的内存资源占用情况的数据通过差商运算标准化为一个标准内存利用率,并于预设的内存耗能权重相乘得到内存耗能得分;
监测程序的传感器占用信息,将程序的传感器占用信息表示为一个二进制数值,当程序的传感器占用信息为1时,为调用传感器,当程序的传感器占用信息为0时,为不需要调用传感器,将传感器占用信息与预设的传感器耗能权重相乘得到传感器耗能得分;
监测程序的屏幕调用信息,将程序的屏幕调用信息表示为一个二进制数值,当程序的屏幕调用信息为1时,为调用屏幕,当程序的屏幕调用信息为0时,为不需要调用屏幕;将屏幕调用信息与预设的屏幕耗能权重相乘得到屏幕耗能得分;
将屏幕耗能得分、传感器耗能得分、CPU耗能得分、内存耗能得分整合加权求和分析获得资源耗能指数。
在一个优选的实施方式中,在步骤S2中,采集用户对于程序的用户评论数量和用户评分,通过乘幂数学模型分析获得用户喜爱指数;
在步骤S3中,收集用户卸载软件的数据,将系统自带程序的卸载用户数量比上用户数量获得自带程序的用户流失率;
当分析的程序为后天下载的程序时,后天下载的程序使用超过一周则记录为用户使用,当程序被记录为用户使用后卸载的被记录为用户删除,将后天下载的程序的用户安装总数和用户数删除数量相比获得用户流失率;
将系统自带用户流失率和后天下载用户流失率程序的功能数量通过加乘数学模型综合分析程序实用指数。
在一个优选的实施方式中,在步骤S4中,将程序实用指数、用户喜爱指数和资源耗能指数整合分析加权求和获得程序的性价比指数,将所有程序的相加比指数进行降序排序获得程序优先级表,当智能手表的电能不足进入省电模式或用户手动进入时,优先保留优先级高的程序,优先关闭优先级低的程序。
在一个优选的实施方式中,在步骤S5中,计算需求获取方法如下:通过分析高优先级的保留程序的计算操作的数量,将其数量相加,获取保留程序的计算需求;
内存需求获取方法如下:通过将堆中对象的数量和每个堆对象的大小进行乘法分析获得堆内存需求;通过将函数调用的数量和每个函数的局部变量和临时变量的大小进行乘法分析获得栈内存需求;将栈内存需求与堆内存需求相加获取程序的内存需求;
I/O需求获取方法如下:记录保留程序的写入操作的数量、每次写入操作的数据量、读取操作的数量和每次读取操作的数据量,将读取操作的数量与每次读取操作的数据量相乘获取读取需求;将写入操作的数量与每次写入操作的数据量相乘获取写入需求,将读取需求和写入需求相加获得保留程序的I/O需求;
将保留程序的I/O需求、保留程序的内存需求、保留程序的计算需求进行加除均分整合分析获得保留程序的性能指数。
在一个优选的实施方式中,在步骤S6中,将时钟周期数除以测量时钟频率的时间段得到核心的时钟频率;
核心的缓存大小获取方法如下:测试程序测量处理器核心的缓存命中计数,在测试程序中设置一个用于测试的数据集,将缓存命中计数除以测试数据量来计算缓存大小,在完成多次测试后,计算每个缓存级别的缓存大小的平均值,获得核心的缓存大小;
并行性获取方法如下:查阅处理器核心的官方规格文档或资料获取核心的吞吐量、线程数量、进程数量,将核心支持的线程除以进程数量获取处理器核心的并行性;
将核心的缓存大小比上并行性和吞吐量相加整合分析计算核心的性能指数。
在一个优选的实施方式中,在步骤S7中,通过将保留程序的性能指数和核心的性能指数相比,分析判断保留程序与核心的适配程度系数;
省电模式的程序方案设计如下:将适配程度系数与预设的适配阈值比较,将所有的核心优先和程序优先级高的程序进行比较计算出适配程度系数,将适配程度系数最接近适配阈值的核心运行程序,实时监测核心处理的程序数量,当核心处理的程序数量大于时钟频率时不再分配该核心,接着分析程序优先级略低的程序,以此类推,直至所有保留程序匹配完毕。
一种基于多源数据的智能穿戴设备数据处理系统,包括数据采集模块、资源耗能分析模块、程序实用程度分析模块、程序性价比分析模块、核心匹配模块、省电模块,模块间相互连接;
数据采集模块:采集程序的CPU利用率、程序的内存占用率、程序的传感器占用信息和程序的屏幕调用信息发送给资源耗能分析模块;采集用户对于程序的用户评论数量、用户评分、用户卸载程序的数据、程序的用户安装总数发送给程序实用程度分析模块;采集保留程序的计算操作的数量、保留程序运行时堆中对象的数量和每个堆对象的大小、保留程序运行时函数调用的数量和每个函数的局部变量和临时变量的大小、写入操作的数量和每次写入操作的数据量、读取操作的数量和每次读取操作的数据量、核心的性能数据发送给核心匹配模块;
资源耗能分析模块:将程序的CPU利用率、程序的内存占用率、程序的传感器占用信息和程序的屏幕调用信息分别分析屏幕耗能情况、传感器耗能情况、CPU耗能情况、内存耗能情况,在综合分析资源耗能情况,将资源耗能情况发送给程序性价比分析模块;
程序实用程度分析模块:将采集用户对于程序的用户评论数量、用户评分、用户卸载程序的数据、程序的用户安装总数分析程序的用户喜爱情况和程序使用情况,将程序的用户喜爱情况和程序使用情况发送给程序性价比分析模块;
程序性价比分析模块:将程序的用户喜爱情况和程序使用情况分析获得程序性价比,将程序性价比降序排序获得程序优先级表;将程序优先级表发送给核心匹配模块;
核心匹配模块:依据采集模块发送的保留程序信息和核心信息计算得到保留程序的性能指数和核心的性能指数,再依据保留程序的性能指数和核心的性能指数计算出程序和核心的适配程度系数,将适配程度系数发送给省电模块;
省电模块:依据程序和核心的适配程度系数、程序优先级实施省电方案。
本发明一种基于多源数据的智能穿戴设备数据处理方法及系统的技术效果和优点:
1. 通过分析程序的CPU耗能分数、内存的耗能分数、屏幕耗能分数、传感器耗能分数整合分析出资源耗能指数,通过程序的用户评论数量和用户评分分析出用户的喜爱指数,通过系统自带用户流失率和后天下载用户流失率程序的功能数量综合分析程序实用指数,最后依据程序实用指数、用户喜爱指数和资源耗能指数综合分析出程序性价比指数,并将所有的程序依据程序性价比指数降序排序,当智能手表进入省电模式时,优先关闭优先级低的程序,实现智能手表的节能管理。有助于提高续航时间、优化资源利用、满足用户需求,以实现更智能、高性能的智能手表体验。
2. 通过综合分析程序的计算需求、内存需求、I/O需求以及核心的性能特点,以及时钟频率、缓存大小、并行性和吞吐量等,计算性能指数和核心性能指数,最终得出适配程度系数,从而动态选择最适合的核心执行程序。提高了系统性能和效率,有助于降低能耗,实现节能和提高程序的响应性。
附图说明
图1为本发明一种基于多源数据的智能穿戴设备数据处理方法结构示意图。
图2为本发明一种基于多源数据的智能穿戴设备数据处理系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1,本发明一种基于多源数据的智能穿戴设备数据处理方法及系统,通过对智能手表的程序运行时各种资源占用情况进行监测和评估,通过监测和评估结果分析出程序的性价比,在智能手表电量不足时或用户手动打开低功耗模式时,优先关闭性价比低的程序,降低功耗和处理器频率来提高智能手表的续航。
图1给出了本发明一种基于多源数据的智能穿戴设备数据处理方法,所述方法包括以下步骤:
监测程序的CPU利用率和程序的内存占用率,分别对程序的CPU利用率和程序的内存占用率进行标准化,使用标准化后的程序的CPU利用率和程序的内存占用率以及资源耗能权重,分别计算CPU耗能得分、内存耗能得分;监测程序的传感器占用信息和程序的屏幕调用信息,依据程序的传感器占用信息和程序的屏幕调用信息分以及资源耗能权重别计算传感器耗能得分、屏幕耗能得分。
本实施例中,监测程序的CPU利用率和程序的内存占用率,具体包括以下步骤:
程序在运行过程中会占用CPU资源,不同的应用程序对CPU的需求各不相同。有些应用程序可能需要大量的计算资源,而其他应用程序可能只需要很少的CPU时间。为了更好地管理这些程序和优化系统性能,我们需要评估它们的CPU耗能得分。
CPU利用率表示CPU的使用情况。如果一个程序在一段时间内占用CPU的百分比很高,那么它可能对CPU的需求也较高。
监测CPU利用率时根据硬件和操作系统的特性以及数据收集方法的不同CPU利用率并非固定不变,系统将CPU利用率标准化,以便比较不同程序的需求,以下是一种标准化公式,实际CPU利用率标准化到0到1的范围内:,式中/>为标准化CPU利用率,/>为程序的实际CPU利用率,/>为CPU利用率的最小值,/>为CPU利用率的最大值。
需要说明的是标准化CPU利用率取值范围为0到1,其中0表示未使用,1表示最大负荷。
使用标准化后的CPU利用率以及资源耗能权重计算CPU耗能得分,具体方法例如,式中/>为资源耗能权重中的CPU的耗能权重,HJ为CPU耗能得分。
需要说明的是资源耗能权重由CPU耗能权重、内存耗能权重、传感器耗能权重、屏幕耗能权重组成,这些权重反映了用户需求和优先级,可以用于后续的程序分类指数计算。
需要说明的是资源耗能权重的具体获取可以通过与相关利益方,例如智能手表用户、应用程序开发者、系统管理员等,进行调查和访谈,以了解他们对不同资源耗能的重要性和优先级的看法。这可以通过问卷调查或面对面交流来完成;根据调查结果和相关利益方的反馈,为每个资源耗能类别分配权重。权重应反映其相对重要性,通常在0到1之间,总和应等于1。较高的权重表示更重要的资源耗能;请技术专家评估资源耗能的权重分配,以确保其合理性和准确性;定期审查和更新权重分配,以反映技术和用户需求的变化。根据新的情况,可以调整权重。
例如,如果在资源耗能权重获取方案中用户反馈CPU耗能是最重要的,内存次之,传感器和屏幕相对较不重要,您可以进行如下的分配:CPU耗能权重:0.4;内存耗能权重:0.3,传感器耗能权重:0.2,屏幕耗能权重:0.1
这些权重反映了资源耗能程度。
在智能手表上,不同的应用程序对内存的需求各不相同。有些应用程序可能需要大量的内存,而其他应用程序可能只需要很少的内存。为了更好地管理这些程序和优化系统性能,我们需要评估它们的内存需求得分。
采集程序实际占用了多少内存,并通过以下公式,将实际内存需求标准化到0到1的范围内,式中/>为标准化内存利用率,/>为程序的实际内存利用率,/>为内存利用率的最小值,/>为内存利用率的最大值。
需要说明的是标准化内存利用率取值范围为0到1,其中0表示未使用,1表示最大负荷。
使用标准化后的内存利用率以及资源耗能权重计算内存耗能得分,具体方法例如,式中/>为资源耗能权重中的内存的耗能权重,/>为内存耗能得分。
本实施例中,监测程序的传感器占用信息和程序的屏幕调用信息,具体包括以下步骤:
程序的传感器占用信息和程序的屏幕调用信息为一个二进制数值,用于表示程序是否使用传感器或者调用屏幕,当程序的传感器占用信息和程序的屏幕调用信息为1时为调用传感器或者使用屏幕,程序的传感器占用信息和程序的屏幕调用信息为0时,为不调用传感器或者使用屏幕。
用程序的传感器占用信息或程序的屏幕调用信息以及资源耗能权重计算传感器耗能得分、屏幕耗能得分,计算方法例如:,式中/>为传感器耗能得分,为资源耗能权重中传感器耗能权重,/>为程序的传感器占用信息;,式中/>为屏幕耗能得分,/>为资源耗能权重中屏幕耗能权重,/>为程序的屏幕占用信息。
需要说明的是屏幕耗能得分的范围将是0到屏幕耗能权重,这取决于程序是否需要使用屏幕;屏幕耗能得分的范围将是0到传感器耗能权重,这取决于程序是否需要使用传感器。
将本实施例中获取的屏幕耗能得分、传感器耗能得分、CPU耗能得分、内存耗能得分整合分析获得资源耗能指数,方法例如,式中/>为资源耗能指数,/>为屏幕耗能得分,/>为屏幕耗能得分,/>为内存耗能得分,/>为CPU耗能得分;资源耗能指数越大说明程序的耗能越严重。
要分析程序的性价比,除了需要分析程序的能耗还要分析用户的使用行为。
采集用户对于程序的用户评论数量和用户评分,通过乘幂数学模型分析获得用户喜爱指数,具体方案例如:,式中/>为用户喜爱指数,/>为用户评分,/>为用户评论数量,k 是一个正数,表示用户评论数量的影响程度,当 k 较小时,用户评分的影响更大;当 k 较大时,用户评论数量的影响更大。
采集系统自带用户流失率和后天下载用户流失率程序的功能数量综合分析程序实用指数。
需要说明的是自带程序的用户流失率的采集为收集用户卸载软件的数据,将系统自带程序的卸载用户比上所有用户获得自带程序的用户流失率,系统自带用户流失率的公式例如:,式中/>为系统自带用户流失率,/>为删除自带程序的用户,/>为总的用户数量;
当分析的程序为后天下载的程序时,当后天下载的程序使用超过一周则记录为用户使用,当程序被记录为用户使用后卸载的被记录为用户删除,将后天下载的程序的用户安装总数和用户数删除数量相比获得用户流失率,后天下载程序的用户流失率的公式例如,式中/>为后天下载用户流失率,/>为后天下载的程序的用户安装总数,/>为后天下载的程序的用户删除总数;
需要说明的是当分析的程序为系统自带的程序,则后天下载用户流失率设置为零,当分析的程序为后天下载的程序,则系统自带用户流失率设置为零。
将系统自带用户流失率和后天下载用户流失率程序的功能数量综合分析程序实用指数,综合分析方法例如,式中/>为程序实用指数,/>为后天下载用户流失率,/>为程序的功能数,/>为系统自带用户流失率。
将程序实用指数、用户喜爱指数和资源耗能指数整合分析加权求和获得程序的性价比指数,分析方法例如:,/>,式中/>为程序i的性价比指数,/>分别为程序实用指数、用户喜爱指数和资源耗能指数的比例参数,N为所有程序的集合;性价比指数越大表明程序的相加比越大。
将所有程序的相加比指数进行降序排序获得程序优先级表,当智能手表的电能不足进入省电模式或用户手动进入时,优先保留优先级高的程序,优先关闭优先级低的程序。
本实施例通过分析程序的CPU耗能分数、内存的耗能分数、屏幕耗能分数、传感器耗能分数整合分析出资源耗能指数,通过程序的用户评论数量和用户评分分析出用户的喜爱指数,通过系统自带用户流失率和后天下载用户流失率程序的功能数量综合分析程序实用指数,最后依据程序实用指数、用户喜爱指数和资源耗能指数综合分析出程序性价比指数,并将所有的程序依据程序性价比指数降序排序,当智能手表进入省电模式时,优先关闭优先级低的程序,实现智能手表的节能管理。有助于提高续航时间、优化资源利用、满足用户需求,以实现更智能、高性能的智能手表体验。
实施例2,在上述实施例1中仍存在技术问题,上述方法中只介绍了如何通过程序的优先级进行优先关闭达到更好的省电,并没有对省电模式的硬件具体调用进行说明,因此需要一种处理器核心优化方法,通过核心的性能信息和程序与核心适配程度进行优化出程序对应的最佳处理核心,具体步骤如下:
分析实施例1在低电模式下保留的程序,通过静态代码分析工具分析高优先级的保留程序的计算操作的数量,将其数量相加,获取保留程序的计算需求;
使用内存分析工具统计保留程序在不同阶段的内存使用情况,包括堆内存需求和栈内存需求;
堆内存需求: 堆内存需求表示程序在堆内存上动态分配的内存量。堆内存需求与动态分配的数据结构相关。可以使用以下参数来计算堆内存需求:,式中Dc为堆内存需求,NH为堆中对象的数量,HS为每个堆对象的大小;栈内存需求:栈内存需求表示程序在栈内存上分配的内存量。栈内存需求与函数调用和局部变量的数量有关。可以使用以下参数来计算栈内存需求:/>,式中Zc为栈内存需求,NF为函数调用的数量,LS为每个函数的局部变量和临时变量的大小;将堆内存需求和栈内存需求相加获得保留程序的内存需求。
通过记录器记录保留程序的写入操作的数量、每次写入操作的数据量、读取操作的数量和每次读取操作的数据量,综合分析保留程序的I/O需求;可以使用以下的方法和公式,式中RR为读取需求,NR为读取操作的数量,RS为每次读取操作的数据量;/>,式中WR为写入需求,NW为写入操作的数量,WS为每次写入操作的数据量;将读取需求和写入需求相加获得保留程序的I/O需求;
将保留程序的I/O需求、保留程序的内存需求、保留程序的计算需求进行整合分析获得保留程序的性能指数,可以通过以下数学公式计算获得:,式中PC为保留程序的性能指数,C为保留程序的计算需求,M为保留程序的内存需求,I为保留程序的I/O需求。
使用具有访问时钟周期计数的性能测试工具测量处理器核心在一定时间内完成的时钟周期数,将时钟周期数除以测量时钟频率的时间段得到核心的时钟频率;时钟频率表示处理器核心每秒钟的时钟周期数,时钟频率是处理器核心的一个重要性能指标,更高的时钟频率通常意味着更高的性能。
使用性能测试程序测量处理器核心的缓存命中计数,缓存命中计数为测量处理器核心的缓存命中次数,即在缓存中找到数据的次数;在测试程序或工具中设置一个用于测试的数据集,数据集的大小应足够大以覆盖缓存的不同部分,将缓存命中计数除以测试数据量来计算缓存大小;
用性能测试工具进行多次测试,每次测试都应使用不同的数据集,以确保测试的多样性。对于每次测试,记录缓存命中次数;在完成多次测试后,计算每个缓存级别的缓存大小的平均值,获得核心的缓存大小;
查阅处理器核心的官方规格文档或资料,有关处理器核心的架构信息获取处理器核心的并行性和吞吐量。并行性:核心支持的线程/进程数量,以及多核处理器的总线程/进程数量;吞吐量:核心的指令执行吞吐量,以每秒执行的指令数表示;
将核心的缓存大小、并行性和吞吐量整合分析计算核心的性能指数,可以通过以下方案获取核心的性能指数:,式中/>为核心的性能指数,/>为核心的缓存大小,/>为并行性,/>为吞吐量;核心的性能指数反应了核心的。
通过将保留程序的性能指数和核心的性能指数相比,分析判断保留程序与核心的适配程度系数,可以通过以下公式获取:,式中/>为适配程度系数,/>为程序和核心的比例参数,PC为保留程序的性能指数,/>为核心的性能指数;
设置一个适配阈值,与适配程度系数比较,适配程度系数越接近适配阈值,则表明保留程序与比较的核心越匹配;
将所有的核心优先和程序优先级高的程序进行比较分析适配程度系数,将适配程度系数最接近适配阈值的核心与程序匹配调用,当监测到核心处理的程序大于时钟频率时,不再分配该核心,接着分析程序优先级略低的程序,以此类推,直至所以保留程序匹配完毕。
本实施例2通过综合分析程序的计算需求、内存需求、I/O需求以及核心的性能特点,以及时钟频率、缓存大小、并行性和吞吐量等,计算性能指数和核心性能指数,最终得出适配程度系数,从而动态选择最适合的核心执行程序。提高了系统性能和效率,有助于降低能耗,实现节能和提高程序的响应性。
实施例3,图2给出了本发明一种基于多源数据的智能穿戴设备数据处理系统,包括数据采集模块、资源耗能分析模块、程序实用程度分析模块、程序性价比分析模块、核心匹配模块、省电模块,模块间相互连接;
数据采集模块:采集程序的CPU利用率、程序的内存占用率、程序的传感器占用信息和程序的屏幕调用信息发送给资源耗能分析模块;采集用户对于程序的用户评论数量、用户评分、用户卸载程序的数据、程序的用户安装总数发送给程序实用程度分析模块;采集保留程序的计算操作的数量、保留程序运行时堆中对象的数量和每个堆对象的大小、保留程序运行时函数调用的数量和每个函数的局部变量和临时变量的大小、写入操作的数量和每次写入操作的数据量、读取操作的数量和每次读取操作的数据量、核心的性能数据发送给核心匹配模块;
资源耗能分析模块:将程序的CPU利用率、程序的内存占用率、程序的传感器占用信息和程序的屏幕调用信息分别分析屏幕耗能情况、传感器耗能情况、CPU耗能情况、内存耗能情况,在综合分析资源耗能情况,将资源耗能情况发送给程序性价比分析模块;
程序实用程度分析模块:将采集用户对于程序的用户评论数量、用户评分、用户卸载程序的数据、程序的用户安装总数分析程序的用户喜爱情况和程序使用情况,将程序的用户喜爱情况和程序使用情况发送给程序性价比分析模块;
程序性价比分析模块:将程序的用户喜爱情况和程序使用情况分析获得程序性价比,将程序性价比降序排序获得程序优先级表;将程序优先级表发送给核心匹配模块;
核心匹配模块:依据采集模块发送的保留程序信息和核心信息计算得到保留程序的性能指数和核心的性能指数,再依据保留程序的性能指数和核心的性能指数计算出程序和核心的适配程度系数,将适配程度系数发送给省电模块;
省电模块:依据程序和核心的适配程度系数、程序优先级实施省电方案。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
另外,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
以上所述,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,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,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。
最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于多源数据的智能穿戴设备数据处理方法,其特征在于,包括如下步骤:
步骤S1,监测程序的CPU资源占用情况、内存资源占用情况、传感器调用情况、屏幕使用情况,依据程序的CPU资源占用情况、内存资源占用情况、传感器调用情况、屏幕使用情况分析出程序的资源耗能情况;
步骤S2,采集程序的用户评分和程序的用户评价数量,分析用户对程序的喜爱情况;
步骤S3,收集用户下载程序的数据包括下载时间,下载到卸载的时间长度、系统自在的程序的卸载情况,综合分析程序的用户流失情况;获取程序的功能数量结合程序的用户流失情况分析程序的使用情况;
步骤S4,将程序的资源耗能情况、程序的喜爱情况和程序的用户流失情况整合分析获得程序的性价比,将程序性价比降序排列制表获得程序优先级表,在系统低电模式下优先运行和保留优先级高的程序;
步骤S5,分析保留程序的计算操作的数量,将其数量相加获得程序的计算需求,分析保留程序的内存需求,分析保留程序的I/O需求,综合分析内存需求、计算需求、I/O需求获得保留程序的性能指数;
步骤S6,获取处理器核心的缓存大小、并行性、吞吐量,综合分析获得核心的性能指数,分析获取时钟频率;
步骤S7,将保留程序的性能指数和核心的性能指数相比,分析判断保留程序与核心的适配程度系数,依据保留程序与核心适配程度系数、程序优先级表和时钟频率进行省电模式的程序方案设计;
在步骤S4中,将程序实用指数、用户喜爱指数和资源耗能指数整合分析加权求和获得程序的性价比指数,将所有程序的相加比指数进行降序排序获得程序优先级表,当智能手表的电能不足进入省电模式或用户手动进入时,优先保留优先级高的程序,优先关闭优先级低的程序;
在步骤S5中,计算需求获取方法如下:通过分析高优先级的保留程序的计算操作的数量,将其数量相加,获取保留程序的计算需求;
内存需求获取方法如下:通过将堆中对象的数量和每个堆对象的大小进行乘法分析获得堆内存需求;通过将函数调用的数量和每个函数的局部变量和临时变量的大小进行乘法分析获得栈内存需求;将栈内存需求与堆内存需求相加获取程序的内存需求;
I/O需求获取方法如下:记录保留程序的写入操作的数量、每次写入操作的数据量、读取操作的数量和每次读取操作的数据量,将读取操作的数量与每次读取操作的数据量相乘获取读取需求;将写入操作的数量与每次写入操作的数据量相乘获取写入需求,将读取需求和写入需求相加获得保留程序的I/O需求;
将保留程序的I/O需求、保留程序的内存需求、保留程序的计算需求进行加除均分整合分析获得保留程序的性能指数;
在步骤S6中,将时钟周期数除以测量时钟频率的时间段得到核心的时钟频率;
核心的缓存大小获取方法如下:测试程序测量处理器核心的缓存命中计数,在测试程序中设置一个用于测试的数据集,将缓存命中计数除以测试数据量来计算缓存大小,在完成多次测试后,计算每个缓存级别的缓存大小的平均值,获得核心的缓存大小;
并行性获取方法如下:查阅处理器核心的官方规格文档或资料获取核心的吞吐量、线程数量、进程数量,将核心支持的线程除以进程数量获取处理器核心的并行性;
将核心的缓存大小比上并行性和吞吐量相加整合分析计算核心的性能指数。
2.根据权利要求1所述的一种基于多源数据的智能穿戴设备数据处理方法,其特征在于:在步骤S1中,程序的资源耗能情况分析方法如下,监测程序的CPU资源占用情况,将监测的CPU资源占用情况的数据通过差商运算标准化为一个标准CPU利用率,并于预设的CPU耗能权重相乘得到CPU耗能得分;
采集程序实际占用内存,将监测的内存资源占用情况的数据通过差商运算标准化为一个标准内存利用率,并于预设的内存耗能权重相乘得到内存耗能得分;
监测程序的传感器占用信息,将程序的传感器占用信息表示为一个二进制数值,当程序的传感器占用信息为1时,为调用传感器,当程序的传感器占用信息为0时,为不需要调用传感器,将传感器占用信息与预设的传感器耗能权重相乘得到传感器耗能得分;
监测程序的屏幕调用信息,将程序的屏幕调用信息表示为一个二进制数值,当程序的屏幕调用信息为1时,为调用屏幕,当程序的屏幕调用信息为0时,为不需要调用屏幕;将屏幕调用信息与预设的屏幕耗能权重相乘得到屏幕耗能得分;
将屏幕耗能得分、传感器耗能得分、CPU耗能得分、内存耗能得分整合加权求和分析获得资源耗能指数。
3.根据权利要求1所述的一种基于多源数据的智能穿戴设备数据处理方法,其特征在于:在步骤S2中,采集用户对于程序的用户评论数量和用户评分,通过乘幂数学模型分析获得用户喜爱指数;
在步骤S3中,收集用户卸载软件的数据,将系统自带程序的卸载用户数量比上用户数量获得自带程序的用户流失率;
当分析的程序为后天下载的程序时,后天下载的程序使用超过一周则记录为用户使用,当程序被记录为用户使用后卸载的被记录为用户删除,将后天下载的程序的用户安装总数和用户数删除数量相比获得用户流失率;
将系统自带用户流失率和后天下载用户流失率程序的功能数量通过加乘数学模型综合分析程序实用指数。
4.根据权利要求1所述的一种基于多源数据的智能穿戴设备数据处理方法,其特征在于:在步骤S7中,通过将保留程序的性能指数和核心的性能指数相比,分析判断保留程序与核心的适配程度系数;
省电模式的程序方案设计如下:将适配程度系数与预设的适配阈值比较,将所有的核心优先和程序优先级高的程序进行比较计算出适配程度系数,将适配程度系数最接近适配阈值的核心运行程序,实时监测核心处理的程序数量,当核心处理的程序数量大于时钟频率时不再分配该核心,接着分析程序优先级略低的程序,以此类推,直至所有保留程序匹配完毕。
5.一种基于多源数据的智能穿戴设备数据处理系统,基于权利要求1-4任一项所述的一种基于多源数据的智能穿戴设备数据处理方法,其特征在于:包括数据采集模块、资源耗能分析模块、程序实用程度分析模块、程序性价比分析模块、核心匹配模块、省电模块,模块间相互连接;
数据采集模块:采集程序的CPU利用率、程序的内存占用率、程序的传感器占用信息和程序的屏幕调用信息发送给资源耗能分析模块;采集用户对于程序的用户评论数量、用户评分、用户卸载程序的数据、程序的用户安装总数发送给程序实用程度分析模块;采集保留程序的计算操作的数量、保留程序运行时堆中对象的数量和每个堆对象的大小、保留程序运行时函数调用的数量和每个函数的局部变量和临时变量的大小、写入操作的数量和每次写入操作的数据量、读取操作的数量和每次读取操作的数据量、核心的性能数据发送给核心匹配模块;
资源耗能分析模块:将程序的CPU利用率、程序的内存占用率、程序的传感器占用信息和程序的屏幕调用信息分别分析屏幕耗能情况、传感器耗能情况、CPU耗能情况、内存耗能情况,在综合分析资源耗能情况,将资源耗能情况发送给程序性价比分析模块;
程序实用程度分析模块:将采集用户对于程序的用户评论数量、用户评分、用户卸载程序的数据、程序的用户安装总数分析程序的用户喜爱情况和程序使用情况,将程序的用户喜爱情况和程序使用情况发送给程序性价比分析模块;
程序性价比分析模块:将程序的用户喜爱情况和程序使用情况分析获得程序性价比,将程序性价比降序排序获得程序优先级表;将程序优先级表发送给核心匹配模块;
核心匹配模块:依据采集模块发送的保留程序信息和核心信息计算得到保留程序的性能指数和核心的性能指数,再依据保留程序的性能指数和核心的性能指数计算出程序和核心的适配程度系数,将适配程度系数发送给省电模块;
省电模块:依据程序和核心的适配程度系数、程序优先级实施省电方案。
CN202311753549.3A 2023-12-20 2023-12-20 一种基于多源数据的智能穿戴设备数据处理方法及系统 Active CN117435025B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311753549.3A CN117435025B (zh) 2023-12-20 2023-12-20 一种基于多源数据的智能穿戴设备数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311753549.3A CN117435025B (zh) 2023-12-20 2023-12-20 一种基于多源数据的智能穿戴设备数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN117435025A CN117435025A (zh) 2024-01-23
CN117435025B true CN117435025B (zh) 2024-03-12

Family

ID=89551965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311753549.3A Active CN117435025B (zh) 2023-12-20 2023-12-20 一种基于多源数据的智能穿戴设备数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN117435025B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110087292A (zh) * 2019-04-28 2019-08-02 努比亚技术有限公司 智能穿戴设备、节能控制方法以及计算机可读存储介质
CN114569083A (zh) * 2022-03-18 2022-06-03 上海墨百意信息科技有限公司 一种智能穿戴设备和体征数据处理方法
CN114780253A (zh) * 2022-06-15 2022-07-22 广东省信息工程有限公司 一种大数据智能分析系统
CN116300508A (zh) * 2023-04-27 2023-06-23 青岛海尔科技有限公司 用于计算智能家电设备能耗的方法及装置、智能家居系统
CN117251697A (zh) * 2023-11-17 2023-12-19 深圳市光速时代科技有限公司 一种智能穿戴设备安全数据的综合评估管理系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110087292A (zh) * 2019-04-28 2019-08-02 努比亚技术有限公司 智能穿戴设备、节能控制方法以及计算机可读存储介质
CN114569083A (zh) * 2022-03-18 2022-06-03 上海墨百意信息科技有限公司 一种智能穿戴设备和体征数据处理方法
CN114780253A (zh) * 2022-06-15 2022-07-22 广东省信息工程有限公司 一种大数据智能分析系统
CN116300508A (zh) * 2023-04-27 2023-06-23 青岛海尔科技有限公司 用于计算智能家电设备能耗的方法及装置、智能家居系统
CN117251697A (zh) * 2023-11-17 2023-12-19 深圳市光速时代科技有限公司 一种智能穿戴设备安全数据的综合评估管理系统

Also Published As

Publication number Publication date
CN117435025A (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
JP6193393B2 (ja) 分散コンピューティングシステムのための電力の最適化
CN101650685A (zh) 设备能效的确定方法和装置
CN108874535A (zh) 一种任务调节方法、计算机可读存储介质及终端设备
CN110599240A (zh) 应用的偏好值确定方法、装置和设备及存储介质
CN115269108A (zh) 一种数据处理方法、装置及设备
CN113815481B (zh) 电池包选择方法、装置、电子设备及存储介质
CN117573373B (zh) 一种基于云计算的cpu虚拟化调度方法及系统
CN111404974B (zh) 一种云计算效能评估方法、装置及评估设备
Zhang Power, Performance Modeling and Optimization for Mobile System and Applications.
CN117435025B (zh) 一种基于多源数据的智能穿戴设备数据处理方法及系统
CN113902260A (zh) 信息预测方法、装置、电子设备和介质
Tu et al. Unveiling Energy Efficiency in Deep Learning: Measurement, Prediction, and Scoring across Edge Devices
CN111311393A (zh) 信用风险的评估方法、装置、服务器和存储介质
KR102501857B1 (ko) 전력 사용량 예측 장치 및 방법
KR102556093B1 (ko) 전력의 피크 부하를 저감하기 위한 보상 생성 방법 및 그 방법을 수행하는 동작 제어 장치
CN114876731A (zh) 风电场低效运行风电机组排查方法、系统、设备和介质
RU2552177C2 (ru) Способ оценки влияния работы приложений и их функций на энергопотребление во встраиваемых системах
CN116737554B (zh) 一种基于大数据的智能分析处理系统及方法
EP4254182A1 (en) Method and apparatus of detecting running state of a virtual machine based on kernel density estimation
US20220390999A1 (en) System and method for predicting power usage of network components
Chen et al. Unveiling Energy Efficiency in Deep Learning: Measurement, Prediction, and Scoring across Edge Devices
CN113722101A (zh) 用于确定金融系统计算资源的方法、装置及设备
CN114708077A (zh) 交易流水数据处理方法及装置、存储介质及电子设备
CN115576830A (zh) 一种用例质量确定方法、装置、电子设备及存储介质
CN116795710A (zh) 实时系统的性能评估方法及装置

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