CN117743127B - 笔记本电脑的功耗数据分析方法及系统 - Google Patents
笔记本电脑的功耗数据分析方法及系统 Download PDFInfo
- Publication number
- CN117743127B CN117743127B CN202410178418.5A CN202410178418A CN117743127B CN 117743127 B CN117743127 B CN 117743127B CN 202410178418 A CN202410178418 A CN 202410178418A CN 117743127 B CN117743127 B CN 117743127B
- Authority
- CN
- China
- Prior art keywords
- power consumption
- consumption state
- state event
- parameter
- power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 155
- 238000007405 data analysis Methods 0.000 title claims description 3
- 238000012544 monitoring process Methods 0.000 claims abstract description 179
- 230000000694 effects Effects 0.000 claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 128
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 claims description 56
- 238000005070 sampling Methods 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 9
- 230000003139 buffering effect Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 206010048669 Terminal state Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001960 triggered 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
- Power Sources (AREA)
Abstract
本申请实施例提供一种笔记本电脑的功耗数据分析方法及系统,通过从笔记本电脑的功耗监控数据集合中获取第一功耗状态数据簇,并对其进行功耗状态事件提取,生成相应的功耗状态事件序列。在此基础上,通过对比第一功耗利用效率与电源效率分级参数之间的关系,可以确定第二功耗监控数据的电源效率评估数据。由此,使得能够准确地跟踪和监控笔记本电脑的功耗情况,以及各种目标电源活动的功耗表现,可以帮助更好地理解笔记本电脑在执行特定任务时的电源消耗模式,还可以帮助进行电源优化,从而提高笔记本电脑的电池寿命和整体性能。此外,通过将每个功耗监控数据与一个具体的电源活动相关联,能够更直观地看到各种电源活动对电源消耗的影响。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种笔记本电脑的功耗数据分析方法及系统。
背景技术
随着科技的发展,电子设备越来越普遍,并且在人们的日常生活中起着重要的作用。这些设备,包括笔记本电脑、平板电脑、智能手机等,通常都依赖内置电池作为电源。然而,随着设备性能的提升和功能的增多,笔记本电脑的功耗也相应增加,这对电池续航时间造成了巨大压力。
因此,电源管理系统变得越来越重要。它们可以通过监控笔记本电脑的功耗状态,并基于这些数据优化电源使用策略,从而提高电池续航时间。例如,电源管理系统可能会通过降低CPU频率或关闭某些不需要的硬件组件来减少功耗。在相关技术中,笔记本电脑的电源管理是一个重要的研究领域,因为有效的电源管理可以显著提高笔记本电脑的电池寿命和性能。过去的研究主要集中在如何减少笔记本电脑的功耗,但这种方法通常会牺牲笔记本电脑的性能。此外,许多现有的电源管理系统只关注笔记本电脑的总体功耗,而忽视了不同的目标电源活动对总体功耗的影响。
发明内容
为了至少克服现有技术中的上述不足,本申请的目的在于提供一种笔记本电脑的功耗数据分析方法及系统。
第一方面,本申请提供一种笔记本电脑的功耗数据分析方法,应用于功耗监控系统,所述方法包括:
从笔记本电脑的功耗监控数据集合中获取第一功耗状态数据簇,所述功耗监控数据集合为通过电源管理系统监控到的,所述功耗监控数据集合中的每个功耗监控数据包括目标电源活动所对应的功耗监控数据,所述第一功耗状态数据簇包括第一功耗监控数据和第二功耗监控数据,所述第二功耗监控数据为所述第一功耗监控数据关联的后一个功耗监控数据;
对所述第一功耗状态数据簇进行功耗状态事件提取,生成所述第一功耗监控数据所对应的第一功耗状态事件序列以及所述第二功耗监控数据所对应的第二功耗状态事件序列,所述第一功耗状态事件序列中的第一功耗状态事件与所述第二功耗状态事件序列中的第二功耗状态事件存在唯一映射联系;
基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,确定所述目标电源活动的第一功耗利用效率;
基于所述第一功耗利用效率与电源效率分级参数之间的比较关系,确定所述第二功耗监控数据的电源效率评估数据。
在第一方面的一种可能的实施方式中,所述对所述第一功耗状态数据簇进行功耗状态事件提取,生成所述第一功耗监控数据所对应的第一功耗状态事件序列以及所述第二功耗监控数据所对应的第二功耗状态事件序列,包括:
对所述第一功耗监控数据进行功耗状态事件提取,生成对于所述目标电源活动的所述第一功耗状态事件序列,所述第一功耗状态事件序列包括X个第一功耗状态事件,所述X为正整数;
对所述第二功耗监控数据进行功耗状态事件提取,生成对于所述目标电源活动的所述第二功耗状态事件序列,所述第二功耗状态事件序列包括X个第二功耗状态事件。
在第一方面的一种可能的实施方式中,所述基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,确定所述目标电源活动的第一功耗利用效率,包括:
获取所述第一功耗状态事件序列中每个第一功耗状态事件所对应的电量消耗参数,以及获取所述第二功耗状态事件序列中每个第二功耗状态事件所对应的电量消耗参数,所述电量消耗参数用于反映功耗状态事件与所述电源管理系统对应电量消耗模板之间的关系;
获取所述第一功耗状态事件序列中所述每个第一功耗状态事件所对应的运行节点,以及获取所述第二功耗状态事件序列中所述每个第二功耗状态事件所对应的运行节点,所述运行节点包括功耗状态事件在电源任务运行进程的触发节点和结束节点;
基于所述每个第一功耗状态事件所对应的电量消耗参数、所述每个第二功耗状态事件所对应的电量消耗参数、所述每个第一功耗状态事件所对应的运行节点以及所述每个第二功耗状态事件所对应的运行节点,确定平均功耗状态参数;
基于所述平均功耗状态参数以及采样间隔,确定所述目标电源活动的第一功耗利用效率。
在第一方面的一种可能的实施方式中,所述基于所述每个第一功耗状态事件所对应的电量消耗参数、所述每个第二功耗状态事件所对应的电量消耗参数、所述每个第一功耗状态事件所对应的运行节点以及所述每个第二功耗状态事件所对应的运行节点,确定平均功耗状态参数,包括:
对于所述第一功耗状态事件序列中的每个第一功耗状态事件,基于第一功耗状态事件所对应的电量消耗参数、所述第一功耗状态事件在所述电源任务运行进程的触发节点、常驻功耗状态事件在所述电源任务运行进程的触发节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第一功耗状态事件在电源任务运行进程的触发节点;
对于所述第一功耗状态事件序列中的每个第一功耗状态事件,基于第一功耗状态事件所对应的电量消耗参数、所述第一功耗状态事件在所述电源任务运行进程的结束节点、常驻功耗状态事件在所述电源任务运行进程的结束节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第一功耗状态事件在所述电源任务运行进程的结束节点;
对于所述第二功耗状态事件序列中的每个第二功耗状态事件,基于第二功耗状态事件所对应的电量消耗参数、所述第二功耗状态事件在所述电源任务运行进程的触发节点、常驻功耗状态事件在所述电源任务运行进程的触发节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第二功耗状态事件在所述电源任务运行进程的触发节点;
对于所述第二功耗状态事件序列中的每个第二功耗状态事件,基于第二功耗状态事件所对应的电量消耗参数、所述第二功耗状态事件在所述电源任务运行进程的结束节点、常驻功耗状态事件在所述电源任务运行进程的结束节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第二功耗状态事件在所述电源任务运行进程的结束节点;
基于所述每个第一功耗状态事件在所述电源任务运行进程的触发节点、所述每个第一功耗状态事件在所述电源任务运行进程的结束节点、所述每个第二功耗状态事件在所述电源任务运行进程的触发节点、所述每个第二功耗状态事件在所述电源任务运行进程的结束节点、所述每个第一功耗状态事件所对应的电量消耗参数以及所述每个第二功耗状态事件所对应的电量消耗参数,确定所述平均功耗状态参数。
在第一方面的一种可能的实施方式中,所述第一功耗状态事件序列包括X个第一功耗状态事件,且,所述第二功耗状态事件序列包括X个第二功耗状态事件,所述X为正整数;
所述基于所述每个第一功耗状态事件在所述电源任务运行进程的触发节点、所述每个第一功耗状态事件在所述电源任务运行进程的结束节点、所述每个第二功耗状态事件在所述电源任务运行进程的触发节点、所述每个第二功耗状态事件在所述电源任务运行进程的结束节点、所述每个第一功耗状态事件所对应的电量消耗参数以及所述每个第二功耗状态事件所对应的电量消耗参数,确定所述平均功耗状态参数,包括:
基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,生成X个功耗状态事件组合,每个功耗状态事件组合包括存在映射联系的第一功耗状态事件以及第二功耗状态事件;
对于所述X个功耗状态事件组合中的每个功耗状态事件组合,基于功耗状态事件集中第一功耗状态事件在所述电源任务运行进程的触发节点、第二功耗状态事件在所述电源任务运行进程的触发节点、所述第一功耗状态事件在所述电源任务运行进程的结束节点、所述第二功耗状态事件在所述电源任务运行进程的结束节点、所述第一功耗状态事件所对应的电量消耗参数以及所述第二功耗状态事件所对应的电量消耗参数,确定所述功耗状态事件组合所对应的功耗状态参数;
对所述X个功耗状态事件组合中所述每个功耗状态事件组合所对应的功耗状态参数进行均值计算,生成所述平均功耗状态参数。
在第一方面的一种可能的实施方式中,所述第一功耗状态事件序列包括X个第一功耗状态事件,且,所述第二功耗状态事件序列包括X个第二功耗状态事件,所述X为正整数;
所述基于所述每个第一功耗状态事件在所述电源任务运行进程的触发节点、所述每个第一功耗状态事件在所述电源任务运行进程的结束节点、所述每个第二功耗状态事件在所述电源任务运行进程的触发节点、所述每个第二功耗状态事件在所述电源任务运行进程的结束节点、所述每个第一功耗状态事件所对应的电量消耗参数以及所述每个第二功耗状态事件所对应的电量消耗参数,确定所述平均功耗状态参数,包括:
基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,生成X个功耗状态事件组合,每个功耗状态事件组合包括存在映射联系的第一功耗状态事件以及第二功耗状态事件;
对于所述X个功耗状态事件组合中的每个功耗状态事件组合,基于功耗状态事件集中第一功耗状态事件在所述电源任务运行进程的触发节点、第二功耗状态事件在所述电源任务运行进程的触发节点、所述第一功耗状态事件在所述电源任务运行进程的结束节点、所述第二功耗状态事件在所述电源任务运行进程的结束节点、所述第一功耗状态事件所对应的电量消耗参数以及所述第二功耗状态事件所对应的电量消耗参数,确定所述功耗状态事件组合所对应的功耗状态参数;
对所述X个功耗状态事件组合中所述每个功耗状态事件组合所对应的功耗状态参数进行降序排列,生成功耗状态参数集合,所述功耗状态参数集合包括X个功耗状态参数;
从所述功耗状态参数集合中选择Y个功耗状态参数,所述Y为不小于1,且小于所述X的整数;
对所述Y个功耗状态参数进行均值计算,生成所述平均功耗状态参数。
在第一方面的一种可能的实施方式中,所述从所述功耗状态参数集合中选择Y个功耗状态参数,包括:
如果所述X无法被2整除,则将所述功耗状态参数集合中的第[(X+1)/2]个功耗状态参数、所述第[(X+1)/2]个功耗状态参数之前的Z个功耗状态参数以及所述第[(X+1)/2]个功耗状态参数之后的Z个功耗状态参数,共同作为所述Y个功耗状态参数,所述Z为不小于1的整数;
如果所述X能被2整除,则将所述功耗状态参数集合中的第(X/2)个功耗状态参数、所述功耗状态参数集合中的第(X/2+1)个功耗状态参数、所述第(X/2)个功耗状态参数之前的Z个功耗状态参数以及所述第(X/2+1)个功耗状态参数之后的Z个功耗状态参数,共同作为所述Y个功耗状态参数。
在第一方面的一种可能的实施方式中,所述基于所述第一功耗利用效率与电源效率分级参数之间的比较关系,确定所述第二功耗监控数据的电源效率评估数据,包括:
如果所述第一功耗利用效率不小于所述电源效率分级参数,则确定所述第二功耗监控数据的电源效率评估数据为所述电源效率分级参数对应的电源效率分级;
其中,所述方法还包括:
从所述功耗监控数据集合中获取第二功耗状态数据簇,所述第二功耗状态数据簇包括第三功耗监控数据和第四功耗监控数据,所述第四功耗监控数据为所述第三功耗监控数据关联的后一个功耗监控数据;
对所述第二功耗状态数据簇进行功耗状态事件提取,生成所述第三功耗监控数据所对应的第三功耗状态事件序列以及所述第四功耗监控数据所对应的第四功耗状态事件序列,所述第三功耗状态事件序列中的第三功耗状态事件与所述第四功耗状态事件序列中的第四功耗状态事件存在唯一映射联系;
基于所述第三功耗状态事件序列以及所述第四功耗状态事件序列,确定所述目标电源活动的第二功耗利用效率;
基于所述第二功耗利用效率与所述电源效率分级参数之间的比较关系,确定所述第四功耗监控数据的电源效率评估数据。
在第一方面的一种可能的实施方式中,所述从笔记本电脑的功耗监控数据集合中获取第一功耗状态数据簇之前,所述方法还包括:
获取针对功耗监控组件的激活请求,启动所述电源管理系统;
依据所述电源管理系统监控生成基础功耗监控数据集合,所述基础功耗监控数据集合包括W个功耗监控数据,所述W为正整数;
对所述基础功耗监控数据集合进行解析,生成包括所述目标电源活动的K个连续功耗监控数据,并将所述K个连续功耗监控数据作为所述功耗监控数据集合,所述K为大于1,且不大于所述W的整数。
第二方面,本申请实施例还提供一种功耗监控系统,所述功耗监控系统包括处理器和机器可读存储介质,所述机器可读存储介质中存储有计算机程序,所述计算机程序依据该处理器加载并执行以实现以上第一方面的笔记本电脑的功耗数据分析方法。
依据以上任意方面的技术方案,通过从笔记本电脑的功耗监控数据集合中获取第一功耗状态数据簇,并对其进行功耗状态事件提取,生成相应的功耗状态事件序列。在此基础上,通过基于所述第一功耗监控数据所对应的第一功耗状态事件序列以及所述第二功耗监控数据所对应的第二功耗状态事件序列,确定目标电源活动的第一功耗利用效率后,对比第一功耗利用效率与电源效率分级参数之间的关系,可以确定第二功耗监控数据的电源效率评估数据。由此,使得能够准确地跟踪和监控笔记本电脑的功耗情况,以及各种目标电源活动(例如视频播放)的功耗表现,这不仅可以帮助更好地理解笔记本电脑在执行特定任务时的电源消耗模式,还可以帮助进行电源优化,从而提高笔记本电脑的电池寿命和整体性能。此外,通过将每个功耗监控数据与一个具体的电源活动相关联,能够更直观地看到各种电源活动对电源消耗的影响。这有助于找出最耗电的电源活动,并采取措施来降低其功耗。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要启用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以依据这些附图获得其它相关的附图。
图1为本申请实施例提供的笔记本电脑的功耗数据分析方法的流程示意图;
图2为本申请实施例提供的用于实现上述的笔记本电脑的功耗数据分析方法的功耗监控系统的功能结构示意框图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和依据本申请,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所公开的实施例作出各种改变,并且在不偏离本申请的原则和范围时,本申请中所定义的普遍原则可以适用于其它实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
参见图1所示,本申请提供一种笔记本电脑的功耗数据分析方法,包括以下步骤。
步骤S110,从笔记本电脑的功耗监控数据集合中获取第一功耗状态数据簇,所述功耗监控数据集合为通过电源管理系统监控到的,所述功耗监控数据集合中的每个功耗监控数据包括目标电源活动所对应的功耗监控数据,所述第一功耗状态数据簇包括第一功耗监控数据和第二功耗监控数据,所述第二功耗监控数据为所述第一功耗监控数据关联的后一个功耗监控数据。
例如,假设一个笔记本电脑在执行一项任务,比如运行一个复杂的计算程序。这个电源管理系统就会实时监控并记录电源的功耗情况,从而生成功耗监控数据集合。每一份功耗监控数据都对应于电源活动的某一时刻。比如说,第一份功耗监控数据可能记录了运行程序开始时的功耗情况,而第二份功耗监控数据则记录了紧接着的下一个时刻的功耗情况。这两份数据构成了第一功耗状态数据簇。
示例性的,可以想象笔记本电脑正在执行一个任务,例如播放一段视频。电源管理系统会不断地监控并记录电源的功耗情况,每个功耗监控数据都对应一个特定时间点的电源活动,从而生成该功耗监控数据集合。第一功耗状态数据簇是指从这个功耗监控数据集合中选取的两个连续的、关联的功耗监控数据。假设在视频播放开始时(比如说在视频播放的第1分钟),记录下了第一功耗监控数据;接着,在视频播放的下一时间点(例如在视频播放的第2分钟),又记录下了第二功耗监控数据。这两份数据就构成了第一功耗状态数据簇。
其中,第二功耗监控数据是在第一功耗监控数据之后的时间点记录的,它们是连续的,并且是相互关联的,因为都是记录同一电源活动(即播放视频)在不同时间点的功耗情况。
步骤S120,对所述第一功耗状态数据簇进行功耗状态事件提取,生成所述第一功耗监控数据所对应的第一功耗状态事件序列以及所述第二功耗监控数据所对应的第二功耗状态事件序列,所述第一功耗状态事件序列中的第一功耗状态事件与所述第二功耗状态事件序列中的第二功耗状态事件存在唯一映射联系。
例如,对于这个第一功耗状态数据簇,可以进行功耗状态事件的提取。简单来说,就是根据数据分析出电源在这两个时间点发生了什么。例如,第一功耗监控数据可能显示笔记本电脑的目标电源活动在刚开始运行程序时的功耗较高,而第二功耗监控数据可能显示功耗有所下降。这两个状态分别构成了第一功耗状态事件序列和第二功耗状态事件序列,它们之间存在唯一映射关系。
示例性的,假设有一个功耗状态数据簇,其中第一功耗监控数据对应于视频播放开始时的功耗情况,第二功耗监控数据则对应于视频播放几分钟后的功耗情况。这两个数据点都代表了特定的功耗状态。
接下来,进行功耗状态事件提取。这一步操作的目标是将每个功耗监控数据转化为一个事件,以便更好地理解和分析功耗变化。
具体来说,第一功耗监控数据可能被转化为一个事件,比如视频开始播放,并生成一个对应的功耗状态事件序列,即第一功耗状态事件序列。同样地,第二功耗监控数据可能被转化为另一个事件,比如视频播放中,并生成第二功耗状态事件序列。
并且,第一功耗状态事件和第二功耗状态事件虽然代表了不同的时间点,但互相之间存在一种顺序或因果关系。继续用播放视频的例子来解释。“视频开始播放”这个事件发生在“视频播放中”这个事件之前,并且“视频开始播放”可能导致或影响“视频播放中”的发生。也就是说,这两个事件之间存在一种顺序关系,它们不是随机无关的,而是有一种明确的、唯一的映射关系。具体到功耗状态事件序列,可以把它看作是一个按时间顺序排列的事件列表,其中每一个事件都对应着一个特定的功耗监控数据。这样,就可以清楚地检测到在视频播放过程中,电源的功耗是如何变化的,从而进行进一步的分析和评估。
步骤S130,基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,确定所述目标电源活动的第一功耗利用效率。
例如,接下来,可以基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,确定在执行目标电源活动(例如运行程序)期间的第一功耗利用效率。假设在开始运行程序时,功耗较高,这可能是因为程序在启动时需要更多的资源;随后,当程序运行稳定后,功耗有所下降。通过对比所述第一功耗状态事件序列以及所述第二功耗状态事件序列,可以得出在这个过程中,目标电源活动的功耗利用效率的变化情况。
步骤S140,基于所述第一功耗利用效率与电源效率分级参数之间的比较关系,确定所述第二功耗监控数据的电源效率评估数据。
例如,可以将计算得到的功耗利用效率与预先设置的电源效率分级参数进行比较。比如说,如果发现在运行程序过程中,功耗利用效率低于设定的参数,那么就会判断电源的效率不够理想,从而产生一份电源效率评估数据,以此为依据可以提醒用户或者制造商改善电源的效率。
基于以上步骤,通过从笔记本电脑的功耗监控数据集合中获取第一功耗状态数据簇,并对其进行功耗状态事件提取,生成相应的功耗状态事件序列。在此基础上,通过基于所述第一功耗监控数据所对应的第一功耗状态事件序列以及所述第二功耗监控数据所对应的第二功耗状态事件序列,确定目标电源活动的第一功耗利用效率后,对比第一功耗利用效率与电源效率分级参数之间的关系,可以确定第二功耗监控数据的电源效率评估数据。由此,使得能够准确地跟踪和监控笔记本电脑的功耗情况,以及各种目标电源活动(例如视频播放)的功耗表现,这不仅可以帮助更好地理解笔记本电脑在执行特定任务时的电源消耗模式,还可以帮助进行电源优化,从而提高笔记本电脑的电池寿命和整体性能。此外,通过将每个功耗监控数据与一个具体的电源活动相关联,能够更直观地看到各种电源活动对电源消耗的影响。这有助于找出最耗电的电源活动,并采取措施来降低其功耗。
在一种可能的实施方式中,步骤S120可以包括:
步骤S121,对所述第一功耗监控数据进行功耗状态事件提取,生成对于所述目标电源活动的所述第一功耗状态事件序列,所述第一功耗状态事件序列包括X个第一功耗状态事件,所述X为正整数。
例如,这个过程是指将视频开始播放时的电源功耗变化序列(即第一功耗监控数据)转化为一个事件序列。假设在视频开始播放的前五分钟内,电源功耗从10W增加到15W,可以根据这个变化序列提取出一系列事件,例如"功耗从10W逐渐增加到15W",并将这些事件形成一个序列,即第一功耗状态事件序列。
步骤S122,对所述第二功耗监控数据进行功耗状态事件提取,生成对于所述目标电源活动的所述第二功耗状态事件序列,所述第二功耗状态事件序列包括X个第二功耗状态事件。
同样地,这个过程是指将视频播放几分钟后的电源功耗变化序列(即第二功耗监控数据)转化为另一个事件序列。假设在接下来的五分钟内,电源功耗从15W继续增加到20W,可以根据这个变化序列提取出一系列事件,例如"功耗从15W继续增加到20W",并将这些事件形成另一个序列,即第二功耗状态事件序列。
在这个过程中,第一功耗状态事件序列和第二功耗状态事件序列是按时间顺序排列的,并且它们之间存在因果关系。也就是说,"功耗从10W逐渐增加到15W"这个事件序列(第一功耗状态事件)发生在"功耗从15W继续增加到20W"这个事件序列(第二功耗状态事件)之前,而且可能影响了后者的发生。
在一种可能的实施方式中,步骤S130可以包括:
步骤S131,获取所述第一功耗状态事件序列中每个第一功耗状态事件所对应的电量消耗参数,以及获取所述第二功耗状态事件序列中每个第二功耗状态事件所对应的电量消耗参数,所述电量消耗参数用于反映功耗状态事件与所述电源管理系统对应电量消耗模板之间的关系。
例如,在第一和第二功耗状态事件序列中,每个功耗状态事件都对应一定的电量消耗。例如,在“视频开始播放”(第一功耗状态事件)期间,可能消耗了2%的电量;而在“视频播放中”(第二功耗状态事件)期间,可能又消耗了3%的电量。这些电量消耗的数据就是电量消耗参数。
步骤S132,获取所述第一功耗状态事件序列中所述每个第一功耗状态事件所对应的运行节点,以及获取所述第二功耗状态事件序列中所述每个第二功耗状态事件所对应的运行节点,所述运行节点包括功耗状态事件在电源任务运行进程的触发节点和结束节点。
例如,每个功耗状态事件都有其在电源任务运行进程中的触发节点和结束节点。比如,“视频开始播放”的触发节点可能是用户点击播放按钮的那一刻,结束节点则可能是视频播放的第1分钟;同样,“视频播放中”的触发节点可能是视频播放的第1分钟,结束节点则可能是视频播放的第2分钟。
步骤S133,基于所述每个第一功耗状态事件所对应的电量消耗参数、所述每个第二功耗状态事件所对应的电量消耗参数、所述每个第一功耗状态事件所对应的运行节点以及所述每个第二功耗状态事件所对应的运行节点,确定平均功耗状态参数。
例如,通过分析所有功耗状态事件的电量消耗参数和运行节点,可以计算出一个平均功耗状态参数。这个平均功耗状态参数能够反映出电源在执行目标活动(如播放视频)过程中的平均功耗情况。
步骤S134,基于所述平均功耗状态参数以及采样间隔,确定所述目标电源活动的第一功耗利用效率。
最后,可以基于平均功耗状态参数和采样间隔来确定目标电源活动的功耗利用效率。在这个例子中,如果发现在播放视频的过程中,电源的平均功耗较低,那么就可以认为这个过程的功耗利用效率较高。
示例性的,z 视频播放应用场景中,假设已经根据前面的步骤计算出了平均功耗状态参数,这个参数是75。同时,设定采样间隔为5分钟。
首先,需要获取在这个5分钟采样间隔内的电源活动数据。例如,可能会记录下在这段时间内电池电量的变化,笔记本电脑的CPU使用率,以及其它与电源消耗相关的数据。
接着,将这些电源活动数据与平均功耗状态参数(75)进行比较。如果在这个5分钟的采样间隔内,笔记本电脑的实际功耗表现比平均功耗状态参数高,那么就认为笔记本电脑在这段时间内的功耗利用效率较高。反之,如果实际功耗表现低于平均功耗状态参数,那么功耗利用效率就较低。
最后,可以通过一些公式或者模型来具体计算出第一功耗利用效率。例如,可能会使用以下简单的公式:
第一功耗利用效率 = (实际功耗/平均功耗状态参数)* 100%
在这个公式中,实际功耗指的是在5分钟采样间隔内笔记本电脑的实际功耗情况,平均功耗状态参数是75。
这样,就可以通过平均功耗状态参数以及采样间隔来确定目标电源活动的第一功耗利用效率。
在一种可能的实施方式中,步骤S133可以包括:
步骤S1331,对于所述第一功耗状态事件序列中的每个第一功耗状态事件,基于第一功耗状态事件所对应的电量消耗参数、所述第一功耗状态事件在所述电源任务运行进程的触发节点、常驻功耗状态事件在所述电源任务运行进程的触发节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第一功耗状态事件在全局运行进程的进展状态参数。
例如,在此假设有两种功耗状态事件:“视频开始播放”(第一功耗状态事件)和“视频播放中”(第二功耗状态事件)。在这两个过程中,电源管理系统每隔60秒进行一次采样,常驻功耗状态事件(比如手机屏幕点亮)在7:55就已经触发。
假设“视频开始播放”的电量消耗参数为2%,并且在电源任务运行进程中的触发节点为8:00,可以定义以下公式来确定它在全局运行进程中的进展状态参数:
进展状态参数 = (电源任务运行进程的触发节点 - 常驻功耗状态事件的触发节点) * 采样间隔参数 / 电量消耗参数。
在这个例子中,进展状态参数 = (8:00 - 7:55) * 60秒 / 2% = 150 秒/百分比
步骤S1332,对于所述第一功耗状态事件序列中的每个第一功耗状态事件,基于第一功耗状态事件所对应的电量消耗参数、所述第一功耗状态事件在所述电源任务运行进程的结束节点、常驻功耗状态事件在所述电源任务运行进程的结束节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第一功耗状态事件在所述全局运行进程的终结状态参数。
例如,假设“视频开始播放”在电源任务运行进程中的结束节点为8:01(即视频播放1分钟后),可以定义以下公式来确定它在全局运行进程中的终结状态参数:
终结状态参数 = (电源任务运行进程的结束节点 - 常驻功耗状态事件的触发节点) * 采样间隔参数 / 电量消耗参数
在这个例子中,终结状态参数 = (8:01 - 7:55) * 60秒 / 2% = 180 秒/百分比
步骤S1333,对于所述第二功耗状态事件序列中的每个第二功耗状态事件,基于第二功耗状态事件所对应的电量消耗参数、所述第二功耗状态事件在所述电源任务运行进程的触发节点、常驻功耗状态事件在所述电源任务运行进程的触发节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第二功耗状态事件在所述全局运行进程的进展状态参数。
步骤S1334,对于所述第二功耗状态事件序列中的每个第二功耗状态事件,基于第二功耗状态事件所对应的电量消耗参数、所述第二功耗状态事件在所述电源任务运行进程的结束节点、常驻功耗状态事件在所述电源任务运行进程的结束节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第二功耗状态事件在所述全局运行进程的终结状态参数。
假设“视频播放中”的电量消耗参数为3%,并且在电源任务运行进程中的触发节点为8:01(即与“视频开始播放”的结束节点相同),则其在全局运行进程中的进展状态参数为:
进展状态参数 = (电源任务运行进程的触发节点 - 常驻功耗状态事件的触发节点)* 采样间隔参数 / 电量消耗参数
在这个例子中,进展状态参数 = (8:01 - 7:55) * 60秒 / 3% = 120 秒/百分比
如果假设“视频播放中”在电源任务运行进程中的结束节点为8:02(即视频播放2分钟后),则其在全局运行进程中的终结状态参数为:
终结状态参数 = (电源任务运行进程的结束节点 - 常驻功耗状态事件的触发节点) * 采样间隔参数/ 电量消耗参数
在这个例子中,终结状态参数 = (8:02 - 7:55) * 60秒 / 3% = 140 秒/百分比。
步骤S1335,基于所述每个第一功耗状态事件在所述全局运行进程的进展状态参数、所述每个第一功耗状态事件在所述全局运行进程的终结状态参数、所述每个第二功耗状态事件在所述全局运行进程的进展状态参数、所述每个第二功耗状态事件在所述全局运行进程的终结状态参数、所述每个第一功耗状态事件所对应的电量消耗参数以及所述每个第二功耗状态事件所对应的电量消耗参数,确定所述平均功耗状态参数。
在一种可能的实施方式中,所述第一功耗状态事件序列包括X个第一功耗状态事件,且,所述第二功耗状态事件序列包括X个第二功耗状态事件,所述X为正整数。
步骤S1335可以包括:
1、基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,生成X个功耗状态事件组合,每个功耗状态事件组合包括存在映射联系的第一功耗状态事件以及第二功耗状态事件。
在这个情境中,考虑一个视频播放应用。假设X=3,那么第一功耗状态事件序列包括3个第一功耗状态事件,例如:“启动应用”,“加载视频”和“开始播放”。同时,第二功耗状态事件序列也包括3个第二功耗状态事件,例如:“正在运行应用”,“正在缓冲视频”和“正在播放视频”。
例如,可以创建以下三个组合:
组合1:启动应用 + 正在运行应用
组合2:加载视频 + 正在缓冲视频
组合3:开始播放 + 正在播放视频
2、对于所述X个功耗状态事件组合中的每个功耗状态事件组合,基于功耗状态事件集中第一功耗状态事件在所述全局运行进程的进展状态参数、第二功耗状态事件在所述全局运行进程的进展状态参数、所述第一功耗状态事件在所述全局运行进程的终结状态参数、所述第二功耗状态事件在所述全局运行进程的终结状态参数、所述第一功耗状态事件所对应的电量消耗参数以及所述第二功耗状态事件所对应的电量消耗参数,确定所述功耗状态事件组合所对应的功耗状态参数。
对于每个功耗状态事件组合,需要确定对应的功耗状态参数。这个参数是基于第一和第二功耗状态事件在全局运行进程中的触发节点、结束节点以及它们对应的电量消耗参数。比如对于组合1,可能会这样计算:
第一功耗状态事件(启动应用)在全局运行进程的进展状态参数 = (电源任务运行进程的触发节点 - 常驻功耗状态事件的触发节点)* 采样间隔参数 / 电量消耗参数
第二功耗状态事件(正在运行应用)在全局运行进程的进展状态参数 = (电源任务运行进程的触发节点 - 常驻功耗状态事件的触发节点)* 采样间隔参数 / 电量消耗参数
类似地,可以计算第一和第二功耗状态事件在全局运行进程的终结状态参数。
由此,计算公式可能会依据具体的电源管理系统和优化策略有所不同,下面提供一个基本的示例:
设已经得到了每个功耗状态事件(E)在全局运行进程中的进展状态参数(P_e),终结状态参数(F_e)以及对应的电量消耗参数(C_e)。那么,对于每个功耗状态事件组合(G),其对应的功耗状态参数(S_g)可以通过以下公式进行计算:
S_g = α * (P_e1 + P_e2) / 2 + β * (F_e1 + F_e2) / 2 + γ * (C_e1 + C_e2) / 2
这里,e1 和 e2 分别代表第一和第二功耗状态事件;α、β 和 γ 是权重系数,它们的值会根据具体的优化策略进行调整。例如,如果更关注电量消耗,那么γ的值就会比α和β大。
这只是一个基础的公式,实际的计算过程可能会更复杂,并涉及到更多的参数和因素。同时,权重系数也可能需要通过机器学习等方法进行自动优化。
3、对所述X个功耗状态事件组合中所述每个功耗状态事件组合所对应的功耗状态参数进行均值计算,生成所述平均功耗状态参数。
最后,需要对每个功耗状态事件组合的功耗状态参数进行均值计算,以确定平均功耗状态参数。这将反映出在执行所有活动(启动应用、加载视频、开始播放等)时的平均功耗。
在另一种可能的实施方式中,所述第一功耗状态事件序列包括X个第一功耗状态事件,且,所述第二功耗状态事件序列包括X个第二功耗状态事件,所述X为正整数。
步骤S1335还可以包括:
1、基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,生成X个功耗状态事件组合,每个功耗状态事件组合包括存在映射联系的第一功耗状态事件以及第二功耗状态事件。
例如,这个例子中,可以继续考虑前面的视频播放应用场景。设X=3, Y=2。
例如:“启动应用”,“加载视频”和“开始播放”。同时,第二功耗状态事件序列也包括3个第二功耗状态事件,例如:“正在运行应用”,“正在缓冲视频”和“正在播放视频”。
可以基于第一和第二功耗状态事件序列,生成3个功耗状态事件组合,每个组合都包含有映射关系的第一和第二功耗状态事件。例如:
组合1:启动应用 + 正在运行应用
组合2:加载视频 + 正在缓冲视频
组合3:开始播放 + 正在播放视频
2、对于所述X个功耗状态事件组合中的每个功耗状态事件组合,基于功耗状态事件集中第一功耗状态事件在所述全局运行进程的进展状态参数、第二功耗状态事件在所述全局运行进程的进展状态参数、所述第一功耗状态事件在所述全局运行进程的终结状态参数、所述第二功耗状态事件在所述全局运行进程的终结状态参数、所述第一功耗状态事件所对应的电量消耗参数以及所述第二功耗状态事件所对应的电量消耗参数,确定所述功耗状态事件组合所对应的功耗状态参数。
对于每个功耗状态事件组合,基于各种参数确定对应的功耗状态参数。比如对于功耗状态事件组合1,可能会这样计算:
第一功耗状态事件(启动应用)在全局运行进程的进展状态参数、终结状态参数和电量消耗参数。
第二功耗状态事件(正在运行应用)在全局运行进程的进展状态参数、终结状态参数和电量消耗参数。
以此类推,可以为每个功耗状态事件组合确定一个功耗状态参数。
由此,计算公式可能会依据具体的电源管理系统和优化策略有所不同,下面提供一个基本的示例:
设已经得到了每个功耗状态事件(E)在全局运行进程中的进展状态参数(P_e),终结状态参数(F_e)以及对应的电量消耗参数(C_e)。那么,对于每个功耗状态事件组合(G),其对应的功耗状态参数(S_g)可以通过以下公式进行计算:
S_g = α * (P_e1 + P_e2) / 2 + β * (F_e1 + F_e2) / 2 + γ * (C_e1 + C_e2) / 2
这里,e1 和 e2 分别代表第一和第二功耗状态事件;α、β 和 γ 是权重系数,它们的值会根据具体的优化策略进行调整。例如,如果更关注电量消耗,那么γ的值就会比α和β大。
这只是一个基础的公式,实际的计算过程可能会更复杂,并涉及到更多的参数和因素。同时,权重系数也可能需要通过机器学习等方法进行自动优化。
3、对所述X个功耗状态事件组合中所述每个功耗状态事件组合所对应的功耗状态参数进行降序排列,生成功耗状态参数集合,所述功耗状态参数集合包括X个功耗状态参数。
例如,将这3个功耗状态参数进行降序排列,生成一个功耗状态参数集合。
4、从所述功耗状态参数集合中选择Y个功耗状态参数,所述Y为不小于1,且小于所述X的整数。
例如,从这个功耗状态参数集合中选择2个最大的功耗状态参数。例如,假设得到的功耗状态参数为:启动应用 + 正在运行应用 = 80,加载视频 + 正在缓冲视频 = 70,开始播放 + 正在播放视频 = 60。那么将选择80和70作为的Y个功耗状态参数。
5、对所述Y个功耗状态参数进行均值计算,生成所述平均功耗状态参数。
最后,对这两个最大的功耗状态参数进行均值计算,生成平均功耗状态参数。在这个例子中,(80+70)/2=75,所以75就是的平均功耗状态参数。
在一种可能的实施方式中,所述从所述功耗状态参数集合中选择Y个功耗状态参数,包括:如果所述X无法被2整除,则将所述功耗状态参数集合中的第[(X+1)/2]个功耗状态参数、所述第[(X+1)/2]个功耗状态参数之前的Z个功耗状态参数以及所述第[(X+1)/2]个功耗状态参数之后的Z个功耗状态参数,共同作为所述Y个功耗状态参数,所述Z为不小于1的整数。如果所述X能被2整除,则将所述功耗状态参数集合中的第(X/2)个功耗状态参数、所述功耗状态参数集合中的第(X/2+1)个功耗状态参数、所述第(X/2)个功耗状态参数之前的Z个功耗状态参数以及所述第(X/2+1)个功耗状态参数之后的Z个功耗状态参数,共同作为所述Y个功耗状态参数。
例如,依然以视频播放应用为例,这个应用在运行过程中可能产生大量的功耗状态参数。假设已经将这些参数进行了降序排列并且X表示总的功耗状态参数的数量。
如果X无法被2整除,那么需要选择第[(X+1)/2]个功耗状态参数作为基准。例如,如果有5个功耗状态参数,那么会选择第3个参数作为基准。
接下来,需要选择Z个功耗状态参数,这些参数位于的基准参数之前和之后。比如,如果Z等于1,那么将会选择第2个和第4个参数,它们分别是基准参数的前一个和后一个。
因此,在这个例子中,共同选择了第2个、第3个和第4个参数作为Y个功耗状态参数。
如果X能被2整除,那么需要选择第(X/2)个功耗状态参数和第(X/2+1)个功耗状态参数作为基准。例如,如果有6个功耗状态参数,那么会选择第3个和第4个参数作为基准。同样地,需要选择Z个功耗状态参数,这些参数位于的基准参数之前和之后。比如,如果Z等于1,那么将会选择第2个和第5个参数,它们分别是基准参数的前一个和后一个。
因此,在这个例子中,共同选择了第2个、第3个、第4个和第5个参数作为Y个功耗状态参数。
这样做的目的是为了在进行功耗优化时,可以考虑到中间以及周围的功耗状态参数,使得优化结果更加全面和精确。
在一种可能的实施方式中,步骤S140可以包括:
如果所述第一功耗利用效率不小于所述电源效率分级参数,则确定所述第二功耗监控数据的电源效率评估数据为所述电源效率分级参数对应的电源效率分级。
例如,这个例子中,可以继续考虑前面的视频播放应用场景。设电源效率分级参数为75%。
如果第一功耗利用效率(例如:70%)不小于电源效率分级参数(75%),则确定第二功耗监控数据的电源效率评估数据为电源效率分级参数对应的电源效率分级。在这个例子中,因为70%<75%,所以此条件不满足,需要进一步操作。
其中,所述方法还包括:
从所述功耗监控数据集合中获取第二功耗状态数据簇,所述第二功耗状态数据簇包括第三功耗监控数据和第四功耗监控数据,所述第四功耗监控数据为所述第三功耗监控数据关联的后一个功耗监控数据。
对所述第二功耗状态数据簇进行功耗状态事件提取,生成所述第三功耗监控数据所对应的第三功耗状态事件序列以及所述第四功耗监控数据所对应的第四功耗状态事件序列,所述第三功耗状态事件序列中的第三功耗状态事件与所述第四功耗状态事件序列中的第四功耗状态事件存在唯一映射联系。
基于所述第三功耗状态事件序列以及所述第四功耗状态事件序列,确定所述目标电源活动的第二功耗利用效率。
基于所述第二功耗利用效率与所述电源效率分级参数之间的比较关系,确定所述第四功耗监控数据的电源效率评估数据。
例如,假设第二功耗状态数据簇包括“加载视频”的第三功耗监控数据和其关联的后一个功耗监控数据——“正在缓冲视频”的第四功耗监控数据。对第二功耗状态数据簇进行功耗状态事件提取,生成第三功耗监控数据所对应的第三功耗状态事件序列(如:“开始加载”,“加载中”,“加载结束”)以及第四功耗监控数据所对应的第四功耗状态事件序列(如:“开始缓冲”,“缓冲中”,“缓冲结束”)。这里,第三功耗状态事件与第四功耗状态事件存在唯一映射联系,即每一个“加载”事件对应一个“缓冲”事件。
基于第三和第四功耗状态事件序列,确定目标电源活动的第二功耗利用效率。例如,通过某种算法,得到第二功耗利用效率为80%。
再次基于第二功耗利用效率(80%)与电源效率分级参数(75%)之间的比较关系,确定第四功耗监控数据的电源效率评估数据。在这个例子中,因为80%>=75%,所以将电源效率评估数据设定为电源效率分级参数对应的电源效率分级,即75%。
在一种可能的实施方式中,所在步骤S110之前,所述方法还包括:
步骤S101,获取针对功耗监控组件的激活请求,启动所述电源管理系统。
步骤S102,依据所述电源管理系统监控生成基础功耗监控数据集合,所述基础功耗监控数据集合包括W个功耗监控数据,所述W为正整数。
步骤S103,对所述基础功耗监控数据集合进行解析,生成包括所述目标电源活动的K个连续功耗监控数据,并将所述K个连续功耗监控数据作为所述功耗监控数据集合,所述K为大于1,且不大于所述W的整数。
例如,依然以视频播放应用为例,并假设正在使用一台笔记本电脑。假设W=10, K=5。
首先,会接收到一个激活请求,这个请求是为了启动电源管理系统,这个系统将负责监控功耗。这个请求可能来自于用户打开了视频播放应用,或者系统检测到了需要进行功耗监控的状态。
接下来,电源管理系统开始运行并监控生成基础功耗监控数据集合。假设这个集合包含了10个(W)功耗监控数据,每个数据都是在不同时间点上电脑整体的功耗情况,包括了CPU、内存、硬盘等各种组件的功耗。
然后,对这个基础功耗监控数据集合进行解析,寻找包含目标电源活动的连续功耗监控数据。例如,可能在第2个到第6个功耗监控数据中发现了一个明显的功耗增加趋势,这与用户开始播放视频的时间相符,因此推断这段时间内的功耗变化就是目标电源活动,也就是视频播放造成的。
最后,将这5个(K)连续的功耗监控数据作为的功耗监控数据集合,用于后续的功耗状态分析和优化。
这样,就从大量的功耗监控数据中筛选出了与目标电源活动相关的部分,提高了分析的准确性和效率。
图2示意性地示出了可被用于实现本申请中所述的各个实施例的功耗监控系统100。
对于一个实施例,图2示出了功耗监控系统100,该功耗监控系统100具有多个处理器102、被耦合到(多个)处理器102中的一个或多个的控制模块(芯片组)104、被耦合到控制模块104的存储器106、被耦合到控制模块104的非易失性存储器(NVM)/存储设备108、被耦合到控制模块104的多个输入/输出设备110,和被耦合到控制模块104的网络接口112。
处理器102可包括多个单核或多核处理器,处理器102可包括通用处理器或专用处理器(例如图形处理器、应用处理器、基频处理器等)的任意组合。一些可替代的实施方式中,功耗监控系统100能够作为本申请实施例中所述网关等服务器设备。
一些可替代的实施方式中,功耗监控系统100可包括具有指令114的多个计算机可读介质(例如,存储器106或NVM/存储设备108)和与该多个计算机可读介质相合并被配置为执行指令114以实现模块从而执行本公开中所述的动作的多个处理器102。
对于一个实施例,控制模块104可包括任意适当的接口控制器,以向(多个)处理器102中的一个或多个和/或与控制模块104通信的任意适当的管理端或组件提供任意适当的接口。
控制模块104可包括存储器控制器模块,以向存储器106提供接口。存储器控制器模块可以是硬件模块、软件模块和/或固件模块。
存储器106可被用于例如为功耗监控系统100加载和存储数据和/或指令114。对于一个实施例,存储器106可包括任意适当的易失性存储器,例如,适当的DRAM。一些可替代的实施方式中,存储器106可包括双倍数据速率类型四同步动态随机存取存储器。
对于一个实施例,控制模块104可包括多个输入/输出控制器,以向NVM/存储设备108及(多个)输入/输出设备110提供接口。
例如,NVM/存储设备108可被用于存储数据和/或指令114。NVM/存储设备108可包括任意适当的非易失性存储器(例如,闪存)和/或可包括任意适当的(多个)非易失性存储设备。
NVM/存储设备108可包括在物理上作为功耗监控系统100被安装在其上的管理端的一部分的存储资源,或者其可被该设备访问可不必作为该笔记本电脑的一部分。例如,NVM/存储设备108可依据网络经由(多个)输入/输出设备110进行访问。
(多个)输入/输出设备110可为功耗监控系统100提供接口以与任意其它适当的管理端通信,输入/输出设备110可以包括通信组件、拼音组件、传感器组件等。网络接口112可为功耗监控系统100提供接口以依据多个网络通信,功耗监控系统100可依据多个无线网络标准和/或协议中的任意标准和/或协议来与无线网络的多个组件进行无线通信,例如接入依据通信标准的无线网络,如WiFi、2G、3G、4G、5G等,或它们的组合进行无线通信。
对于一个实施例,(多个)处理器102中的一个或多个可与控制模块104的多个控制器(例如,存储器控制器模块)的逻辑封装在一起。对于一个实施例,(多个)处理器102中的一个或多个可与控制模块104的多个控制器的逻辑封装在一起以形成系统级封装。对于一个实施例,(多个)处理器102中的一个或多个可与控制模块104的多个控制器的逻辑集成在相同的一个模具上。对于一个实施例,(多个)处理器102中的一个或多个可与控制模块104的多个控制器的逻辑集成在相同的一个模具上以形成片上系统。
在各个实施例中,功耗监控系统100可以但不限于是:台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,功耗监控系统100可具有更多或更少的组件和/或不同的架构。例如,一些可替代的实施方式中,功耗监控系统100包括多个摄像机、键盘、液晶显示器屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路和扬声器。
以上对本申请进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种笔记本电脑的功耗数据分析方法,其特征在于,应用于功耗监控系统,所述方法包括:
从笔记本电脑的功耗监控数据集合中获取第一功耗状态数据簇,所述功耗监控数据集合为通过电源管理系统监控到的,所述功耗监控数据集合中的每个功耗监控数据包括目标电源活动所对应的功耗监控数据,所述第一功耗状态数据簇包括第一功耗监控数据和第二功耗监控数据,所述第二功耗监控数据为所述第一功耗监控数据关联的后一个功耗监控数据;
对所述第一功耗状态数据簇进行功耗状态事件提取,生成所述第一功耗监控数据所对应的第一功耗状态事件序列以及所述第二功耗监控数据所对应的第二功耗状态事件序列,所述第一功耗状态事件序列中的第一功耗状态事件与所述第二功耗状态事件序列中的第二功耗状态事件存在唯一映射联系;
基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,确定所述目标电源活动的第一功耗利用效率;
基于所述第一功耗利用效率与电源效率分级参数之间的比较关系,确定所述第二功耗监控数据的电源效率评估数据;
所述基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,确定所述目标电源活动的第一功耗利用效率,包括:
获取所述第一功耗状态事件序列中每个第一功耗状态事件所对应的电量消耗参数,以及获取所述第二功耗状态事件序列中每个第二功耗状态事件所对应的电量消耗参数,所述电量消耗参数用于反映功耗状态事件与所述电源管理系统对应电量消耗模板之间的关系;
获取所述第一功耗状态事件序列中所述每个第一功耗状态事件所对应的运行节点,以及获取所述第二功耗状态事件序列中所述每个第二功耗状态事件所对应的运行节点,所述运行节点包括功耗状态事件在电源任务运行进程的触发节点和结束节点;
基于所述每个第一功耗状态事件所对应的电量消耗参数、所述每个第二功耗状态事件所对应的电量消耗参数、所述每个第一功耗状态事件所对应的运行节点以及所述每个第二功耗状态事件所对应的运行节点,确定平均功耗状态参数;
基于所述平均功耗状态参数以及采样间隔,确定所述目标电源活动的第一功耗利用效率。
2.根据权利要求1所述的笔记本电脑的功耗数据分析方法,其特征在于,所述对所述第一功耗状态数据簇进行功耗状态事件提取,生成所述第一功耗监控数据所对应的第一功耗状态事件序列以及所述第二功耗监控数据所对应的第二功耗状态事件序列,包括:
对所述第一功耗监控数据进行功耗状态事件提取,生成对于所述目标电源活动的所述第一功耗状态事件序列,所述第一功耗状态事件序列包括X个第一功耗状态事件,所述X为正整数;
对所述第二功耗监控数据进行功耗状态事件提取,生成对于所述目标电源活动的所述第二功耗状态事件序列,所述第二功耗状态事件序列包括X个第二功耗状态事件。
3.根据权利要求1所述的笔记本电脑的功耗数据分析方法,其特征在于,所述基于所述每个第一功耗状态事件所对应的电量消耗参数、所述每个第二功耗状态事件所对应的电量消耗参数、所述每个第一功耗状态事件所对应的运行节点以及所述每个第二功耗状态事件所对应的运行节点,确定平均功耗状态参数,包括:
对于所述第一功耗状态事件序列中的每个第一功耗状态事件,基于第一功耗状态事件所对应的电量消耗参数、所述第一功耗状态事件在所述电源任务运行进程的触发节点、常驻功耗状态事件在所述电源任务运行进程的触发节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第一功耗状态事件在全局运行进程的进展状态参数;
对于所述第一功耗状态事件序列中的每个第一功耗状态事件,基于第一功耗状态事件所对应的电量消耗参数、所述第一功耗状态事件在所述电源任务运行进程的结束节点、常驻功耗状态事件在所述电源任务运行进程的结束节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第一功耗状态事件在所述全局运行进程的终结状态参数;
对于所述第二功耗状态事件序列中的每个第二功耗状态事件,基于第二功耗状态事件所对应的电量消耗参数、所述第二功耗状态事件在所述电源任务运行进程的触发节点、常驻功耗状态事件在所述电源任务运行进程的触发节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第二功耗状态事件在所述全局运行进程的进展状态参数;
对于所述第二功耗状态事件序列中的每个第二功耗状态事件,基于第二功耗状态事件所对应的电量消耗参数、所述第二功耗状态事件在所述电源任务运行进程的结束节点、常驻功耗状态事件在所述电源任务运行进程的结束节点以及所述电源管理系统在所述电源任务运行进程的采样间隔参数,确定所述第二功耗状态事件在所述全局运行进程的终结状态参数;
基于所述每个第一功耗状态事件在所述全局运行进程的进展状态参数、所述每个第一功耗状态事件在所述全局运行进程的终结状态参数、所述每个第二功耗状态事件在所述全局运行进程的进展状态参数、所述每个第二功耗状态事件在所述全局运行进程的终结状态参数、所述每个第一功耗状态事件所对应的电量消耗参数以及所述每个第二功耗状态事件所对应的电量消耗参数,确定所述平均功耗状态参数。
4.根据权利要求3所述的笔记本电脑的功耗数据分析方法,其特征在于,所述第一功耗状态事件序列包括X个第一功耗状态事件,且,所述第二功耗状态事件序列包括X个第二功耗状态事件,所述X为正整数;
所述基于所述每个第一功耗状态事件在所述全局运行进程的进展状态参数、所述每个第一功耗状态事件在所述全局运行进程的终结状态参数、所述每个第二功耗状态事件在所述全局运行进程的进展状态参数、所述每个第二功耗状态事件在所述全局运行进程的终结状态参数、所述每个第一功耗状态事件所对应的电量消耗参数以及所述每个第二功耗状态事件所对应的电量消耗参数,确定所述平均功耗状态参数,包括:
基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,生成X个功耗状态事件组合,每个功耗状态事件组合包括存在映射联系的第一功耗状态事件以及第二功耗状态事件;
对于所述X个功耗状态事件组合中的每个功耗状态事件组合,基于功耗状态事件集中第一功耗状态事件在所述全局运行进程的进展状态参数、第二功耗状态事件在所述全局运行进程的进展状态参数、所述第一功耗状态事件在所述全局运行进程的终结状态参数、所述第二功耗状态事件在所述全局运行进程的终结状态参数、所述第一功耗状态事件所对应的电量消耗参数以及所述第二功耗状态事件所对应的电量消耗参数,确定所述功耗状态事件组合所对应的功耗状态参数;
对所述X个功耗状态事件组合中所述每个功耗状态事件组合所对应的功耗状态参数进行均值计算,生成所述平均功耗状态参数。
5.根据权利要求3所述的笔记本电脑的功耗数据分析方法,其特征在于,所述第一功耗状态事件序列包括X个第一功耗状态事件,且,所述第二功耗状态事件序列包括X个第二功耗状态事件,所述X为正整数;
所述基于所述每个第一功耗状态事件在所述全局运行进程的进展状态参数、所述每个第一功耗状态事件在所述全局运行进程的终结状态参数、所述每个第二功耗状态事件在所述全局运行进程的进展状态参数、所述每个第二功耗状态事件在所述全局运行进程的终结状态参数、所述每个第一功耗状态事件所对应的电量消耗参数以及所述每个第二功耗状态事件所对应的电量消耗参数,确定所述平均功耗状态参数,包括:
基于所述第一功耗状态事件序列以及所述第二功耗状态事件序列,生成X个功耗状态事件组合,每个功耗状态事件组合包括存在映射联系的第一功耗状态事件以及第二功耗状态事件;
对于所述X个功耗状态事件组合中的每个功耗状态事件组合,基于功耗状态事件集中第一功耗状态事件在所述全局运行进程的进展状态参数、第二功耗状态事件在所述全局运行进程的进展状态参数、所述第一功耗状态事件在所述全局运行进程的终结状态参数、所述第二功耗状态事件在所述全局运行进程的终结状态参数、所述第一功耗状态事件所对应的电量消耗参数以及所述第二功耗状态事件所对应的电量消耗参数,确定所述功耗状态事件组合所对应的功耗状态参数;
对所述X个功耗状态事件组合中所述每个功耗状态事件组合所对应的功耗状态参数进行降序排列,生成功耗状态参数集合,所述功耗状态参数集合包括X个功耗状态参数;
从所述功耗状态参数集合中选择Y个功耗状态参数,所述Y为不小于1,且小于所述X的整数;
对所述Y个功耗状态参数进行均值计算,生成所述平均功耗状态参数。
6.根据权利要求5所述的笔记本电脑的功耗数据分析方法,其特征在于,所述从所述功耗状态参数集合中选择Y个功耗状态参数,包括:
如果所述X无法被2整除,则将所述功耗状态参数集合中的第[(X+1)/2]个功耗状态参数、所述第[(X+1)/2]个功耗状态参数之前的Z个功耗状态参数以及所述第[(X+1)/2]个功耗状态参数之后的Z个功耗状态参数,共同作为所述Y个功耗状态参数,所述Z为不小于1的整数;
如果所述X能被2整除,则将所述功耗状态参数集合中的第(X/2)个功耗状态参数、所述功耗状态参数集合中的第(X/2+1)个功耗状态参数、所述第(X/2)个功耗状态参数之前的Z个功耗状态参数以及所述第(X/2+1)个功耗状态参数之后的Z个功耗状态参数,共同作为所述Y个功耗状态参数。
7.根据权利要求1-6中任意一项所述的笔记本电脑的功耗数据分析方法,其特征在于,所述基于所述第一功耗利用效率与电源效率分级参数之间的比较关系,确定所述第二功耗监控数据的电源效率评估数据,包括:
如果所述第一功耗利用效率不小于所述电源效率分级参数,则确定所述第二功耗监控数据的电源效率评估数据为所述电源效率分级参数对应的电源效率分级;
其中,所述方法还包括:
从所述功耗监控数据集合中获取第二功耗状态数据簇,所述第二功耗状态数据簇包括第三功耗监控数据和第四功耗监控数据,所述第四功耗监控数据为所述第三功耗监控数据关联的后一个功耗监控数据;
对所述第二功耗状态数据簇进行功耗状态事件提取,生成所述第三功耗监控数据所对应的第三功耗状态事件序列以及所述第四功耗监控数据所对应的第四功耗状态事件序列,所述第三功耗状态事件序列中的第三功耗状态事件与所述第四功耗状态事件序列中的第四功耗状态事件存在唯一映射联系;
基于所述第三功耗状态事件序列以及所述第四功耗状态事件序列,确定所述目标电源活动的第二功耗利用效率;
基于所述第二功耗利用效率与所述电源效率分级参数之间的比较关系,确定所述第四功耗监控数据的电源效率评估数据。
8.根据权利要求7所述的笔记本电脑的功耗数据分析方法,其特征在于,所述从笔记本电脑的功耗监控数据集合中获取第一功耗状态数据簇之前,所述方法还包括:
获取针对功耗监控组件的激活请求,启动所述电源管理系统;
依据所述电源管理系统监控生成基础功耗监控数据集合,所述基础功耗监控数据集合包括W个功耗监控数据,所述W为正整数;
对所述基础功耗监控数据集合进行解析,生成包括所述目标电源活动的K个连续功耗监控数据,并将所述K个连续功耗监控数据作为所述功耗监控数据集合,所述K为大于1,且不大于所述W的整数。
9.一种功耗监控系统,其特征在于,所述功耗监控系统包括处理器和机器可读存储介质,该机器可读存储介质中存储有机器可执行指令,该机器可执行指令由该处理器加载并执行以实现权利要求1-8中任意一项所述的笔记本电脑的功耗数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410178418.5A CN117743127B (zh) | 2024-02-09 | 2024-02-09 | 笔记本电脑的功耗数据分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410178418.5A CN117743127B (zh) | 2024-02-09 | 2024-02-09 | 笔记本电脑的功耗数据分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117743127A CN117743127A (zh) | 2024-03-22 |
CN117743127B true CN117743127B (zh) | 2024-05-14 |
Family
ID=90251153
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410178418.5A Active CN117743127B (zh) | 2024-02-09 | 2024-02-09 | 笔记本电脑的功耗数据分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117743127B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102389217B1 (ko) * | 2021-02-17 | 2022-04-21 | 주식회사 노바챔프 | 실시간 소비전력 모니터링 기반 전력패턴 분석을 통한 전력 관리 시스템 |
CN114417733A (zh) * | 2022-01-29 | 2022-04-29 | 龙芯中科技术股份有限公司 | 构建功耗预测模型的方法、装置、电子设备及存储介质 |
CN114461481A (zh) * | 2020-11-09 | 2022-05-10 | 哲库科技(上海)有限公司 | 电子设备的功耗确定方法、装置、存储介质及电子设备 |
CN116027874A (zh) * | 2022-10-21 | 2023-04-28 | 深圳市创瑞鑫科技有限公司 | 笔记本电脑功耗控制方法及其系统 |
CN117130454A (zh) * | 2023-03-31 | 2023-11-28 | 荣耀终端有限公司 | 功耗调整方法和电子设备 |
CN117473462A (zh) * | 2023-11-03 | 2024-01-30 | Oppo广东移动通信有限公司 | 功耗预测模型的训练方法、功耗确定方法、装置及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6790913B2 (ja) * | 2017-02-24 | 2020-11-25 | 富士通株式会社 | 情報処理装置、情報処理方法及びプログラム |
-
2024
- 2024-02-09 CN CN202410178418.5A patent/CN117743127B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114461481A (zh) * | 2020-11-09 | 2022-05-10 | 哲库科技(上海)有限公司 | 电子设备的功耗确定方法、装置、存储介质及电子设备 |
KR102389217B1 (ko) * | 2021-02-17 | 2022-04-21 | 주식회사 노바챔프 | 실시간 소비전력 모니터링 기반 전력패턴 분석을 통한 전력 관리 시스템 |
CN114417733A (zh) * | 2022-01-29 | 2022-04-29 | 龙芯中科技术股份有限公司 | 构建功耗预测模型的方法、装置、电子设备及存储介质 |
CN116027874A (zh) * | 2022-10-21 | 2023-04-28 | 深圳市创瑞鑫科技有限公司 | 笔记本电脑功耗控制方法及其系统 |
CN117130454A (zh) * | 2023-03-31 | 2023-11-28 | 荣耀终端有限公司 | 功耗调整方法和电子设备 |
CN117473462A (zh) * | 2023-11-03 | 2024-01-30 | Oppo广东移动通信有限公司 | 功耗预测模型的训练方法、功耗确定方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117743127A (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3502878B1 (en) | Method for preloading application and terminal device | |
US11164097B2 (en) | Method for preloading application, storage medium, and terminal device | |
US5714870A (en) | Method for measuring suspend-time power consumption in a battery-powered electronic device | |
TWI475369B (zh) | 用於處理器中功率及性能權衡的設備、方法及系統 | |
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 | |
TW201209581A (en) | Electronic device having operation mode dynamic adjusting mechanism and method of the same | |
Qian et al. | Jade: An efficient energy-aware computation offloading system with heterogeneous network interface bonding for ad-hoc networked mobile devices | |
US9110723B2 (en) | Multi-core binary translation task processing | |
Oliver et al. | Data driven smartphone energy level prediction | |
Chen et al. | Anole: a case for energy-aware mobile application design | |
US11455024B2 (en) | Idle state estimation by scheduler | |
CN117743127B (zh) | 笔记本电脑的功耗数据分析方法及系统 | |
CN106648916B (zh) | 计步器消息的上报方法及装置 | |
US20140122403A1 (en) | Loading prediction method and electronic device using the same | |
WO2023284877A1 (zh) | 检测方法、装置及电子设备 | |
US20220334906A1 (en) | Multimodal user experience degradation detection | |
US20220027278A1 (en) | Techniques for core-specific metrics collection | |
CN108803857A (zh) | 应用软件能耗监控方法、移动终端及可读存储介质 | |
US9690616B2 (en) | Based on natural load determination either adjust processor sleep time or generate artificial load | |
US8560873B1 (en) | Determination of transitional characteristic attributes of components during scheduled wake-up power transition of computing device | |
WO2020133437A1 (zh) | 应用程序的管理方法、装置、存储介质及电子设备 | |
CN111385859A (zh) | 终端耗电量检测优化方法和装置 | |
US11644889B2 (en) | Power supply cut-off in standby mode | |
CN116136819A (zh) | 设备分析方法及装置、电子设备、存储介质 | |
CN111724209A (zh) | 一种基于互联网的电力节电通知系统 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: Room C429, 4th Floor, No. 65 Zhuji Road, Tianhe District, Guangzhou City, Guangdong Province, 510630 Patentee after: GUANGZHOU ZMOFFICE TECHNOLOGY CO.,LTD. Country or region after: China Address before: Room 202, Building C3, No. 29 Kefeng Road, Huangpu District, Guangzhou City, Guangdong Province, 510000 Patentee before: GUANGZHOU ZMOFFICE TECHNOLOGY CO.,LTD. Country or region before: China |