CN105279426A - 配置应用程序相关任务的电子设备及其相关方法 - Google Patents

配置应用程序相关任务的电子设备及其相关方法 Download PDF

Info

Publication number
CN105279426A
CN105279426A CN201510281763.2A CN201510281763A CN105279426A CN 105279426 A CN105279426 A CN 105279426A CN 201510281763 A CN201510281763 A CN 201510281763A CN 105279426 A CN105279426 A CN 105279426A
Authority
CN
China
Prior art keywords
application
application program
characteristic
specific
operating characteristic
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
Application number
CN201510281763.2A
Other languages
English (en)
Other versions
CN105279426B (zh
Inventor
杨济维
许哲铭
薛文灿
陈泰宇
徐日明
李明宪
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.)
MediaTek Inc
Original Assignee
MediaTek Inc
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 MediaTek Inc filed Critical MediaTek Inc
Publication of CN105279426A publication Critical patent/CN105279426A/zh
Application granted granted Critical
Publication of CN105279426B publication Critical patent/CN105279426B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • G06F9/5094—Allocation of resources, e.g. of the central processing unit [CPU] where the allocation takes into account power or heat criteria
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/51—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems at application loading time, e.g. accepting, rejecting, starting or inhibiting executable software based on integrity or source reliability
    • 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

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Stored Programmes (AREA)
  • Debugging And Monitoring (AREA)
  • Multimedia (AREA)

Abstract

一种电子设备具有处理***和管理电路。所述处理***执行应用程序。所述管理电路检测在执行应用程序期间应用程序的操作特性，分析所检测的应用程序的操作特性以产生应用程序识别结果，以及至少根据所述应用程序识别结果配置应用程序相关任务。

Description

配置应用程序相关任务的电子设备及其相关方法
技术领域
本发明公开的实施例涉及管理由电子设备执行的任务，更具体地，涉及一种能够基于在执行应用程序期间所检测的应用程序的操作特性配置应用程序相关(application-dependent)，任务(例如动态热管理(dynamicthermalmanagement，DTM)任务)的电子设备及其相关方法。
背景技术
通常，移动设备外壳温度受到为用户提供舒适手持体验的约束。当移动设备具有更大的功耗时，会相应地产生更多的热量。移动设备的峰值功耗很高。例如，峰值功耗可以是4-8瓦特。然而，移动设备的散热能力通常是有限的。例如，移动设备的散热能力大约是2-4瓦特。因此，为了防止移动设备外壳温度超过可接受的水平，需要动态热管理(DTM)。传统的DTM设计采用固定的热策略(thermalstrategy)，与移动设备上运行的应用程序无关。因此，相同的热策略用于移动设备上的各种应用程序，这不能获得对于每个应用程序的最优的热约束性能。
发明内容
为了解决上述问题，根据本发明的示例性实施例，提出了一种能够基于在执行应用程序期间所检测的应用程序的操作特性配置应用程序相关任务(例如动态热管理任务)的电子设备及其相关方法。
根据本发明的第一方面，公开了一种示例性电子设备。该示例性电子设备包括处理***和管理电路。处理***设置为执行应用程序。管理电路设置为检测在执行应用程序期间应用程序的操作特性，分析所检测的应用程序的操作特性以生成应用程序识别结果，以及至少根据该应用程序识别结果配置应用程序相关任务。
根据本发明的第二方面，公开了一种配置应用程序相关任务的示例性方法。该示例性方法包括：执行应用程序，检测在执行应用程序期间应用程序的操作特性，分析所检测的应用程序的操作特性以生成应用程序识别结果，以及至少根据该应用程序识别结果配置应用程序相关任务。
本发明的电子设备以及其配置应用程序相关任务的方法，能够为应用程序的相关任务提供较佳的配置。
在阅读下面以不同的数据和图形来阐明的优选实施例的详细说明之后，本发明的上述和其他目标对本领域技术人员无疑将变得明显。
附图说明
图1是示出根据本发明实施例的电子设备的示意图。
图2是示出根据本发明实施例的计算预生成操作特性的示意图。
图3是示出根据本发明实施例的检测在电子设备上运行的应用程序的操作特性的操作示意图。
图4是示出根据本发明实施例的更新应用程序特性数据库的操作示意图。
图5是示出根据本发明实施例的不同热策略的示意图。
图6是示出根据本发明实施例的用于配置应用程序相关任务的方法的流程图。
具体实施方式
整个说明书和下面的权利要求书采用确定的术语来指代特定的部件。正如本领域的技术人员将理解的是，制造商可以使用不同的名称来指代某一部件。本文件无意于区分那些名称不同但功能相同的部件。在下面的说明书和权利要求书中，用开放式方式使用术语“包含”和“包括”，因此应当被解释为“包含，但是不限于……”。同样地，术语“耦合”既可以表示间接电气连接也可以表示直接电气连接。因此，如果一个设备与另一个设备耦合，其连接可以是通过直接电气连接或者是通过其他设备和连接件的间接电气连接。
本发明能够识别当前在电子设备上运行的应用程序，然后至少基于该应用程序识别结果来配置应用程序相关任务。例如，所述应用程序相关任务是动态热管理(DTM)任务。检测当前的应用程序特性以及然后将其用于为所述运行的应用程序设置最好的热策略。例如，具有不同运行时间的两个应用程序可以在不同的热策略下执行，所述不同的热策略以不同的值设置处理器的时钟频率。通过这种方式，当应用程序具有不同的操作特性时，允许给应用程序指定不同的热策略以到达最佳的热约束性能。下文将对用于根据应用程序特性信息来配置应用程序相关任务的建议方案进行详细地描述。
图1是示出根据本发明实施例的电子设备的示意图。通过举例，但是不限于所举的例子，电子设备100可以是移动设备，例如手机。电子设备100包括但不限于处理***102和管理电路104。在图1中，处理***102和管理电路104以分离的电路模块示出。然而，这并不意味着是对本发明的限定。在可选的设计中，处理***102和管理电路104可以集成到相同的芯片中。
处理***102可以包括一个或者多个处理器，并且每个处理器可以具有单核或者多核。在该实施例中，处理***102包括中心处理单元(CPU)106和图形处理单元(GPU)108。处理***102用于在电子设备100上执行应用程序APP，其中CPU106可以与GPU108协同处理应用程序APP的操作。
管理电路104用于在应用程序APP的执行期间检测应用程序APP的操作特性，分析所检测的应用程序APP的操作特性以生成应用程序识别结果RTAPP，以及至少根据应用程序识别结果RTAPP来配置应用程序相关任务。在该实施例中，管理电路104包括应用程序特性数据库112、分类单元114、控制单元116和机器学习单元118。当电子设备100通电时，可以在芯片非易失性存储器(未示出)上存储和更新应用程序特性数据库112。可选地，当电子设备100断电时，应用程序特性数据库112可以存储于芯片非易失性存储器(未示出)内，而当电子设备100通电时，应用程序特性数据库112可以载入易失性存储器(未示出)内和在该易失性存储器(未示出)上进行更新。简单地说，本发明在应用程序特性数据库112的存储方案上不受限制。
应用程序特性数据库112设置为存储不同应用程序的操作特性用以识别在电子设备100上运行的当前应用程序。所述存储的操作特性可以包括在制造电子设备100之前获得的预生成操作特性，和/或在电子设备100运行时间期间获得的机器学习操作特性。举一个例子来说，当电子设备100首次通电时，应用程序特性数据库112具有最初存储其中的预生成操作特性，而在电子设备100开始运行后更新应用程序特性数据库112以包括机器学习操作特性。举另外一个例子来说，当电子设备100首次通电时，电子设备100具有空的应用程序特性数据库，而在电子设备100开始运行后创建应用程序特性数据库112和更新应用程序特性数据库112以包括机器学习操作特性。
如图1所示，应用程序特性数据库112可以存储多个特定应用程序APP1-APPN的操作特性B1-BN。基于应用程序特性数据库112的实际设计，特定应用程序APP1-APPN可以具有单独的预定应用程序(其在制造电子设备100时是已知的)，单独的新应用程序(其在制造电子设备100时未知并且在电子设备100上运行时被识别)，或者至少一个预定应用程序和至少一个新的应用程序的组合。
在优选的实施例中，操作特性B1-BN是预生成操作特性，而特定应用程序APP1-APPN是预定应用程序。特别地，在制造电子设备100和将电子设备100运送到市场之前，可以确定应用程序特性数据库112。通过这种方式，可以放松对电子设备100上的实时数据库更新的要求。请参考图2，它是说明根据本发明实施例的计算预生成操作特性B1-BN的示意图。例如，制造商可以选择多个用户频繁使用的应用程序APP1-APPN作为测试的预定应用程序。每个预定应用程序APP1-APPN可以被测试几次。例如，每个测试结果可以包括应用程序启动信息(launchinformation)和应用程序运行时间信息(applicationrun-timeinformation)。应用程序启动信息是在启动应用程序时获得的，并且可以包括加载共享库、过程虚拟内存映射(processvirtualmemorymap)和/或***调用历史。值得注意的是，这仅是为了说明的目的，而不意味着对本发明的限制。在可替代的设计中，应用程序启动信息可以通过参考上述***信息和/或其他***信息来获得。
应用程序运行时间信息是在应用程序的有效运行时间内获得的，并且可以包括芯片结点温度(diejunctiontemperature)、印刷电路板(PCB)温度、CPU/GPU/存储器的利用率和/或电流消耗。当应用程序开始使用CPU/GPU资源以使得CPU/GPU的利用率超过利用率阈值(例如80％)时，有效运行时间开始，并且当CPU/GPU的利用率下降至低于利用率阈值且持续预定的时间段时，有效运行时间结束。然而，上述有效运行时间的定义仅仅是一个例子。也就是说，可以根据实际的设计考虑调整有效运行时间的定义。使用所建议的应用程序运行时间信息的任何应用程序特性的设计都将落入本发明的范围。
机器学习技术应用于测试过程收集的预定应用程序APP1-APPN的已知应用程序特性知识。机器学习技术基于一组启动信息和一组运行时间信息为每个预定应用程序生成训练操作特性。通过这种方式，由预生成操作特性B1-BN创建应用程序特性数据库112并且将其写入芯片非易失性存储器，芯片非易失性存储器例如为闪存。在该实施例中，每个预生成操作特性B1-BN包括预生成启动特性(例如，B1_1-BN_1)以及预生成运行时间特性(例如，B1_2-BN_2)，所述预生成启动特性是由收集的启动信息的机器学习结果得到的，而所述预生成运行时间特性是由收集的运行时间信息的机器学习结果得到的。
分类单元114与处理***102和应用程序特性数据库112耦合，并且分类单元114设置为在执行应用程序APP期间检测应用程序APP的操作特性BD，以及通过检查所检测的应用程序APP的操作特性BD是否被归类为特定应用程序APP1-APPN的操作特性B1-BN之一来确定应用程序识别结果RTAPP(例如，预定应用程序的预生成操作特性和/或新的应用程序的训练操作特性)。在该实施例中，所检测的操作特性BD包括检测的启动特性BD_1和/或至少一个检测的运行时间特性BD_2。请参考图3，它是说明根据本发明实施例的检测在电子设备上运行的应用程序的操作特性的操作示意图。当通过处理***102的CPU106下载和执行应用程序APP的程序代码时，在电子设备100上启动应用程序APP。因此，分类单元114通过检测应用程序启动信息来获得所检测的启动特性BD_1，应用程序启动信息例如加载共享库、进程虚拟内存映射和/或***调用历史。这仅仅是为了说明的目的，而不意味着对本发明的限制。可选地，应用程序启动信息可以通过参考上述***信息和/或其他***信息来获得。
对于某一应用程序，例如基准测试应用程序，该应用程序将在启动后等待用户输入来开始它的主要功能(mainfunction)。因此，在输入用户输入之前CPU/GPU利用率是较低的。换言之，在应用程序启动时间与应用程序开始大量地使用CPU/GPU资源时间之间可以存在时间偏移。为了更准确地检测应用程序的运行时间特性，因此分类单元114配置为检测在应用程序的有效运行时间期间的应用程序运行时间信息。如上所述，当应用程序开始使用CPU/GPU资源以使得CPU/GPU的利用率超过利用率阈值TH(例如80％)时，有效运行时间开始，而当CPU/GPU的利用率下降至低于利用率阈值TH且持续预定的时间周期P时有效运行时间结束。请注意，根据实际的设计考虑，可以调整有效运行时间的定义。也就是说，使用有效运行时间的不同定义在另一个运行时间特性检测设计中是可行的。在该实施例中，分类单元114可以配置为通过周期性地检测应用程序运行时间信息来获得至少一个检测的运行时间特性BD_2，应用程序运行时间信息例如为芯片结点温度、印刷电路板(PCB)温度、CPU/GPU/存储器的利用率和/或者电流消耗。
应用程序识别结果RTAPP是基于所检测的应用程序APP的操作特性BD是否可以被归类为特定应用程序APP1-APPN的操作特性B1-BN中的一个而建立的。换言之，分类单元114参考所检测的操作特性BD，用以决定应用程序APP是否是特定应用程序APP1-APPN中的一个。由于所检测的操作特性BD可以包括检测的启动特性BD_1和/或至少一个检测的运行时间特性BD_2，应用程序分类操作可以包括将所检测的启动特性BD_1与包括在操作特性B1-BN中的所有启动特性相比较，和/或将每一个检测的运行时间特性BD_2与包括在操作特性B1-BN中的运行时间特性的至少一部分(即部分或者全部)相比较。考虑到操作特性B1-BN是如图2所示的预生成操作特性的情况，分类单元114可以比较所检测的启动特性BD_1和所有预生成启动特性B1_1-BN_1和/或比较每个检测的运行时间特性BD_2和至少一部分(即部分或者全部)预生成运行时间特性B1_2-BN_2。
在优选的实施例中，由于所检测的操作特性BD可以包括一个检测的启动特性BD_1和/或至少一个检测的运行时间特性BD_2，分类单元114可以至少涉及所检测的启动特性BD_1来确定应用程序识别结果RTAPP。当获得所检测的启动特性BD_1时，分类单元114比较所检测的启动特性BD_1和包括在特定应用程序APP1-APPN的操作特性B1-BN中的启动特性(例如，B1_1-BN_1)。如果所检测的启动特性BD_1和每个启动特性(例如，B1_1-BN_1)之间的相似性没有超过第一预定相似性阈值，分类单元114直接建立应用程序识别结果RTAPP以表明应用程序APP是新的应用程序(也就是，应用程序APP没有被归类为特定应用程序APP1-APPN的其中之一)，并且不需要检测应用程序运行时间信息来获得至少一个检测的运行时间特性BD_2。
如果所检测的启动特性BD_1和至少一个启动特性(例如，B1_1-BN_1)之间的相似性超过第一预定相似性阈值，分类单元114从特定应用程序APP1-APPN中选择至少一个特定应用程序，其中由于所检测的启动特性BD_1和启动特性之间的相似性超过第一预定相似性阈值，每个选择的特定应用程序具有与所检测的启动特性BD_1相似/相同的启动特性。此外，分类单元114进一步检测应用程序运行时间信息以获得至少一个检测的运行时间特性BD_2，并且基于比较所检测的启动特性BD_1和启动特性(例如，B1_1-BN_1)的结果，比较每个检测的运行时间特性和从特定应用程序APP1-APPN中选择的至少一个特定应用程序的运行时间特性(一个或多个)。
考虑每个检测的运行时间特性BD_2，分类单元114检查在所检测的运行时间特性BD_2和选择的特定应用程序的运行时间特性之一之间的相似性是否超过第二预定相似性阈值，其中用于检查所检测的运行时间特性BD_2的第二预定相似性阈值可以与用于检查所检测的启动特性BD_1的第一预定相似性阈值相同或者不同。例如，由于所检测的运行时间特性和特定运行时间特性之间的相似性超过第二预定相似性阈值，发现检测的运行时间特性与相同的特定运行时间特性相似/相同，当所述检测的运行时间特性的数量大于特定的阈值时，分类单元114将建立应用程序识别结果RTAPP来表明当前在电子设备100上运行的应用程序APP被归类为一个特定应用程序(该应用程序是基于比较所检测的启动特性BD_1和操作特性B1-BN中的启动特性(例如，B1_1-BN_1)的结果而从特定应用程序APP1-APPN中选择的至少一个应用程序的其中之一，以及进一步具有与至少一个检测的运行时间特性BD_2最相似的特定运行时间特性)。
然而，如果满足相似/相等条件的所述检测的运行时间特性的数量并不大于特定的阈值时，分类单元114将建立应用程序识别结果RTAPP来表明应用程序APP是新的应用程序(也就是说，应用程序APP不能够被归类为特定应用程序APP1-APPN之一)，所述的相似/相等条件为如果所检测的运行时间特性和特定运行时间特性之间的相似性超过第二预定相似性阈值，发现每个检测的运行时间特性与相同的特定运行时间特性相似/相等。
当应用程序识别结果RTAPP表明应用程序APP是新的应用程序时，机器学习单元118起作用以更新应用程序特性数据112，以便更新的应用程序特性数据库112将应用程序APP记录为新的特定应用程序并且进一步将训练操作特性记录为新增的特定应用程序的操作特性。如同预生成操作特性，训练操作特性可以包括应用程序启动信息和运行时间信息。
请参考图4，它是说明根据本发明实施例的更新应用程序特性数据库112的操作示意图。当启动应用程序APP时，在执行应用程序APP期间，包括启动特性BD_1和至少一个运行时间特性BD_2的应用程序APP的操作特性BD默认地由机器学习单元118进行记录。当应用程序识别结果RTAPP表明应用程序APP没有被归类为特定应用程序APP1-APPN中的一个时，机器学习单元118进一步设置为基于所记录的应用程序APP的操作特性获得应用程序APP的训练操作特性BNEW，以及在应用程序APP运行结束后，将该应用程序APP的训练操作特性BNEW增加到应用程序特性数据库112中。通过这种方式，除了特定应用程序APP1-APPN索引的原始条目，更新的应用程序特性数据库112将具有新的条目，该新的条目由应用程序APP索引并且具有存储于其中的训练操作特性BNEW。
总之，如果当电子设备100首次通电时应用程序特性数据库112具有最初存储于其中的预生成操作特性，则每当当前运行在电子设备100上的应用程序被归类为新的应用程序时，可以更新应用程序特性数据库112以包括新的应用程序的训练操作特性。因此，如果没有执行新的应用程序的实时数据库更新，上述特定的应用程序APP1-APPN可以仅包括预定的应用程序；以及如果已经执行新的应用程序的实时数据库更新，上述特定的应用程序APP1-APPN可以包括至少一个预定应用程序和至少一个新的应用程序的组合。然而，如果当电子设备100首次通电时电子设备100具有空的应用程序特性数据库，在电子设备100开始运行之后可以创建和更新应用程序特性数据库112以包括机器学习操作特性。因此，上述特定的应用程序APP1-APPN可以只包括新的应用程序(它不是在制造电子设备100时已知的预定应用程序)。
控制单元116设置为至少根据应用程序识别结果RTAPP来配置应用程序相关任务。在该实施例中，当应用程序识别结果RTAPP表明应用程序APP没有被归类为特定应用程序APP1-APPN中的一个时，控制单元116通过默认的任务设置SETdefault配置应用程序相关任务。例如，在应用程序相关任务是DTM任务的情况下，所述默认的任务设置SETdefault是默认的热策略。
控制单元116可以配置为具有特定应用程序APP1-APPN的应用程序特征信息的知识。例如，每个特定应用程序的应用程序特征信息可以记录特定应用程序的预期运行时间/执行时间(也就是说，特定应用程序将使用CPU/GPU多久),所期望的CPU/GPU工作负荷，***数据资源的使用，以及/或者***寻呼资源的使用等等。此处所述的应用程序特征信息可包括但不限于上文所述的应用程序特性。因此，当应用程序识别结果RTAPP表明应用程序APP被归类为特定应用程序APP1-APPN中的一个时，控制单元116至少基于应用程序APP的应用程序特征信息来确定任务设置SETbest(例如，应用程序APP将使用CPU106/GPU108多久，如匹配特定应用程序的已知应用程序特性信息所示)，以及通过设置任务设置SETbest的任务配置应用程序相关任务。例如，任务设置SETbest可以根据实际的设计考虑通过计算或者查表来确定。
优选地，控制单元116基于应用程序APP的应用程序特征信息和附加参考信息(例如环境信息)来确定任务设置SETbest。在应用程序相关任务是DTM任务的情况下，所述任务设置是应用程序APP的计算的热策略。环境信息可以包括芯片拐角/泄露(chipcorner/leakage)、环境温度等等。在本发明的一个示例性设计中，任务设定SETbest可以是包括CPU/GPU功率预算约束和/或者芯片结点温度上升斜率约束的热策略。例如，CPU/GPU的功率预算约束可以包括频率设置和热插拔设置，其中频率设置规定CPU106的操作时钟速度和GPU108的操作时钟速度，热插拔设置规定加电的CPU核的数目和加电的GPU核的数目。所述芯片结点温度上升斜率约束可以包括在不同的时钟速度之间转换CPU106的频率以及在不同的操作时钟速度之间转换GPU108的频率。
请参考图5，它是说明根据本发明实施例的不同热策略的示意图。热策略应被适当地设计成：为应用程序获取期望功率预算控制。因此，可以采用不同的热策略来分别满足不同的功率预算控制要求。例如，基于第一应用程序的应用程序特征信息(例如具有5分钟的运行时间/执行时间的应用程序)，为了更好的热节流控制，控制单元116可以选择第一热策略TS1；基于第二应用程序的应用程序特征信息(例如具有3分钟的运行时间/执行时间的应用程序)，为了更好的热节流控制，控制单元116可以选择第二热策略TS2；以及基于第三应用程序的应用程序特征信息(例如具有0.5分钟的运行时间/执行时间的应用程序)，为了更好的热节流控制，控制单元116可以选择第三热策略TS3。
总之可以通过如下方案来优化应用程序性能:应用识别应用程序的机器学习技术，了解所识别的应用程序的进一步特性。以及至少基于已知的应用程序特征确定最佳的热策略。值得注意的是，TDM任务仅是应用程序相关任务的一个例子。所提出的应用程序识别技术可参与配置除了TDM任务之外的应用程序相关任务。这也落入本发明的范围之内。
图6是说明根据本发明实施例的用于配置应用程序相关任务的方法的流程图。若是结果基本相同，则不需要按照图6所示的确切顺序来执行步骤。电子设备100可以采用该例性方法，并且示例性方法可以简要地总结如下：
步骤600：开始。
步骤602：在执行应用程序期间检测应用程序的操作特性。
步骤604：通过检查所检测的应用程序的操作特性是否被归类为在应用程序特性数据库中的特定应用程序的操作特性之一来确定应用程序识别结果。
步骤606：检查应用程序识别结果是否表明应用程序被归类为特定应用程序之一。如果是，转到步骤614；否则，转到步骤608。
步骤608：基于在执行应用程序期间获得的应用程序的记录的操作特性来执行机器学习过程以获得训练的操作特性。
步骤610：将应用程序的训练的操作特性增加到应用程序特性数据库中。
步骤612：通过默认任务设置(例如默认的热策略)配置应用程序相关任务(例如，热动态热管理任务)。转到步骤618。
步骤614：至少基于所识别的应用程序的应用程序特征信息确定任务设置。
步骤616：通过确定的任务设置来配置应用程序相关任务。
步骤618：结束。
由于本领域的技术人员在阅读上述内容之后能很容易地理解图6所示的每个步骤的细节，所以为了简洁起见这里省略了进一步的描述。
本领域的技术人员将很容易注意到，可以根据本发明的教导对设备和方法进行许多修改和改变。因此，上述公开的内容应当被理解为仅由所附权利要求的界限和范围所限定。

Claims (24)

1.一种电子设备，包括：
处理***，其设置为执行应用程序；以及
管理电路，其设置为在执行应用程序期间检测应用程序的操作特性，分析所检测的应用程序的操作特性以产生应用程序识别结果，以及至少根据该应用程序识别结果配置应用程序相关任务。
2.根据权利要求1所述的电子设备，其中所述管理电路包括：
应用程序特性数据库，其设置为存储多个特定应用程序的操作特性；以及
分类单元，其设置为检测应用程序的操作特性，并且通过检查所检测的应用程序的操作特性是否被归类为特定应用程序的操作特性之一来确定应用程序识别结果。
3.根据权利要求2所述的电子设备，其中每个操作特性包括启动特性；所检测的应用程序的操作特性包括所检测的启动特性；以及分类单元将所检测的启动特性和特定应用程序的启动特性进行比较。
4.根据权利要求3所述的电子设备，其中每个操作特性进一步包括运行时间特性；所检测的应用程序的操作特性进一步包括至少一个所检测的运行时间特性；以及所述分类单元进一步将每个所检测的运行时间特性与特定应用程序的运行时间特性的至少一部分进行比较。
5.根据权利要求4所述的电子设备，其中所述分类单元通过将所检测的启动特性与特定应用程序的启动特性进行比较，以及将每个所检测的运行时间特性与至少一个特定应用程序的一个或多个运行时间特性进行比较来从多个特定应用程序中选择至少一个特定应用程序。
6.根据权利要求2所述的电子设备，其中所述管理电路进一步包括：
机器学习单元，其设置为在执行应用程序期间记录应用程序的操作特性，以及当所述应用程序识别结果表明应用程序没有被归类为特定应用程序之一时，在应用程序结束后，基于所记录的应用程序的操作特性获取应用程序的训练操作特性将应用程序的训练操作特性增加到应用程序特性数据库中。
7.根据权利要求2所述的电子设备，其中至少一个特定应用程序是预定应用程序，以及所述特定应用程序的操作特性包括预定应用程序的预生成操作特性。
8.根据权利要求2所述的电子设备，其中所述管理电路进一步包括：
机器学习单元，其设置为产生至少一个特定应用程序的操作特性。
9.根据权利要求2所述的电子设备，其中所述管理电路进一步包括：
控制单元，其设置为当应用程序识别结果表明应用程序被归类为特定应用程序之一时，至少基于应用程序的应用程序操作特征信息确定任务设置，并且通过所述任务设置配置所述应用程序相关任务。
10.根据权利要求9所述的电子设备，其中所述控制单元基于应用程序特征信息和环境信息来确定所述任务设置。
11.根据权利要求9所述的电子设备，其中所述控制单元进一步设置为当应用程序识别结果表明应用程序没有被归类为特定应用程序之一时，通过默认的任务设置配置所述应用程序相关任务。
12.根据权利要求9所述的电子设备，其中所述应用程序相关任务是动态热管理(DTM)任务，所述任务设置是应用程序的热策略。
13.一种配置应用程序相关任务的方法，包括：
执行应用程序；
在执行应用程序期间检测应用程序的操作特性；
分析所检测的应用程序的操作特性以产生应用程序识别结果；以及
至少根据所述应用程序识别结果配置应用程序相关任务。
14.根据权利要求13所述的配置应用程序相关任务的方法，其中所述分析所检测的应用程序的操作特性的步骤包括：
通过检查所检测的应用程序的操作特性是否被归类为在应用程序特性数据库中的多个特定应用程序的操作特性之一来确定应用程序识别结果。
15.根据权利要求14所述的配置应用程序相关任务的方法，其中每个所述操作特性包括启动特性；所检测的应用程序的操作特性包括所检测的启动特性；以及所述检查步骤包括：
将所检测的启动特性与特定应用程序的启动特性进行比较。
16.根据权利要求15所述的配置应用程序相关任务的方法，其中每个所述操作特性进一步包括运行时间特性；所检测的应用程序的操作特性进一步包括至少一个所检测的运行时间特性；所述检查步骤进一步包括：
将每个所检测的运行时间特性与特定应用程序的运行时间特性的至少一部分进行比较。
17.根据权利要求16所述的配置应用程序相关任务的方法，其中通过将所检测的启动特性与特定应用程序的启动特性进行比较，以及将每个所检测的运行时间特性与至少一个特定应用程序的一个或多个运行时间特性进行比较，而从多个特定应用程序中选择至少一个特定应用程序。
18.根据权利要求14所述的配置应用程序相关任务的方法，进一步包括：
记录在执行应用程序期间应用程序的所述操作特性；以及
当应用程序识别结果表明应用程序没有被归类为特定应用程序之一时，执行机器学习操作以基于所记录的应用程序的操作特性获取应用程序的训练操作特性，以及在应用程序运行结束之后将所述应用程序的训练操作特性增加到应用程序特性数据库中。
19.根据权利要求14所述的配置应用程序相关任务的方法，其中至少一个所述特定应用程序是预定应用程序，以及所述特定应用程序的操作特性包括预定应用程序的预生成操作特性。
20.根据权利要求14所述的配置应用程序相关任务的方法，进一步包括：
执行机器学习操作以产生至少一个特定应用程序的操作特性。
21.根据权利要求14所述的配置应用程序相关任务的方法，其中所述配置应用程序相关任务的步骤包括：
当所述应用程序识别结果表明所述应用程序被归类为所述特定应用程序之一时，至少基于所述应用程序的应用程序特征信息来确定任务设置，以及通过所述任务设置来配置所述应用程序相关任务。
22.根据权利要求21所述的配置应用程序相关任务的方法，其中所述任务设置是基于所述应用程序特征信息和环境信息来确定的。
23.根据权利要求21所述的配置应用程序相关任务的方法，其中所述配置应用程序相关任务的步骤进一步包括：
当所述应用程序识别结果表明所述应用程序没有被归类为所述特定应用程序之一时，通过默认的任务设置来配置应用程序相关任务。
24.根据权利要求21所述的配置应用程序相关任务的方法，其中所述应用程序相关任务是动态热管理(DTM)任务，并且所述任务设置是应用程序的热策略。
CN201510281763.2A 2014-05-29 2015-05-28 配置应用程序相关任务的电子设备及其相关方法 Active CN105279426B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/290,933 US9632841B2 (en) 2014-05-29 2014-05-29 Electronic device capable of configuring application-dependent task based on operating behavior of application detected during execution of application and related method thereof
US14/290,933 2014-05-29

Publications (2)

Publication Number Publication Date
CN105279426A true CN105279426A (zh) 2016-01-27
CN105279426B CN105279426B (zh) 2018-04-27

Family

ID=54701858

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510281763.2A Active CN105279426B (zh) 2014-05-29 2015-05-28 配置应用程序相关任务的电子设备及其相关方法

Country Status (2)

Country Link
US (1) US9632841B2 (zh)
CN (1) CN105279426B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10007310B2 (en) 2016-07-08 2018-06-26 Qualcomm Incorporated Circuits and methods providing calibration for temperature mitigation in a computing device
US20180024859A1 (en) * 2016-07-20 2018-01-25 Qualcomm Incorporated Performance Provisioning Using Machine Learning Based Automated Workload Classification
US10591965B2 (en) 2017-01-20 2020-03-17 Qualcomm Incorporated System and method for context-aware thermal management and workload scheduling in a portable computing device
CN107390670A (zh) * 2017-06-27 2017-11-24 深圳市爱培科技术股份有限公司 Android***资源控制方法、存储介质及智能终端
US11137807B2 (en) * 2018-03-28 2021-10-05 Intel Corporation System, apparatus and method for controllable processor configuration based on a temperature specification
US11641406B2 (en) * 2018-10-17 2023-05-02 Servicenow, Inc. Identifying applications with machine learning

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1737722A (zh) * 2005-08-03 2006-02-22 珠海金山软件股份有限公司 一种检测和防御计算机恶意程序的***和方法
CN101093413A (zh) * 2006-06-21 2007-12-26 国际商业机器公司 用于测试实时软件的热调节控制的方法、***和处理器
US20080005736A1 (en) * 2006-06-30 2008-01-03 Microsoft Corporation Reducing latencies in computing systems using probabilistic and/or decision-theoretic reasoning under scarce memory resources
US7620983B1 (en) * 2004-03-16 2009-11-17 Symantec Corporation Behavior profiling
US20120198569A1 (en) * 2011-01-31 2012-08-02 Bank Of America Corporation Associated with abnormal application-specific activity monitoring in a computing network
US20120284729A1 (en) * 2011-05-03 2012-11-08 Microsoft Corporation Processor state-based thread scheduling
US8701192B1 (en) * 2009-06-30 2014-04-15 Symantec Corporation Behavior based signatures

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030226056A1 (en) * 2002-05-28 2003-12-04 Michael Yip Method and system for a process manager
US7529754B2 (en) * 2003-03-14 2009-05-05 Websense, Inc. System and method of monitoring and controlling application files
US7475387B2 (en) * 2005-01-04 2009-01-06 International Business Machines Corporation Problem determination using system run-time behavior analysis
US8595525B2 (en) 2011-09-22 2013-11-26 Qualcomm Incorporated On-chip thermal management techniques using inter-processor time dependent power density data for indentification of thermal aggressors

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7620983B1 (en) * 2004-03-16 2009-11-17 Symantec Corporation Behavior profiling
CN1737722A (zh) * 2005-08-03 2006-02-22 珠海金山软件股份有限公司 一种检测和防御计算机恶意程序的***和方法
CN101093413A (zh) * 2006-06-21 2007-12-26 国际商业机器公司 用于测试实时软件的热调节控制的方法、***和处理器
US20080005736A1 (en) * 2006-06-30 2008-01-03 Microsoft Corporation Reducing latencies in computing systems using probabilistic and/or decision-theoretic reasoning under scarce memory resources
US8701192B1 (en) * 2009-06-30 2014-04-15 Symantec Corporation Behavior based signatures
US20120198569A1 (en) * 2011-01-31 2012-08-02 Bank Of America Corporation Associated with abnormal application-specific activity monitoring in a computing network
US20120284729A1 (en) * 2011-05-03 2012-11-08 Microsoft Corporation Processor state-based thread scheduling

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AMIT KUMART等: "HybDTM: A Coordinated Hardware-Software Approach for Dynamic Thermal Management", 《DESIGN AUTOMATION CONFERENCE,2006 43RD ACM/IEEE》 *

Also Published As

Publication number Publication date
US20150347203A1 (en) 2015-12-03
CN105279426B (zh) 2018-04-27
US9632841B2 (en) 2017-04-25

Similar Documents

Publication Publication Date Title
CN105279426A (zh) 配置应用程序相关任务的电子设备及其相关方法
CN104331357B (zh) 应用程序异常的检测方法、装置和移动终端
US9335817B2 (en) Dynamic program evaluation for system adaptation
CN104700886B (zh) 具有电源状态传感器的存储器电路
US8245060B2 (en) Memory object relocation for power savings
CN103308846B (zh) 一种基于模型识别的集成芯片功能性能检测方法和装置
CN104932963B (zh) 管理终端的方法及装置
KR20130021625A (ko) 메모리 상태 변화에 따른 단말기 운용 방법 및 이를 지원하는 단말기
CN102737724A (zh) 非易失性随机访问存储器测试***及方法
CN109101397A (zh) 高性能集群监控方法、设备、装置及存储介质
US11403202B2 (en) Power monitoring system for virtual platform simulation
CN104182337A (zh) 一种功耗测试方法、装置及移动终端
Banerjee et al. Future of mobile software for smartphones and drones: Energy and performance
CN104133382B (zh) 电源仲裁方法和具有用于访问并选择电源的控制逻辑电路的装置
CN103903312A (zh) 自动巡检的执行方法和装置
CN105378650B (zh) 用于控制处理模块的操作模式的方法和装置
CN103870319A (zh) 信息处理方法、装置及电子设备
CN110737322A (zh) 信息处理方法及电子设备
Creus et al. Optimizing mobile software with built-in power profiling
CN112732556B (zh) 分布式***的自动化测试方法、装置、设备及存储介质
US20090319988A1 (en) Software optimization device and software optimization method
Mercati et al. User-centric joint power and thermal management for smartphones
CN109976970B (zh) 一种提高主板芯片使用寿命的方法、***及存储介质
CN104503881B (zh) 手持设备功耗检测的方法、装置及手持设备
CN108089624A (zh) 芯片内部动态压降补偿方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant