CN109144715A - 一种资源优化与更新的方法、服务器及设备 - Google Patents
一种资源优化与更新的方法、服务器及设备 Download PDFInfo
- Publication number
- CN109144715A CN109144715A CN201710502718.4A CN201710502718A CN109144715A CN 109144715 A CN109144715 A CN 109144715A CN 201710502718 A CN201710502718 A CN 201710502718A CN 109144715 A CN109144715 A CN 109144715A
- Authority
- CN
- China
- Prior art keywords
- information
- resource
- memory space
- equipment
- statistical information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/34—Network arrangements or protocols for supporting network services or applications involving the movement of software or configuration parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5011—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals
- G06F9/5016—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resources being hardware resources other than CPUs, Servers and Terminals the resource being the memory
-
- 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
- G06F21/52—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems during program execution, e.g. stack integrity ; Preventing unwanted data erasure; Buffer overflow
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/76—Admission control; Resource allocation using dynamic resource allocation, e.g. in-call renegotiation requested by the user or requested by the network in response to changing network conditions
- H04L47/762—Admission control; Resource allocation using dynamic resource allocation, e.g. in-call renegotiation requested by the user or requested by the network in response to changing network conditions triggered by the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/78—Architectures of resource allocation
- H04L47/781—Centralised allocation of resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/70—Admission control; Resource allocation
- H04L47/78—Architectures of resource allocation
- H04L47/788—Autonomous allocation of resources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
- H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/303—Terminal profiles
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请实施例提供了一种资源优化与更新的方法、服务器及设备,其中所述服务器侧的方法包括:获取多个设备的资源统计信息;当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案。本申请实施例可以实现自动的资源优化分析,提高了分析效率,提升优化分析的准确率。
Description
技术领域
本申请涉及物理网技术领域,特别是涉及一种资源优化方法、一种资源更新方法、一种资源优化服务器、一种资源优化设备、一种服务器以及一种设备。
背景技术
物联网(Internet of Things,简称IoT)是新一代信息技术的重要组成部分,也是“信息化”时代的重要发展阶段。物联网是在计算机互联网的基础上,利用RFID(RadioFrequency Identification,射频识别)、无线数据通信等技术,通过计算机互联网实现物品(商品)的自动识别和信息的互联与共享。
然而,在IoT中资源有限或其它资源相对紧张的RTOS(Real Time OperatingSystem,实时操作***)中,内存资源尤其宝贵,为了节省资源,通常需要对业务逻辑所使用的任务栈、动态内存进行优化,在现有的对任务栈、动态内存进行优化的方案中,通常是开发人员进行优化估算,优化分析效率较低,优化估算的结果的准确率难以保证,影响优化效果。
另外,针对栈溢出和内存越界等偶发性问题也很难发现。
发明内容
鉴于上述问题,提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种资源优化方法、一种资源更新方法和相应的一种资源优化服务器、一种资源优化设备、一种服务器以及一种设备。
为了解决上述问题,本申请实施例公开了一种资源优化方法,应用于服务器侧,其特征在于,所述方法包括:
获取多个设备的资源统计信息;
当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案。
优选地,所述资源统计信息携带设备类别信息和/或属性类别信息;所述当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案的步骤包括:
当满足预设的触发条件时,提取属于同一设备类别信息以及同一属性类别信息的资源统计信息;
对提取的所述资源统计信息进行资源优化分析,得到分析结果;
结合属于同一设备类别的所有分析结果,生成资源优化方案。
优选地,所述属性类别信息包括存储空间检测类别,所述存储空间检测类别对应的资源统计信息包括存储空间统计信息;所述存储空间统计信息包括任务名称、存储空间大小、已使用空间大小;
所述对提取的所述资源统计信息进行资源优化分析,得到分析结果的步骤包括:
基于所述存储空间统计信息,从属于同一设备类别信息的,各个设备针对同一个存储空间执行同一任务的已使用空间大小中,提取最大已使用空间大小;
将所述存储空间的最大已使用空间大小与所述存储空间大小进行比较;
根据比较结果,调整所述存储空间的大小。
优选地,所述根据比较结果,调整所述存储空间的大小的步骤包括:
计算所述最大已使用空间大小与所述存储空间大小的比值,得到最大使用率;
若所述最大使用率小于预设使用率阈值,则将所述最大使用率增加预设的冗余使用率,得到更新的使用率;
基于所述更新的使用率以及所述存储空间大小,确定更新的存储空间大小。
优选地,所述属性类别信息包括存储空间溢出检测类别,所述存储空间溢出检测类别对应的资源统计信息包括存储空间溢出统计信息;所述存储空间溢出统计信息包括任务名称、所述任务名称所属的存储空间标识以及存储空间溢出的起始地址;
所述对提取的所述资源统计信息进行资源优化分析,得到分析结果的步骤包括:
基于所述存储空间溢出统计信息,分别获取属于同一设备类别信息的,各个设备执行同一任务时,针对同一个存储空间的溢出空间大小;
从各个溢出空间大小中选取最大溢出空间;
根据所述最大溢出空间,扩大所述存储空间大小。
优选地,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
优选地,所述触发条件包括但不限于:
采集的所述资源统计信息的数量达到预设数量阈值;
和/或,
采集的所述资源统计信息的大小达到预设数据大小阈值;
和/或,
采集的所述资源统计信息的采集时间达到时间阈值。
优选地,所述方法还包括:
提供所述资源优化方案。
优选地,所述提供所述资源优化方案的步骤包括:
将所述资源优化方案以易读的形式提供给优化人员
和/或,
将所述资源优化方案以易于自动处理的形式提供给自动处理程序。
本申请实施例还公开了一种资源优化方法,应用于设备侧,所述方法包括:
获取资源统计信息;
将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源优化的资源优化方案。
优选地,所述资源统计信息包括存储空间统计信息,所述获取资源统计信息的步骤包括:
调用所述实时操作***中的测评工具所提供的接口,对存储空间进行存储空间检测,得到存储空间统计信息。
优选地,所述资源统计信息包括存储空间溢出统计信息,所述获取资源统计信息的步骤包括:
获取所述存储空间的尾部地址;
采用内存保护单元,设置所述尾部地址的访问权限;
当检测到对所述尾部地址的访问操作时,判定所述存储空间发生溢出,并由所述内存保护单元触发内存访问中断;
获取所述溢出对应的上下文信息,作为所述存储空间溢出统计信息。
优选地,所述将所述资源统计信息上传至服务器的步骤包括:
获取所述设备的设备类别信息;
确定所述资源统计信息的属性类别信息;
将所述资源统计信息以及对应的设备类别信息、属性类别信息上传至服务器。
优选地,所述获取所述设备的设备类别信息的步骤包括:
获取所述设备的型号;
获取所述设备安装的所述实时操作***的版本号;
将所述型号以及所述版本号组织成所述设备的设备类别信息。
优选地,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
本申请实施例还公开了一种资源优化服务器,所述服务器包括:
统计信息获取模块,用于获取多个设备的资源统计信息;
优化方案生成模块,用于当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案。
优选地,所述资源统计信息携带设备类别信息和/或属性类别信息;所述优化方案生成模块包括:
信息提取子模块,用于当满足预设的触发条件时,提取属于同一设备类别信息以及同一属性类别信息的资源统计信息;
分析结果获取子模块,用于对提取的所述资源统计信息进行资源优化分析,得到分析结果;
优化方案生成子模块,用于结合属于同一设备类别的所有分析结果,生成资源优化方案。
优选地,所述属性类别信息包括存储空间检测类别,所述存储空间检测类别对应的资源统计信息包括存储空间统计信息;所述存储空间统计信息包括任务名称、存储空间大小、已使用空间大小;
所述分析结果获取子模块包括:
最大值确定单元,用于基于所述存储空间统计信息,从属于同一设备类别信息的,各个设备针对同一个存储空间执行同一任务的已使用空间大小中,提取最大已使用空间大小;
比较单元,用于将所述存储空间的最大已使用空间大小与所述存储空间大小进行比较;
存储空间调整单元,用于根据比较结果,调整所述存储空间的大小。
优选地,所述存储空间调整单元还用于:
计算所述最大已使用空间大小与所述存储空间大小的比值,得到最大使用率;
若所述最大使用率小于预设使用率阈值,则将所述最大使用率增加预设的冗余使用率,得到更新的使用率;
基于所述更新的使用率以及所述存储空间大小,确定更新的存储空间大小。
优选地,所述属性类别信息包括存储空间溢出检测类别,所述存储空间溢出检测类别对应的资源统计信息包括存储空间溢出统计信息;所述存储空间溢出统计信息包括任务名称、所述任务名称所属的存储空间标识以及存储空间溢出的起始地址;
所述分析结果获取子模块包括:
溢出空间最大值确定单元,用于基于所述存储空间溢出统计信息,分别获取属于同一设备类别信息的,各个设备执行同一任务时,针对同一个存储空间的溢出空间大小,从所述各个溢出空间大小中选取最大溢出空间;
存储空间扩大单元,用于根据所述最大溢出空间,扩大所述存储空间大小。
优选地,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
优选地,所述触发条件包括但不限于:
采集的所述资源统计信息的数量达到预设数量阈值;
和/或,
采集的所述资源统计信息的大小达到预设数据大小阈值;
和/或,
采集的所述资源统计信息的采集时间达到时间阈值。
优选地,所述服务器还包括:
优化方案提供模块,用于提供所述资源优化方案。
优选地,所述优化方案提供模块还用于:
将所述资源优化方案以易读的形式提供给优化人员
和/或,
将所述资源优化方案以易于自动处理的形式提供给自动处理程序。
本申请实施例还公开了一种资源优化设备,所述设备包括:
统计信息获取模块,用于获取资源统计信息;
统计信息上传模块,用于将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源优化的资源优化方案。
优选地,所述资源统计信息包括存储空间统计信息,所述统计信息获取模块包括:
存储空间统计信息获取子模块,用于调用所述实时操作***中的测评工具所提供的接口,对存储空间进行存储空间检测,得到存储空间统计信息。
优选地,所述资源统计信息包括存储空间溢出统计信息,所述统计信息获取模块包括:
尾部地址获取子模块,用于获取所述存储空间的尾部地址;
访问权限设置子模块,用于采用内存保护单元,设置所述尾部地址的访问权限;
中断子模块,用于当检测到对所述尾部地址的访问操作时,判定所述存储空间发生溢出,并由所述内存保护单元触发内存访问中断;
溢出统计信息获取子模块,用于获取所述溢出对应的上下文信息,作为所述存储空间溢出统计信息。
优选地,所述统计信息上传模块包括:
设备类别获取子模块,用于获取所述设备的设备类别信息;
属性类别确定子模块,用于确定所述资源统计信息的属性类别信息;
信息上传子模块,用于将所述资源统计信息以及对应的设备类别信息、属性类别信息上传至服务器。
优选地,所述设备类别获取子模块还用于:
获取所述设备的型号;
获取所述设备安装的所述实时操作***的版本号;
将所述型号以及所述版本号组织成所述设备的设备类别信息。
优选地,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
本申请实施例还公开了一种资源更新方法,应用于服务器侧,所述方法包括:
获取多个设备的资源统计信息;
当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源更新的资源更新方案。
本申请实施例还公开了一种资源更新方法,应用于设备侧,所述方法包括:
获取资源统计信息;
将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源更新的资源更新方案。
本申请实施例还公开了一种服务器,所述服务器包括:
统计信息获取模块,用于获取多个设备的资源统计信息;
资源更新方案生成模块,用于当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源更新的资源更新方案。
本申请实施例还公开了一种设备,所述设备包括:
统计信息获取模块,用于获取资源统计信息;
统计信息上传模块,用于将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源更新的资源更新方案。
本申请实施例还公开了一种装置,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行上述的一个或多个的方法。
本申请实施例还公开了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行上述的一个或多个的方法。
本申请实施例包括以下优点:
在本申请实施例中,服务器可以接收大规模的设备的资源统计信息,当数据达到一定时间和一定规模后触发数据分析,生成用于对设备进行资源优化资源优化方案,以实现自动的资源优化分析,提高了分析效率,提升优化分析的准确率。
另外,本申请实施例可以及时发现栈溢出和内存越界等偶发性问题,提升了优化效果。
附图说明
图1是本申请的一种基于物联网的资源优化方法实施例一的步骤流程图;
图2是本申请的一种基于物联网的资源优化方法实施例二的步骤流程图;
图3是本申请的一种资源优化服务器实施例的结构框图;
图4是本申请的一种资源优化设备实施例的结构框图;
图5本申请一种智能设备实施例的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1,示出了本申请的一种资源优化方法实施例一的步骤流程图,本申请实施例可以应用于服务器侧,例如,应用在云服务器端,所述服务器与设备通信,本申请实施例具体可以包括如下步骤:
步骤101,获取多个设备的资源统计信息;
在一种实施方式中,该资源统计信息可以为设备采集后,向服务器发送的信息。
在本申请实施例中,设备可以包括安装有实时操作***RTOS的设备,该设备采用实时操作***提供的数据处理能力来获得资源统计信息。
该设备的数量可以有多个,采用大规模数量的设备来采集资源统计信息,有利于数据的多样性,为后续的资源优化分析提供了较为丰富的数据基础,提高了资源优化分析的准确率。
在具体实现中,可以建立各个设备与服务器的通信通道,设备可以通过各自的通信通道将资源统计信息上传至服务器。
作为一种示例,该通信通道可以包括但不限于专用数据采集通道。
在实际中,资源优化可以包括但不限于存储空间的大小优化、存储空间的溢出处理等。则作为本申请实施例的一种优选示例,资源统计信息可以包括但不限于存储空间统计信息以及存储空间溢出统计信息等。
作为一种示例,该存储空间可以包括栈、内存等,则该存储空间统计信息可以包括栈统计信息、内存统计信息等;该存储空间溢出统计信息可以包括栈溢出统计信息、内存越界统计信息。其中,
栈统计信息可以包括但不限于:栈所属的任务名称、栈大小、栈已使用空间大小、栈所剩余大小的比例或使用大小的比例、统计时间等。
内存统计信息可以包括但不限于:任务名称、内存大小、内存已使用空间大小、内存所剩余大小的比例或使用大小的比例、统计时间等。
栈溢出统计信息可以包括但不限于:调用栈的标识、栈所属的任务名称、栈所属的任务的起始地址、栈溢出地址、统计时间等。
内存越界统计信息可以包括但不限于:任务名称、该任务名称所属的内存标识、内存越界的相关起始地址、统计时间等。
在本申请实施例中,服务器所获取的资源统计信息中可以携带设备类别信息和/或属性类别信息。
具体的,设备类别信息用于反映设备的类别,可以包括但不限于设备的型号、设备所安装的实时操作***的版本号等信息。
属性类别信息用于反映资源统计信息的类别,每种资源统计信息都具有对应的属性类别信息,可以包括但不限于存储空间检测类别、存储空间溢出检测类别等。其中,存储空间检测类别对应于存储空间统计信息的检测,存储空间溢出检测类别对应于存储空间溢出统计信息的检测。
在实际中,每种属性类别信息都具有类别标识。
例如,针对栈统计信息,对应的属性类别信息为栈大小检测类别,假设类别标识为1;
针对内存统计信息,对应的属性类别信息为内存大小检测类别,假设类别标识为2;
针对栈溢出统计信息,对应的属性类别信息为栈溢出检测类别,假设类别标识为3;
针对内存越界统计信息,对应的属性类别信息为内存越界检测类别,假设类别标识为4。
步骤102,当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案。
为了获得比较充足的数据量进行数据分析,在本申请实施例中,可以设置触发条件,当服务器侧采集的数据达到触发条件时,触发数据分析。
在本申请实施例的一种优选实施例中,触发条件可以包括但不限于如下情形的一种或多种:
(1)采集的所述资源统计信息的数量达到预设数量阈值,例如,服务器接收的资源统计信息的数量为1000条时达到触发时机。
(2)采集的所述资源统计信息的大小达到预设数据大小阈值,例如,服务器接收的资源统计信息的大小为100k时达到触发时机。
(3)采集的所述资源统计信息的采集时间达到时间阈值,例如,服务器接收的资源统计信息的时间为10小时达到触发时机。
在本申请实施例的一种优选实施例中,步骤102可以包括如下子步骤:
子步骤S11,当满足预设的触发条件时,提取属于同一设备类别信息以及同一属性类别信息的资源统计信息;
在本申请实施例中,当服务器中采集的数据达到触发条件时,服务器可以对采集的资源统计信息进行分类,在实现中,可以按照同一设备类别信息以及同一属性类别信息这两个条件对资源统计信息进行筛选和分类,例如,分别将资源统计信息中属于同一设备型号同一版本号的设备的,栈统计信息归为一类、内存统计信息归为一类、栈溢出统计信息归为一类、内存越界统计信息归为一类等。
子步骤S12,对提取的所述资源统计信息进行资源优化分析,得到分析结果;
在本申请实施例的一种优选实施例中,当所述资源统计信息为存储空间统计信息时,子步骤S12进一步可以包括如下子步骤:
子步骤S121,基于所述存储空间统计信息,从属于同一设备类别信息的,各个设备针对同一个存储空间执行同一任务的已使用空间大小中,提取最大已使用空间大小;
具体的,当采集的数据达到触发条件时,服务器可以针对接收到的所有资源统计信息,按照设备型号以及操作***的版本号进行分类,得到每个设备类别对应的资源统计信息。
随后,从每个设备类别信息对应的资源统计信息中筛选出存储空间统计信息,作为每个设备类别对应的存储空间统计信息。
作为一种示例,该存储空间统计信息可以包括但不限于:
任务名称:即占用该存储空间的任务的名称;
存储空间大小:即该存储空间的容量。
已使用空间大小:即在当前设备中执行任务时,该存储空间已经被使用的最大值。
由于一个设备类别中可以包括一个或多个设备,则得到每个设备类别对应的存储空间统计信息可以包括一个或多个设备的存储空间统计信息。
在步骤S121中,如果该设备类别中包括一个设备,则将该设备的存储空间统计信息中的已使用空间大小作为最大值。若该设备类别中包括一个以上的设备,则将该一个以上的设备的存储空间统计信息中的已使用空间大小进行比较,取最大的一个已使用空间大小作为最大值,该最大值即为该设备类别针对该存储空间的最大已使用空间大小。
子步骤S122,将所述存储空间的最大已使用空间大小与所述存储空间大小进行比较;
子步骤S123,根据比较结果,调整所述存储空间的大小。
确定每个设备类别的存储空间的最大已使用空间大小以后,可以将该设备类别的存储空间的最大已使用空间大小与该存储空间的存储空间大小进行比较,并根据比较结果调整该存储空间的大小。
在本申请实施例的一种优选实施例中,子步骤S123进一步可以包括如下子步骤:计算所述最大已使用空间大小与所述存储空间大小的比值,得到最大使用率;若所述最大使用率小于预设使用率阈值,则将所述最大使用率增加预设的冗余使用率,得到更新的使用率;基于所述更新的使用率以及所述存储空间大小,确定更新的存储空间大小。
例如,设备类别的存储空间的最大已使用空间大小为60M,该存储空间的大小为100M,则对应的最大使用率为60/100=60%,若预设使用率阈值为85%,此时,可以将该最大使用率增加预设的冗余使用率(例如为20%),可以得到更新的使用率,即更新的使用率为60%+20%=80%,此时,根据存储空间的大小为100M以及更新的使用率80%,得到更新的存储空间大小为100M*80%=80M,即存储空间大小由原来的100M降低为80M,也就是说,存储空间缩小到80M就可以满足当前任务的执行需求,而无需浪费存储空间。
具体的,针对栈统计信息,如果某个设备类别的栈统计信息中未使用的栈的大小比例太大(即最大使用率小于预设使用率阈值),可对该栈进行优化调小,否则,调大该栈的大小,得到的分析结果可以是调大或调小栈的大小,以及调大或调小的幅度。通过比例进行调大或减小栈大小,以得到合理的栈大小。
针对内存统计信息,如果某个设备类别的内存统计信息中未使用的内存的大小比例太大(即最大使用率小于预设使用率阈值),可对该内存进行优化调小,否则,调大该内存的大小,得到的分析结果可以是调大或调小内存的大小,以及调大或调小的幅度。通过比例进行调大或减小内存大小,以得到合理的内存大小。
在本申请实施例的另一种实施例中,当所述资源统计信息为存储空间溢出统计信息时,子步骤S12进一步可以包括如下子步骤:
子步骤S124,基于所述存储空间溢出统计信息,分别获取属于同一设备类别信息的,各个设备执行同一任务时,针对同一个存储空间的溢出空间大小,从所述各个溢出空间大小中选取最大溢出空间;
具体的,当采集的数据达到触发条件时,服务器可以针对接收到的所有资源统计信息,按照设备型号以及操作***的版本号进行分类,得到每个设备类别对应的资源统计信息。
随后,从每个设备类别信息对应的资源统计信息中筛选出存储空间溢出统计信息,作为每个设备类别对应的存储空间溢出统计信息。
作为一种示例,该存储空间溢出统计信息可以包括但不限于:任务名称、所属存储空间以及存储空间溢出的起始地址。
由于一个设备类别中可以包括一个或多个设备,则得到每个设备类别对应的存储空间溢出统计信息可以包括一个或多个设备的存储空间溢出统计信息。
在步骤S124中,当检测到内存溢出时,可以从内存溢出上下文信息中获取存储空间溢出统计信息。
如果该设备类别中包括一个设备,则该设备的溢出空间大小即为该设备类别的溢出空间大小。
若该设备类别中包括一个以上的设备,则从该一个以上的设备的溢出空间大小中选取最大溢出空间。
子步骤S125,根据所述最大溢出空间,扩大所述存储空间大小。
得到设备类别的最大溢出空间以后,可以基于该最大溢出空间,扩大该存储空间的存储空间大小。
在实现中,扩大后的存储空间大小,可以是该最大溢出空间加上原来的存储空间大小,也可以是对该最大溢出空间增大一定的冗余大小以后加上原来的存储空间大小得到的大小。
例如,设备类别的存储空间大小为100M,最大溢出空间为20M,则可以将存储空间扩大为120M,也可以是对20M增大20%的冗余,该存储空间扩大为:100+20*120%=124M。
具体的,针对栈溢出统计信息,根据栈溢出地址,将栈扩大一定空间,得到的分析结果可以是调大栈的大小,以及调大的幅度。
针对内存越界统计信息,根据内存越界的相关起始地址,增大内存空间,得到的分析结果可以是调大内存的大小,以及调大的幅度。
子步骤S13,结合属于同一设备类别的所有分析结果,生成资源优化方案。
得到同一设备类别的每种资源统计信息的分析结果以后,可以结合这些分析结果,生成资源优化方案。
例如,得到同一设备类别的栈统计信息的分析结果、内存统计信息的分析结果、栈溢出统计信息的分析结果以及内存越界统计信息的分析结果后,可以结合这四种分析结果,生成包含着四种分析结果的资源优化方案,该资源优化方案用于对所述设备进行资源优化。
在本申请实施例中,还可以包括如下步骤:提供所述资源优化方案。
服务器得到资源优化方案以后,可以提供该资源优化方案。
在本申请实施例的一种优选实施例中,所述提供所述资源优化方案的步骤可以包括如下子步骤:将所述资源优化方案以易读的形式提供给优化人员。
在具体实现中,可以将资源优化方案提供给优化人员,优化人员可以分析该资源优化方案,进行代码优化,并将优化后的代码提交到代码库。
在实现中,上述易读的形式可以包括报表等形式。
在本申请实施例的另一种优选实施例中,所述提供所述资源优化方案的步骤可以包括如下子步骤:
将所述资源优化方案以易于自动处理的形式提供给自动处理程序。
在具体实现中,除了上述人工处理的方式,还可以采用自动化的方式提供资源优化方案。具体的,可以将资源优化方案以易于自动处理的形式提供给自动处理脚本程序,自动化处理脚本程序根据资源优化方案自动进行代码优化,并将优化后的代码提交到代码库。
在实际中,优化后的代码可以为发布版本的代码,即升级代码。
随后,由编译服务器编译发布版本的代码,并将编译结果(即升级信息)提交到FOTA(Firmware Over-the-Air,移动终端空中下载软件升级)升级服务器,FOTA服务器根据该升级信息对相关的设备进行升级更新。
在本申请实施例中,服务器可以接收大规模的设备的资源统计信息,当数据达到一定时间和一定规模后触发数据分析,生成资源优化方案,并提供该资源优化方案,以实现自动的资源优化分析,提高了分析效率,提升优化分析的准确率。
参照图2,示出了本申请的一种资源优化方法实施例二的步骤流程图,本申请实施例可以应用于设备侧,本申请实施例具体可以包括如下步骤:
步骤201,获取资源统计信息;
在本申请实施例中,设备可以包括安装有实时操作***RTOS的设备,该设备采用实时操作***提供的数据处理能力来获得资源统计信息。
该设备的数量可以有多个,采用大规模数量的设备来采集资源统计信息,有利于数据的多样性,为后续的资源优化分析提供了较为丰富的数据基础,提高了资源优化分析的准确率。
在实际中,资源优化可以包括但不限于存储空间的大小优化、存储空间的溢出处理等。则作为本申请实施例的一种优选示例,资源统计信息可以包括但不限于存储空间统计信息以及存储空间溢出统计信息等。
在本申请实施例的一种优选实施例中,若该资源统计信息为存储空间统计信息,则步骤201可以包括如下子步骤:调用所述实时操作***中的测评工具所提供的接口,对存储空间进行存储空间检测,得到存储空间统计信息。
作为一种示例,该存储空间可以包括栈、内存等,则该存储空间统计信息可以包括栈统计信息、内存统计信息等。
在实现中,可以通过调用实时操作***中的测评工具所提供的接口,来获取栈空间或内存空间进行检测,得到栈统计信息或者内存统计信息。
例如,该测评工具可以包括但不限于profile工具。
作为本申请实施例的一种示例,栈统计信息可以包括但不限于:栈所属的任务名称、栈大小、栈已使用空间大小、栈所剩余大小的比例或使用大小的比例、统计时间等。
内存统计信息可以包括但不限于:任务名称、内存大小、内存已使用空间大小、内存所剩余大小的比例或使用大小的比例、统计时间等。
在本申请实施例的另一种优选实施例中,若该资源统计信息为存储空间溢出统计信息,该存储空间溢出统计信息可以包括栈溢出统计信息、内存越界统计信息等。
在实现中,可以采用实时操作***的内核提供的栈溢出检测特性来进行栈溢出检测,得到栈溢出统计信息。
可以采用实时操作***的内核提供的内存校验特性来进行内存越界检测,得到内存越界统计信息。
作为本申请实施例的一种示例,栈溢出统计信息可以包括但不限于:调用栈的标识、栈所属的任务名称、栈所属的任务的起始地址、栈溢出地址、统计时间等。
内存越界统计信息可以包括但不限于:任务名称、所属内存信息、内存越界的相关起始地址、统计时间等。
在本申请实施例的另一种优选实施例中,若该资源统计信息为存储空间溢出统计信息,步骤201可以包括如下子步骤:获取所述存储空间的尾部地址;采用内存保护单元,设置所述尾部地址的访问权限;当检测到对所述尾部地址的访问操作时,判定所述存储空间发生溢出,并由所述内存保护单元触发内存访问中断;获取所述溢出对应的上下文信息,作为所述存储空间溢出统计信息。
在具体实现中,RTOS***可以获取存储空间的存储空间信息,作为一种示例,该存储空间信息可以包括但不限于:存储空间的起始地址、存储空间大小、存储空间名称、任务名称等。
例如,若存储空间为任务栈,则可以采用如下方式获取任务栈的栈信息:若检测到***调度的任务的指针发生变化时,则可以判定此时任务栈发生切换,此时,可以根据切换后的任务的指针所指向的地址,获得切换后的任务的数据结构,从该数据结构中获得栈信息。
得到存储空间信息以后,可以从存储空间信息中获得对应的存储空间的起始地址以及存储空间大小,并根据“存储空间的起始地址+存储空间大小”得到该存储空间的尾部地址。
在本申请实施例中,得到存储空间的尾部地址以后,可以采用内存保护单元MPU,设置该尾部地址的访问权限,以对存储空间增长方向的边缘进行保护。
在具体实现中,可以对尾部地址对应的内存空间设置MPU保护,在MPU中设定该尾部地址的访问权限,作为一种示例,该访问权限可以包括:禁止读和/或禁止写和/或禁止执行代码等。或者,该访问权限也可以设定为禁止一切访问操作。
当检测到针对尾部地址的访问操作时,则可以判定该存储空间发生栈溢出。在实现中,因为已经限制了存储空间尾部的访问权限,当对尾部进行读或写或执行等操作时,则可以判定存储空间溢出。
当检测到针对存储空间的尾部地址的访问操作时,可以立刻触发内存访问异常的中断,随后,RTOS***执行中断异常处理函数以进行内存访问异常处理,在内存访问异常处理的过程中,可以打印上下文信息作为存储空间溢出统计信息。
在本申请实施例中,可以通过MPU对存储空间的尾部地址进行保护,禁止读和/或写和/或执行等操作,在***代码出现栈溢出时立刻触发内存访问中断,通过硬件中断的方式有效提高存储空间溢出检测的时效性,及时发现栈溢出和内存越界等偶发性问题,缩短溢出问题排查时间,提升了优化效果。
步骤202,将所述资源统计信息上传至服务器。
在具体实现中,可以建立各个设备与服务器的通信通道,设备可以通过各自的通信通道将资源统计信息上传至服务器。
作为一种示例,该通信通道可以包括但不限于专用数据采集通道。
在本申请实施例的一种优选实施例中,步骤202可以包括如下子步骤:
子步骤S21,获取所述设备的设备类别信息;
在本申请实施例的一种优选实施例中,子步骤S21可以包括如下子步骤:
子步骤S211,获取所述设备的型号;
子步骤S212,获取所述设备安装的所述实时操作***的版本号;
子步骤S213,将所述型号以及所述版本号组织成所述设备的设备类别信息。
具体的,设备类别信息可以用于反映设备的类别,可以包括但不限于设备的型号、设备所安装的实时操作***的版本号等信息。例如,首先,可以获取设备的型号,然后获取设备安装的实时操作***的版本号,并将该型号与版本号结合成设备类别信息。
子步骤S22,确定所述资源统计信息的属性类别信息;
属性类别信息可以用于反映资源统计信息的类别,每种资源统计信息都具有对应的属性类别信息,可以包括但不限于存储空间检测类别、存储空间溢出检测类别等。其中,存储空间检测类别对应于存储空间统计信息的检测,存储空间溢出检测类别对应于存储空间溢出统计信息的检测。
在实际中,每种属性类别信息都具有类别标识。
子步骤S23,将所述资源统计信息以及对应的设备类别信息、属性类别信息上传至服务器。
在实现中,设备在向服务器发送资源统计信息的同时,还可以携带该设备的设备类别信息,以及每种资源统计信息的属性类别信息,使得服务器能够根据该设备类别信息以及属性类别信息,对每个设备类别对应的每种属性类别的资源统计信息进行资源优化分析,生成用于对设备进行资源优化的资源优化方案。服务器得到资源优化方案后,可以提供该资源优化方案给优化人员或自动化脚本工具,由优化人员或自动化脚本工具根据该资源优化方案进行代码优化,得到升级代码,由编译服务器对该升级代码进行编译,得到升级信息,并将升级信息发送至升级服务器,升级服务器根据该升级信息,向对应的设备下发升级通知,以进行相关设备的资源优化。
设备收到升级通知以后,可以将该升级通知展示给用户,当检测到用户的确认操作以后,对设备进行资源优化。
在本申请实施例中,设备根据设备的实时操作***提供的特性进行资源统计信息的采集,使得采集到的数据更加准确,更加及时,资源统计信息通过在先生成的通道传输至服务器以后,服务器对数据进行分析,得到资源优化方案,以实现自动的资源优化分析,提高了分析效率,提升优化分析的准确率。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图3,示出了本申请的一种资源优化服务器实施例的结构框图,所述服务器具体可以包括如下模块:
统计信息获取模块301,用于获取多个设备的资源统计信息;
优化方案生成模块302,用于当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案。
在本申请实施例的一种优选实施例中,所述资源统计信息携带设备类别信息和/或属性类别信息;所述优化方案生成模块302可以包括:
信息提取子模块,用于当满足预设的触发条件时,提取属于同一设备类别信息以及同一属性类别信息的资源统计信息;
分析结果获取子模块,用于对提取的所述资源统计信息进行资源优化分析,得到分析结果;
优化方案生成子模块,用于结合属于同一设备类别的所有分析结果,生成资源优化方案。
在本申请实施例的一种优选实施例中,所述属性类别信息包括存储空间检测类别,所述存储空间检测类别对应的资源统计信息包括存储空间统计信息;所述存储空间统计信息包括任务名称、存储空间大小、已使用空间大小;
所述分析结果获取子模块包括:
最大值确定单元,用于基于所述存储空间统计信息,从属于同一设备类别信息的,各个设备针对同一个存储空间执行同一任务的已使用空间大小中,提取最大已使用空间大小;
比较单元,用于将所述存储空间的最大已使用空间大小与所述存储空间大小进行比较;
存储空间调整单元,用于根据比较结果,调整所述存储空间的大小。
在本申请实施例的一种优选实施例中,所述存储空间调整单元还用于:
计算所述最大已使用空间大小与所述存储空间大小的比值,得到最大使用率;
若所述最大使用率小于预设使用率阈值,则
将所述最大使用率增加预设的冗余使用率,得到更新的使用率;
基于所述更新的使用率以及所述存储空间大小,确定更新的存储空间大小。
在本申请实施例的一种优选实施例中,所述属性类别信息包括存储空间溢出检测类别,所述存储空间溢出检测类别对应的资源统计信息包括存储空间溢出统计信息;所述存储空间溢出统计信息包括任务名称、所述任务名称所属的存储空间标识以及存储空间溢出的起始地址;
所述分析结果获取子模块包括:
溢出空间最大值确定单元,用于基于所述存储空间溢出统计信息,分别获取属于同一设备类别信息的,各个设备执行同一任务时,针对同一个存储空间的溢出空间大小,从所述各个溢出空间大小中选取最大溢出空间;
存储空间扩大单元,用于根据所述最大溢出空间,扩大所述存储空间大小。
在本申请实施例的一种优选实施例中,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
在本申请实施例的一种优选实施例中,所述触发条件包括但不限于:
采集的所述资源统计信息的数量达到预设数量阈值;
和/或,
采集的所述资源统计信息的大小达到预设数据大小阈值;
和/或,
采集的所述资源统计信息的采集时间达到时间阈值。
在本申请实施例的一种优选实施例中,所述服务器还包括:
优化方案提供模块,用于提供所述资源优化方案。
在本申请实施例的一种优选实施例中,所述优化方案提供模块还用于:
将所述资源优化方案以易读的形式提供给优化人员
和/或,
将所述资源优化方案以易于自动处理的形式提供给自动处理程序。
参照图4,示出了本申请的一种资源优化设备实施例的结构框图,本申请实施例具体可以包括如下模块:
资源统计信息获取模块401,用于获取资源统计信息;
统计信息上传模块402,用于将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源优化的资源优化方案。
在本申请实施例的一种优选实施例中,所述资源统计信息包括存储空间统计信息,所述资源统计信息获取模块401包括:
存储空间统计信息获取子模块,用于调用所述实时操作***中的测评工具所提供的接口,对存储空间进行存储空间检测,得到存储空间统计信息。
在本申请实施例的一种优选实施例中,所述资源统计信息包括存储空间溢出统计信息,所述资源统计信息获取模块401包括:
尾部地址获取子模块,用于获取所述存储空间的尾部地址;
访问权限设置子模块,用于采用内存保护单元,设置所述尾部地址的访问权限;
中断子模块,用于当检测到对所述尾部地址的访问操作时,判定所述存储空间发生溢出,并由所述内存保护单元触发内存访问中断;
溢出统计信息获取子模块,用于获取所述溢出对应的上下文信息,作为所述存储空间溢出统计信息。
在本申请实施例的一种优选实施例中,所述统计信息上传模块402包括:
设备类别获取子模块,用于获取所述设备的设备类别信息;
属性类别确定子模块,用于确定所述资源统计信息的属性类别信息;
信息上传子模块,用于将所述资源统计信息以及对应的设备类别信息、属性类别信息上传至服务器。
在本申请实施例的一种优选实施例中,所述设备类别获取子模块还用于:
获取所述设备的型号;
获取所述设备安装的所述实时操作***的版本号;
将所述型号以及所述版本号组织成所述设备的设备类别信息。
在本申请实施例的一种优选实施例中,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
对于服务器及设备实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本申请实施例还公开了一种资源更新方法,应用于服务器侧,所述方法包括:获取多个设备的资源统计信息;当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源更新的资源更新方案。
由于本实施例与图1的方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可,在此不再赘述了。
本申请实施例还公开了一种资源更新方法,应用于设备侧,所述方法包括:获取资源统计信息;将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源更新的资源更新方案。
由于本实施例与图2的方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可,在此不再赘述了。
本申请实施例还公开了一种服务器,所述服务器包括:
统计信息获取模块,用于获取多个设备的资源统计信息;
资源更新方案生成模块,用于当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源更新的资源更新方案。
本申请实施例还公开了一种设备,所述设备包括:
统计信息获取模块,用于获取资源统计信息;
统计信息上传模块,用于将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源更新的资源更新方案。
由于上述实施例与与图3及图4的实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可,在此不再赘述了。
本公开的实施例可被实现为使用任意适当的硬件,固件,软件,或及其任意组合进行想要的配置的***。图5示意性地示出了可被用于实现本公开中所述的各个实施例的示例性***(或装置)500。
对于一个实施例,图5示出了示例性***500,该***具有一个或多个处理器502、被耦合到(一个或多个)处理器502中的至少一个的***控制模块(芯片组)504、被耦合到***控制模块504的***存储器506、被耦合到***控制模块504的非易失性存储器(NVM)/存储设备508、被耦合到***控制模块504的一个或多个输入/输出设备510,以及被耦合到***控制模块506的网络接口512。
处理器502可包括一个或多个单核或多核处理器,处理器502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。在一些实施例中,***500能够作为本申请实施例中所述的浏览器。
在一些实施例中,***500可包括具有指令的一个或多个计算机可读介质(例如,***存储器506或NVM/存储设备508)以及与该一个或多个计算机可读介质相合并被配置为执行指令以实现模块从而执行本公开中所述的动作的一个或多个处理器502。
对于一个实施例,***控制模块504可包括任意适当的接口控制器,以向(一个或多个)处理器502中的至少一个和/或与***控制模块504通信的任意适当的设备或组件提供任意适当的接口。
***控制模块504可包括存储器控制器模块,以向***存储器506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506可被用于例如为***500加载和存储数据和/或指令。对于一个实施例,***存储器506可包括任意适当的易失性存储器,例如,适当的DRAM。在一些实施例中,***存储器506可包括双倍数据速率类型四同步动态随机存取存储器(DDR5SDRAM)。
对于一个实施例,***控制模块504可包括一个或多个输入/输出控制器,以向NVM/存储设备508及(一个或多个)输入/输出设备510提供接口。
例如,NVM/存储设备508可被用于存储数据和/或指令。NVM/存储设备508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(一个或多个)非易失性存储设备(例如,一个或多个硬盘驱动器(HDD)、一个或多个光盘(CD)驱动器和/或一个或多个数字通用光盘(DVD)驱动器)。
NVM/存储设备508可包括在物理上作为***500被安装在其上的设备的一部分的存储资源,或者其可被该设备访问而不必作为该设备的一部分。例如,NVM/存储设备508可通过网络经由(一个或多个)输入/输出设备510进行访问。
(一个或多个)输入/输出设备510可为***500提供接口以与任意其他适当的设备通信,输入/输出设备510可以包括通信组件、音频组件、传感器组件等。网络接口512可为***500提供接口以通过一个或多个网络通信,***500可根据一个或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一个或多个组件进行无线通信,例如接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合进行无线通信。
对于一个实施例,(一个或多个)处理器502中的至少一个可与***控制模块504的一个或多个控制器(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,(一个或多个)处理器502中的至少一个可与***控制模块504的一个或多个控制器的逻辑封装在一起以形成***级封装(SiP)。对于一个实施例,(一个或多个)处理器502中的至少一个可与***控制模块504的一个或多个控制器的逻辑集成在同一模具上。对于一个实施例,(一个或多个)处理器502中的至少一个可与***控制模块504的一个或多个控制器的逻辑集成在同一模具上以形成片上***(SoC)。
在各个实施例中,***500可以但不限于是:浏览器、工作站、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)。在各个实施例中,***500可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,***500包括一个或多个摄像机、键盘、液晶显示器(LCD)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(ASIC)和扬声器。
其中,如果显示器包括触摸面板,显示屏可以被实现为触屏显示器,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。
本申请实施例还提供了一种非易失性可读存储介质,该存储介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本申请实施例中各方法步骤的指令(instructions)。
在一个示例中提供了一种装置,包括:一个或多个处理器;和,其上存储的有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如本申请实施例中的方法。
在一个示例中还提供了一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如本申请实施例中的方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请实施例是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的基于物联网的资源优化与更新的方法、服务器及设备进行了详细介绍,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 (36)
1.一种资源优化方法,应用于服务器侧,其特征在于,所述方法包括:
获取多个设备的资源统计信息;
当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案。
2.根据权利要求1所述的方法,其特征在于,所述资源统计信息携带设备类别信息和/或属性类别信息;所述当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案的步骤包括:
当满足预设的触发条件时,提取属于同一设备类别信息以及同一属性类别信息的资源统计信息;
对提取的所述资源统计信息进行资源优化分析,得到分析结果;
结合属于同一设备类别的所有分析结果,生成资源优化方案。
3.根据权利要求2所述的方法,其特征在于,所述属性类别信息包括存储空间检测类别,所述存储空间检测类别对应的资源统计信息包括存储空间统计信息;所述存储空间统计信息包括任务名称、存储空间大小、已使用空间大小;
所述对提取的所述资源统计信息进行资源优化分析,得到分析结果的步骤包括:
基于所述存储空间统计信息,从属于同一设备类别信息的,各个设备针对同一个存储空间执行同一任务的已使用空间大小中,提取最大已使用空间大小;
将所述存储空间的最大已使用空间大小与所述存储空间大小进行比较;
根据比较结果,调整所述存储空间的大小。
4.根据权利要求3所述的方法,其特征在于,所述根据比较结果,调整所述存储空间的大小的步骤包括:
计算所述最大已使用空间大小与所述存储空间大小的比值,得到最大使用率;
若所述最大使用率小于预设使用率阈值,则将所述最大使用率增加预设的冗余使用率,得到更新的使用率;
基于所述更新的使用率以及所述存储空间大小,确定更新的存储空间大小。
5.根据权利要求3或4所述的方法,其特征在于,所述属性类别信息包括存储空间溢出检测类别,所述存储空间溢出检测类别对应的资源统计信息包括存储空间溢出统计信息;所述存储空间溢出统计信息包括任务名称、所述任务名称所属的存储空间标识以及存储空间溢出的起始地址;
所述对提取的所述资源统计信息进行资源优化分析,得到分析结果的步骤包括:
基于所述存储空间溢出统计信息,分别获取属于同一设备类别信息的,各个设备执行同一任务时,针对同一个存储空间的溢出空间大小;
从各个溢出空间大小中选取最大溢出空间;
根据所述最大溢出空间,扩大所述存储空间大小。
6.根据权利要求5所述的方法,其特征在于,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述触发条件包括但不限于:
采集的所述资源统计信息的数量达到预设数量阈值;
和/或,
采集的所述资源统计信息的大小达到预设数据大小阈值;
和/或,
采集的所述资源统计信息的采集时间达到时间阈值。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
提供所述资源优化方案。
9.根据权利要求8所述的方法,其特征在于,所述提供所述资源优化方案的步骤包括:
将所述资源优化方案以易读的形式提供给优化人员
和/或,
将所述资源优化方案以易于自动处理的形式提供给自动处理程序。
10.一种资源优化方法,应用于设备侧,其特征在于,所述方法包括:
获取资源统计信息;
将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源优化的资源优化方案。
11.根据权利要求10所述的方法,其特征在于,所述资源统计信息包括存储空间统计信息,所述获取资源统计信息的步骤包括:
调用所述实时操作***中的测评工具所提供的接口,对存储空间进行存储空间检测,得到存储空间统计信息。
12.根据权利要求10或11所述的方法,其特征在于,所述资源统计信息包括存储空间溢出统计信息,所述获取资源统计信息的步骤包括:
获取所述存储空间的尾部地址;
采用内存保护单元,设置所述尾部地址的访问权限;
当检测到对所述尾部地址的访问操作时,判定所述存储空间发生溢出,并由所述内存保护单元触发内存访问中断;
获取所述溢出对应的上下文信息,作为所述存储空间溢出统计信息。
13.根据权利要求12所述的方法,其特征在于,所述将所述资源统计信息上传至服务器的步骤包括:
获取所述设备的设备类别信息;
确定所述资源统计信息的属性类别信息;
将所述资源统计信息以及对应的设备类别信息、属性类别信息上传至服务器。
14.根据权利要求13所述的方法,其特征在于,所述获取所述设备的设备类别信息的步骤包括:
获取所述设备的型号;
获取所述设备安装的所述实时操作***的版本号;
将所述型号以及所述版本号组织成所述设备的设备类别信息。
15.根据权利要求12所述的方法,其特征在于,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
16.一种资源优化服务器,其特征在于,所述服务器包括:
统计信息获取模块,用于获取多个设备的资源统计信息;
优化方案生成模块,用于当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源优化的资源优化方案。
17.根据权利要求16所述的服务器,其特征在于,所述资源统计信息携带设备类别信息和/或属性类别信息;所述优化方案生成模块包括:
信息提取子模块,用于当满足预设的触发条件时,提取属于同一设备类别信息以及同一属性类别信息的资源统计信息;
分析结果获取子模块,用于对提取的所述资源统计信息进行资源优化分析,得到分析结果;
优化方案生成子模块,用于结合属于同一设备类别的所有分析结果,生成资源优化方案。
18.根据权利要求17所述的服务器,其特征在于,所述属性类别信息包括存储空间检测类别,所述存储空间检测类别对应的资源统计信息包括存储空间统计信息;所述存储空间统计信息包括任务名称、存储空间大小、已使用空间大小;
所述分析结果获取子模块包括:
最大值确定单元,用于基于所述存储空间统计信息,从属于同一设备类别信息的,各个设备针对同一个存储空间执行同一任务的已使用空间大小中,提取最大已使用空间大小;
比较单元,用于将所述存储空间的最大已使用空间大小与所述存储空间大小进行比较;
存储空间调整单元,用于根据比较结果,调整所述存储空间的大小。
19.根据权利要求18所述的服务器,其特征在于,所述存储空间调整单元还用于:
计算所述最大已使用空间大小与所述存储空间大小的比值,得到最大使用率;
若所述最大使用率小于预设使用率阈值,则将所述最大使用率增加预设的冗余使用率,得到更新的使用率;
基于所述更新的使用率以及所述存储空间大小,确定更新的存储空间大小。
20.根据权利要求18或29所述的服务器,其特征在于,所述属性类别信息包括存储空间溢出检测类别,所述存储空间溢出检测类别对应的资源统计信息包括存储空间溢出统计信息;所述存储空间溢出统计信息包括任务名称、所述任务名称所属的存储空间标识以及存储空间溢出的起始地址;
所述分析结果获取子模块包括:
溢出空间最大值确定单元,用于基于所述存储空间溢出统计信息,分别获取属于同一设备类别信息的,各个设备执行同一任务时,针对同一个存储空间的溢出空间大小,从所述各个溢出空间大小中选取最大溢出空间;
存储空间扩大单元,用于根据所述最大溢出空间,扩大所述存储空间大小。
21.根据权利要求20所述的服务器,其特征在于,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
22.根据权利要求16-19任一项所述的服务器,其特征在于,所述触发条件包括但不限于:
采集的所述资源统计信息的数量达到预设数量阈值;
和/或,
采集的所述资源统计信息的大小达到预设数据大小阈值;
和/或,
采集的所述资源统计信息的采集时间达到时间阈值。
23.根据权利要求16所述的服务器,其特征在于,所述服务器还包括:
优化方案提供模块,用于提供所述资源优化方案。
24.根据权利要求23所述的服务器,其特征在于,所述优化方案提供模块还用于:
将所述资源优化方案以易读的形式提供给优化人员
和/或,
将所述资源优化方案以易于自动处理的形式提供给自动处理程序。
25.一种资源优化设备,其特征在于,所述设备包括:
统计信息获取模块,用于获取资源统计信息;
统计信息上传模块,用于将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源优化的资源优化方案。
26.根据权利要求25所述的设备,其特征在于,所述资源统计信息包括存储空间统计信息,所述统计信息获取模块包括:
存储空间统计信息获取子模块,用于调用所述实时操作***中的测评工具所提供的接口,对存储空间进行存储空间检测,得到存储空间统计信息。
27.根据权利要求25或26所述的设备,其特征在于,所述资源统计信息包括存储空间溢出统计信息,所述统计信息获取模块包括:
尾部地址获取子模块,用于获取所述存储空间的尾部地址;
访问权限设置子模块,用于采用内存保护单元,设置所述尾部地址的访问权限;
中断子模块,用于当检测到对所述尾部地址的访问操作时,判定所述存储空间发生溢出,并由所述内存保护单元触发内存访问中断;
溢出统计信息获取子模块,用于获取所述溢出对应的上下文信息,作为所述存储空间溢出统计信息。
28.根据权利要求27所述的设备,其特征在于,所述统计信息上传模块包括:
设备类别获取子模块,用于获取所述设备的设备类别信息;
属性类别确定子模块,用于确定所述资源统计信息的属性类别信息;
信息上传子模块,用于将所述资源统计信息以及对应的设备类别信息、属性类别信息上传至服务器。
29.根据权利要求28所述的设备,其特征在于,所述设备类别获取子模块还用于:
获取所述设备的型号;
获取所述设备安装的所述实时操作***的版本号;
将所述型号以及所述版本号组织成所述设备的设备类别信息。
30.根据权利要求27所述的设备,其特征在于,所述存储空间包括栈和/或内存,所述存储空间统计信息包括栈统计信息和/或内存统计信息;所述存储空间溢出统计信息包括栈溢出统计信息和/或内存越界统计信息。
31.一种资源更新方法,应用于服务器侧,其特征在于,所述方法包括:
获取多个设备的资源统计信息;
当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源更新的资源更新方案。
32.一种资源更新方法,应用于设备侧,其特征在于,所述方法包括:
获取资源统计信息;
将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源更新的资源更新方案。
33.一种服务器,其特征在于,所述服务器包括:
统计信息获取模块,用于获取多个设备的资源统计信息;
资源更新方案生成模块,用于当满足预设的触发条件时,采用所述资源统计信息生成用于对所述设备进行资源更新的资源更新方案。
34.一种设备,其特征在于,所述设备包括:
统计信息获取模块,用于获取资源统计信息;
统计信息上传模块,用于将所述资源统计信息上传至服务器,所述服务器用于采用所述资源统计信息生成用于对设备进行资源更新的资源更新方案。
35.一种装置,其特征在于,包括:
一个或多个处理器;和
其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述装置执行如权利要求1-9一个或多个的方法和/或权利要求10-15一个或多个的方法和/或权利要求31的方法和/或权利要求32的方法。
36.一个或多个机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得装置执行如权利要求1-9一个或多个的方法和/或如权利要求10-15一个或多个的方法和/或权利要求31的方法和/或权利要求32的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710502718.4A CN109144715B (zh) | 2017-06-27 | 2017-06-27 | 一种资源优化与更新的方法、服务器及设备 |
PCT/CN2018/091960 WO2019001318A1 (zh) | 2017-06-27 | 2018-06-20 | 一种资源优化与更新的方法、服务器及设备 |
US16/729,059 US11436188B2 (en) | 2017-06-27 | 2019-12-27 | Resource optimization and update method, server, and device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710502718.4A CN109144715B (zh) | 2017-06-27 | 2017-06-27 | 一种资源优化与更新的方法、服务器及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109144715A true CN109144715A (zh) | 2019-01-04 |
CN109144715B CN109144715B (zh) | 2022-04-19 |
Family
ID=64740403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710502718.4A Active CN109144715B (zh) | 2017-06-27 | 2017-06-27 | 一种资源优化与更新的方法、服务器及设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11436188B2 (zh) |
CN (1) | CN109144715B (zh) |
WO (1) | WO2019001318A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117234729A (zh) * | 2023-09-25 | 2023-12-15 | 镁佳(北京)科技有限公司 | 动态内存保护方法、装置、计算机设备及存储介质 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109144715B (zh) | 2017-06-27 | 2022-04-19 | 阿里巴巴集团控股有限公司 | 一种资源优化与更新的方法、服务器及设备 |
CN112667460A (zh) * | 2020-12-07 | 2021-04-16 | 沈阳飞机设计研究所扬州协同创新研究院有限公司 | 一种航空电子***应用任务栈空间的监控方法 |
CN116107761B (zh) * | 2023-04-04 | 2023-08-22 | 阿里云计算有限公司 | 性能调优方法、***、电子设备及可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039891A1 (en) * | 2001-08-31 | 2004-02-26 | Arkivio, Inc. | Optimizing storage capacity utilization based upon data storage costs |
CN101763223A (zh) * | 2009-12-25 | 2010-06-30 | 成都市华为赛门铁克科技有限公司 | 优化存储阵列的存储性能的方法及装置、存储装置 |
JP2011128706A (ja) * | 2009-12-15 | 2011-06-30 | Fujitsu Ltd | 仮想計算機割当資源管理プログラム、仮想計算機割当資源管理装置および仮想計算機割当資源管理方法 |
CN102479108A (zh) * | 2010-11-26 | 2012-05-30 | 中国科学院声学研究所 | 一种多应用进程的嵌入式***终端资源管理***及方法 |
CN102831045A (zh) * | 2012-06-21 | 2012-12-19 | 北京奇虎科技有限公司 | 一种终端设备中启动项检测的方法和装置 |
CN103186412A (zh) * | 2011-12-31 | 2013-07-03 | 北京新媒传信科技有限公司 | 基于jvm服务器的性能优化方法 |
CN103530185A (zh) * | 2012-07-02 | 2014-01-22 | 中兴通讯股份有限公司 | 资源优化方法及装置 |
CN106101271A (zh) * | 2016-08-08 | 2016-11-09 | 北京小米移动软件有限公司 | 优化存储空间的方法及装置 |
CN106250232A (zh) * | 2016-07-22 | 2016-12-21 | 徐汕 | 一种基于用户行为分析的客户端优化***及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9400682B2 (en) * | 2012-12-06 | 2016-07-26 | Hewlett Packard Enterprise Development Lp | Ranking and scheduling of monitoring tasks |
CN104038392A (zh) * | 2014-07-04 | 2014-09-10 | 云南电网公司 | 一种云计算资源服务质量评估方法 |
CN109144715B (zh) | 2017-06-27 | 2022-04-19 | 阿里巴巴集团控股有限公司 | 一种资源优化与更新的方法、服务器及设备 |
-
2017
- 2017-06-27 CN CN201710502718.4A patent/CN109144715B/zh active Active
-
2018
- 2018-06-20 WO PCT/CN2018/091960 patent/WO2019001318A1/zh active Application Filing
-
2019
- 2019-12-27 US US16/729,059 patent/US11436188B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040039891A1 (en) * | 2001-08-31 | 2004-02-26 | Arkivio, Inc. | Optimizing storage capacity utilization based upon data storage costs |
JP2011128706A (ja) * | 2009-12-15 | 2011-06-30 | Fujitsu Ltd | 仮想計算機割当資源管理プログラム、仮想計算機割当資源管理装置および仮想計算機割当資源管理方法 |
CN101763223A (zh) * | 2009-12-25 | 2010-06-30 | 成都市华为赛门铁克科技有限公司 | 优化存储阵列的存储性能的方法及装置、存储装置 |
CN102479108A (zh) * | 2010-11-26 | 2012-05-30 | 中国科学院声学研究所 | 一种多应用进程的嵌入式***终端资源管理***及方法 |
CN103186412A (zh) * | 2011-12-31 | 2013-07-03 | 北京新媒传信科技有限公司 | 基于jvm服务器的性能优化方法 |
CN102831045A (zh) * | 2012-06-21 | 2012-12-19 | 北京奇虎科技有限公司 | 一种终端设备中启动项检测的方法和装置 |
CN103530185A (zh) * | 2012-07-02 | 2014-01-22 | 中兴通讯股份有限公司 | 资源优化方法及装置 |
CN106250232A (zh) * | 2016-07-22 | 2016-12-21 | 徐汕 | 一种基于用户行为分析的客户端优化***及方法 |
CN106101271A (zh) * | 2016-08-08 | 2016-11-09 | 北京小米移动软件有限公司 | 优化存储空间的方法及装置 |
Non-Patent Citations (2)
Title |
---|
MICK JORDAN等: "Extending a J2EE™ server with dynamic and flexible resource management", 《MIDDLEWARE "04: PROCEEDINGS OF THE 5TH ACM/IFIP/USENIX INTERNATIONAL CONFERENCE ON MIDDLEWARE》 * |
张守利 等: "一种面向海量小文件的文件接收和存储优化方案", 《小型微型计算机***》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117234729A (zh) * | 2023-09-25 | 2023-12-15 | 镁佳(北京)科技有限公司 | 动态内存保护方法、装置、计算机设备及存储介质 |
CN117234729B (zh) * | 2023-09-25 | 2024-03-12 | 镁佳(北京)科技有限公司 | 动态内存保护方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US11436188B2 (en) | 2022-09-06 |
WO2019001318A1 (zh) | 2019-01-03 |
US20200136988A1 (en) | 2020-04-30 |
CN109144715B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109144715A (zh) | 一种资源优化与更新的方法、服务器及设备 | |
CN105117156B (zh) | 一种信息处理方法及电子设备 | |
CN102662665B (zh) | 在安卓***上实现支持各种传感器的输入子*** | |
CN111767051B (zh) | 一种网络页面的渲染方法及设备 | |
CN109923494B (zh) | 可编程时钟监测器 | |
CN108345977A (zh) | 一种业务处理方法及装置 | |
US11630984B2 (en) | Method and apparatus for accelerating data processing in neural network | |
US20180337993A1 (en) | Sharding over multi-link data channels | |
WO2020186376A1 (en) | Techniques to forecast financial data using deep learning | |
CN113535721A (zh) | 一种数据写入方法及装置 | |
CN107003946A (zh) | 存储器中的成本感知的页交换和替换 | |
CN109144756A (zh) | 一种栈溢出处理的方法及装置 | |
CN104052791A (zh) | 计算装置上的选择性内容共享 | |
US20150302022A1 (en) | Data deduplication method and apparatus | |
CN112698793A (zh) | 一种数据存储方法、装置、机器可读介质及设备 | |
US11516308B1 (en) | Adaptive telemetry sampling | |
CN102945233A (zh) | 电子设备及其数据管理方法 | |
CN108874200B (zh) | 书写速度的控制方法和装置 | |
CN107038127A (zh) | 应用***及其缓存控制方法和装置 | |
CN108491325B (zh) | 文件***测试方法、装置、存储介质及终端 | |
CN110059712A (zh) | 异常数据的检测方法及装置 | |
US20160117089A1 (en) | Electronic device and method for managing desktop shortcuts | |
CN105786572A (zh) | 应用安装位置选择方法及应用安装位置选择装置 | |
CN102968254A (zh) | 电子设备及其信息处理方法 | |
CN113272785A (zh) | 一种挂载文件***的方法、终端设备及存储介质 |
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 |