CN110083452A - 一种资源管理方法、***及电子设备和存储介质 - Google Patents
一种资源管理方法、***及电子设备和存储介质 Download PDFInfo
- Publication number
- CN110083452A CN110083452A CN201910344955.1A CN201910344955A CN110083452A CN 110083452 A CN110083452 A CN 110083452A CN 201910344955 A CN201910344955 A CN 201910344955A CN 110083452 A CN110083452 A CN 110083452A
- Authority
- CN
- China
- Prior art keywords
- resource
- importance information
- processes
- information
- software
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 321
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000010801 machine learning Methods 0.000 claims abstract description 38
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 230000002596 correlated effect Effects 0.000 claims description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 15
- 230000001133 acceleration Effects 0.000 abstract description 11
- 238000012549 training Methods 0.000 abstract description 9
- 239000000284 extract Substances 0.000 abstract description 6
- 208000019901 Anxiety disease Diseases 0.000 abstract description 4
- 230000036506 anxiety Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5021—Priority
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/508—Monitor
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种资源管理方法、***及一种电子设备和计算机可读存储介质，该方法包括：检测***的资源利用率是否超过预设值，若是，则获取当前运行的所有进程的进程信息；将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；根据所述进程重要性级别调整所述进程的资源。本申请提供的资源管理方法，当检测到资源利用率超过预设值，即***资源紧张时，利用机器学习模型得到进程重要性级别，根据进程重要性级别调整***资源。机器学习模型基于大量的训练数据提取进程的高层次抽象特征，提高了进程分类的准确度，基于该分类进行的资源调整，使得***的加速效果更好。
Description
技术领域
本申请涉及计算机技术领域，更具体地说，涉及一种资源管理方法、***及一种电子设备和一种计算机可读存储介质。
背景技术
目前，使用各类操作***时，经常由于***资源紧张影响用户正常的业务使用。现有技术中的解决方案是使用各类优化工具，例如360安全卫士的一键加速，可以在***资源紧张时，将***运行过程中产生的碎片由物理内存转移至虚拟内存中，用户也可以选择手动结束不必要的进程，但这种方案通常需要用户具有进程辨别能力，使得普通用户无法区分进程管理中众多进程的含义，进程分类效果不好，进而导致进程清理效果不好、***加速效果不好。
因此，如何提高***的加速效果是本领域技术人员需要解决的技术问题。
发明内容
本申请的目的在于提供一种资源管理方法、***及一种电子设备和一种计算机可读存储介质，提高了***的加速效果。
为实现上述目的，本申请提供了一种资源管理方法，包括：
检测***的资源利用率是否超过预设值，若是，则获取当前运行的所有进程的进程信息；
将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；
根据所述进程重要性级别调整所述进程的资源。
其中，所述检测***的资源利用率是否超过预设值，包括：
检测CPU利用率是否超过第一预设值，和/或，内存利用率是否超过第二预设值。
其中，所述根据所述进程重要性级别调整所述进程的资源，包括：
根据所述进程的进程重要性级别和进程类型调整所述进程的资源。
其中，当检测到资源利用率超过预设值时，还包括：
获取当前运行的所有应用软件的软件信息，并将所述软件信息输入机器学习模型中，得到所有所述应用软件的软件重要性级别；
相应的，所述根据所述进程重要性级别调整所述进程的资源，包括：
根据所述进程的进程重要性级别和所述软件重要性级别调整所述进程的资源。
其中，所述根据所述进程重要性级别调整所述进程的资源，包括：
根据所述进程重要性级别调整所述进程的调度属性；其中，所述调度属性包括优先级、亲和性、内存优先级、磁盘优先级和网络优先级中的任一项或任几项的组合。
其中，所述调度属性与所述进程重要性级别呈正相关。
其中，所述根据所述进程重要性级别调整所述进程的调度属性，包括：
根据所述进程重要性级别对所有所述进程进行分类；
提高第一类别中所有进程的调度属性；其中，所述第一类别中所有进程的重要性级别高于第一阈值；
降低第二类别中所有进程的调度属性；其中，所述第二类别中所有进程的重要性级别低于第二阈值。
为实现上述目的，本申请提供了一种资源管理***，包括：
获取模块，用于检测***的资源利用率是否超过预设值，若是，则获取当前运行的所有进程的进程信息；
第一输入模块，用于将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；
调整模块，用于根据所述进程重要性级别调整所述进程的资源。
其中，还包括：
第二输入模块，用于获取当前运行的所有应用软件的软件信息，并将所述软件信息输入机器学习模型中，得到所有所述应用软件的软件重要性级别；
相应的，所述调整模块具体为根据所述进程的进程重要性级别和所述软件重要性级别调整所述进程的资源的模块。
其中，所述调整模块具体为根据所述进程重要性级别调整所述进程的调度属性的模块；其中，所述调度属性包括优先级、亲和性、内存优先级、磁盘优先级和网络优先级中的任一项或任几项的组合。
其中，所述调整模块包括：
分类单元，用于根据所述进程重要性级别对所有所述进程进行分类；
第一调整单元，用于提高第一类别中所有进程的调度属性；其中，所述第一类别中所有进程的重要性级别高于第一阈值；
第二调整单元，用于降低第二类别中所有进程的调度属性；其中，所述第二类别中所有进程的重要性级别低于第二阈值。
为实现上述目的，本申请提供了一种电子设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述资源管理方法的步骤。
为实现上述目的，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述资源管理方法的步骤。
通过以上方案可知，本申请提供的一种资源管理方法，包括：检测***的资源利用率是否超过预设值，若是，则获取当前运行的所有进程的进程信息；将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；根据所述进程重要性级别调整所述进程的资源。
本申请提供的资源管理方法，当检测到资源利用率超过预设值，即***资源紧张时，利用机器学习模型得到进程重要性级别，根据进程重要性级别调整***资源。机器学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。也就是说，机器学习模型的输入为正在运行的进程信息，输出为各进程的进程重要性级别。机器学习模型基于大量的训练数据提取进程的高层次抽象特征，提高了进程分类的准确度，基于该分类进行的资源调整，使得***的加速效果更好。本申请还公开了一种资源管理***及一种电子设备和一种计算机可读存储介质，同样能实现上述技术效果。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1为根据一示例性实施例示出的一种资源管理方法的流程图；
图2为图1中步骤S103的细化流程图；
图3为根据一示例性实施例示出的另一种资源管理方法的流程图；
图4为根据一示例性实施例示出的一种资源管理***的结构图；
图5为根据一示例性实施例示出的一种电子设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在现有技术中，由于采用人为区分非必要进程，分类效果不好，进而导致进程清理效果不好、***加速效果不好。因此，在本申请中，利用机器学习模型对进程进行分类，区分各进程的重要性。机器学习模型基于大量的训练数据提取进程的高层次抽象特征，提高了进程分类的准确度，基于该分类进行的资源调整，使得***的加速效果更好。
本申请实施例公开了一种资源管理方法，提高了***的加速效果。
参见图1，根据一示例性实施例示出的一种资源管理方法的流程图，如图1所示，包括：
S101：检测***的资源利用率是否超过预设值，若是，则获取当前运行的所有进程的进程信息；
本实施例可以应用于Windows、Android和Linux等***，执行主体为***的处理器。该处理器实时检测***的资源利用率，超过预设值时进行资源调整。资源利用率可以包括CPU(中文全称：中央处理器，英文全称：Central Processing Unit)利用率、内存利用率等，即检测***的资源利用率是否超过预设值的步骤可以包括：检测CPU利用率是否超过第一预设值，和/或，内存利用率是否超过第二预设值。
在资源调整的过程中，首先获取***中当前正在运行的所有进程的进程信息作为下一步骤中机器学习模型的输入特征，此处的进程信息可以包括进程的名称、位置、使用的***接口、版本、网络流量等，在此不进行具体限定。
S102：将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；
本步骤中的机器学习模型通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。也就是说，机器学习模型的输入为特征，输出为各属性类别的判别值。适用于本实施例的机器学习模型，输入为上一步骤中获取的进程信息，输出为各进程的进程重要性级别，且该机器学习模型在已知重要性级别的数据集中训练完成，具体可以使用随机梯度下降法(英文全称：Stochastic Gradient Descent，英文简称：SGD)进行其中的参数学习，当然还可以采用批量梯度下降法(英文全称：Batch GradientDescent，英文简称：BGD)、小批量梯度下降法(英文全称：Mini-Batch Gradient Descent，英文简称：MBGD)等，在此不进行具体限定。
训练完成的机器学习模型可以直接用于对未知重要性级别的进程进行分类，例如可以定义重要性级别0-10，数字越大，表示进程越重要。可以理解的是，本实施例不对机器学习模型的具体类型进行限定，可以具体为LeNet-5、AlexNet、ResNet等，其分类效果依此增强。机器学习模型基于大量的训练数据提取场景的高层次抽象特征，提高了进程分类的准确度，基于该分类进行的资源调整，使得***的加速效果更好。
S103：根据所述进程重要性级别调整所述进程的资源。
在本步骤中，根据上一步骤得到的进程重要性级别调整进程的资源。具体的，可以直接结束重要性级别较低的进程，例如，结束重要性级别为0和1的进程。
当然，为了避免对用户业务的影响，也通过调整进程的调度属性调整进程的资源。即本步骤可以包括：根据所述进程重要性级别调整所述进程的调度属性；其中，所述调度属性包括优先级、亲和性、内存优先级、磁盘优先级和网络优先级中的任一项或任几项的组合。
每个进程都有其对于的优先级，优先级决定它何时运行和接收多少CPU时间。最终的优先级共32级，是从0到31的数值，称为基本优先级别(Base Priority Level)。内存优先级、磁盘优先级和网络优先级分别表示为进程分配内存、磁盘和网络带宽的先后次序和多少。
对于上述的优先级、内存优先级、磁盘优先级和网络优先级，本实施例不对具体的调整方法进行限定。例如可以对当前运行的所有进程按照其进程重要性级别进行重新排序，根据排序结果对于进程重要性级别越高的进程，其优先级、内存优先级、磁盘优先级和网络优先级越高，即调整属性与进程重要性级别呈正相关。当然，也可以根据进程重要性级别调整部分进程的这些调度属性，将在后续实施例进行详细介绍。
亲和性为进程在指定的处理器上运行不被迁移到其他处理器的时长，也称为CPU关联性。例如，在linux内核中，所有的进程都有一个相关的数据结构，称为task_struct，其中与亲和性相关度最高的是cpus_allowed位掩码。这个位掩码由n位组成，与***中的n个逻辑处理器一一对应。如果为给定的进程设置了给定的位，那么这个进程就可以在相关的处理器上运行。亲和性越大，调度器会试图保持进程在相同的处理器上运行，这意味着进程通常不会在处理器之间频繁迁移，产生的负载较小。对于重要性级别越高的进程，可以为其指定负载较小的处理器。
需要说明的是，本步骤除了根据进程重要性级别调整进程资源，还可以依据进程的类型，即作为一种优选实施方式，本步骤可以包括根据所述进程的进程重要性级别和进程类型调整所述进程的资源。例如，对于Android***，按照重要性从高到低的顺序，进程类型可以包括前台进程、可视进程、服务进程、缓存进程。可以按照与上述介绍的根据进程重要性级别调整进程资源类似的方式，根据进程类型调整进程的资源，在此不再赘述。
本申请实施例提供的资源管理方法，当检测到资源利用率超过预设值，即***资源紧张时，利用机器学习模型得到进程重要性级别，根据进程重要性级别调整***资源。机器学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。也就是说，机器学习模型的输入为正在运行的进程信息，输出为各进程的进程重要性级别。机器学习模型基于大量的训练数据提取进程的高层次抽象特征，提高了进程分类的准确度，基于该分类进行的资源调整，使得***的加速效果更好。
优选的，如图2所示，上述实施例中的步骤S103可以包括：
S31：根据所述进程重要性级别对所有所述进程进行分类；
在本实施例中，按照进程重要性级别对***中当前运行的进程进行分类。例如，将进程重要性级别0-3的进程划为A类，将进程重要性级别4-6的进程划为B类，将进程重要性级别7-10的进程划为C类。
S32：提高第一类别中所有进程的调度属性；其中，所述第一类别中所有进程的重要性级别高于第一阈值；
S33：降低第二类别中所有进程的调度属性；其中，所述第二类别中所有进程的重要性级别低于第二阈值。
本实施例中的调整属性包括优先级、内存优先级、磁盘优先级和网络优先级中的任一项或任几项的组合。提高进程重要性级别较高的进程的调整属性，降低进程重要性级别较低的进程的调整属性。对于上面的例子，提高C类进程的调整属性，降低A类进程的调整属性，对于B类进程的调整属性保持不变。
需要说明的是，本实施例不对调整幅度进行具体限定，可以为同一类别的进程设置相同的调整幅度，例如，将C类进程的优先级提高一级，将A类进程的优先级降低一级。也可以根据各进程的进程重要性级别设置不同的调整幅度，例如，对于C类进程，将进程重要性级别为10的进程的优先级提高四级，将进程重要性级别为9的进程的优先级提高三级，将进程重要性级别为8的进程的优先级提高两级，将进程重要性级别为7的进程的优先级提高一级。
由此可见，本实施例为优先级、内存优先级、磁盘优先级和网络优先级提供了具体的调整标准，与直接结束不重要进程的方式相比，进程调整策略更加灵活，避免误杀用户正在使用的进程。
本申请实施例公开了一种资源管理方法，相对于第一个实施例，本实施例对技术方案作了进一步的说明和优化。具体的：
参见图3，根据一示例性实施例示出的另一种资源管理方法的流程图，如图3所示，包括：
S201：当检测到***的资源利用率超过预设值时，获取当前运行的所有进程的进程信息，将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；
S202：获取当前运行的所有应用软件的软件信息，并将所述软件信息输入机器学习模型中，得到所有所述应用软件的软件重要性级别；
在本步骤中，获取***中当前正在运行的所有应用软件的软件信息作为机器学习模型的输入特征，此处的软件信息可以包括软件的名称，类别，打开次数，版本，用途等等，在此不进行具体限定。
适用于本步骤的机器学习模型，输入为上述的软件信息，输出为各应用软件的的软件重要性级别，且该机器学习模型在已知重要性级别的数据集中训练完成，在此不再赘述。训练完成的机器学习模型可以直接用于对未知重要性级别的应用软件进行分类，例如同样可以定义重要性级别0-10，数字越大，表示应用软件越重要。
S203：根据所述进程的进程重要性级别和所述软件重要性级别调整所述进程的资源。
在本步骤中，根据进程的进程重要性级别和运行该进程的应用软件对应的软件重要性级别调整该进程的资源。对于根据软件重要性级别调整进程资源的过程，同样可以使用如第一实施例介绍的类似于根据进程重要性级别调整进程资源的调整策略，即对当前运行的所有进程按照软件重要性级别进行重新排序，根据排序结果对于软件重要性级别越高的进程，其优先级、内存优先级、磁盘优先级和网络优先级越高，当然也可以利用上一实施例介绍的分类规则进行调整，在此不再赘述。需要说明的是，若对于一个进程，存在多个运行该进程的应用软件，可以选取这些应用软件对应的软件重要性级别的平均值作为上述过程的排序和分类依据。
当然，在本实施例中调整进程资源的依据除进程重要性级别和软件重要性级别之外，还可以包括第一个实施例中介绍的进程类型，即根据进程的进程类型、进程重要性级别和运行该进程的应用软件对应的软件重要性级别三方面的信息调整进程的资源。对于根据进程类型调整进程资源的过程，同样可以使用如第一实施例介绍的调整策略，在此不再赘述。
由此可见，本实施例调整进程资源的依据除进程重要性级别之外，还可以包括进程类型和软件重要性级别，依据标准更加全面，***的加速效果更好。
下面对本申请实施例提供的一种资源管理***进行介绍，下文描述的一种资源管理***与上文描述的一种资源管理方法可以相互参照。
参见图4，根据一示例性实施例示出的一种资源管理***的结构图，如图4所示，包括：
获取模块401，用于检测***的资源利用率是否超过预设值，若是，则获取当前运行的所有进程的进程信息；
第一输入模块402，用于将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；
调整模块403，用于根据所述进程重要性级别调整所述进程的资源。
本申请实施例提供的资源管理***，当检测到资源利用率超过预设值，即***资源紧张时，利用机器学习模型得到进程重要性级别，根据进程重要性级别调整***资源。机器学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。也就是说，机器学习模型的输入为正在运行的进程信息，输出为各进程的进程重要性级别。机器学习模型基于大量的训练数据提取进程的高层次抽象特征，提高了进程分类的准确度，基于该分类进行的资源调整，使得***的加速效果更好。
在上述实施例的基础上，作为一种优选上述方式，所述获取模块401包括：
检测单元，用于检测CPU利用率是否超过第一预设值，和/或，内存利用率是否超过第二预设值；
获取单元，用于获取当前运行的所有进程的进程信息。
在上述实施例的基础上，作为一种优选上述方式，所述调整模块403具体为根据所述进程的进程重要性级别和进程类型调整所述进程的资源的模块。
在上述实施例的基础上，作为一种优选上述方式，还包括：
第二输入模块，用于获取当前运行的所有应用软件的软件信息，并将所述软件信息输入机器学习模型中，得到所有所述应用软件的软件重要性级别；
相应的，所述调整模块403具体为根据所述进程的进程重要性级别和所述软件重要性级别调整所述进程的资源的模块。
在上述实施例的基础上，作为一种优选上述方式，所述调整模块403具体为根据所述进程重要性级别调整所述进程的调度属性的模块；其中，所述调度属性包括优先级、亲和性、内存优先级、磁盘优先级和网络优先级中的任一项或任几项的组合。
在上述实施例的基础上，作为一种优选上述方式，所述调度属性与所述进程重要性级别呈正相关。
在上述实施例的基础上，作为一种优选上述方式，所述调整模块403包括：
分类单元，用于根据所述进程重要性级别对所有所述进程进行分类；
第一调整单元，用于提高第一类别中所有进程的调度属性；其中，所述第一类别中所有进程的重要性级别高于第一阈值；
第二调整单元，用于降低第二类别中所有进程的调度属性；其中，所述第二类别中所有进程的重要性级别低于第二阈值。
关于上述实施例中的***，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请还提供了一种电子设备，参见图5，本申请实施例提供的一种电子设备500的结构图，如图5所示，可以包括处理器11和存储器12。该电子设备500还可以包括多媒体组件13，输入/输出(I/O)接口14，以及通信组件15中的一者或多者。
其中，处理器11用于控制该电子设备500的整体操作，以完成上述的资源管理方法中的全部或部分步骤。存储器12用于存储各种类型的数据以支持在该电子设备500的操作，这些数据例如可以包括用于在该电子设备500上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器12可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件13可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器12或通过通信组件15发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口14为处理器11和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件15用于该电子设备500与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件15可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的资源管理方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述资源管理方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器12，上述程序指令可由电子设备500的处理器11执行以完成上述的资源管理方法。
说明书中各个实施例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部分互相参见即可。对于实施例公开的***而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是，在本说明书中，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。
Claims (13)
1.一种资源管理方法，其特征在于，包括：
检测***的资源利用率是否超过预设值，若是，则获取当前运行的所有进程的进程信息；
将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；
根据所述进程重要性级别调整所述进程的资源。
2.根据权利要求1所述资源管理方法，其特征在于，所述检测***的资源利用率是否超过预设值，包括：
检测CPU利用率是否超过第一预设值，和/或，内存利用率是否超过第二预设值。
3.根据权利要求1所述资源管理方法，其特征在于，所述根据所述进程重要性级别调整所述进程的资源，包括：
根据所述进程的进程重要性级别和进程类型调整所述进程的资源。
4.根据权利要求1所述资源管理方法，其特征在于，当检测到资源利用率超过预设值时，还包括：
获取当前运行的所有应用软件的软件信息，并将所述软件信息输入机器学习模型中，得到所有所述应用软件的软件重要性级别；
相应的，所述根据所述进程重要性级别调整所述进程的资源，包括：
根据所述进程的进程重要性级别和所述软件重要性级别调整所述进程的资源。
5.根据权利要求1至4中任一项所述资源管理方法，其特征在于，所述根据所述进程重要性级别调整所述进程的资源，包括：
根据所述进程重要性级别调整所述进程的调度属性；其中，所述调度属性包括优先级、亲和性、内存优先级、磁盘优先级和网络优先级中的任一项或任几项的组合。
6.根据权利要求5所述资源管理方法，其特征在于，所述调度属性与所述进程重要性级别呈正相关。
7.根据权利要求5所述资源管理方法，其特征在于，所述根据所述进程重要性级别调整所述进程的调度属性，包括：
根据所述进程重要性级别对所有所述进程进行分类；
提高第一类别中所有进程的调度属性；其中，所述第一类别中所有进程的重要性级别高于第一阈值；
降低第二类别中所有进程的调度属性；其中，所述第二类别中所有进程的重要性级别低于第二阈值。
8.一种资源管理***，其特征在于，包括：
获取模块，用于检测***的资源利用率是否超过预设值，若是，则获取当前运行的所有进程的进程信息；
第一输入模块，用于将所述进程信息输入机器学习模型中，得到所有所述进程的进程重要性级别；
调整模块，用于根据所述进程重要性级别调整所述进程的资源。
9.根据权利要求8所述资源管理***，其特征在于，还包括：
第二输入模块，用于获取当前运行的所有应用软件的软件信息，并将所述软件信息输入机器学习模型中，得到所有所述应用软件的软件重要性级别；
相应的，所述调整模块具体为根据所述进程的进程重要性级别和所述软件重要性级别调整所述进程的资源的模块。
10.根据权利要求8或9所述资源管理***，其特征在于，所述调整模块具体为根据所述进程重要性级别调整所述进程的调度属性的模块；其中，所述调度属性包括优先级、亲和性、内存优先级、磁盘优先级和网络优先级中的任一项或任几项的组合。
11.根据权利要求10所述资源管理***，其特征在于，所述调整模块包括：
分类单元，用于根据所述进程重要性级别对所有所述进程进行分类；
第一调整单元，用于提高第一类别中所有进程的调度属性；其中，所述第一类别中所有进程的重要性级别高于第一阈值；
第二调整单元，用于降低第二类别中所有进程的调度属性；其中，所述第二类别中所有进程的重要性级别低于第二阈值。
12.一种电子设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述资源管理方法的步骤。
13.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述资源管理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910344955.1A CN110083452A (zh) | 2019-04-26 | 2019-04-26 | 一种资源管理方法、***及电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910344955.1A CN110083452A (zh) | 2019-04-26 | 2019-04-26 | 一种资源管理方法、***及电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110083452A true CN110083452A (zh) | 2019-08-02 |
Family
ID=67417012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910344955.1A Pending CN110083452A (zh) | 2019-04-26 | 2019-04-26 | 一种资源管理方法、***及电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110083452A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111444004A (zh) * | 2020-03-30 | 2020-07-24 | 腾讯音乐娱乐科技（深圳）有限公司 | 一种资源管理方法、装置及存储介质 |
| WO2020232899A1 (zh) * | 2019-05-23 | 2020-11-26 | 平安科技（深圳）有限公司 | 数据分析***会诊方法及相关装置 |
| CN112800089A (zh) * | 2021-01-20 | 2021-05-14 | 广州市品高软件股份有限公司 | 一种中间数据存储级别调整方法、存储介质及计算机设备 |
| CN113722086A (zh) * | 2020-05-26 | 2021-11-30 | 南宁富桂精密工业有限公司 | 应用进程守护方法、服务器及计算机可读存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103500121A (zh) * | 2013-09-29 | 2014-01-08 | 深圳Tcl新技术有限公司 | 一种进程管理方法及装置 |
| US20160092803A1 (en) * | 2014-09-27 | 2016-03-31 | International Business Machines Corporation | Cross-domain multi-attribute hashed and weighted dynamic process prioritization |
| CN107479951A (zh) * | 2017-07-31 | 2017-12-15 | 广东欧珀移动通信有限公司 | 进程管控方法、装置、存储介质及电子设备 |
| US10101910B1 (en) * | 2015-09-15 | 2018-10-16 | Amazon Technologies, Inc. | Adaptive maximum limit for out-of-memory-protected web browser processes on systems using a low memory manager |
| CN109144716A (zh) * | 2017-06-28 | 2019-01-04 | 中兴通讯股份有限公司 | 基于机器学习的操作***调度方法及装置、设备 |
| US10248321B1 (en) * | 2015-09-15 | 2019-04-02 | Amazon Technologies, Inc. | Simulating multiple lower importance levels by actively feeding processes to a low-memory manager |
-
2019
- 2019-04-26 CN CN201910344955.1A patent/CN110083452A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103500121A (zh) * | 2013-09-29 | 2014-01-08 | 深圳Tcl新技术有限公司 | 一种进程管理方法及装置 |
| US20160092803A1 (en) * | 2014-09-27 | 2016-03-31 | International Business Machines Corporation | Cross-domain multi-attribute hashed and weighted dynamic process prioritization |
| US10101910B1 (en) * | 2015-09-15 | 2018-10-16 | Amazon Technologies, Inc. | Adaptive maximum limit for out-of-memory-protected web browser processes on systems using a low memory manager |
| US10248321B1 (en) * | 2015-09-15 | 2019-04-02 | Amazon Technologies, Inc. | Simulating multiple lower importance levels by actively feeding processes to a low-memory manager |
| CN109144716A (zh) * | 2017-06-28 | 2019-01-04 | 中兴通讯股份有限公司 | 基于机器学习的操作***调度方法及装置、设备 |
| CN107479951A (zh) * | 2017-07-31 | 2017-12-15 | 广东欧珀移动通信有限公司 | 进程管控方法、装置、存储介质及电子设备 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020232899A1 (zh) * | 2019-05-23 | 2020-11-26 | 平安科技（深圳）有限公司 | 数据分析***会诊方法及相关装置 |
| CN111444004A (zh) * | 2020-03-30 | 2020-07-24 | 腾讯音乐娱乐科技（深圳）有限公司 | 一种资源管理方法、装置及存储介质 |
| CN111444004B (zh) * | 2020-03-30 | 2023-07-18 | 腾讯音乐娱乐科技（深圳）有限公司 | 一种资源管理方法、装置及存储介质 |
| CN113722086A (zh) * | 2020-05-26 | 2021-11-30 | 南宁富桂精密工业有限公司 | 应用进程守护方法、服务器及计算机可读存储介质 |
| CN112800089A (zh) * | 2021-01-20 | 2021-05-14 | 广州市品高软件股份有限公司 | 一种中间数据存储级别调整方法、存储介质及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110083452A (zh) | 一种资源管理方法、***及电子设备和存储介质 | |
| CN106290378B (zh) | 缺陷分类方法和缺陷检查*** | |
| CN105224606B (zh) | 一种用户标识的处理方法及装置 | |
| CN105740078B (zh) | 一种内存管理方法、装置及终端 | |
| CN109474483A (zh) | 一种设备异常情况的检测方法、检测装置及终端设备 | |
| CN108205685A (zh) | 视频分类方法、视频分类装置及电子设备 | |
| US20180248879A1 (en) | Method and apparatus for setting access privilege, server and storage medium | |
| CN110225104A (zh) | 数据获取方法、装置及终端设备 | |
| CN109474542A (zh) | 基于业务规则的消息推送请求流量控制方法、装置及介质 | |
| CN106372977B (zh) | 一种虚拟账户的处理方法和设备 | |
| WO2022103575A1 (en) | Techniques for modifying cluster computing environments | |
| CN109961032A (zh) | 用于生成分类模型的方法和装置 | |
| CN107220077A (zh) | 应用启动的管控方法和管控设备 | |
| CN106383718A (zh) | 一种图标的分类方法及装置 | |
| WO2019062404A1 (zh) | 应用程序的处理方法、装置、存储介质及电子设备 | |
| CN107734138A (zh) | 通知消息的显示方法及装置、计算机装置和存储介质 | |
| CN101996230B (zh) | 信息处理装置、基准值确定方法及程序 | |
| CN112925634A (zh) | 异构资源调度方法和*** | |
| CN104751350A (zh) | 一种信息显示方法及终端 | |
| CN104376304B (zh) | 一种文本广告图像的识别方法及装置 | |
| CN114117134A (zh) | 一种异常特征检测方法、装置、设备和计算机可读介质 | |
| WO2018166499A1 (zh) | 文本分类方法、设备和存储介质 | |
| CN109710510A (zh) | 代码提交方法、装置、设备及可读存储介质 | |
| WO2019029721A1 (zh) | 任务的调度方法、装置、设备及存储介质 | |
| WO2018036337A1 (zh) | 卸载界面的显示方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190802 |
|
| RJ01 | Rejection of invention patent application after publication |