CN110377480A - 监测处理方法、装置、***及计算机可读存储介质 - Google Patents
监测处理方法、装置、***及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110377480A CN110377480A CN201910521733.2A CN201910521733A CN110377480A CN 110377480 A CN110377480 A CN 110377480A CN 201910521733 A CN201910521733 A CN 201910521733A CN 110377480 A CN110377480 A CN 110377480A
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- service
- monitoring data
- equipment
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 394
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000012545 processing Methods 0.000 claims abstract description 166
- 230000008569 process Effects 0.000 claims abstract description 70
- 238000004458 analytical method Methods 0.000 claims description 75
- 230000007613 environmental effect Effects 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 229910052500 inorganic mineral Inorganic materials 0.000 claims description 10
- 239000011707 mineral Substances 0.000 claims description 10
- 230000006399 behavior Effects 0.000 claims description 6
- 238000012512 characterization method Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 4
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 239000003344 environmental pollutant Substances 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 3
- 231100000719 pollutant Toxicity 0.000 description 3
- 229910001385 heavy metal Inorganic materials 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005469 granulation Methods 0.000 description 1
- 230000003179 granulation Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000034184 interaction with host Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
- G06F11/3082—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved by aggregating or compressing the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3089—Monitoring arrangements determined by the means or processing involved in sensing the monitored data, e.g. interfaces, connectors, sensors, probes, agents
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种监测处理方法、装置、***及计算机可读存储介质。该方法包括:获得目标监测数据;根据目标监测数据,执行监测处理操作;其中,目标监测数据包括电子设备的设备监测数据,设备监测数据包括以下至少两项:软件层级的应用数据、进程层级的应用数据、线程层级的应用数据。与现有技术相比,通过监测的数据量的提升,以及监测处理操作的智能执行,本发明实施例能够有效地提升监测处理效果。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种监测处理方法、装置、***及计算机可读存储介质。
背景技术
在许多情况下,需要进行设备的监测处理,例如进行智能终端等电子设备的监测处理,这时,一般会对电子设备进行简单的数据信息监测和记录,之后,由用户根据监测和记录的数据,执行一些简单的处理操作,例如控制电子设备进行数据的备份存储。这样,现有监测处理场景下,监测的数据量较少,且过多的工作交给了用户,故监测处理效果一般较差。
发明内容
本发明实施例提供一种监测处理方法、装置、***及计算机可读存储介质,以解决现有监测处理场景下,监测处理效果差的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供一种监测处理方法,所述方法包括:
获得目标监测数据;
根据所述目标监测数据,执行监测处理操作;
其中,所述目标监测数据包括电子设备的设备监测数据,所述设备监测数据包括以下至少两项:软件层级的应用数据、进程层级的应用数据、线程层级的应用数据。
第二方面,本发明实施例提供一种监测处理装置,所述装置包括:
获得模块,用于获得目标监测数据;
执行模块,用于根据所述目标监测数据,执行监测处理操作;
其中,所述目标监测数据包括电子设备的设备监测数据,所述设备监测数据包括以下至少两项:软件层级的应用数据、进程层级的应用数据、线程层级的应用数据。
第三方面,本发明实施例提供一种监测处理***,包括处理器,存储器,存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述监测处理方法的步骤。
第四方面,本发明实施例提供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上述监测处理方法的步骤。
本发明实施例中,可以获得目标监测数据,目标监测数据可以包括电子设备的设备监测数据,也就是说,目标监测设备中包括不同层次粒度的应用数据。之后,可以根据目标监测数据,执行监测处理操作。可见,本发明实施例能够以不同层次粒度,进行设备的监测,以得到非常丰富的监测数据,并根据监测结果,智能地执行相应的监测处理操作,监测处理过程不需要用户过多参与,因此,与现有技术相比,通过监测的数据量的提升,以及监测处理操作的智能执行,本发明实施例能够有效地提升监测处理效果。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获取其他的附图。
图1是本发明实施例提供的监测处理方法的流程图;
图2是本发明实施例中电子设备的界面示意图之一;
图3是本发明实施例中电子设备的界面示意图之二;
图4是本发明实施例中电子设备的界面示意图之三;
图5是本发明实施例中电子设备的界面示意图之四;
图6是实现本发明实施例提供的监测处理方法的***架构图;
图7是本发明实施例中电子设备的界面示意图之五;
图8是本发明实施例中电子设备的界面示意图之六;
图9是本发明实施例中电子设备的界面示意图之七;
图10是环境监测数据中不同层次粒度的环境数据的示意图;
图11是本发明实施例提供的监测处理装置的结构框图;
图12是本发明实施例提供的监测处理***的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
下面首先对本发明实施例提供的监测处理方法进行说明。
需要说明的是,本发明实施例提供的监测处理方法应用于监测处理***。这里,监测处理***可以包括电子设备,电子设备可以自行运行,以实现对自身的监测处理;和/或,监测处理***可以包括环境数据监测设备和云服务器,环境数据监测设备和云服务器可以相互配合,以实现对环境的监测处理。
可以理解的是,电子设备可以为智能终端,例如,电子设备可以为:计算机(Computer)、手机、平板电脑(Tablet Personal Computer)、膝上型电脑(LaptopComputer)、个人数字助理(personal digital assistant,简称PDA)、移动上网电子设备(Mobile Internet Device,MID)、可穿戴式设备(Wearable Device)等。
参见图1,图中示出了本发明实施例提供的监测处理方法的流程图。如图1所示,该方法包括如下步骤:
步骤101,获得目标监测数据;其中,目标监测数据包括电子设备的设备监测数据,设备监测数据包括以下至少两项:软件层级的应用数据、进程层级的应用数据、线程层级的应用数据。
这里,电子设备可以包括监测模块,监测模块可以对电子设备进行监测,以采集设备监测数据。
具体地,在设备监测数据中,软件层级的应用数据可以包括:应用的前台运行起止时间、应用的前台运行时长、应用的后台运行起止时间、应用的后台运行时长、应用的整体运行时长、应用的整体中央处理器(Central Processing Unit,CPU)使用率、应用的整体内存使用率、应用的CPU使用波动趋势、应用的内存使用波动趋势、应用的所属进程数、应用的所属线程数等。
在设备监测数据中,进程层级的应用数据可以包括:应用进程的前台运行起止时间、应用进程的前台运行时长、应用进程的后台运行起止时间、应用进程的后台运行时长、应用进程的总体运行时长、应用进程的CPU使用率、应用进程的内存使用率、应用进程的CPU使用波动趋势、应用进程的内存使用波动趋势、应用进程的所属进程数、应用进程的所属线程数等。
在设备监测数据中,线程层级的应用数据可以包括:应用线程的前台运行起止时间、应用线程的前台运行时长、应用线程的后台运行起止时间、应用线程的后台运行时长、应用线程的CPU使用率、应用线程的内存使用率、应用线程的CPU使用波动趋势、应用线程的内存使用波动趋势、应用线程的父进程、应用线程的父父进程等。
需要指出的是,由于设备监测数据中包括应用软件层级、应用进程层级和应用线程层级中的至少两个层级的监测数据,可以认为,目标监测数据中可以包括不同层次粒度的应用数据。
步骤102,根据目标监测数据,执行监测处理操作。
这里,电子设备可以包括数据模块,数据模块可以输出监测处理策略,在步骤102中,可以利用数据模块输出的监测处理策略,执行监测处理操。
本发明实施例中,可以获得目标监测数据,目标监测数据可以包括电子设备的设备监测数据,也就是说,目标监测设备中包括不同层次粒度的应用数据。之后,可以根据目标监测数据,执行监测处理操作。可见,本发明实施例能够以不同层次粒度,进行设备的监测,以得到非常丰富的监测数据,并根据监测结果,智能地执行相应的监测处理操作,监测处理过程不需要用户过多参与,因此,与现有技术相比,通过监测的数据量的提升,以及监测处理操作的智能执行,本发明实施例能够有效地提升监测处理效果。
可选地,根据目标监测数据,执行监测处理操作,包括:
对设备监测数据进行第一分析,得到第一分析结果;其中,第一分析结果包括电子设备中的应用的每个服务的服务使用信息,服务使用信息包括起始使用时间、结束使用时间、使用时长、使用次数、使用频率中的至少一项;
根据第一分析结果,进行显示处理。
这里,应用的服务可以与应用的功能对应,应用的功能可以分为至少两个层级,相应地,应用的服务也可以分为至少两个层级。
举例而言,对于地图类应用,其可以包括导航功能和路径规划功能,路径规划功能可以细分为最短距离路径规划功能、最短时间路径规划功能;那么,导航功能可以与导航服务对应,路径规划功能可以与路径规划服务对应,路径规划服务可以细分为最短距离路径规划服务、最短时间路径规划服务。
对于地图类应用,可以预先设置其所属的进程或线程与其的服务之间的对应关系。具体地,假设对应关系中,最短距离路径规划服务与第一组进程对应,最短时间路径规划服务与第二组进程对应,那么,根据设备监测数据,能够获得第一组进程的前台运行起止时间、前台运行时长、后台运行起止时间、后台运行时长等,第一组进程的前台运行起止时间即可作为最短距离路径规划服务的前台运行起止时间、第一组进程的后台运行时长即可作为最短距离路径规划服务的后台运行时长,基于此,能够非常便捷地得到第一组进程的起始使用时间、结束使用时间、使用时长、使用次数、使用频率等数据,从而得到由这些数据构成的第一分析结果。接下来,可以根据第一分析结果,进行显示处理。下面对根据第一分析结果,进行显示处理的具体实现形式进行举例介绍。
在一种具体实现形式中,根据第一分析结果,进行显示处理,包括:
显示第一分析结果中的服务使用信息。
这里,在得到第一分析结果之后,电子设备可以直接利用显示屏显示第一分析结果中的服务使用信息;或者,电子设备可以在接收到用户的信息显示指示的情况下,利用显示屏显示第一分析结果中的服务使用信息。
具体地,在电子设备显示图2中所示的界面的情况下,如果接收到对“去开启”这个控件的点击操作,可以认为接收到信息显示指示,那么,电子设备可以跳转至图3中所示的界面。由图3可知,应用1从15:44开始被使用了2分钟,这2分钟中的1分钟由应用1中的服务11占用,这2分钟中的另1分钟由应用1中的服务12占用;应用2从15:47开始被使用了1分钟,这1分钟均被应用2中的服务21占用。
可选地,如果接收到对“去开启”这个控件的点击操作,电子设备也可以不跳转至图3中所示的界面,而是跳转至图4中所示的界面。由图4可知,服务11的使用时间为1分钟,服务12的使用时间为1分钟,服务21的使用使用为1分钟,服务22(其可以属于应用2)的使用时间为0分钟,应用1和应用2的总使用时长为3分钟。
这种实现形式中,通过服务使用信息的显示,能够非常便捷地获知各应用的服务的使用情况。
在另一种具体实现形式中,根据第一分析结果,进行显示处理,包括:
根据第一分析结果中的服务使用信息,确定应用的各服务的使用偏好顺序,并根据使用偏好顺序,更新应用的应用界面。
以图3和图4中示意出的情况为例,对于应用2而言,服务21的使用时长大于服务22的使用时长,那么,可以认为服务21更受用户偏好,基于此,可以对应用2的应用界面进行更新,以使用于触发服务21的控件排序在用于触发服务22的控件之前,这样能够实现对服务21的智能推荐。另外,电子设备还可以在应用2的应用界面中显示提示信息,提示信息可以用于表征应用2中最受欢迎的服务为服务21,这样能够实现对用户的通知提醒。
这种实现形式中,通过应用界面的更新,能够实现智能推荐和通知提醒,从而在用户使用应用时,给用户提供一定的参考。
需要指出的是,根据第一分析结果,进行显示处理的实现形式并不局限于以上两种情况。具体地,根据第一分析结果,电子设备可以先显示图5中所示的界面。由图5可知,电子设备在00:00开始第一次被使用,使用时长为10分钟;电子设备在00:10开始第二次被使用,使用时长为7分钟;电子设备在00:17开始第三次被使用,使用时长为7分钟;电子设备在00:24开始被使用,使用时长为1分钟。在图5中与10分钟对应的时间轴左侧的手机符号510被点击的情况下,电子设备可以调整至显示这10分钟内的应用的具体使用情况,例如具体使用哪些应用中的哪些服务,以及每个服务的使用时长。
可见,本实施例可以将监测分析、智能推荐和通知提醒进行结合,以达到较好的监测处理效果。
可选地,根据目标监测数据,执行监测处理操作,包括:
在设备监测数据表征电子设备中的第一应用的第一服务满足预设条件的情况下,针对第一服务,进行数据的备份存储;
在第一服务重启后,根据针对第一服务备份存储的第一数据,对第一服务的运行状态进行恢复。
这里,第一应用可以为电子设备中已安装的任意应用;第一服务可以为第一应用的任意服务;第一数据可以为第一服务的关键数据,例如能够表征第一服务的运行环境的数据。
需要说明的是,预设条件可以为预设的中断被杀条件。在一种具体实现形式中,在第一服务的CPU内存综合使用率大于预设使用率,且CPU内存综合使用率的抖动率小于预设抖动率的情况下,第一服务满足预设条件。
这里,第一服务的CPU内存综合使用率是对第一服务的CPU使用率和内存使用率进行加权求和得到的;预设使用率和预设抖动率可以通过对历史的设备监测数据进行学习得到。需要说明的是,在第一服务为上述的地图类应用中的最短距离路径规划服务的情况下,第一组进程的CPU使用率可以作为第一服务的CPU使用率,第一组进程的内存使用率可以作为第一服务的内存使用率。
在第一服务的CPU内存综合使用率大于预设使用率,且CPU内存综合使用率的抖动率小于预设抖动率的情况下,可以认为第一服务对CPU和内存的占用情况均非常严重,且这种情况处于一种非常稳定的状态,那么,为了保证电子设备的正常运行,第一服务很可能会被中断杀死,因此,可以确定第一服务满足预设条件。
当然,确定第一服务是否满足预设条件不仅可以依赖于CPU内存综合使用率,以及CPU内存综合使用率的抖动率,还可以依赖于第一服务的延时率,响应率等,在此不再一一列举。
本实施例中,在监测到第一应用的第一服务可能会被中断杀死的情况下,可以针对第一服务,进行数据的备份存储,具体地,可以仅存储第一服务的关键数据,例如能够表征第一服务的运行环境的数据。在第一服务重启之后,可以依据第一服务的关键数据,对第一服务的运行状态进行恢复,以使第一服务便捷地恢复到其被中断杀死之前的状态。
可选地,第一数据备份存储于不同于电子设备的设备。
这里,在第一服务很可能会被中断杀死的情况下,第一服务的第一数据可以被备份存储至不同于电子设备的设备,也就是说,第一数据能够进行跨端同步,这样能够保证第一数据的安全性,即使电子设备出现故障,也不会对第一数据造成影响。
可选地,根据目标监测数据,执行监测处理操作,包括:
对设备监测数据进行第二分析,得到第二分析结果;其中,第二分析结果包括以下至少一项:进程核心数据指标、线程核心数据指标;
获取与第二分析结果匹配的监测处理策略;
利用监测处理策略,根据设备监测数据,执行监测处理操作。
这里,进程核心数据指标可以包括以下至少一项:进程数量、进程依赖关系、进程状态;
和/或,
线程核心数据指标可以包括以下至少一项:线程数量、线程依赖关系、线程状态。
具体地,进程状态包括但不限于运行状态,挂起状态等;线程状态包括但不限于运行状态、挂起状态等。
为了便于理解,这里均以第二分析结果仅包括线程核心数据指标的情况为例进行说明。
由于在设备监测数据中,线程层级的应用数据包括应用线程的运行起止时间、应用线程的父进程等数据,基于此,可以统计线程数量,确定每个线程当前处于运行状态还是挂起状态,并构建各线程之间的依赖关系,从而得到线程核心数据指标。接下来,可以获取与包括线程核心数据指标的第二分析结果匹配的监测处理策略。
需要说明的是,可以预先设置多个监测处理策略,不同监测处理策略可以具有不同的运算复杂度和运算精度,例如,可以预先设置两个监测处理策略,其中,第一监测处理策略指示的是,在对设备监测数据进行第一分析时,只需保证得到的第一分析结果的服务使用信息中包括使用时长即可;第二监测处理策略指示的是,在对设备监测数据进行第一分析时,需要保证得到的第一分析结果的服务使用信息中同时包括使用时长、使用次数和使用频率。
具体地,线程核心数据指标中的线程数量越多,可以从预先设置的多个监测处理策略中,获取运算复杂度和运算精度越低的监测处理策略;线程核心数据指标表征处于运行状态的线程越多,可以从预先设置的多个监测处理策略中,获取运算复杂度和运算精度越低的监测处理策略;线程核心数据指标中的线程依赖关系越复杂,可以从预先设置的多个监测处理策略中,获取运算复杂度和运算精度越低的监测处理策略。之后,可以利用所获取的监测处理策略,根据设备监测数据,执行监测处理操作。
可见,本实施例中,依据第二分析结果,可以以相应的监测处理策略,执行监测处理操作,这样能够保证监测处理操作与目标监测数据的匹配性,从而保证监测处理效果。
可选地,电子设备包括监测处理插件,监测处理插件用于执行监测处理操作。
需要说明的是,监测处理插件需要通过宿主安装于电子设备。可以理解的是,插件和宿主的交互实现逻辑可以为:
(1)宿主和插件交互的时候,可以通过核心组件类的Proxy(即代理类),进行对应Package(即包)完整插件组件信息加载和调用信息处理,或者进行无完整Package下***-宿主-插件的顺序调度处理。
(2)插件调用宿主时,可以通过其父宿主的ClassLoader(即类加载器)获取宿主等对应应用信息,进而可以通过***-宿主-插件的顺序依次调用处理并执行对应数据逻辑。
(3)宿主插件之间的数据交换可以通过文件共享的方式进行。
(4)宿主插件之间的数据交换也可以通过安卓接口定义语言(Android InterfaceDefinition Language,AIDL)等跨进程调用方式实现。
(5)为了方便插件调用宿主相关数据信息,可以通过自定义的归档文件(JavaArchive,Jar)包接口文件封装,编译时添加以便进行静态检查,而打包时不打入,从而引用宿主对应文件类的方案进行数据接口的快速调用使用处理。
(6)对于约定好的Jar包接口类文件,可以通过添加不同容错处理逻辑,以及在插件的开发中通过灵活配置,实现含有此Jar包时的独立应用功能使用,以及无此Jar包时的宿主依赖等功能扩展实现处理。
(7)可以根据实际需求,进一步扩展增减更多通用的宿主、插件功能数据交互逻辑处理实现,以及模块扩展完善处理方式。
本实施例中,用于执行监测处理操作的为监测处理插件,通过使用插件形式,监测处理插件的功能,以及监测处理插件使用的监测处理策略能够非常便捷地进行更新,而不受限于宿主的版本升级收敛周期。
可选地,执行监测处理操作,包括:
在监测处理插件当前支持目标任务的情况下,调用监测处理插件执行监测处理操作;或者,在监测处理插件当前不支持目标任务的情况下,调用其他插件或者模块执行监测处理操作;
其中,目标任务为监测处理设备监测数据的任务。
这里,监测处理插件当前支持目标任务是指:监测处理插件当前能够完成对设备监测数据进行监测处理的任务。具体地,在监测处理插件当前处于故障状态,和/或,当前待进行监测处理的设备监测数据的数据量非常大,超过了监测处理插件的处理极限的情况下,可以认为监测处理插件当前不支持目标任务;否则,可以认为监测处理插件当前支持目标任务。
可见,本实施例能够有效地保证监测处理操作的顺利执行。
可选地,目标监测数据还包括环境监测数据,环境监测数据包括以下至少一项:至少两个层级的气候数据、至少两个层级的水质数据、至少两个层级的矿物质数据。
需要说明的是,环境数据监测设备可以包括多个感应器件(也可以称为监测器件),以通过多个感应器件进行环境监测,从而采集环境监测数据。
具体地,在环境监测数据中包括至少两个层级的气候数据的情况下,第一层级的气候数据可以包括污染物严重等级(例如污染程度是优、良、中度或者重度)、温度高低等级(例如温度是炎热、凉爽或者冷),以及湿度大小等级(例如湿度是大或者小);对应于污染物严重等级,第二层级的气候数据可以包括空气中的二氧化硫含量、二氧化氮含量、PM值(PM指细颗粒物)等,对应于温度高低等级,第二层级的气候数据可以包括温度实测值、温度变化范围等;对应于湿度大小等级,第二层级的气候数据可以包括湿度实测值、湿度变化范围等;第三层级的气候数据中可以包括PM2.5值、PM3.5值等。
在环境监测数据中包括至少两个层级的水质数据的情况下,第一层级的水质数据可以包括水质好坏等级(例如水质是中、良或者差);第二层级的水质数据可以包括水质酸碱度、电介质导电率、微生物总含量、重金属总含量;第三层级的水质数据中可以不同微生物各自的含量、不同重金属各自的含量等。
在环境监测数据中包括至少两个层级的矿物质数据的情况下,第一层级的矿物质数据中可以包括矿物质的总含量;第二层级的矿物质数据中可以不同矿物质各自的含量。
需要指出的是,由于环境监测数据包括至少两个层级的气候数据、至少两个层级的水质数据、至少两个层级的矿物质数据中的至少一项,可以认为,目标监测数据中还可以包括不同层次粒度的环境数据。
具体实施时,环境数据监测设备可以将目标监测数据中的环境监测数据发送给云服务器,在接收到环境监测数据之后,云服务器可以依据具体场景,执行监测处理操作。具体地,对于天气预测场景,环境数据监测设备的数量可以为多个,每个环境数据监测设备采集的环境监测数据中可以均包括至少两个层级的气候数据,云服务器可以采集所有环境数据监测设备在连续1个月内采集的数据,并据此建立天气预测模型,之后,云服务器可以利用天气预测模型,预测详细的天气信息,预测结果可以细粒度至某一天空气中的二氧化氮含量是多少。
可见,本实施例还能够以不同层次粒度,进行环境的监测,以得到非常丰富的监测数据,并据此执行相应的监测处理操作,也就是说,本实施例不仅能够提高进行设备监测处理时的处理效果,还能够提高进行环境监测处理时的处理效果。
需要说明的是,目标监测数据中可能存在一些无用的数据,例如报文头、无效字段等与后续的监测处理操作完全无关的数据。有鉴于此,在获得目标监测数据之后,可以丢弃报文头、无效字段等,将剩下的数据作为有效数据,并根据有效数据,执行监测处理操作。
举例而言,智能监测设备给云服务器发送环境监测数据时,至少两个层级的气候数据可以以报文的形式传输,假设报文W中携带有气候数据,但报文W中的第一字节为报文头,且第五至第七字节为无效字段,那么,可以丢弃报文W中的第一字节,以及第五至第七字节,并将报文W中的其余字节作为有效数据的组成部分。
这种实施方式中,监测处理操作可以仅参考目标监测数据中有用的数据,以提高监测处理效率。
当然,目标监测数据中无用的数据可能不仅仅包括报文头和无效字段,这种情况下,可以预先对大量的样本数据进行学习,以训练得到一用于提取有效数据的数据提取模型;其中,每一样本数据中可以包括一设备监测数据,以及该设备监测数据中的有效数据,可以将每一样本数据中的设备监测数据作为输入内容,将每一样本数据中的有效数据作为输出内容进行训练,以得到数据提取模型。
在获得目标监测数据之后,可以直接将其输入数据提取模型,以获得由数据提取模型输出的,目标监测数据中的有效数据,之后,再根据有效数据,执行监测处理操作。这样,利用数据提取模型,能够便捷地获取到设备监测数据中的有效数据。
可见,本实施例能够对目标监测数据进行数据挖掘,以得到相应的有效数据,并仅根据有效数据执行监测处理操作,而无需根据整个目标监测数据执行监测处理操作,这样能够有效地减少数据运算量,以节约资源消耗和功耗,同时还能够提高运算速度。
可选地,获得目标监测数据之后,该方法还包括:
对目标监测数据进行压缩,并存储经压缩后的目标监测数据;
接收对所存储的数据中的第二数据的读写请求;其中,读写请求中携带校验信息;
利用校验信息,进行数据读写权限认证;
在认证通过的情况下,输出第二数据。
这里,以目标监测数据包括设备监测数据的情况为例,电子设备可以包括数据模块,数据模块可以用于进行设备监测数据的压缩映射和存储。
需要说明的是,第二数据可以为已存储的数据中的任意数据。对第二数据的读写请求中携带的校验信息可以为签名信息、md5(即消息摘要算法第五版)校验值等,这里仅以为md5校验值的情况为例进行说明。
在进行数据读写权限认证时,电子设备可以对第二数据进行md5运算,以得到一md5校验值,之后,电子设备可以根据所得到的md5校验值与读写请求中携带的md5校验值是否相同,确定数据读写权限认证是否通过。具体地,在两个md5校验值相同的情况下,可以判定认证通过;否则,可以判定认证不通过。在认证通过的情况下,电子设备可以在显示屏上显示第二数据,以供用户直接查看第二数据,当然,电子设备也可以将第二数据发送至用户的邮箱,这也是可行的。
可见,本实施例中,目标监测数据是在压缩后进行存储的,这样能够有效地节约存储空间,另外,已存储的数据是在认证通过的情况下输出的,这样能够有效地保证存储的数据的安全性。
如图6所示,电子设备可以包括:监测模块、功能模块、基础模块和数据模块;其中,监测模块是独立的综合监测模块。
具体工作时,监测模块可以进行***检查、设备状态检查、数据监测、操作监控等,以得到设备监测数据;其中,设备监测数据中可以包括前台操控信息,后台采集数据,以及使用时间(该使用时间可以包括应用整体的使用时间,以及应用中的每个服务的使用时间)。这样,监测模块除了可以有效提供***检查、设备状态、数据监测和操作控制外,更能有效提供精细粒度的整体使用时间,以及前台操控信息和后台采集数据等更加全面的综合数据信息,以便后续进行更加综合的智能化数据挖掘推荐预测。
对于获取到的设备监测数据,数据模块可以对其进行压缩映射,以有效地减少数据体积,增加数据持续累积记录时间。
基础模块可以有效地封装隔离对数据模块的读写权限,以保证设备监测数据安全并进行统一应用程序编程接口(Application Programming Interface,API)抽象,以方便后续其他产品业务共享复用,减少重复开发维护成本。
功能模块可以进行设备监测数据的合理呈现,进而实现用户自主查看和设备智能推荐合一,用户可以通过时间轴、统计、时长、数据、引导通知等功能进行设备监测数据的查看。
对于获取到的设备监测数据,监测处理单元可以根据其,执行监测分析、数据挖掘、智能推荐、通知提醒、唤醒调起、跨端同步等监测处理操作。具体地,监测处理单元的监测处理操作使用的监测处理策略可以由数据模块根据进程核心数据指标和/或线程核心数据指标进行下发。也就说,电子设备可以基于不同层次粒度的应用数据,进行智能化分析和自主推荐提醒,以方便用户实现实时了解自身设备和应用软件使用情况,从而便于进行智能化监控管理决策。
需要指出的是,根据设备监测数据,还能够有效深入地监测应用中的服务的中断被杀等一些列状态,更甚至某一应用进程的活跃和设备使用率状态信息,以及重启保护、进程保活等深入的详细状态智能处理和保护措施,以便及时调整修正自身和实际环境状态参数,以及具体数据监测采集挖掘深度细节等。具体地,如果根据设备监测数据,确定出某一应用的某一服务可能出现中断被杀的情况,则可以针对其进行数据存储,以实现数据的备份,并在数据备份完成后,对其进行重启保护。
电子设备还可以结合监测排行,历史数据,通知锁屏等进行用户习惯智能建模,并自主挖掘历史数据,推荐预测不同时间下的数据监测预估数值趋势,以及设备自主行为调整和用户推荐提醒呈现,从而进行长期智能分析推荐修正,进而更好地满足用户场景功能和数据需求。
可选地,电子设备还可以进行锁屏专注和设置反馈。具体地,电子设备可以显示图7中所示的界面,如果用户点击“开始专注”这个控件,电子设备可以进入专注状态,电子设备在25分钟内保持锁屏状态,且从25:00开始倒计时;一段时间之后,电子设备可以更新为图8中所示的界面。需要说明的是,如图9所示,电子设备可能会多次进行锁屏专注,每次锁屏专注的名称均可以为“nihao”,当然,用户也可以对任一次锁屏专注的名称进行编辑或修改。
下面以两个具体的例子,分别针对目标监测数据包括设备监测数据,以及目标监测数据包括环境监测数据这两种情况进行详细说明。
在第一个例子中,假设在某一天中,电子设备中仅地图类应用在运行,电子设备可以采集设备监测数据,设备监测数据包括地图类应用的至少两个层级的应用数据。
接下来,可以对设备监测数据进行第二分析,以得到线程核心数据指标;其中,线程核心数据指标包括地图类应用所属的线程数量、各线程之间的依赖关系、各线程的线程状态。电子设备可以获得与所确定的线程核心数据指标匹配的监测数据策略,假设线程核心数据指标中的线程数量非常多,且线程核心数据指标中的依赖关系非常复杂,那么,电子设备获得的监测处理策略可以为上述的第一监测处理策略。
之后,电子设备可以利用第一监测处理策略,对设备监测数据进行第一分析,以得到地图类应用的整体使用时长,地图类应用的路径规划服务的使用时长、地图类应用的最短距离路径规划服务的使用时长,以及地图类应用的最短时间路径规划服务的使用时长。基于上述得到的信息,电子设备可以更新地图类应用的应用界面,以使最短距离路径规划服务和最短时间路径规划服务这两者中,所对应使用时间更长的服务对应的控件排序在另一控件之前。
在另一个例子中,环境数据监测设备可以通过多个感应器件,采集环境监测数据,环境监测数据可以包括至少两个层级的气候数据。具体地,如图10所示,第一层级的气候数据包括污染物严重等级、温度高低等级、湿度大小等级、风速大小等级;第二层级的气候数据包括空气中的二氧化硫含量、二氧化氮含量和PM值,温度实测值和温度变化范围,以及湿度实测值和湿度变化范围;第三层级的气候数据包括PM2.5值和PM3.5值。
在得到上述环境监测数据之后,环境数据监测设备可以将其发送至云服务器,云服务器可以利用大量的环境监测数据,构建天气预测模型,后续只需将某一日期(假设其属于周五)输入天气预测模型,天气预测模型即可基于历史上的各个周五的环境监测数据,输出能够详细预测该日期的天气信息的数据。
综上,与现有技术相比,本实施例中的监测处理效果更好。
下面对本发明实施例供的监测处理装置进行说明。
参见图11,图中示出了本发明实施例提供的监测处理装置1100的结构框图。如图11所示,监测处理装置1100包括:
获得模块1101,用于获得目标监测数据;
执行模块1102,用于根据目标监测数据,执行监测处理操作;
其中,目标监测数据包括电子设备的设备监测数据,设备监测数据包括以下至少两项:软件层级的应用数据、进程层级的应用数据、线程层级的应用数据。
可选地,执行模块1102,包括:
第一分析子模块,用于对设备监测数据进行第一分析,得到第一分析结果;其中,第一分析结果包括电子设备中的应用的每个服务的服务使用信息,服务使用信息包括起始使用时间、结束使用时间、使用时长、使用次数、使用频率中的至少一项;
处理子模块,用于根据第一分析结果,进行显示处理。
可选地,处理子模块,具体用于:
显示第一分析结果中的服务使用信息;
和/或;
根据第一分析结果中的服务使用信息,确定应用的各服务的使用偏好顺序,并根据使用偏好顺序,更新应用的应用界面。
可选地,执行模块1102,包括:
存储子模块,用于在设备监测数据表征电子设备中的第一应用的第一服务满足预设条件的情况下,针对第一服务,进行数据的备份存储;
恢复子模块,用于在第一服务重启后,根据针对第一服务备份存储的第一数据,对第一服务的运行状态进行恢复。
可选地,在第一服务的中央处理器CPU内存综合使用率大于预设使用率,且CPU内存综合使用率的抖动率小于预设抖动率的情况下,第一服务满足预设条件。
可选地,执行模块1102包括:
第二分析子模块,用于对设备监测数据进行第二分析,得到第二分析结果;其中,第二分析结果包括以下至少一项:进程核心数据指标、线程核心数据指标;
获取子模块,用于获取与第二分析结果匹配的监测处理策略;
执行子模块,用于利用监测处理策略,根据设备监测数据,执行监测处理操作。
可选地,进程核心数据指标包括以下至少一项:进程数量、进程依赖关系、进程状态;
和/或,
线程核心数据指标包括以下至少一项:线程数量、线程依赖关系、线程状态。
可选地,执行模块1102包括位于电子设备的监测处理插件,监测处理插件用于执行监测处理操作。
可选地,执行模块1102,具体用于:
在监测处理插件当前支持目标任务的情况下,调用监测处理插件执行监测处理操作;或者,在监测处理插件当前不支持目标任务的情况下,调用其他插件或者模块执行监测处理操作;
其中,目标任务为监测处理设备监测数据的任务。
可选地,目标监测数据包括环境监测数据,环境监测数据包括以下至少一项:至少两个层级的气候数据、至少两个层级的水质数据、至少两个层级的矿物质数据。
可选地,监测处理装置1100还包括:
处理模块,用于在获得目标监测数据之后,对目标监测数据进行压缩,并存储经压缩后的目标监测数据;
接收模块,用于接收对所存储的数据中的第二数据的读写请求;其中,读写请求中携带校验信息;
认证模块,用于利用校验信息,进行数据读写权限认证;
输出模块,用于在认证通过的情况下,输出第二数据。
本发明实施例中,可以获得目标监测数据,目标监测数据可以包括电子设备的设备监测数据,也就是说,目标监测设备中包括不同层次粒度的应用数据。之后,可以根据目标监测数据,执行监测处理操作。可见,本发明实施例能够以不同层次粒度,进行设备的监测,以得到非常丰富的监测数据,并根据监测结果,智能地执行相应的监测处理操作,监测处理过程不需要用户过多参与,因此,与现有技术相比,通过监测的数据量的提升,以及监测处理操作的智能执行,本发明实施例能够有效地提升监测处理效果。
下面对本发明实施例提供的监测处理***进行说明。
参见图12,图中示出了本发明实施例提供的监测处理***1200的结构示意图。如图12所示,监测处理***1200包括:处理器1201、存储器1203、用户接口1204和总线接口。
处理器1201,用于读取存储器1203中的程序,执行下列过程:
获得目标监测数据;
根据目标监测数据,执行监测处理操作;
其中,目标监测数据包括电子设备的设备监测数据,设备监测数据包括以下至少两项:软件层级的应用数据、进程层级的应用数据、线程层级的应用数据。
在图12中,总线架构可以包括任意数量的互联的总线和桥,具体由处理器1201代表的一个或多个处理器和存储器1203代表的存储器的各种电路链接在一起。总线架构还可以将诸如***设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口提供接口。针对不同的用户设备,用户接口1204还可以是能够外接内接需要设备的接口,连接的设备包括但不限于小键盘、显示器、扬声器、麦克风、操纵杆等。
处理器1201负责管理总线架构和通常的处理,存储器1203可以存储处理器1201在执行操作时所使用的数据。
可选地,处理器1201,具体用于:
对设备监测数据进行第一分析,得到第一分析结果;其中,第一分析结果包括电子设备中的应用的每个服务的服务使用信息,服务使用信息包括起始使用时间、结束使用时间、使用时长、使用次数、使用频率中的至少一项;
根据第一分析结果,进行显示处理。
可选地,处理器1201,具体用于:
显示第一分析结果中的服务使用信息;
和/或;
根据第一分析结果中的服务使用信息,确定应用的各服务的使用偏好顺序,并根据使用偏好顺序,更新应用的应用界面。
可选地,处理器1201,具体用于:
在设备监测数据表征电子设备中的第一应用的第一服务满足预设条件的情况下,针对第一服务,进行数据的备份存储;
在第一服务重启后,根据针对第一服务备份存储的第一数据,对第一服务的运行状态进行恢复。
可选地,在第一服务的中央处理器CPU内存综合使用率大于预设使用率,且CPU内存综合使用率的抖动率小于预设抖动率的情况下,第一服务满足预设条件。
可选地,处理器1201,具体用于:
对设备监测数据进行第二分析,得到第二分析结果;其中,第二分析结果包括以下至少一项:进程核心数据指标、线程核心数据指标;
获取与第二分析结果匹配的监测处理策略;
利用监测处理策略,根据设备监测数据,执行监测处理操作。
可选地,进程核心数据指标包括以下至少一项:进程数量、进程依赖关系、进程状态;
和/或,
线程核心数据指标包括以下至少一项:线程数量、线程依赖关系、线程状态。
可选地,电子设备包括监测处理插件,监测处理插件用于执行监测处理操作。
可选地,处理器1201,具体用于:
在监测处理插件当前支持目标任务的情况下,调用监测处理插件执行监测处理操作;或者,在监测处理插件当前不支持目标任务的情况下,调用其他插件或者模块执行监测处理操作;
其中,目标任务为监测处理设备监测数据的任务。
可选地,目标监测数据包括环境监测数据,环境监测数据包括以下至少一项:至少两个层级的气候数据、至少两个层级的水质数据、至少两个层级的矿物质数据。
可选地,处理器1201,还用于:
在获得目标监测数据之后,对目标监测数据进行压缩,并存储经压缩后的目标监测数据;
接收对所存储的数据中的第二数据的读写请求;其中,读写请求中携带校验信息;
利用校验信息,进行数据读写权限认证;
在认证通过的情况下,输出第二数据。
本发明实施例中,可以获得目标监测数据,目标监测数据可以包括电子设备的设备监测数据,也就是说,目标监测设备中包括不同层次粒度的应用数据。之后,可以根据目标监测数据,执行监测处理操作。可见,本发明实施例能够以不同层次粒度,进行设备的监测,以得到非常丰富的监测数据,并根据监测结果,智能地执行相应的监测处理操作,监测处理过程不需要用户过多参与,因此,与现有技术相比,通过监测的数据量的提升,以及监测处理操作的智能执行,本发明实施例能够有效地提升监测处理效果。
优选地,本发明实施例还提供一种监测处理***,包括处理器1201,存储器1203,存储在存储器1203上并可在所述处理器1201上运行的计算机程序,该计算机程序被处理器1201执行时实现上述监测处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述监测处理方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (20)
1.一种监测处理方法,其特征在于,所述方法包括:
获得目标监测数据;
根据所述目标监测数据,执行监测处理操作;
其中,所述目标监测数据包括电子设备的设备监测数据,所述设备监测数据包括以下至少两项:软件层级的应用数据、进程层级的应用数据、线程层级的应用数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标监测数据,执行监测处理操作,包括:
对所述设备监测数据进行第一分析,得到第一分析结果;其中,所述第一分析结果包括所述电子设备中的应用的每个服务的服务使用信息,所述服务使用信息包括起始使用时间、结束使用时间、使用时长、使用次数、使用频率中的至少一项;
根据所述第一分析结果,进行显示处理。
3.根据权利要求2所述的方法,其特征在于,所述根据所述第一分析结果,进行显示处理,包括:
显示所述第一分析结果中的服务使用信息;
和/或;
根据所述第一分析结果中的服务使用信息,确定所述应用的各服务的使用偏好顺序,并根据所述使用偏好顺序,更新所述应用的应用界面。
4.根据权利要求1所述的方法,其特征在于,所述根据所述目标监测数据,执行监测处理操作,包括:
在所述设备监测数据表征所述电子设备中的第一应用的第一服务满足预设条件的情况下,针对所述第一服务,进行数据的备份存储;
在所述第一服务重启后,根据针对所述第一服务备份存储的第一数据,对所述第一服务的运行状态进行恢复。
5.根据权利要求4所述的方法,其特征在于,在所述第一服务的中央处理器CPU内存综合使用率大于预设使用率,且CPU内存综合使用率的抖动率小于预设抖动率的情况下,所述第一服务满足所述预设条件。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标监测数据,执行监测处理操作,包括:
对所述设备监测数据进行第二分析,得到第二分析结果;其中,所述第二分析结果包括以下至少一项:进程核心数据指标、线程核心数据指标;
获取与所述第二分析结果匹配的监测处理策略;
利用所述监测处理策略,根据所述设备监测数据,执行监测处理操作。
7.根据权利要求6所述的方法,其特征在于,
所述进程核心数据指标包括以下至少一项:进程数量、进程依赖关系、进程状态;
和/或,
所述线程核心数据指标包括以下至少一项:线程数量、线程依赖关系、线程状态。
8.根据权利要求1所述的方法,其特征在于,所述电子设备包括监测处理插件,所述监测处理插件用于执行所述监测处理操作。
9.根据权利要求8所述的方法,其特征在于,所述执行监测处理操作,包括:
在所述监测处理插件当前支持目标任务的情况下,调用所述监测处理插件执行监测处理操作;或者,在所述监测处理插件当前不支持目标任务的情况下,调用其他插件或者模块执行监测处理操作;
其中,所述目标任务为监测处理所述设备监测数据的任务。
10.根据权利要求1所述的方法,其特征在于,所述目标监测数据还包括环境监测数据,所述环境监测数据包括以下至少一项:至少两个层级的气候数据、至少两个层级的水质数据、至少两个层级的矿物质数据。
11.根据权利要求1至10中任一项所述的方法,其特征在于,所述获得目标监测数据之后,所述方法还包括:
对所述目标监测数据进行压缩,并存储经压缩后的所述目标监测数据;
接收对所存储的数据中的第二数据的读写请求;其中,所述读写请求中携带校验信息;
利用所述校验信息,进行数据读写权限认证;
在认证通过的情况下,输出所述第二数据。
12.一种监测处理装置,其特征在于,所述装置包括:
获得模块,用于获得目标监测数据;
执行模块,用于根据所述目标监测数据,执行监测处理操作;
其中,所述目标监测数据包括电子设备的设备监测数据,所述设备监测数据包括以下至少两项:软件层级的应用数据、进程层级的应用数据、线程层级的应用数据。
13.根据权利要求12所述的装置,其特征在于,所述执行模块,包括:
第一分析子模块,用于对所述设备监测数据进行第一分析,得到第一分析结果;其中,所述第一分析结果包括所述电子设备中的应用的每个服务的服务使用信息,所述服务使用信息包括起始使用时间、结束使用时间、使用时长、使用次数、使用频率中的至少一项;
处理子模块,用于根据所述第一分析结果,进行显示处理。
14.根据权利要求13所述的装置,其特征在于,所述处理子模块,具体用于:
显示所述第一分析结果中的服务使用信息;
和/或;
根据所述第一分析结果中的服务使用信息,确定所述应用的各服务的使用偏好顺序,并根据所述使用偏好顺序,更新所述应用的应用界面。
15.根据权利要求12所述的装置,其特征在于,所述执行模块,包括:
存储子模块,用于在所述设备监测数据表征所述电子设备中的第一应用的第一服务满足预设条件的情况下,针对所述第一服务,进行数据的备份存储;
恢复子模块,用于在所述第一服务重启后,根据针对所述第一服务备份存储的第一数据,对所述第一服务的运行状态进行恢复。
16.根据权利要求15所述的装置,其特征在于,在所述第一服务的中央处理器CPU内存综合使用率大于预设使用率,且CPU内存综合使用率的抖动率小于预设抖动率的情况下,所述第一服务满足所述预设条件。
17.根据权利要求12所述的装置,其特征在于,所述执行模块,包括:
第二分析子模块,用于对所述设备监测数据进行第二分析,得到第二分析结果;其中,所述第二分析结果包括以下至少一项:进程核心数据指标、线程核心数据指标;
获取子模块,用于获取与所述第二分析结果匹配的监测处理策略;
执行子模块,用于利用所述监测处理策略,根据所述设备监测数据,执行监测处理操作。
18.根据权利要求17所述的装置,其特征在于,
所述进程核心数据指标包括以下至少一项:进程数量、进程依赖关系、进程状态;
和/或,
所述线程核心数据指标包括以下至少一项:线程数量、线程依赖关系、线程状态。
19.一种监测处理***,其特征在于,包括处理器,存储器,存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至11中任一项所述的监测处理方法的步骤。
20.一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11中任一项所述的监测处理方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910521733.2A CN110377480A (zh) | 2019-06-17 | 2019-06-17 | 监测处理方法、装置、***及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910521733.2A CN110377480A (zh) | 2019-06-17 | 2019-06-17 | 监测处理方法、装置、***及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110377480A true CN110377480A (zh) | 2019-10-25 |
Family
ID=68250378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910521733.2A Pending CN110377480A (zh) | 2019-06-17 | 2019-06-17 | 监测处理方法、装置、***及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377480A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111245937A (zh) * | 2020-01-10 | 2020-06-05 | 成都地铁运营有限公司 | 综合监控远程巡检*** |
CN111338899A (zh) * | 2020-02-26 | 2020-06-26 | 深信服科技股份有限公司 | 一种监控方法、终端及存储介质 |
CN111880991A (zh) * | 2020-07-23 | 2020-11-03 | Oppo广东移动通信有限公司 | 内存优化方法、装置、电子设备及计算机可读存储介质 |
CN116483689A (zh) * | 2023-03-13 | 2023-07-25 | 深圳华锐分布式技术股份有限公司 | 期权经纪极速交易***的测试方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230636A (zh) * | 2016-08-05 | 2016-12-14 | 成都酉辰科技有限公司 | 无线电监测网全网设备监控*** |
CN107515796A (zh) * | 2017-07-31 | 2017-12-26 | 北京奇安信科技有限公司 | 一种设备异常监控处理方法及装置 |
CN107678876A (zh) * | 2017-09-28 | 2018-02-09 | 努比亚技术有限公司 | 冻屏监测与解决方法、移动终端及计算机可读存储介质 |
CN107818036A (zh) * | 2017-10-31 | 2018-03-20 | 努比亚技术有限公司 | 黑屏检测方法、移动终端及计算机可读存储介质 |
CN108733277A (zh) * | 2018-05-22 | 2018-11-02 | 江西午诺科技有限公司 | 应用图标排列方法、装置、可读存储介质及移动终端 |
CN109840141A (zh) * | 2018-12-15 | 2019-06-04 | 平安科技(深圳)有限公司 | 基于云监控的线程控制方法、装置、电子设备及存储介质 |
-
2019
- 2019-06-17 CN CN201910521733.2A patent/CN110377480A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230636A (zh) * | 2016-08-05 | 2016-12-14 | 成都酉辰科技有限公司 | 无线电监测网全网设备监控*** |
CN107515796A (zh) * | 2017-07-31 | 2017-12-26 | 北京奇安信科技有限公司 | 一种设备异常监控处理方法及装置 |
CN107678876A (zh) * | 2017-09-28 | 2018-02-09 | 努比亚技术有限公司 | 冻屏监测与解决方法、移动终端及计算机可读存储介质 |
CN107818036A (zh) * | 2017-10-31 | 2018-03-20 | 努比亚技术有限公司 | 黑屏检测方法、移动终端及计算机可读存储介质 |
CN108733277A (zh) * | 2018-05-22 | 2018-11-02 | 江西午诺科技有限公司 | 应用图标排列方法、装置、可读存储介质及移动终端 |
CN109840141A (zh) * | 2018-12-15 | 2019-06-04 | 平安科技(深圳)有限公司 | 基于云监控的线程控制方法、装置、电子设备及存储介质 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111245937A (zh) * | 2020-01-10 | 2020-06-05 | 成都地铁运营有限公司 | 综合监控远程巡检*** |
CN111338899A (zh) * | 2020-02-26 | 2020-06-26 | 深信服科技股份有限公司 | 一种监控方法、终端及存储介质 |
CN111338899B (zh) * | 2020-02-26 | 2023-07-14 | 深信服科技股份有限公司 | 一种监控方法、终端及存储介质 |
CN111880991A (zh) * | 2020-07-23 | 2020-11-03 | Oppo广东移动通信有限公司 | 内存优化方法、装置、电子设备及计算机可读存储介质 |
CN111880991B (zh) * | 2020-07-23 | 2022-09-13 | Oppo广东移动通信有限公司 | 内存优化方法、装置、电子设备及计算机可读存储介质 |
CN116483689A (zh) * | 2023-03-13 | 2023-07-25 | 深圳华锐分布式技术股份有限公司 | 期权经纪极速交易***的测试方法、装置、设备及介质 |
CN116483689B (zh) * | 2023-03-13 | 2024-01-05 | 深圳华锐分布式技术股份有限公司 | 期权经纪极速交易***的测试方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110377480A (zh) | 监测处理方法、装置、***及计算机可读存储介质 | |
CN103002005B (zh) | 云服务监测*** | |
Allspaw | The art of capacity planning: scaling web resources | |
CN108353090A (zh) | 边缘智能平台和物联网传感器流*** | |
CN103338135B (zh) | 一种集群存储容量的实时监控方法 | |
CN110069334A (zh) | 一种基于包管理的分布式数据作业调度的方法和*** | |
CN106664254A (zh) | 优化移动网络中的网络流量管理 | |
CN107896175A (zh) | 数据采集方法和装置 | |
CN110163417A (zh) | 一种业务量的预测方法、装置及设备 | |
CN111666490A (zh) | 基于kafka的信息推送方法、装置、设备及存储介质 | |
Gao et al. | On exploiting dynamic execution patterns for workload offloading in mobile cloud applications | |
CN109032825A (zh) | 一种故障注入方法、装置及设备 | |
CN109409738A (zh) | 基于区块链平台进行深度学习的方法、电子装置 | |
CN109840188A (zh) | 一种日志的获取方法及其终端 | |
Asadi et al. | Unified power and performance analysis of cloud computing infrastructure using stochastic reward nets | |
Nguyen et al. | A low-cost two-tier fog computing testbed for streaming IoT-based applications | |
CN107678852A (zh) | 基于流数据实时计算的方法、***、设备及存储介质 | |
CN103595815A (zh) | 基于云计算的存储资源分配方法 | |
CN108134812A (zh) | 数据处理方法和装置 | |
Diallo et al. | Simulation framework for real-time database on WSNs | |
CN109978392A (zh) | 敏捷软件开发管理方法、装置、电子设备、存储介质 | |
CN111464352A (zh) | 调用链路数据处理方法及装置 | |
Chen et al. | AndroidOff: Offloading android application based on cost estimation | |
Wang et al. | Flint: A platform for federated learning integration | |
Corradi et al. | SIRDAM4. 0: A support infrastructure for reliable data acquisition and management in industry 4.0 |
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: 20191025 |