CN111597096A - 一种基准测试方法、***及终端设备 - Google Patents

Abstract

本申请适用于计算机测试领域，提供一种基准测试方法、***及终端设备，其中方法包括：获取模型数据；对所述模型数据进行降位处理，降位处理后，所述模型数据中参数的数据位数降低；根据降位处理后的模型数据生成数据存储图，所述数据存储图包括多个结点和用于表示所述多个结点之间的连接关系的多个边；对所述数据存储图进行图遍历，获得单位时间内完成数据访问的边数。该方案提升了图遍历速度，提升对被测终端设备中数据吞吐量的检测准确度。

Description

一种基准测试方法、***及终端设备

技术领域

本申请属于计算机测试技术领域，尤其涉及一种基准测试方法、***及终端设备。

背景技术

终端设备中所配备的硬件通常具有理想状态下的运行性能，但硬件在实际运行过程中又通常会受到各种因素影响而无法达到理想运行状态。因此，在实际应用前通常需要对终端设备进行性能测试，以提前获知终端设备的实际运行性能状况。

目前，可采用Graph500这一基准测试方法来对终端设备进行性能测试。Graph500基准测试方法具体利用图论来测量终端设备(尤其是超级计算机)在实际模拟复杂问题时的数据处理能力。Graph500基准测试方法所采用的基准测试软件在具体执行过程中，需要先生成图作为性能测试过程中的数据读取对象，在生成图之后，对生成的图进行图遍历操作，并以每秒遍历图中边的数量(TEPS，traversed edges per second)作为终端设备的数据处理能力的衡量标准，测试得到的TEPS数值越大，表明图遍历速度越快，也就表明该终端设备的数据处理能力越高。

但由于基准测试的目的在于用来测量终端设备的硬件实际运行性能，因此，若基准测试执行过程中图的遍历速度低于终端设备硬件实际运行性能时，则会导致无法准确测试到被测终端设备的实际运行性能。

发明内容

本申请实施例提供了一种基准测试方法、***及终端设备，能够解决现有技术中基准测试执行过程中图的遍历速度较低，导致无法准确测试到被测终端设备的实际运行性能的问题。

本申请实施例的第一方面提供了一种基准测试方法，应用于终端设备，包括：

获取模型数据；

对所述模型数据进行降位处理，降位处理后，所述模型数据中参数的数据位数降低；

根据降位处理后的所述模型数据生成数据存储图，所述数据存储图包括多个结点和用于表示所述多个结点之间的连接关系的多个边；

对所述数据存储图进行图遍历，获得单位时间内完成数据访问的边数。

本申请实施例的第二方面提供了一种基准测试***，包括：

获取模块，用于获取模型数据；

数据处理模块，用于对所述模型数据进行降位处理，降位处理后，所述模型数据中参数的数据位数降低；

生成模块，用于根据降位处理后的所述模型数据生成数据存储图，所述数据存储图包括多个结点和用于表示所述多个结点之间的连接关系的多个边；

图遍历模块，用于对所述数据存储图进行图遍历，获得单位时间内完成数据访问的边数。

本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述方法的步骤。

本申请实施例的第四方面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第一方面所述方法的步骤。

本申请的第五方面提供了一种计算机程序产品，当所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述第一方面所述方法的步骤。

由上可见，本申请实施例中，通过对获取的模型数据进行降位处理，根据降位处理后的模型数据生成数据存储图，并对数据存储图进行图遍历，获得单位时间内完成数据访问的边数，以完成对终端设备中实际运行性能的基准测试。该过程中，通过对模型数据的降位处理，使模型数据中所包含参数的数据位数减少，进而使得所生成的数据存储图中各个结点以及边所表征数据的数据位数同样减少。因此，在进行图遍历时，提升在单位时间内的图数据读取量，能够增加每秒所遍历的边的数量，提升图遍历速度，从而提升被测终端设备的实际运行性能的检测准确度。

附图说明

为了更清楚地说明本申请实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种基准测试方法的流程图一；

图2是本申请实施例提供的数据存储图对应的二维邻接矩阵的示例图；

图3是本申请实施例提供的一种基准测试方法的流程图二；

图4是本申请实施例提供的一种基准测试***的结构图；

图5是本申请实施例提供的一种终端设备的结构图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。

还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。

如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。

应理解，本实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。

参见图1，图1是本申请实施例提供的一种基准测试方法的流程图一。如图1所示，一种基准测试方法，应用于终端设备，该终端设备可以是超级计算机、服务器集群等能够实现数据处理的设备。该方法包括以下步骤：

步骤101，获取模型数据。

其中，该模型数据用于生成数据存储图。更具体地，该模型数据可以基于输入的图规模参数随机生成数据存储图。这里的图规模参数例如为图的顶点数及边数。

该模型数据对应于建立数据存储图所需要用到的图生成模型，即该模型数据具体为图生成模型对应的代码数据。例如，在Graph500对应的基准测试软件中，该图生成模型具体可以为多递归生成器。

步骤102，对所述模型数据进行降位处理，降位处理后，所述模型数据中参数的数据位数降低。

该降位处理为使数据位数变短的处理操作。该对模型数据的降位处理为对数据模型中所包含的参数的降位处理。通常情况下，模型数据中包括变量参数及常量参数。

可选地，在对模型数据进行降位处理时，可以是仅对模型数据中的目标数据进行降位处理，例如将模型数据中所包含的变量参数作为目标数据进行降位处理。该变量参数例如用于表示数据存储图中结点数据的结点变量参数、用于表示数据存储图中边数据的边变量参数，或者其他生成数据存储图所需要用到的变量参数。

作为一具体的实施方式，该对所述模型数据进行降位处理，包括：根据所述模型数据的数据类型，对所述模型数据进行压缩。

例如，数据类型可以为字符型、浮点型、整数型等。

终端设备可以对模型数据中不同数据类型的参数进行不同的压缩处理。例如，模型数据中的结点变量参数的数据类型为int64(即数据占64位的整型)，而此时结点变量参数在表达时数据占位为64位，可以基于该结点变量参数的数据类型，对结点变量参数进行降位处理，降位后的该结点变量参数的数据占据位数可以具体调整为32位。使得该结点变量参数的数据位数由64位缩短为32位。

更具体地，在根据模型数据的数据类型，对模型数据进行压缩时，可以是将模型数据中参数(具体可以是变量参数)的数据类型的占位长度进行降位处理，以使得模型数据中与不同数据类型对应的参数的数据位数随之降低。对于其他数据类型，则降位处理的过程同理进行。具体实现中，可以根据实际的数据压缩需求进行具体设置，对此本申请不作限制。

值得说明的是，通过对模型数据进行降位处理，能够在不改变模型数据中所包含的数据项(例如为边变量参数及结点变量参数)，确保数据存储图的图规模不变的前提下，减少数据存储图中的数据量。

步骤103，根据降位处理后的模型数据生成数据存储图。

所述数据存储图包括多个结点和用于表示所述多个结点之间的连接关系的多个边。

这里，该数据存储图是一种数据存储结构，具体是一种对数据以边和结点的形式进行存储的数据存储结构。

该数据存储图的生成过程，可以是基于设置好的结点数和边数，通过模型数据分别生成用于表示各结点的随机数(即节点数据)及用于表示各结点间的连接关系(即边)的随机数(即边数据)，由该些随机数构成二维邻接矩阵，实现数据存储图的构建。

其中，结合图2所示，该数据存储图的多个结点中每一结点均用一个结点数据进行表示(可以是随机数)，每个结点数据均不同。例如，图2中以V0、V1、V2及V3代表四个结点。多个边中的每个边亦均用一个边数据进行表示。这里，每个边数据相同，例如边数据为1。当边数据为1时表明两个结点之间存在连接关系，即两个结点之间存在边；当两个结点之间不存在边时则不对应边数据，此时用0来代替。例如，图2中，V0与V1、V2及V3之间的边数据为1，表示V0分别与V1、V2及V3之间存在边；V1与V0和V2之间的边数据是1，表示V1分别与V0和V2之间存在边；V1与V3间的边数据是0，表示V1与V3间之间不存在边；图中其他节点之间是否存在边的连接关系则均以此方法类推即可。

该步骤中，由于降位处理后的模型数据中参数的数据位数降低，该根据降位处理后的模型数据所生成的数据存储图中，不同边所对应的边数据及不同结点对应的结点数据的数据位数随之降低。

具体地，例如：所要生成的数据存储图中包括4个结点，该4个结点分别对应的结点数据为整型数据0、1、2、3。以其中第二个结点数据1为例，在模型数据未进行降位处理时，模型数据中与结点数据对应的结点变量参数的数据类型例如为int64，若基于该未降位处理的模型数据生成数据存储图，则该第二个结点数据1存储为0000000000 00000000000000000000 0000000000 0000000000 0000000000 0001；在模型数据进行降位处理时，模型数据中的结点变量参数的数据类型由int64调整为int32(即数据占32位的整型)，使得通过该数据类型进行限定的结点变量参数的数据位数由64位降低为32位。该过程中数据类型不变，数据类型所限定的数据参数的位数长度变小，因此通过降位处理后的模型数据生成数据存储图时，该第二个结点数据1具体存储为0000000000 0000000000 0000000000 01，位数由64位降低至32位，使得生成的数据存储图中所包含的数据量减少，占用更少的存储空间。

同样地，模型数据中其他参数的降位处理过程则同理进行。

该过程实现在不损失图的边数和结点数，不改变图的大小的前提下，减少图中多个边及多个结点所对应边数据及结点数据的数据量，使得相同图规模下数据存储图中所包含的数据量发生改变。

步骤104，对所述数据存储图进行图遍历，获得单位时间内完成数据访问的边数。

该图遍历即为对数据存储图所包括的多个结点和多个边进行遍历的过程，即依次访问每个结点数据和边数据。

该完成数据访问的边数具体指完成对与边所对应边数据的访问的边的数量。

其中，进行图遍历时可以采用广度优先搜索(Breadth-First Search，BFS)算法来实现。

在对图进行遍历过程中，终端设备中的处理器需对已生成的数据存储图进行数据访问读取。而由于根据降位处理后的模型数据所生成的数据存储图中，结点与边所对应的结点数据及边数据的数据量得到了减少，那么处理器在对已生成的数据存储图，依照缓存行进行数据读取实现图遍历的过程中，一个缓存行内将会排布有更多数量的结点与边所对应的结点数据和边数据，因此缓存行中排布的结点与边的密集度得到提升，使得缓存行被读取时所通过的节点数和边数增多，加快处理器执行图遍历算法时的数据扫描速度，进而提升被测终端设备的实际运行性能的检测准确度。

其中，在对数据存储图进行图遍历时，需要同时记录下单位时间内完成数据访问的边数，该单位时间内完成数据访问的边数即代表图遍历速度。可以进一步通过对单位时间内完成数据访问的边数进行输出，使相关测试人员基于该单位时间内完成数据访问的边数获取检测到的终端设备的实际运行性能，并获取终端设备中软件优化带来的性能提升效果。

本申请实施例中，通过对获取的模型数据进行降位处理，根据降位处理后的模型数据生成数据存储图，并对数据存储图进行图遍历，将单位时间内完成数据访问的边数进行输出，以完成对终端设备中实际运行性能的基准测试。该过程中，通过对模型数据的降位处理，使模型数据中所包含参数的数据位数减少，进而使得所生成的数据存储图中结点数据及边数据的数据位数同样减少，以实现在同样图规模(即图中节点及边的数量不变)的前提下压缩图中所包含的数据量，实现在不损失图的边数和结点数的前提下，增加图遍历过程中图数据在缓存行中的数据排布密集度，提升在单位时间内的图数据读取量，增加图遍历过程中每秒所遍历的边的数量，提升图遍历速度，提升被测终端设备的实际运行性能的检测准确度，同时实现对终端设备中软件优化的性能提升效果的获取。

本申请实施例中还提供了基准测试方法的不同实施方式。

参见图3，图3是本申请实施例提供的一种基准测试方法的流程图二。如图3所示，一种基准测试方法，该方法包括以下步骤：

步骤301，获取模型数据。

该步骤的实施过程与前述实施方式中步骤101的实施过程相同，此处不再赘述。

步骤302，对所述模型数据进行降位处理，降位处理后，所述模型数据中参数的数据位数降低。

该步骤的实施过程与前述实施方式中步骤102的实施过程相同，此处不再赘述。

步骤303，获取所述数据存储图的规模参数。

其中，规模参数用于指示所述多个节点和所述多个边的个数。

具体地，该规模参数，例如包括：

顶点数N，N＝2^SCALE；

边数M，M＝edgefactor*N。

其中，图的顶点数是以2为底数的对数；SCALE代表图的规模范围，可根据实际需要进行赋值；edgefactor为边缘因子，为边数与顶点数之比，可根据实际需要进行赋值。

步骤304，若所述规模参数满足预设的取值条件，则根据所述规模参数和降位处理后的模型数据生成所述数据存储图。

所述数据存储图包括多个结点和用于表示所述多个结点之间的连接关系的多个边。

具体地，在获取到数据存储图的规模参数之后，需要对该规模参数进行取值判断，当该规模参数符合当前终端设备中所能够提供给的存储空间大小时，则认为参数取值符合取值条件，可以基于该规模参数和降位处理后的模型参数生成数据存储图。

其中，作为一可选的实施方式，该根据所述规模参数和降位处理后的模型数据生成所述数据存储图，包括：

根据降位处理后的模型数据确定图生成模型；将所述规模参数输入所述图生成模型中处理，得到与所述多个边和所述多个结点分别对应的随机数；根据所述随机数生成所述数据存储图，所述数据存储图为克罗内克图。

克罗内克图为使用非标准矩阵运算Kronecker积所生成的图。在具体生成数据存储图的过程中，对由所有结点构成的两个矩阵(矩阵中所包含的元素为表示结点的随机数)进行Kronecker积运算，得到克罗内克图，克罗内克图中每个元素赋值为连接对应两个结点的边所对应的随机数。

其中，结合图2所示，该数据存储图的多个结点中每一结点均用一个结点数据进行表示(可以是随机数)，每个结点数据均不同，图中具体用V0、V1、V2及V3代表四个结点。多个边中的每个边亦均用一个边数据进行表示。这里，每个边数据相同，例如边数据为1。如图2中所示，当边数据为1时表明两个结点之间存在连接关系，即两个结点之间存在边；当两个结点之间不存在边时则不对应边数据，此时用0来代替。

这里，边所对应的随机数即为边数据；结点所对应的随机数即为结点数据。

该数据存储图的生成过程，实现基于设置好的结点数和边数，分别生成用于表示各结点的随机数及用于表示各结点间的连接关系(即边)的随机数，基于该些随机数，实现数据存储图的构建。

步骤305，若所述规模参数不满足所述取值条件，则对所述规模参数进行更新，以使得更新后的规模参数满足所述取值条件，并根据更新后的规模参数和降位处理后的模型数据生成所述数据存储图。

具体地，在获取到数据存储图的规模参数之后，需要对该规模参数进行取值判断，当该规模参数不符合当前终端设备中所能够提供给的存储空间大小时，则认为不符合取值条件，此时需要对该规模参数进行调整，调整后的规模参数需满足该取值条件。

相对应的，根据更新后的规模参数和降位处理后的模型数据生成所述数据存储图，包括：

根据降位处理后的模型数据确定图生成模型；将更新后的规模参数输入所述图生成模型中处理，得到与所述多个边和所述多个结点分别对应的随机数；根据所述随机数生成所述数据存储图，所述数据存储图为克罗内克图。

该过程与前述根据规模参数和降位处理后的模型数据生成数据存储图的处理过程相同，此处不再赘述。

步骤306，对所述数据存储图进行图遍历，获得单位时间内完成数据访问的边数。

该步骤的实施过程与前述实施方式中步骤104的实施过程相同，此处不再赘述。

本申请实施例中，通过对获取的模型数据进行降位处理，根据降位处理后的模型数据生成数据存储图，并对数据存储图进行图遍历，将单位时间内完成数据访问的边数进行输出，以完成对终端设备中实际运行性能的基准测试。该过程中，通过对模型数据的降位处理，使模型数据中所包含参数的数据位数减少，进而使得所生成的数据存储图中结点数据及边数据的数据位数同样减少，以实现在同样图规模(即图中节点及边的数量不变)的前提下压缩图中所包含的数据量，实现在不损失图的边数和结点数的前提下，增加图遍历过程中图数据在缓存行中的数据排布密集度，提升在单位时间内的图数据读取量，增加图遍历过程中每秒所遍历的边的数量，提升图遍历速度，提升被测终端设备的实际运行性能的检测准确度，同时实现对终端设备中软件优化的性能提升效果的获取。

参见图4，图4是本申请实施例提供的一种基准测试***的结构图，为了便于说明，仅示出了与本申请实施例相关的部分。

所述基准测试***400包括：

获取模块401，用于获取模型数据；

数据处理模块402，用于对所述模型数据进行降位处理，降位处理后，所述模型数据中参数的数据位数降低；

生成模块403，用于根据降位处理后的模型数据生成数据存储图，所述数据存储图包括多个结点和用于表示所述多个结点之间的连接关系的多个边；

图遍历模块404，用于对所述数据存储图进行图遍历，获得单位时间内完成数据访问的边数。

其中，所述数据处理模块402具体用于：根据所述模型数据的数据类型，对所述模型数据进行压缩。

其中，该测试***还包括：

参数获取模块，用于获取所述数据存储图的规模参数，所述规模参数用于指示所述多个节点和所述多个边的个数；

若所述规模参数满足预设的取值条件，则生成模块403，包括：第一生成子模块，用于根据所述规模参数和降位处理后的模型数据生成所述数据存储图。

其中，该第一生成子模块具体用于：

根据降位处理后的模型数据确定图生成模型；将所述规模参数输入所述图生成模型中处理，得到与所述多个边和所述多个结点分别对应的随机数；根据所述随机数生成所述数据存储图，所述数据存储图为克罗内克图。

其中，该测试装置还包括：

更新模块，用于若所述规模参数不满足所述取值条件，则对所述规模参数进行更新，以使得更新后的规模参数满足所述取值条件；；

相应的，所述生成模块403，包括：第二生成子模块，用于根据更新后的规模参数和降位处理后的模型数据生成所述数据存储图。

其中，该第二生成子模块，具体用于：

根据降位处理后的模型数据确定图生成模型；

将更新后的规模参数输入所述图生成模型中处理，得到与所述多个边和所述多个结点分别对应的随机数；

根据所述随机数生成所述数据存储图，所述数据存储图为克罗内克图。

本申请实施例提供的基准测试***能够实现上述基准测试方法的实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

图5是本申请实施例提供的一种终端设备的结构图。如该图所示，该实施例的终端设备5包括：至少一个处理器50(图5中仅示出一个)、存储器51以及存储在所述存储器51中并可在所述至少一个处理器50上运行的计算机程序52，所述处理器50执行所述计算机程序52时实现上述任意各个方法实施例中的步骤。

所述终端设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备5可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅仅是终端设备5的示例，并不构成对终端设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器51可以是所述终端设备5的内部存储单元，例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备，例如所述终端设备5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述***中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

在本申请所提供的实施例中，应该理解到，所揭露的***/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的***/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序产品来实现，当计算机程序产品在终端设备上运行时，使得所述终端设备执行时实现可实现上述各个方法实施例中的步骤。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种基准测试方法，应用于终端设备，其特征在于，包括：

获取模型数据；

对所述模型数据进行降位处理，降位处理后，所述模型数据中参数的数据位数降低；

根据降位处理后的所述模型数据生成数据存储图，所述数据存储图包括多个结点和用于表示所述多个结点之间的连接关系的多个边；

对所述数据存储图进行图遍历，获得单位时间内完成数据访问的边数。

2.根据权利要求1所述的基准测试方法，其特征在于，所述对所述模型数据进行降位处理，包括：

根据所述模型数据的数据类型，对所述模型数据进行压缩。

3.根据权利要求1所述的基准测试方法，其特征在于，所述根据降位处理后的所述模型数据生成数据存储图之前，所述基准测试方法还包括：

获取所述数据存储图的规模参数，所述规模参数用于指示所述多个节点和所述多个边的个数；

若所述规模参数满足预设的取值条件，则所述根据降位处理后的所述模型数据生成数据存储图，包括：

根据所述规模参数和降位处理后的所述模型数据生成所述数据存储图。

4.根据权利要求3所述的基准测试方法，其特征在于，所述根据所述规模参数和降位处理后的所述模型数据生成所述数据存储图，包括：

根据降位处理后的所述模型数据确定图生成模型；

将所述规模参数输入所述图生成模型中处理，得到与所述多个边和所述多个结点分别对应的随机数；

根据所述随机数生成所述数据存储图，所述数据存储图为克罗内克图。

5.根据权利要求3所述的基准测试方法，其特征在于，所述获取所述数据存储图的规模参数之后，所述基准测试方法还包括：

若所述规模参数不满足所述取值条件，则对所述规模参数进行更新，以使得更新后的所述规模参数满足所述取值条件；

相应的，所述根据降位处理后的所述模型数据生成数据存储图，包括：

根据更新后的规模参数和降位处理后的所述模型数据生成所述数据存储图。

6.根据权利5所述的基准测试方法，其特征在于，所述根据更新后的规模参数和降位处理后的所述模型数据生成所述数据存储图，包括：

根据降位处理后的所述模型数据确定图生成模型；

将更新后的所述规模参数输入所述图生成模型中处理，得到与所述多个边和所述多个结点分别对应的随机数；

根据所述随机数生成所述数据存储图，所述数据存储图为克罗内克图。

7.一种基准测试***，其特征在于，包括：

获取模块，用于获取模型数据；

数据处理模块，用于对所述模型数据进行降位处理，降位处理后，所述模型数据中参数的数据位数降低；

生成模块，用于根据降位处理后的所述模型数据生成数据存储图，所述数据存储图包括多个结点和用于表示所述多个结点之间的连接关系的多个边；

图遍历模块，用于对所述数据存储图进行图遍历，获得单位时间内完成数据访问的边数。

8.根据权利要求7所述的基准测试***，其特征在于，所述数据处理模块具体用于：

根据所述模型数据的数据类型，对所述模型数据进行压缩。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。

Images