CN112965810B - 一种基于共享网络通道的多内核浏览器数据整合方法 - Google Patents

Abstract

本发明公开了一种基于共享网络通道的多内核浏览器数据整合方法，包括如下步骤：对共享数据进行访问监测；获取得到共享数据的访问值；将访问值Pw与访问阈值相比较；若访问值Pw≥访问阈值，则将该共享数据标记为标记数据；将标记数据通过光纤传输到浏览器；若访问值Pw＜访问阈值，则将该共享数据标记为未标记数据；将未标记数据进行分配传输；选取对应的传输人员将未标记数据通过手机终端发送至浏览器；浏览器接收标记数据和未标记数据，并对标记数据和未标记数据进行数据整合得到整合数据；本发明能够根据访问值对共享数据进行标记分类，从而对共享数据进行分批整合处理；使数据整合更加层次分明，有效提高数据整合效率。

Description

一种基于共享网络通道的多内核浏览器数据整合方法

技术领域

本发明涉及数据整合技术领域，尤其涉及一种基于共享网络通道的多内核浏览器数据整合方法。

背景技术

随着计算机硬件与软件技术的快速发展，数据的使用量与交换量都会出现大幅的攀升，众所周知，现今企业中的信息发展迅速，技术更是日新月异。然而多方面的信息建设以及自然的延续，虽然各自取得相当的效益，却也造成了一座座的信息孤岛，阻碍了进一步的信息运用以及更大的统合效益。为了阻断信息割据，提高信息***的运行效率，数据整合技术成为各个企业所关心的技术。数据整合技术可将各个信息孤岛的数据进行互通，将孤立的信息整合到一起，形成最终企业需要的信息。

现有的数据整合***存在不能对共享数据进行标记，从而对共享数据进行分批整合处理并结合整合值合理选取对应的内核处理器处理的问题，导致数据整合处理效率低。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于共享网络通道的多内核浏览器数据整合方法。本发明通过对共享数据进行访问监测；获取得到共享数据的访问值；若访问值Pw≥访问阈值，则将该共享数据标记为标记数据；将标记数据通过光纤传输到浏览器；若访问值Pw＜访问阈值，则将该共享数据标记为未标记数据；将未标记数据进行分配传输；选取对应的传输人员将未标记数据通过手机终端发送至浏览器；能够根据访问值对共享数据进行标记分类，从而对共享数据进行分批整合处理；使数据整合更加层次分明，有效提高数据整合效率；同时结合无线传输人员的传输距离、传输次数、当天的传输总时长和手机终端的无线值进行分析得到无线传输人员的传配值CS，选取传配值CS最大的初选人员为选中传输人员，能够根据传配值合理选择对应的传输人员进行无线传输，有效提高传输效率；

浏览器内设置有若干个内核处理器；通过对内核处理器的运行信息进行分析，结合内核处理器的实时网络访问速度、实时CPU使用率、CPU总内存、整合总次数和设备值；获取得到内核处理器的整合值；选取整合值最大的内核处理器为目标内核处理器；能够根据整合值合理选择对应的内核处理器进行数据整合，有效提高数据整合效率。

本发明的目的可以通过以下技术方案实现：一种基于共享网络通道的多内核浏览器数据整合方法，包括如下步骤：

步骤一：通过共享网络通道采集各网络平台的共享数据；对共享数据进行访问监测；获取得到共享数据的访问值；

步骤二：将访问值Pw与访问阈值相比较；

若访问值Pw≥访问阈值，则将该共享数据标记为标记数据；将标记数据通过光纤传输到浏览器；

若访问值Pw＜访问阈值，则将该共享数据标记为未标记数据；将未标记数据进行分配传输；选取对应的传输人员将未标记数据通过手机终端发送至浏览器；

步骤三：浏览器接收标记数据和未标记数据，并对标记数据和未标记数据进行数据整合得到整合数据；具体为：

VV1：浏览器内设置有若干个内核处理器；获取若干个内核处理器的运行信息；并对运行信息进行分析，获取得到内核处理器的整合值；

VV2：选取整合值最大的内核处理器为目标内核处理器；目标内核处理器对标记数据/未标记数据进行数据整合得到整合数据；

步骤四：将整合数据传输至云存储设备进行存储。

进一步地，步骤一中对共享数据进行访问监测；获取得到共享数据的访问值；具体步骤为：

S1：当监测到共享数据被访问时，生成访问信号并记录访问信息，所述访问信息包括访问人、访问开始时刻和访问结束时刻；

S2：当接收到访问信号时自动倒计时，倒计时时长为T1时间，T1为预设值；

S3：在倒计时阶段继续对共享数据进行访问监测，若接收到新的访问信号，则倒计时自动归为原值，重新按照T1进行倒计时；否则倒计时归零，停止计时；

S4：获取倒计时阶段对应时间段内的所有访问信息，按照时间信息将访问信息标记为Wi；i＝1，2，…，n；其中i表示第i个访问信息；Wn为最后一个访问信息；

获取到W1的访问开始时刻和Wn的访问结束时刻；并将Wn的访问结束时刻与W1的访问开始时刻进行时间差计算得到访问时长，将访问时长标记为L1；

根据n值得到产生访问信号的次数为n次；

S5：获取到每一个访问信息的访问开始时刻，将相邻的访问开始时刻进行时间差计算得到间隔时长并标记为Gi，Gi＝W(i+1)-Wi；i＝2，…，n-1；

将间隔时长Gi与间隔阈值相比较；

若Gi≤间隔阈值，则将该间隔时长标记为影响间隔时长，统计影响间隔时长出现的次数并标记为C1；将影响间隔时长与间隔阈值进行差值计算得到间隔短值，将所有的间隔短值进行求和获取得到间隔总短值，并标记为C2；

S6：利用公式Pw＝L1×a1+n×a2+C1×a3+C2×a4获取得到共享数据的访问值Pw；其中a1、a2、a3、a4均为比例系数。

进一步地，步骤二中将未标记数据进行分配传输；选取对应的传输人员将未标记数据通过手机终端发送至浏览器；具体分配步骤为：

V1：获取无线传输人员和无线传输人员对应的传输信息；所述传输信息包括手机终端型号、剩余流量、剩余内存和上传速率；

V2：获取未标记数据的数据大小并标记为D1；将剩余内存≥D1的无线传输人员标记为初选人员；

向初选人员的手机终端发送位置获取指令并获取初选人员的实时位置；将初选人员的实时位置与浏览器的位置进行距离差计算获取得到传输距离；并标记为G1；

设定初选人员的传输次数为G2，设定初选人员当天的传输总时长为G3；

G3：对初选人员的传输信息进行无线值分析计算，具体步骤为：

G31：设定每一个手机终端型号均有一个对应的型号等级值，将初选人员的手机终端型号与所有手机终端型号进行匹配获取得到对应的型号等级值并标记为Z1；

G32：将初选人员手机终端的剩余流量标记为Z2；剩余内存标记为Z3；上传速率标记为Z4；

G33：利用公式WX＝Z1×b1+Z2×b2+Z3×b3+Z4×b4获取得到手机终端的无线值WX，其中b1、b2、b3、b4均为比例系数；

G4：将传输距离、传输次数、传输总时长和无线值进行归一化处理并取其数值；

利用公式CS＝1/G1×c1+G2×c2-G3×c3+WX×c4获取得到初选人员的传配值CS，其中c1、c2、c3、c4均为比例系数；

G5：选取传配值CS最大的初选人员为选中传输人员；同时该初选人员的传输次数增加一；

G6：将未标记数据传输至选中传输人员的手机终端，选中传输人员通过手机终端进行无线传输，将未标记数据传输至浏览器；

将手机终端接收到未标记数据的时刻标记为传输开始时刻；将浏览器接收到该未标记数据的时刻标记为传输结束时刻；

将传输结束时刻与传输开始时刻进行时间差计算获取得到选中传输人员的单次传输时长，将选中传输人员当天的所有单次传输时长进行求和得到选中传输人员当天的传输总时长。

进一步地，步骤VV1中获取若干个内核处理器的运行信息；并对运行信息进行分析，具体分析步骤为：

VV11：获取若干个内核处理器的运行信息；所述运行信息包括实时网络访问速度、实时CPU使用率、CPU总内存；

VV12：设定CPU阈值为H1；将实时CPU使用率≤H1的内核处理器标记为初选处理器；

VV13：将初选处理器的实时CPU使用率标记为K1；将初选处理器的实时网络访问速度标记为K2；将初选处理器的CPU总内存标记为K3；

VV14：获取初选处理器的设备值，并标记为K4；

VV15：设定初选处理器当天的整合总次数为K5；

VV16：利用公式ZH＝K1×d1+K2×d2-K3×d3+K4×d4-K5×d5获取得到内核处理器的整合值ZH，其中d1、d2、d3、d4均为比例系数。

进一步地，所述初选处理器的设备值的计算方法为：

Y1：获取初选处理器在***当期时刻前二十天内的吞吐量并进行求和取其均值得到吞吐量均值标记为R1；

Y2：获取初选处理器处理任务失败的次数，并标记为R2；

Y3：设定初选处理器的维修次数为R3；

Y4：获取初选处理器的型号，设定每个内核处理器的型号均有一个对应的预设值；将初选处理器的型号与所有的内核处理器型号进行匹配获取得到对应的预设值并标记为R4；

Y5：利用公式WR＝R1×g1+1/R2×g2+1/R3×g3+R4×g4获取得到初选处理器的设备值WR；其中g1、g2、g3、g4均为比例系数。

本发明的有益效果是：

1、本发明通过对共享数据进行访问监测，当监测到共享数据被访问时，生成访问信号并记录访问信息；当接收到访问信号时自动倒计时，在倒计时阶段继续对共享数据进行访问监测，若接收到新的访问信号，则倒计时自动归为原值，重新按照T1进行倒计时；否则倒计时归零，停止计时；获取倒计时阶段对应时间段内的所有访问信息，计算得到访问时长、访问次数和间隔时长；再结合访问时长、访问次数和间隔时长获取得到共享数据的访问值Pw；将访问值Pw与访问阈值相比较；若访问值Pw≥访问阈值，则将该共享数据标记为标记数据；将标记数据通过光纤传输到浏览器；若访问值Pw＜访问阈值，则将该共享数据标记为未标记数据；将未标记数据进行分配传输；选取对应的传输人员将未标记数据通过手机终端发送至浏览器；能够根据访问值对共享数据进行分类，从而对共享数据进行分批整合处理；使数据整合更加层次分明，有效提高数据整合效率；

2、本发明中选取对应的传输人员将未标记数据通过手机终端发送至浏览器；获取无线传输人员和无线传输人员对应的传输信息，结合无线传输人员的传输距离、传输次数、当天的传输总时长和手机终端的无线值进行分析得到无线传输人员的传配值CS，选取传配值CS最大的初选人员为选中传输人员，选中传输人员通过手机终端进行无线传输，将未标记数据传输至浏览器；能够根据传配值合理选择对应的传输人员进行无线传输，有效提高传输效率；

3、本发明中浏览器接收标记数据和未标记数据，并对标记数据和未标记数据进行数据整合得到整合数据；浏览器内设置有若干个内核处理器；获取若干个内核处理器的运行信息；并对运行信息进行分析，结合内核处理器的实时网络访问速度、实时CPU使用率、CPU总内存、整合总次数和设备值；获取得到内核处理器的整合值；选取整合值最大的内核处理器为目标内核处理器；目标内核处理器对标记数据/未标记数据进行数据整合得到整合数据；将整合数据传输至云存储设备进行存储；能够根据整合值合理选择对应的内核处理器进行数据整合，有效提高数据整合效率。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的原理框图。

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，所描述的实施例仅仅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得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于共享网络通道的多内核浏览器数据整合方法，包括如下步骤：

步骤一：通过共享网络通道采集各网络平台的共享数据；对共享数据进行访问监测；获取得到共享数据的访问值；具体步骤为：

S1：当监测到共享数据被访问时，生成访问信号并记录访问信息，访问信息包括访问人、访问开始时刻和访问结束时刻；

S2：当接收到访问信号时自动倒计时，倒计时时长为T1时间，T1为预设值；例如T1取值30分钟；

S3：在倒计时阶段继续对共享数据进行访问监测，若接收到新的访问信号，则倒计时自动归为原值，重新按照T1进行倒计时；否则倒计时归零，停止计时；

S4：获取倒计时阶段对应时间段内的所有访问信息，按照时间信息将访问信息标记为Wi；i＝1，2，…，n；其中i表示第i个访问信息；Wn为最后一个访问信息；

获取到W1的访问开始时刻和Wn的访问结束时刻；并将Wn的访问结束时刻与W1的访问开始时刻进行时间差计算得到访问时长，将访问时长标记为L1；

根据n值得到产生访问信号的次数为n次；

S5：获取到每一个访问信息的访问开始时刻，将相邻的访问开始时刻进行时间差计算得到间隔时长并标记为Gi，Gi＝W(i+1)-Wi；i＝2，…，n-1；

将间隔时长Gi与间隔阈值相比较；

若Gi≤间隔阈值，则将该间隔时长标记为影响间隔时长，统计影响间隔时长出现的次数并标记为C1；将影响间隔时长与间隔阈值进行差值计算得到间隔短值，将所有的间隔短值进行求和获取得到间隔总短值，并标记为C2；

S6：利用公式Pw＝L1×a1+n×a2+C1×a3+C2×a4获取得到共享数据的访问值Pw；其中a1、a2、a3、a4均为比例系数，例如a1取值0.36，a2取值0.27，a3取值0.51，a4取值0.64；

步骤二：将访问值Pw与访问阈值相比较；

若访问值Pw≥访问阈值，则将该共享数据标记为标记数据；将标记数据通过光纤传输到浏览器；

若访问值Pw＜访问阈值，则将该共享数据标记为未标记数据；将未标记数据进行分配传输；选取对应的传输人员将未标记数据通过手机终端发送至浏览器；具体分配步骤为：

V1：获取无线传输人员和无线传输人员对应的传输信息；传输信息包括手机终端型号、剩余流量、剩余内存和上传速率；

V2：获取未标记数据的数据大小并标记为D1；将剩余内存≥D1的无线传输人员标记为初选人员；

向初选人员的手机终端发送位置获取指令并获取初选人员的实时位置；将初选人员的实时位置与浏览器的位置进行距离差计算获取得到传输距离；并标记为G1；

设定初选人员的传输次数为G2，设定初选人员当天的传输总时长为G3；

G3：对初选人员的传输信息进行无线值分析计算，具体步骤为：

G31：设定每一个手机终端型号均有一个对应的型号等级值，将初选人员的手机终端型号与所有手机终端型号进行匹配获取得到对应的型号等级值并标记为Z1；

G32：将初选人员手机终端的剩余流量标记为Z2；剩余内存标记为Z3；上传速率标记为Z4；

G33：利用公式WX＝Z1×b1+Z2×b2+Z3×b3+Z4×b4获取得到手机终端的无线值WX，其中b1、b2、b3、b4均为比例系数，例如b1取值0.28，b2取值0.47，b3取值0.65，b4取值0.58；

G4：将传输距离、传输次数、传输总时长和无线值进行归一化处理并取其数值；

利用公式CS＝1/G1×c1+G2×c2-G3×c3+WX×c4获取得到初选人员的传配值CS，其中c1、c2、c3、c4均为比例系数，例如c1取值0.41，c2取值0.59，c3取值0.84，c4取值0.91；

G5：选取传配值CS最大的初选人员为选中传输人员；同时该初选人员的传输次数增加一；

G6：将未标记数据传输至选中传输人员的手机终端，选中传输人员通过手机终端进行无线传输，将未标记数据传输至浏览器；

将手机终端接收到未标记数据的时刻标记为传输开始时刻；将浏览器接收到该未标记数据的时刻标记为传输结束时刻；

将传输结束时刻与传输开始时刻进行时间差计算获取得到选中传输人员的单次传输时长，将选中传输人员当天的所有单次传输时长进行求和得到选中传输人员当天的传输总时长；

步骤三：浏览器接收标记数据和未标记数据，并对标记数据和未标记数据进行数据整合得到整合数据；具体为：

VV1：浏览器内设置有若干个内核处理器；获取若干个内核处理器的运行信息；并对运行信息进行分析，获取得到内核处理器的整合值；

VV2：选取整合值最大的内核处理器为目标内核处理器；目标内核处理器对标记数据/未标记数据进行数据整合得到整合数据；

步骤四：将整合数据传输至云存储设备进行存储。

步骤VV1中获取若干个内核处理器的运行信息；并对运行信息进行分析，具体分析步骤为：

VV11：获取若干个内核处理器的运行信息；运行信息包括实时网络访问速度、实时CPU使用率、CPU总内存；

VV12：设定CPU阈值为H1；将实时CPU使用率≤H1的内核处理器标记为初选处理器；

VV13：将初选处理器的实时CPU使用率标记为K1；将初选处理器的实时网络访问速度标记为K2；将初选处理器的CPU总内存标记为K3；

VV14：获取初选处理器的设备值，并标记为K4；

VV15：设定初选处理器当天的整合总次数为K5；

VV16：利用公式ZH＝K1×d1+K2×d2-K3×d3+K4×d4-K5×d5获取得到内核处理器的整合值ZH，其中d1、d2、d3、d4均为比例系数，例如d1取值1.27；d2取值1.47，d3取值0.98，d4取值0.54，d5取值0.77；

初选处理器的设备值的计算方法为：

Y1：获取初选处理器在***当期时刻前二十天内的吞吐量并进行求和取其均值得到吞吐量均值标记为R1；

Y2：获取初选处理器处理任务失败的次数，并标记为R2；

Y3：设定初选处理器的维修次数为R3；

Y4：获取初选处理器的型号，设定每个内核处理器的型号均有一个对应的预设值；将初选处理器的型号与所有的内核处理器型号进行匹配获取得到对应的预设值并标记为R4；

Y5：利用公式WR＝R1×g1+1/R2×g2+1/R3×g3+R4×g4获取得到初选处理器的设备值WR；其中g1、g2、g3、g4均为比例系数；例如g1取值0.84，g2取值0.66，g3取值0.17，g4取值0.48。

本发明的工作原理是：

一种基于共享网络通道的多内核浏览器数据整合方法，在工作时，首先通过共享网络通道采集各网络平台的共享数据，对共享数据进行访问监测，当监测到共享数据被访问时，生成访问信号并记录访问信息；当接收到访问信号时自动倒计时，在倒计时阶段继续对共享数据进行访问监测，若接收到新的访问信号，则倒计时自动归为原值，重新按照T1进行倒计时；否则倒计时归零，停止计时；获取倒计时阶段对应时间段内的所有访问信息，计算得到访问时长、访问次数和间隔时长；再结合访问时长、访问次数和间隔时长获取得到共享数据的访问值Pw；将访问值Pw与访问阈值相比较；若访问值Pw≥访问阈值，则将该共享数据标记为标记数据；将标记数据通过光纤传输到浏览器；若访问值Pw＜访问阈值，则将该共享数据标记为未标记数据；将未标记数据进行分配传输；选取对应的传输人员将未标记数据通过手机终端发送至浏览器；通过对共享数据进行分类，从而对共享数据进行分批整合处理；使数据整合更加层次分明，有效提高数据整合效率；

同时结合无线传输人员的传输距离、传输次数、当天的传输总时长和手机终端的无线值进行分析得到无线传输人员的传配值CS，选取传配值CS最大的初选人员为选中传输人员，选中传输人员通过手机终端进行无线传输，将未标记数据传输至浏览器；能够根据传配值合理选择对应的传输人员进行无线传输，有效提高传输效率；

浏览器接收标记数据和未标记数据，并对标记数据和未标记数据进行数据整合得到整合数据；浏览器内设置有若干个内核处理器；获取若干个内核处理器的运行信息；并对运行信息进行分析，获取得到内核处理器的整合值；选取整合值最大的内核处理器为目标内核处理器；目标内核处理器对标记数据/未标记数据进行数据整合得到整合数据；将整合数据传输至云存储设备进行存储；能够根据整合值合理选择对应的内核处理器进行数据整合，有效提高数据整合效率。

上述公式和比例系数均是由采集大量数据进行软件模拟及相应专家进行参数设置处理，得到与真实结果符合的公式和比例系数。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种基于共享网络通道的多内核浏览器数据整合方法，其特征在于，包括如下步骤：

步骤一：通过共享网络通道采集各网络平台的共享数据；对共享数据进行访问监测；获取得到共享数据的访问值；

步骤二：将访问值Pw与访问阈值相比较；

若访问值Pw≥访问阈值，则将该共享数据标记为标记数据；将标记数据通过光纤传输到浏览器；若访问值Pw＜访问阈值，则将该共享数据标记为未标记数据；将未标记数据进行分配传输；选取对应的传输人员将未标记数据通过手机终端发送至浏览器；具体分配步骤为：

V1：获取无线传输人员和无线传输人员对应的传输信息；所述传输信息包括手机终端型号、剩余流量、剩余内存和上传速率；

V2：获取未标记数据的数据大小并标记为D1；将剩余内存≥D1的无线传输人员标记为初选人员；向初选人员的手机终端发送位置获取指令并获取初选人员的实时位置；将初选人员的实时位置与浏览器的位置进行距离差计算获取得到传输距离；并标记为G1；

设定初选人员的传输次数为G2，设定初选人员当天的传输总时长为G3；

G3：对初选人员的传输信息进行无线值分析计算，具体步骤为：

G31：设定每一个手机终端型号均有一个对应的型号等级值，将初选人员的手机终端型号与所有手机终端型号进行匹配获取得到对应的型号等级值并标记为Z1；

G32：将初选人员手机终端的剩余流量标记为Z2；剩余内存标记为Z3；上传速率标记为Z4；

G33：利用公式WX=Z1×b1+Z2×b2+Z3×b3+Z4×b4获取得到手机终端的无线值WX，其中b1、b2、b3、b4均为比例系数；

G4：利用公式CS=1/G1×c1+G2×c2-G3×c3+WX×c4获取得到初选人员的传配值CS，其中c1、c2、c3、c4均为比例系数；

G5：选取传配值CS最大的初选人员为选中传输人员；同时该初选人员的传输次数增加一；

G6：将未标记数据传输至选中传输人员的手机终端，选中传输人员通过手机终端进行无线传输，将未标记数据传输至浏览器；将手机终端接收到未标记数据的时刻标记为传输开始时刻；将浏览器接收到该未标记数据的时刻标记为传输结束时刻；将传输结束时刻与传输开始时刻进行时间差计算获取得到选中传输人员的单次传输时长，将选中传输人员当天的所有单次传输时长进行求和得到选中传输人员当天的传输总时长；

步骤三：浏览器接收标记数据和未标记数据，并对标记数据和未标记数据进行数据整合得到整合数据；具体为：

VV1：浏览器内设置有若干个内核处理器；获取若干个内核处理器的运行信息；并对运行信息进行分析，获取得到内核处理器的整合值；

VV2：选取整合值最大的内核处理器为目标内核处理器；目标内核处理器对标记数据和未标记数据进行数据整合得到整合数据；

步骤四：将整合数据传输至云存储设备进行存储。

2.根据权利要求1所述的一种基于共享网络通道的多内核浏览器数据整合方法，其特征在于，步骤一中对共享数据进行访问监测；获取得到共享数据的访问值；具体步骤为：

S1：当监测到共享数据被访问时，生成访问信号并记录访问信息，所述访问信息包括访问人、访问开始时刻和访问结束时刻；

S2：当接收到访问信号时自动倒计时，倒计时时长为T1，T1为预设值；

S3：在倒计时阶段继续对共享数据进行访问监测，若接收到新的访问信号，则倒计时自动归为T1，重新按照T1进行倒计时；否则倒计时归零，停止计时；

S4：获取倒计时阶段对应时间段内的所有访问信息，按照时间信息将访问信息标记为Wi；i=1，2，…，n；其中i表示第i个访问信息；Wn为最后一个访问信息；获取到W1的访问开始时刻和Wn的访问结束时刻；并将Wn的访问结束时刻与W1的访问开始时刻进行时间差计算得到访问时长，将访问时长标记为L1；根据n值得到产生访问信号的次数为n次；

S5：获取到每一个访问信息的访问开始时刻，将相邻的访问开始时刻进行时间差计算得到间隔时长并标记为Gi，Gi=W(i+1)-Wi；i=2，…，n-1；

将间隔时长Gi与间隔阈值相比较；

若Gi≤间隔阈值，则将该间隔时长标记为影响间隔时长，统计影响间隔时长出现的次数并标记为C1；将影响间隔时长与间隔阈值进行差值计算得到间隔短值，将所有的间隔短值进行求和获取得到间隔总短值，并标记为C2；

S6：利用公式Pw=L1×a1+n×a2+C1×a3+C2×a4获取得到共享数据的访问值Pw；其中a1、a2、a3、a4均为比例系数。

3.根据权利要求1所述的一种基于共享网络通道的多内核浏览器数据整合方法，其特征在于，步骤VV1中获取若干个内核处理器的运行信息；并对运行信息进行分析，具体分析步骤为：

VV11：获取若干个内核处理器的运行信息；所述运行信息包括实时网络访问速度、实时CPU使用率、CPU总内存；

VV12：设定CPU阈值为H1；将实时CPU使用率≤H1的内核处理器标记为初选处理器；

VV13：将初选处理器的实时CPU使用率标记为K1；将初选处理器的实时网络访问速度标记为K2；将初选处理器的CPU总内存标记为K3；

VV14：获取初选处理器的设备值，并标记为K4；

VV15：设定初选处理器当天的整合总次数为K5；

VV16：利用公式ZH=K1×d1+K2×d2-K3×d3+K4×d4-K5×d5获取得到内核处理器的整合值ZH，其中d1、d2、d3、d4均为比例系数。

4.根据权利要求3所述的一种基于共享网络通道的多内核浏览器数据整合方法，其特征在于，所述初选处理器的设备值的计算方法为：

Y1：获取初选处理器在***当期时刻前二十天内的吞吐量并进行求和取其均值得到吞吐量均值标记为R1；

Y2：获取初选处理器处理任务失败的次数，并标记为R2；

Y3：设定初选处理器的维修次数为R3；

Y4：获取初选处理器的型号，设定每个内核处理器的型号均有一个对应的预设值；将初选处理器的型号与所有的内核处理器型号进行匹配获取得到对应的预设值并标记为R4；

Y5：利用公式WR=R1×g1+1/R2×g2+1/R3×g3+R4×g4获取得到初选处理器的设备值WR；其中g1、g2、g3、g4均为比例系数。

Images