CN116431454A - 一种大数据的计算机性能控制***及方法 - Google Patents
一种大数据的计算机性能控制***及方法 Download PDFInfo
- Publication number
- CN116431454A CN116431454A CN202310405101.6A CN202310405101A CN116431454A CN 116431454 A CN116431454 A CN 116431454A CN 202310405101 A CN202310405101 A CN 202310405101A CN 116431454 A CN116431454 A CN 116431454A
- Authority
- CN
- China
- Prior art keywords
- computer
- performance
- hardware
- computer hardware
- user
- 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
- 238000000034 method Methods 0.000 title claims description 41
- 230000002441 reversible effect Effects 0.000 claims abstract description 35
- 230000002427 irreversible effect Effects 0.000 claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 133
- 238000004458 analytical method Methods 0.000 claims description 50
- 238000013500 data storage Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- FESBVLZDDCQLFY-UHFFFAOYSA-N sete Chemical compound [Te]=[Se] FESBVLZDDCQLFY-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机性能控制技术领域。具体为一种大数据的计算机性能控制***及方法,所述计算机性能控制***包括数据采集模块、数据分析模块、雷达模型搭建模块和告警提醒模块;所述数据采集模块是对用户的行为以及计算机硬件初始运行性能的数据信息进行采集并且存储到数据库中;所述数据分析模块对用户的行为、计算机运行性能以及计算机硬件运行性能进行分析;所述雷达模型搭建模块是针对用户的行为数据对计算机硬件运行性能的影响搭建雷达模型;所述告警提醒模块是在计算机硬件受损程度可逆时,对用户进行提醒;当计算机硬件运行受损程度不可逆时,进行告警。本发明根据用户行为数据能够快速的对影响计算机运行性能的硬件进行定位。
Description
技术领域
本发明涉及计算机性能控制技术领域,具体为一种大数据的计算机性能控制***及方法。
背景技术
计算机性能是指用于衡量计算机***性能的指标。随着计算机的普及和发展,人们的生活和工作中对计算机的应用越来越广泛。计算机的应用给人们的工作和生活带来了较大的方便,但是随着使用时间的增长,计算机运行速度受到了很多因素的影响,计算机的运行速度逐渐变慢,对人们的生产工作造成了一定的影响,对计算机的使用效率和使用质量也造成了影响。
在现有的技术下,当计算机运行性能下降时,需要对计算机硬件进行依次检查排除并且在检测到影响计算机运行性能的硬件时无法判断是硬件中零件出现故障或者是其他可逆因素导致计算机运行性能下降的原因,无法精准定位具体是哪个硬件影响到计算机的运行性能以及无法判断影响计算机运行性能是否可逆。
发明内容
本发明的目的在于提供一种大数据的计算机性能控制***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种大数据的计算机性能控制方法,所述计算机性能控制方法具体包括以下步骤:
S100、通过计算机***日志获取到影响计算机运行速度的硬件运行情况,根据所述硬件运行情况对计算机当前的运行性能以及初始运行性能进行分析,与初始的运行性能相比判断当前计算机运行性能是否存在下降的情况;
S200、当计算机运行性能出现下降情况时对***日志文件中记载的用户行为数据进行采集,通过对所述用户行为数据进行分析得到在计算机在运行过程中用户产生的行为数据对计算机硬件运行性能产生的受损程度;
S300、根据计算机硬件运行性能受损程度分析判断得到影响计算机运行速度的硬件,判断计算机硬件运行性能受损程度是否可逆,当计算机硬件运行性能受损程度可逆时,对用户进行提醒;当计算机硬件运行性能受损程度不可逆时,对终端设备进行告警提醒。
进一步的,所述S100中判断计算机运行性能是否下降的具体方法如下:
S101、通过计算机***日志获取到影响计算机运行速度的硬件初始运行性能为xn,根据所述硬件初始运行性能从小到大进行排序,选取运行性能最小的计算机硬件β,从计算机中任意选择的一个程序进行执行,根据公式:
能够得到计算机执行所述任意选择的一个程序所需要花费的时间,其中Ui表示计算机在执行任意选择的一个程序中的第i个指令,由于计算机的运行速度受计算机硬件性能最低的影响,所以tn’i表示为性能最低的计算机硬件运行程序的第i个指令所需要的时间,一个程序执行的时间与该程序中的指令数量以及每一条指令的执行时间有关;xn表示为第n个影响计算机运行速度的硬件初始运行性能;n=1,2,3,、、、,N,N为常数,i=1,2,3,、、、,I,I为常数,β∈n;根据公式:
能够得到计算机的初始运行性能,其中计算机运行性能与计算机在执行程序时单位时间内指令执行完成的数量相对应,当计算机在单位时间内指令执行完成的数量越多说明该计算机的运行性能越好,当计算机在单位时间内指令执行完成的数量越少说明该计算机的运行性能越差;
S102、当前计算机对所述任意选择的一个程序运行并且在计算机开始运行程序进行计时直到所述任意选择的一个程序运行结束的时间为t2,所以根据公式:
能够得到计算机的当前运行性能,通过将计算机的当前运行性能与初始运行性能进行对比判断计算机的运行性能是否存在下降的情况;当0<|P2-P1|<S时,说明计算机不存在运行性能下降的情况;当|P2-P1|>S时,说明计算机存在运行性能下降的情况,由于是将计算机的初始运行性能与当前运行性能进行比较,计算机在使用一段时间后会存在一些其他的因素影响计算机的运行性能,如:计算机剩余的内存容量等,会导致计算机当前的运行性能计算时存在一定的误差;其中S为常数。
进一步的,所述S200中对用户的行为数据进行分析的具体方法如下:
S201、当计算机存在运行性能下降的情况时,通过大数据获取能够对计算机硬件运行性能产生影响的用户行为,并且根据所述对计算机硬件运行性能产生影响的用户行为建立标准多维雷达模型,所述标准多维雷达模型以雷达模型中心为极点建立极坐标系,其中标准多维雷达模型是通过大数据建立的一个能够影响计算机硬件运行性能的用户行为的多维雷达图形,其中能够影响计算机运行性能的用户行为如:打开不必要的应用程序、计算机长时间处于开机状态、将计算机处于多灰尘且高温的环境下等等;按照标准多维雷达模型的中点和极径以及边框将标准多维雷达模型平均分成面积为Sn个三角形,其中三角形的个数根据标准多维雷达模型的维数即受用户行为影响的计算机硬件运行性能的个数确定;其中n=1,2,3,、、、,N,N为常数;
S202、用户行为数据采集单元采集所述计算机的用户行为数据为集合E={E1、E2、E3、、、EN},其中采集计算机的用户行为数据需要与根据大数据采集的用户行为数据的数量相对应以便于后续对影响计算机硬件运行性能的用户行为数据进行分析,通过行为数据雷达搭建单元能够得到所述计算机的用户行为数据在标准多维雷达模型中对应的极径集合为L={L1、L2、L3、、、LN},极角集合为Q={Q1、Q2、Q3、、、QN},所述计算机的用户行为数据在标准多维雷达模型中的坐标集合为(L,Q)={(L1,Q1)、(L2,Q2)、(L3,Q3)、、、(LN,QN)};
S203、通过公式:通过公式:当n<N时,Sn’=0.5*Ln*Ln+1*sinQn;当n=N时,Sn’=0.5*LN*L1*sinQn;计算的得到所述计算机的用户行为数据在标准多维雷达Sn个三角形中的占据面积;当所述计算机的用户行为数据在标准多维雷达Sn个三角形中任意一个三角形的占据面积超过设定的阈值时,说明存在用户行为影响了计算机任意一个硬件的运行性能。
进一步的,所述S200中用户的行为数据对计算机硬件运行性能产生的受损程度进行分析的具体方法如下:当存在用户行为影响了计算机任意硬件的运行速度时,通过影响计算机硬件运行性能的用户行为数据在标准多维雷达模型中的面积占比:Fn=k1*Sn’/Sn,能够计算得到计算机的用户行为数据对计算机任意一个硬件运行性能产生的受损程度,其中k1为计算机硬件运行性能受损程度与计算机的用户行为在标准多维雷达模型中的面积占比的系数;由于是对计算机硬件受损程度进行分析,所以用户的行为必须影响到计算机任意一个硬件的运行性能,Fr必定大于设定的阈值。
进一步的,所述S300中判断计算机硬件运行性能受损程度是否可逆的具体方法如下:
S301、根据计算机硬件运行性能受损程度Fn以及计算机硬件初始的运行性能xn,通过公式:xn’=xn/Fn,计算得到计算机硬件当前的运行性能,对所述计算机硬件当前的运行性能由小到大依次进行排序,由于计算机的运行速度受计算机硬件性能最低的影响能够得到当前影响计算机运行性能的硬件为μ,其中μ∈n;
S302、通过计算机硬件受损可逆分析单元对计算机硬件μ的零件故障进行检测,当计算机硬件μ的零件出现故障时,说明计算机硬件μ运行受损程度不可逆,需要对用户终端进行告警,提醒用户对该硬件进行检修更换;当计算机硬件μ的零件没有出现故障时,说明计算机硬件μ运行受损程度可逆,提醒用户进行内存清理或者***升级等相应能够提高该硬件运行性能的操作。
一种大数据的计算机性能控制***,所述计算机性能控制***包括数据采集模块、数据分析模块、雷达模型搭建模块和告警提醒模块;所述数据采集模块是对用户的行为以及计算机硬件初始运行性能的数据信息进行采集并且存储到数据库中;所述数据分析模块对用户的行为、计算机运行性能以及计算机硬件运行性能进行分析;所述雷达模型搭建模块是针对用户的行为数据对计算机硬件运行性能的影响搭建雷达模型并且通过雷达模型以及计算机运行性能能够分析出计算机硬件运行受损程度;所述告警提醒模块是在计算机硬件受损程度可逆时,对用户进行提醒;当计算机硬件运行受损程度不可逆时,对用户进行告警,提醒用户及时对影响计算机运行性能的硬件进行检修更换;所述数据采集模块的输出端与数据分析模块的输入端连接。
进一步的,所述数据采集模块包括数据存储单元、用户行为数据采集单元和计算机硬件初始运行性能采集单元;所述用户行为数据采集单元的输出端与行为数据雷达搭建单元的输入端连接;所述计算机硬件初始运行性能采集单元的输出端与计算机运行性能分析单元的输入端连接;所述数据存储单元是对采集的用户行为以及计算机硬件初始运行性能的数据进行存储;所述用户行为数据采集单元是对用户产生的行为数据进行采集,根据用户产生的行为数据以及大数据中的数据信息能够分析用户的行为对计算机硬件运行性能产生的影响;所述计算机硬件初始运行性能采集单元是对计算机硬件的初始运行性能进行采集,通过对计算机硬件的初始性能进行采集能够分析出计算机的运行性能是否存在下降的情况。
进一步的,所述数据分析模块包括计算机运行性能分析单元、计算机硬件运行性能分析单元和用户行为分析单元;所述用户行为分析单元的输出端与行为数据雷达搭建单元的输入端连接;所述计算机运行性能分析单元是根据计算机硬件初始运行性能的数据信息以及计算机在运行任意一个程序时所需要的时间分析出计算机的运行性能;所述计算机硬件运行性能分析单元是对计算机硬件当前的运行性能进行分析,因为计算机运行性能受性能最低的硬件影响,所以需要判断出当前影响计算机运行性能的硬件,对硬件进行检修更换;所述用户行为分析单元是在采集到用户行为数据进行转换使得对计算机硬件运行性能产生影响的用户行为能够搭建成多维雷达模型。
进一步的,所述雷达模型搭建模块包括行为数据雷达搭建单元和计算机硬件运行性能受损程度分析单元;所述计算机硬件运行受损程度分析单元的输出端与计算机硬件运行受损可逆分析单元的输入端连接;所述行为数据雷达搭建单元是根据大数据中的行为数据以及用户的行为数据搭建标准多维雷达模型和多维雷达模型;所述计算机硬件运行受损程度分析单元是对计算机硬件运行的受损程度进行分析,通过计算机的用户行为数据在标准多维雷达Sn个三角形中任意一个三角形的占据面积分析得到。
进一步的,所述告警提醒模块包括计算机硬件运行受损可逆分析单元和告警提醒单元;所述计算机硬件运行受损可逆分析单元的输出端与告警提醒单元的输入端连接;所述计算机硬件运行受损可逆分析单元是对计算机硬件中的零件故障进行检测,当计算机硬件中的零件出现故障,计算机硬件运行受损程度是不可逆的;当计算机硬件中的零件没有出现故障,计算机硬件运行受损程度是可逆的;所述告警提醒单元是在计算机硬件运行受损程度不可逆时对用户终端进行告警。
与现有技术相比,本发明所达到的有益效果是:本发明通过对影响计算机运行性能的硬件进行分析能够精准对影响计算机运行性能的硬件进行定位并且对计算机硬件运行受损程度进行分析给出告警提醒,及时提醒用户对影响计算机运行性能的硬件进行检修更换等操作。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是一种大数据的计算机性能控制***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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本发明提供技术方案:一种大数据的计算机性能控制方法,所述计算机性能控制方法具体包括以下步骤:
S100、通过计算机***日志获取到影响计算机运行速度的硬件运行情况,根据所述硬件运行情况对计算机当前的运行性能以及初始运行性能进行分析,与初始的运行性能相比判断当前计算机运行性能是否存在下降的情况;
S200、当计算机运行性能出现下降情况时对***日志文件中记载的用户行为数据进行采集,通过对所述用户行为数据进行分析得到在计算机在运行过程中用户产生的行为数据对计算机硬件运行性能产生的受损程度;
S300、根据计算机硬件运行性能受损程度分析判断得到影响计算机运行速度的硬件,判断计算机硬件运行性能受损程度是否可逆,当计算机硬件运行性能受损程度可逆时,对用户进行提醒;当计算机硬件运行性能受损程度不可逆时,对终端设备进行告警提醒。
进一步的,所述S100中判断计算机运行性能是否下降的具体方法如下:
S101、通过计算机***日志获取到影响计算机运行速度的硬件初始运行性能分别为{10、14、12、9、11、8},根据所述硬件初始运行性能从小到大进行排序,选取运行性能最小的计算机硬件β为第六个计算机硬件,从计算机中任意选择的一个程序进行执行,其中计算机任意选择的一个程序中一共有20个指令,根据公式:
能够得到计算机执行所述任意选择的一个程序所需要花费的时间,其中Ui表示计算机在执行任意选择的一个程序中的第i个指令,,由于计算机的运行速度受计算机硬件性能最低的影响,所以tn’i表示为性能最低的计算机硬件运行程序的第i个指令所需要的时间,一个程序执行的时间与该程序中的指令数量以及每一条指令的执行时间有关;xn表示为第n个影响计算机运行速度的硬件初始运行性能;n=1,2,3,、、、,N,N为常数,i=1,2,3,、、、,I,I为常数,β∈n;根据公式:
能够得到计算机的初始运行性能,其中计算机运行性能与计算机在执行程序时单位时间内指令执行完成的数量相对应,当计算机在单位时间内指令执行完成的数量越多说明该计算机的运行性能越好,当计算机在单位时间内指令执行完成的数量越少说明该计算机的运行性能越差;
S102、当前计算机对所述任意选择的一个程序运行并且在计算机开始运行程序进行计时直到所述任意选择的一个程序运行结束的时间为t2=40,所以根据公式:
能够得到计算机的当前运行性能,通过将计算机的当前运行性能与初始运行性能进行对比判断计算机的运行性能是否存在下降的情况;当|P2-P1|=1.5>S=0.75时,说明计算机存在运行性能下降的情况,由于是将计算机的初始运行性能与当前运行性能进行比较,计算机在使用一段时间后会存在一些其他的因素影响计算机的运行性能,如:计算机剩余的内存容量等,会导致计算机当前的运行性能计算时存在一定的误差。
进一步的,所述S200中对用户的行为数据进行分析的具体方法如下:
S201、当计算机存在运行性能下降的情况时,通过大数据获取能够对计算机硬件运行性能产生影响的用户行为,并且根据所述对计算机硬件运行性能产生影响的用户行为建立标准多维雷达模型,所述标准多维雷达模型以雷达模型中心为极点建立极坐标系,其中标准多维雷达模型是通过大数据建立的一个能够影响计算机硬件运行性能的用户行为的多维雷达图形,其中能够影响计算机运行性能的用户行为如:打开不必要的应用程序、计算机长时间处于开机状态、将计算机处于多灰尘且高温的环境下等等;按照标准多维雷达模型的中点和极径以及边框将标准多维雷达模型平均分成面积为2的6个三角形,其中三角形的个数根据标准多维雷达模型的维数即受用户行为影响的计算机硬件运行性能的个数确定;
S202、用户行为数据采集单元采集所述计算机的用户行为数据为集合E={E1、E2、E3、、、E6},其中采集计算机的用户行为数据需要与根据大数据采集的用户行为数据的数量相对应以便于后续对影响计算机硬件运行性能的用户行为数据进行分析,通过行为数据雷达搭建单元能够得到所述计算机的用户行为数据在标准多维雷达模型中对应的极径集合为L={L1、L2、L3、、、L6},极角集合为Q={Q1、Q2、Q3、、、Q6},所述计算机的用户行为数据在标准多维雷达模型中的坐标集合为(L,Q)={(L1,Q1)、(L2,Q2)、(L3,Q3)、、、(L6,Q6)};
S203、通过公式:当n<N时,Sn’=0.5*Ln*Ln+1*sinQn;当n=N时,Sn’=0.5*LN*L1*sinQn;计算的得到所述计算机的用户行为数据在标准多维雷达Sn个三角形中的占据面积为{1、1.5、1.8、1.2、0.4、0.8;当所述计算机的用户行为数据在标准多维雷达Sn个三角形中任意一个三角形的占据面积超过1时,说明存在用户行为影响了计算机任意一个硬件的运行性能。
进一步的,所述S200中用户的行为数据对计算机硬件运行性能产生的受损程度进行分析的具体方法如下:当存在用户行为影响了计算机任意硬件的运行速度时,通过影响计算机硬件运行性能的用户行为数据在标准多维雷达模型中的面积占比:Fn=k1*Sn’/Sn,能够计算得到计算机的用户行为数据对计算机的第二、四、五个硬件运行性能产生的受损程度为{1.89、2.25、1.5},其中k1=2.5;
进一步的,所述S300中判断计算机硬件运行性能受损程度是否可逆的具体方法如下:
S301、根据计算机硬件运行性能受损程度Fn以及计算机硬件初始的运行性能xn,通过公式:xn’=xn/Fn,计算得到计算机硬件当前的运行性能为{10、7.41、12、4、7.3、8},对所述计算机硬件当前的运行性能由小到大依次进行排序,由于计算机的运行速度受计算机硬件性能最低的影响能够得到当前影响计算机运行性能的硬件为第四个硬件;
S302、通过计算机硬件受损可逆分析单元对计算机硬件μ的零件故障进行检测,当计算机硬件μ的零件出现故障时,说明计算机硬件μ运行受损程度不可逆,需要对用户终端进行告警,提醒用户对该硬件进行检修更换;当计算机硬件μ的零件没有出现故障时,说明计算机硬件μ运行受损程度可逆,提醒用户进行内存清理或者***升级等相应能够提高该硬件运行性能的操作。
一种大数据的计算机性能控制***,所述计算机性能控制***包括数据采集模块、数据分析模块、雷达模型搭建模块和告警提醒模块;所述数据采集模块是对用户的行为以及计算机硬件初始运行性能的数据信息进行采集并且存储到数据库中;所述数据分析模块对用户的行为、计算机运行性能以及计算机硬件运行性能进行分析;所述雷达模型搭建模块是针对用户的行为数据对计算机硬件运行性能的影响搭建雷达模型并且通过雷达模型以及计算机运行性能能够分析出计算机硬件运行受损程度;所述告警提醒模块是在计算机硬件受损程度可逆时,对用户进行提醒;当计算机硬件运行受损程度不可逆时,对用户进行告警,提醒用户及时对影响计算机运行性能的硬件进行检修更换;所述数据采集模块的输出端与数据分析模块的输入端连接。
进一步的,所述数据采集模块包括数据存储单元、用户行为数据采集单元和计算机硬件初始运行性能采集单元;所述用户行为数据采集单元的输出端与行为数据雷达搭建单元的输入端连接;所述计算机硬件初始运行性能采集单元的输出端与计算机运行性能分析单元的输入端连接;所述数据存储单元是对采集的用户行为以及计算机硬件初始运行性能的数据进行存储;所述用户行为数据采集单元是对用户产生的行为数据进行采集,根据用户产生的行为数据以及大数据中的数据信息能够分析用户的行为对计算机硬件运行性能产生的影响;所述计算机硬件初始运行性能采集单元是对计算机硬件的初始运行性能进行采集,通过对计算机硬件的初始性能进行采集能够分析出计算机的运行性能是否存在下降的情况。
进一步的,所述数据分析模块包括计算机运行性能分析单元、计算机硬件运行性能分析单元和用户行为分析单元;所述用户行为分析单元的输出端与行为数据雷达搭建单元的输入端连接;所述计算机运行性能分析单元是根据计算机硬件初始运行性能的数据信息以及计算机在运行任意一个程序时所需要的时间分析出计算机的运行性能;所述计算机硬件运行性能分析单元是对计算机硬件当前的运行性能进行分析,因为计算机运行性能受性能最低的硬件影响,所以需要判断出当前影响计算机运行性能的硬件,对硬件进行检修更换;所述用户行为分析单元是在采集到用户行为数据进行转换使得对计算机硬件运行性能产生影响的用户行为能够搭建成多维雷达模型。
进一步的,所述雷达模型搭建模块包括行为数据雷达搭建单元和计算机硬件运行性能受损程度分析单元;所述计算机硬件运行受损程度分析单元的输出端与计算机硬件运行受损可逆分析单元的输入端连接;所述行为数据雷达搭建单元是根据大数据中的行为数据以及用户的行为数据搭建标准多维雷达模型和多维雷达模型;所述计算机硬件运行受损程度分析单元是对计算机硬件运行的受损程度进行分析,通过计算机的用户行为数据在标准多维雷达Sn个三角形中任意一个三角形的占据面积分析得到。
进一步的,所述告警提醒模块包括计算机硬件运行受损可逆分析单元和告警提醒单元;所述计算机硬件运行受损可逆分析单元的输出端与告警提醒单元的输入端连接;所述计算机硬件运行受损可逆分析单元是对计算机硬件中的零件故障进行检测,当计算机硬件中的零件出现故障,计算机硬件运行受损程度是不可逆的;当计算机硬件中的零件没有出现故障,计算机硬件运行受损程度是可逆的;所述告警提醒单元是在计算机硬件运行受损程度不可逆时对用户终端进行告警。
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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种大数据的计算机性能控制方法,其特征在于:所述计算机性能控制方法具体包括以下步骤:
S100、通过计算机***日志获取到影响计算机运行速度的硬件运行情况,根据所述硬件运行情况对计算机当前的运行性能以及初始运行性能进行分析,与初始的运行性能相比判断当前计算机运行性能是否存在下降的情况;
S200、当计算机运行性能出现下降情况时对***日志文件中记载的用户行为数据进行采集,通过对所述用户行为数据进行分析得到在计算机在运行过程中用户产生的行为数据对计算机硬件运行性能产生的受损程度;
S300、根据计算机硬件运行性能受损程度分析判断得到影响计算机运行速度的硬件,判断计算机硬件运行性能受损程度是否可逆,当计算机硬件运行性能受损程度可逆时,对用户进行提醒;当计算机硬件运行性能受损程度不可逆时,对终端设备进行告警提醒。
2.根据权利要求1所述的一种大数据的计算机性能控制方法,其特征在于:所述S100中判断计算机运行性能是否下降的具体方法如下:
S101、通过计算机***日志获取到影响计算机运行速度的硬件初始运行性能为xn,根据所述硬件初始运行性能从小到大进行排序,选取运行性能最小的计算机硬件β,从计算机中任意选择的一个程序进行执行,根据公式:
能够得到计算机执行所述任意选择的一个程序所需要花费的时间,其中Ui表示计算机在执行任意选择的一个程序中的第i个指令,tn’i表示为性能最低的计算机硬件运行程序的第i个指令所需要的时间,xn表示为第n个影响计算机运行速度的硬件初始运行性能;n=1,2,3,、、、,N,N为常数,i=1,2,3,、、、,I,I为常数,β∈n;根据公式:
能够得到计算机的初始运行性能;
S102、当前计算机对所述任意选择的一个程序运行并且在计算机开始运行程序进行计时直到所述任意选择的一个程序运行结束的时间为t2,所以根据公式:
能够得到计算机的当前运行性能,通过将计算机的当前运行性能与初始运行性能进行对比判断计算机的运行性能是否存在下降的情况;当0<|P2-P1|<S时,说明计算机不存在运行性能下降的情况;当|P2-P1|>S时,说明计算机存在运行性能下降的情况;其中S为常数。
3.根据权利要求2所述的一种大数据的计算机性能控制方法,其特征在于:所述S200中对用户的行为数据进行分析的具体方法如下:
S201、当计算机存在运行性能下降的情况时,通过大数据获取能够对计算机硬件运行性能产生影响的用户行为,并且根据所述对计算机硬件运行性能产生影响的用户行为建立标准多维雷达模型,所述标准多维雷达模型以雷达模型中心为极点建立极坐标系;按照标准多维雷达模型的中点和极径以及边框将标准多维雷达模型平均分成面积为Sn个三角形;
S202、用户行为数据采集单元采集所述计算机的用户行为数据为集合E={E1、E2、E3、、、EN},通过行为数据雷达搭建单元能够得到所述计算机的用户行为数据在标准多维雷达模型中对应的极径集合为L={L1、L2、L3、、、LN},极角集合为Q={Q1、Q2、Q3、、、QN},所述计算机的用户行为数据在标准多维雷达模型中的坐标集合为(L,Q)={(L1,Q1)、(L2,Q2)、(L3,Q3)、、、(LN,QN)};
S203、通过公式:当n<N时,Sn’=0.5*Ln*Ln+1*sinQn;当n=N时,Sn’=0.5*LN*L1*sinQn;计算的得到所述计算机的用户行为数据在标准多维雷达Sn个三角形中的占据面积;当n=N时,n+1=1;当所述计算机的用户行为数据在标准多维雷达Sn个三角形中任意一个三角形的占据面积超过设定的阈值时,存在用户行为影响了计算机任意一个硬件的运行性能。
4.根据权利要求3所述的一种大数据的计算机性能控制方法,其特征在于:所述S200中用户的行为数据对计算机硬件运行性能产生的受损程度进行分析的具体方法如下:当存在用户行为影响了计算机任意硬件的运行速度时,通过影响计算机硬件运行性能的用户行为数据在标准多维雷达模型中的面积占比:Fn=k1*Sn’/Sn,能够计算得到计算机的用户行为数据对计算机任意一个硬件运行性能产生的受损程度,其中k1为计算机硬件运行性能受损程度与计算机的用户行为在标准多维雷达模型中的面积占比的系数。
5.根据权利要求4所述的一种大数据的计算机性能控制方法,其特征在于:所述S300中判断计算机硬件运行性能受损程度是否可逆的具体方法如下:
S301、根据计算机硬件运行性能受损程度Fn以及计算机硬件初始的运行性能xn,通过公式:xn’=xn/Fn,计算得到计算机硬件当前的运行性能,对所述计算机硬件当前的运行性能由小到大依次进行排序,能够得到当前影响计算机运行性能的硬件为μ,其中μ∈n;
S302、通过计算机硬件受损可逆分析单元对计算机硬件μ的零件故障进行检测,当计算机硬件μ的零件出现故障时,计算机硬件μ运行受损程度不可逆,进行告警;当计算机硬件μ的零件没有出现故障时,计算机硬件μ运行受损程度可逆。
6.一种应用权利要求1-5中任意一项所述的大数据的计算机性能控制方法的计算机性能控制***,其特征在于:所述计算机性能控制***包括数据采集模块、数据分析模块、雷达模型搭建模块和告警提醒模块;所述数据采集模块是对用户的行为以及计算机硬件初始运行性能的数据信息进行采集并且存储到数据库中;所述数据分析模块对用户的行为、计算机运行性能以及计算机硬件运行性能进行分析;所述雷达模型搭建模块是针对用户的行为数据对计算机硬件运行性能的影响搭建雷达模型;所述告警提醒模块是在计算机硬件受损程度可逆时,对用户进行提醒;当计算机硬件运行受损程度不可逆时,对用户进行告警;所述数据采集模块的输出端与数据分析模块的输入端连接。
7.根据权利要求6所述的计算机性能控制***,其特征在于:所述数据采集模块包括数据存储单元、用户行为数据采集单元和计算机硬件初始运行性能采集单元;所述用户行为数据采集单元的输出端与行为数据雷达搭建单元的输入端连接;所述计算机硬件初始运行性能采集单元的输出端与计算机运行性能分析单元的输入端连接;所述数据存储单元是对采集的用户行为以及计算机硬件初始运行性能的数据进行存储;所述用户行为数据采集单元是对用户产生的行为数据进行采集;所述计算机硬件初始运行性能采集单元是对计算机硬件的初始运行性能进行采集,通过对计算机硬件的初始性能进行采集能够分析出计算机的运行性能是否存在下降的情况。
8.根据权利要求7所述的计算机性能控制***,其特征在于:所述数据分析模块包括计算机运行性能分析单元、计算机硬件运行性能分析单元和用户行为分析单元;所述用户行为分析单元的输出端与行为数据雷达搭建单元的输入端连接;所述计算机运行性能分析单元是根据计算机硬件初始运行性能的数据信息以及计算机在运行任意一个程序时所需要的时间分析出计算机的运行性能;所述计算机硬件运行性能分析单元是对计算机硬件当前的运行性能进行分析;所述用户行为分析单元是在采集到用户行为数据进行转换使得对计算机硬件运行性能产生影响的用户行为能够搭建成多维雷达模型。
9.根据权利要求8所述的计算机性能控制***,其特征在于:所述雷达模型搭建模块包括行为数据雷达搭建单元和计算机硬件运行性能受损程度分析单元;所述计算机硬件运行受损程度分析单元的输出端与计算机硬件运行受损可逆分析单元的输入端连接;所述行为数据雷达搭建单元是根据大数据中的行为数据以及用户的行为数据搭建标准多维雷达模型和多维雷达模型;所述计算机硬件运行受损程度分析单元是对计算机硬件运行的受损程度进行分析,通过计算机的用户行为数据在标准多维雷达Sn个三角形中任意一个三角形的占据面积分析得到。
10.根据权利要求9所述的计算机性能控制***,其特征在于:所述告警提醒模块包括计算机硬件运行受损可逆分析单元和告警提醒单元;所述计算机硬件运行受损可逆分析单元的输出端与告警提醒单元的输入端连接;所述计算机硬件运行受损可逆分析单元是对计算机硬件中的零件故障进行检测;所述告警提醒单元是在计算机硬件运行受损程度不可逆时对用户终端进行告警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310405101.6A CN116431454B (zh) | 2023-04-17 | 2023-04-17 | 一种大数据的计算机性能控制***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310405101.6A CN116431454B (zh) | 2023-04-17 | 2023-04-17 | 一种大数据的计算机性能控制***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116431454A true CN116431454A (zh) | 2023-07-14 |
CN116431454B CN116431454B (zh) | 2023-11-14 |
Family
ID=87079323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310405101.6A Active CN116431454B (zh) | 2023-04-17 | 2023-04-17 | 一种大数据的计算机性能控制***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116431454B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598800A (zh) * | 2015-10-14 | 2017-04-26 | 中兴通讯股份有限公司 | 一种硬件故障分析***和方法 |
CN107040816A (zh) * | 2017-03-17 | 2017-08-11 | 北京潘达互娱科技有限公司 | 一种客户端应用运行异常分析方法与装置 |
CN110971464A (zh) * | 2019-12-10 | 2020-04-07 | 国网信通亿力科技有限责任公司 | 一种适合灾备中心的运维自动化*** |
CN111090131A (zh) * | 2019-12-16 | 2020-05-01 | 亿水泰科(北京)信息技术有限公司 | 雨量雷达智能预警*** |
KR102335967B1 (ko) * | 2020-07-22 | 2021-12-03 | 건국대학교 글로컬산학협력단 | 컴퓨터 하드웨어 이상 검출을 위한 장치 및 방법 |
CN113946483A (zh) * | 2020-07-16 | 2022-01-18 | 上海鑫廉网络科技有限公司 | 一种计算机硬件状态信息实时监测*** |
CN114978870A (zh) * | 2022-07-29 | 2022-08-30 | 深圳市天翊瑞霖智能科技有限公司 | 一种基于智能网关的硬件设备运行状态监测*** |
-
2023
- 2023-04-17 CN CN202310405101.6A patent/CN116431454B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598800A (zh) * | 2015-10-14 | 2017-04-26 | 中兴通讯股份有限公司 | 一种硬件故障分析***和方法 |
CN107040816A (zh) * | 2017-03-17 | 2017-08-11 | 北京潘达互娱科技有限公司 | 一种客户端应用运行异常分析方法与装置 |
CN110971464A (zh) * | 2019-12-10 | 2020-04-07 | 国网信通亿力科技有限责任公司 | 一种适合灾备中心的运维自动化*** |
CN111090131A (zh) * | 2019-12-16 | 2020-05-01 | 亿水泰科(北京)信息技术有限公司 | 雨量雷达智能预警*** |
CN113946483A (zh) * | 2020-07-16 | 2022-01-18 | 上海鑫廉网络科技有限公司 | 一种计算机硬件状态信息实时监测*** |
KR102335967B1 (ko) * | 2020-07-22 | 2021-12-03 | 건국대학교 글로컬산학협력단 | 컴퓨터 하드웨어 이상 검출을 위한 장치 및 방법 |
CN114978870A (zh) * | 2022-07-29 | 2022-08-30 | 深圳市天翊瑞霖智能科技有限公司 | 一种基于智能网关的硬件设备运行状态监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN116431454B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
US10852357B2 (en) | System and method for UPS battery monitoring and data analysis | |
CN113931258B (zh) | 自我诊断方法和无负压叠压供水设备 | |
CN112327193B (zh) | 一种锂电池容量跳水预警方法 | |
CN111143173A (zh) | 一种基于神经网络的服务器故障监测方法及*** | |
US8832839B2 (en) | Assessing system performance impact of security attacks | |
CN113946499A (zh) | 一种微服务链路跟踪及性能分析方法、***、设备及应用 | |
CN112327194B (zh) | 一种锂电池容量跳水识别方法及装置 | |
CN114997342B (zh) | 一种scr故障诊断方法、装置、设备及存储介质 | |
CN113837596A (zh) | 一种故障确定方法、装置、电子设备及存储介质 | |
CN111309502A (zh) | 固态硬盘寿命预测方法 | |
CN115114124A (zh) | 主机风险的评估方法及评估装置 | |
CN116431454B (zh) | 一种大数据的计算机性能控制***及方法 | |
CN117422447A (zh) | 变压器维护策略生成方法、***、电子设备及存储介质 | |
CN112882898A (zh) | 基于大数据日志分析的异常检测方法、***、设备及介质 | |
US7840391B2 (en) | Model-diversity technique for improved proactive fault monitoring | |
CN115794451A (zh) | 基于存储设备健康状态的执行策略预测方法、装置及*** | |
CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
CN114881112A (zh) | 一种***异常检测方法、装置、设备及介质 | |
CN114837902A (zh) | 一种风电机组健康度评估方法、***、设备和介质 | |
CN113805564A (zh) | 一种基于cep的设备故障预警以及诊断*** | |
US20100010763A1 (en) | Method for detecting variance in semiconductor processes | |
CN108830476B (zh) | 认知测试性信息流的评估方法及终端设备 | |
CN113408591A (zh) | 基于智能仪表的过程趋势分析预测方法 | |
CN117725543B (zh) | 一种多元时间序列异常预测方法、电子设备及存储介质 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231023 Address after: 563000 Building 5, Zone A, Software Park, Wujiang Avenue, Xinpu New District, Zunyi City, Guizhou Province Applicant after: Cloud Zunyi Big Data Co.,Ltd. Address before: Room 502, Zhentou Building, No. 122, Youyi South Street, Qiaoxi District, Shijiazhuang, Hebei 050051 Applicant before: Shijiazhuang Kashan Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |