TWI710957B - 加速開機系統及加速開機方法 - Google Patents
加速開機系統及加速開機方法 Download PDFInfo
- Publication number
- TWI710957B TWI710957B TW108117311A TW108117311A TWI710957B TW I710957 B TWI710957 B TW I710957B TW 108117311 A TW108117311 A TW 108117311A TW 108117311 A TW108117311 A TW 108117311A TW I710957 B TWI710957 B TW I710957B
- Authority
- TW
- Taiwan
- Prior art keywords
- boot
- program
- processor
- abnormal
- devices
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/4401—Bootstrapping
- G06F9/4403—Processor initialisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computer Security & Cryptography (AREA)
- Quality & Reliability (AREA)
- Stored Programmes (AREA)
Abstract
一種加速開機系統包含一記憶體以及一處理器。記憶體用以事先儲存第一次開機需執行的一開機程序。處理器用以於第一次開機時直接由記憶體讀取並執行開機程序。其中,處理器執行一監控程序以監控每次開機時對應複數個裝置的複數個硬體使用率,並將此些硬體使用率代入一機器學習演算法以判斷此些裝置至少其中之一者所支援的一特定程序是否異常。
Description
本發明是關於一種開機系統,特別是關於一種加速開機系統及加速開機方法。
開箱經驗(Out-of-Box Experience,OOBE)是消費者在準備首次使用新電腦時的體驗。開箱經驗指的是電腦運行作業系統時初次執行安裝程序體驗的過程,例如設定是否連上網路、選擇語言、設定帳號密碼等等過程。此過程通常因為電腦的硬體設定不同, 一般使用者會發現執行速度時好時慢。
此外,在多次開關電腦後, 如果使用者發現電腦開機所花的時間變長了 ,一般都是做清理硬碟的動作去刪除不必要的檔案和移除不必要的程序,然而,一般使用者還是無法移除必要的程序,因此使用者能優化開機時間的部分有限。
因此,如何提供一種加速開機的系統及其方法,以提升使用者的使用經驗,已成為本領域待解決的問題之一。
為了解決上述的問題,本揭露內容之一態樣提供了一種加速開機系統。加速開機系統包含一記憶體以及一處理器。記憶體用以事先儲存第一次開機需執行的一開機程序。處理器用以於第一次開機時直接由記憶體讀取並執行開機程序。其中,處理器執行一監控程序以監控每次開機時對應複數個裝置的複數個硬體使用率,並將此些硬體使用率代入一機器學習演算法以判斷此些裝置至少其中之一者所支援的一特定程序是否異常。
本發明之另一態樣係於提供一種加速開機方法包含:藉由一記憶體事先儲存第一次開機需執行的一開機程序;於第一次開機時直接由記憶體讀取並執行開機程序;以及執行一監控程序以監控每次開機時對應複數個裝置的複數個硬體使用率,並將此些硬體使用率代入一機器學習演算法以判斷此些裝置至少其中之一者所支援的一特定程序是否異常。
本發明所示之加速開機方法及加速開機系統,提供了一種使用機器學習演算法搭配應用Optane™ 技術之記憶體以加速開箱經驗設定過程及開機時間的方法,以提升整體開機的效率。
以下說明係為完成發明的較佳實現方式,其目的在於描述本發明的基本精神,但並不用以限定本發明。實際的發明內容必須參考之後的權利要求範圍。
必須了解的是,使用於本說明書中的”包含”、”包括”等詞,係用以表示存在特定的技術特徵、數值、方法步驟、作業處理、元件以及/或組件,但並不排除可加上更多的技術特徵、數值、方法步驟、作業處理、元件、組件,或以上的任意組合。
於權利要求中使用如”第一”、"第二"、"第三"等詞係用來修飾權利要求中的元件,並非用來表示之間具有優先權順序,先行關係,或者是一個元件先於另一個元件,或者是執行方法步驟時的時間先後順序,僅用來區別具有相同名字的元件。
請參照第1~2圖,第1圖係依照本發明一實施例繪示加速開機系統100之方塊圖。第2圖係依照本發明一實施例繪示加速開機方法200之流程圖。
如第1圖所示,加速開機系統100包含一記憶體10及一處理器12。於一實施例中,加速開機系統100實現於筆記型電腦、桌機、平板、手機或其它電子裝置。
於一實施例中,記憶體10為採用Optane™ 技術之記憶體。Optane™ 技術具有高輸送量、低延遲、高 QoS 和高耐久性等優點。由於Optane™ 技術為已知技術,故此處不贅述之。此外,本領域具通常知識者應可理解,本案記憶體10可由各種存取速度高於固態硬碟的記憶體實現之,並不限於此。
於一實施例中,處理器12亦可以由微控制單元(microcontroller)、微處理器(microprocessor)、數位訊號處理器(digital signal processor)、特殊應用積體電路(application specific integrated circuit,ASIC)或一邏輯電路實現之,但並不限於此。
於一實施例中,加速開機系統100更包含一儲存裝置14。儲存裝置14可由唯讀記憶體、快閃記憶體、軟碟、硬碟、光碟、隨身碟、磁帶、可由網路存取之資料庫或熟悉此技藝者可輕易思及具有相同功能之儲存媒體以實現之。
其中,記憶體10的存取使用率高於儲存裝置14的存取使用率。為方便敘述,下述於加速開機方法200中,將儲存裝置14以硬碟為例作說明。
於步驟210中,將第一次開機需執行的一開機程序儲存於記憶體10中。
於一實施例中,開機程序為一開箱經驗(Out-of-Box Experience,OOBE)設定過程中的所執行的程序之一;換言之,當使用者第一次開啟筆記型電腦、桌機、平板、手機或其它電子裝置的電源時,此些裝置中的開機程序會被觸發。開箱經驗設定過程中包含了下載開機所需的檔案、運行作業系統(如Windows)的安裝、歡迎頁面、設定頁面(如,選擇連網頁面、選擇語言、設定帳號密碼)、執行出廠前燒錄的特定程序安裝映像檔及/或第一次開始使用的引導等過程。因此,開箱經驗設定過程中,處理器12會執行多個程序(process)。
於一實施例中,在作業系統(如Windows)的安裝之步驟中,假設加速開機系統100定義好 “LogonUI.exe”、“FirstLogonAnim.exe”、“WWAHost.exe”等執行檔是開箱經驗設定過程中會執行的程序時,處理器12或開發者可在進入創建映像(create image)時,將此些執行檔儲存到記憶體10(如Optane™ 記憶體)中。
於一實施例中,在處理器12在進入創建映像時,處理器12透過既有的程序介面(application programming interface, API)偵測只執行一次的程序,例如為“PowerDVD.exe”、“FireFox.exe”。接著,加速開機系統100將“PowerDVD.exe”、“FireFox.exe”(此兩者用以安裝對應的程序,只會執行一次)存入記憶體10中。
於步驟220中,處理器12用以於第一次開機時直接由記憶體10讀取並執行開機程序。
於一實施例中,當加速開機系統100進入到開箱經驗設定過程時,處理器12直接由記憶體10(如Optane™ 記憶體)讀取“LogonUI.exe”、“FirstLogonAnim.exe”、“WWAHost.exe”等執行檔,以加快系統執行開箱經驗設定過程的效率。
於一實施例中,當加速開機系統100進入到開箱經驗設定過程時,處理器12直接由記憶體10(如Optane™ 記憶體)讀取“PowerDVD.exe”、“FireFox.exe”等執行檔,以加快系統執行開箱經驗設定過程的效率。
於步驟230中,處理器12執行一監控程序以監控每次開機時對應複數個裝置的複數個硬體使用率,並將此些硬體使用率代入一機器學習演算法以判斷此些裝置至少其中之一者所支援的一特定程序是否異常;若是,則進入步驟240,若否,則繼續執行步驟230。
於一實施例中,由於處理器12在各種階段會處理各種程序,在使用者日常操作中,也可能更新或新增開機程序。因此,將開箱經驗設定過程中,處理器12所執行的程序定義為特定程序,並針對此些程序進行監控,以下對針對此些程序作進一步說明。
於一實施例中,此些裝置包含記憶體10、處理器12及/或儲存裝置(例如為硬碟)14,此些硬體使用率包含一記憶體使用率、一處理器使用率或一硬碟使用率。其中,記憶體使用率是指主記憶體的使用率,非指記憶體10(如Optane™ 記憶體)的使用率。
當處理器12將此些硬體使用率經正規化處理後,代入機器學習演算法以得知每個裝置執行程序時的一裝置狀態是否異常,當此些裝置至少其中一者執行程序時的裝置狀態異常,則處理器12判斷程序異常。
舉例而言,處理器12透過既有的程序介面偵測並記錄每次開機所需要的時間,例如為下表一所示:
表一 假設定義應用每6次開機的值算一次平均開機時間,累積4次以上開機時間此平均開機時間大於一門檻值(例如為平均開機時間的1.2倍)時,則判斷此加速開機系統100的開機時間開始變得緩慢,於表一的例子中,在第9次開機時的開機所需時間為9.1s,此大於前6次(即第3~8次) 平均開機時間(約7.55s)的1.2倍,且從第9次開機之後,往後算4次(即第10~13次)每一次的開機時間都大於此平均開機時間的1.2倍,此時處理器12判定此加速開機系統100的開機時間開始變得緩慢,並於第13次開機後開始判斷是哪些程序使得開機時間變慢。然而,本領域具通常知識者應能理解關於判斷開機是否變慢的方法不限於此。
第n次開機(以下數值代表n值) | 開機所需時間(秒) |
1 | 7s |
2 | 8s |
3 | 7.1s |
4 | 7s |
5 | 8.1s |
6 | 7.2s |
7 | 7s |
8 | 8.88s |
9 | 9.1s |
10 | 9s |
11 | 9.2s |
12 | 9.1s |
13 | 9.1s |
以下敘述運用機器學習演算法判斷程序異常的方法。於一實施例中,機器學習演算法為一多層感知器(Multilayer Perceptron,MLP)演算法,由於多層感知器演算法為已知技術,故此處不贅述之。
於一實施例中,處理器12對加速開機系統100每次開機過程事先收集開機時間、 所有執行程序之程序的處理器使用率、硬碟使用率、記憶體使用率等參數並對每一筆資料做標籤(Labeling),標籤一共分五種(Normal、 Abnormal_CPU、Abnormal_DISK、 Abnormal_CPU_DISK、Abnormal_MEMORY),標籤的定義如下表二所示。
表二 接著,處理器12透過既有的程序介面偵測並記錄每次開機所需要的時間、多個裝置的硬體使用率及對應的標籤,作為準備代入機器學習演算法的原始資料,原始資料的表現方式例如為表三所示。
表三 接著,對表三中的每個參數以Sigmoid函式進行正規化(nomalizaion),使參數範圍落在-1~1之間,並將標籤對照表二,轉為類型0~4之間的參數,將此些參數作為訓練資料代入機器學習演算法。換言之,處理器12將表三的初始資料之參數轉為訓練資料之參數,訓練資料之參數如表四所示。
表四 前述正規化的方式,用以將訓練資料之參數標準化,其可採用已知的運算方法,故此處不再贅述之。
類型 | 標籤 | 定義 |
0 | Normal | 程序正常 |
1 | Abnormal_CPU | 因處理器使用率過高導致程序不正常 |
2 | Abnormal_Disk | 因硬碟使用率過高導致程序不正常 |
3 | Abnormal_CPU_DISK | 因處理器及硬碟使用率過高導致程序不正常 |
4 | Abnormal_MEMORY | 因記憶體使用率過高導致程序不正常 |
處理器使用率(微秒) | 硬碟使用率 (千位元組,KB) | 記憶體使用率 (KB) | 開機所需時間(秒) | 標籤 |
551 | 1127 | 5120 | 7 | Normal |
551 | 1127 | 25580 | 7 | Normal |
551 | 1127 | 5120 | 9.1 | Normal |
5551 | 1127 | 5120 | 9.1 | Abnormal_CPU |
551 | 5901 | 5120 | 9.1 | Abnormal_Disk |
5551 | 5901 | 5120 | 9.2 | Abnormal_CPU_DISK |
551 | 1127 | 25580 | 9.1 | Abnormal_MEMORY |
5551 | 1127 | 25580 | 9 | Abnormal_MEMORY |
551 | 5901 | 25580 | 9.1 | Abnormal_MEMORY |
5551 | 5901 | 25580 | 9.1 | Abnormal_MEMORY |
處理器使用率(微秒) | 硬碟使用率 (千位元組,KB) | 記憶體使用率 (KB) | 開機所需時間(秒) | 類型 |
-0.88 | -0.78 | -0.75 | -0.05 | 0 |
-0.88 | -0.78 | 0.24 | -0.05 | 0 |
-0.88 | -0.78 | -0.75 | 0.22 | 0 |
0.11 | -0.78 | -0.75 | 0.22 | 1 |
-0.88 | 0.15 | -0.75 | 0.22 | 2 |
0.11 | 0.15 | -0.75 | 0.24 | 3 |
-0.88 | -0.78 | 0.24 | 0.22 | 4 |
0.11 | -0.78 | 0.24 | 0.21 | 4 |
-0.88 | 0.15 | 0.24 | 0.22 | 4 |
0.11 | 0.15 | 0.24 | 0.22 | 4 |
處理器12將表四的參數代入機器學習演算法,機器學習演算法例如為已知的多層感知器演算法,以進行訓練,選定需要的隱藏層數量(Hidden Layer)、每一層的神經元(Neural)數量 並選用 Softmax 的函式當作輸出層,在輸出層當中定義五個神經元用以預測每個標籤的機率。
例如,將加速開機系統100偵測到如表五所示的參數,此些參數經過正規化後如表六所示,將表四的參數代入多層感知器演算法,可得到表七所示的預測結果。由於多層感知器演算法為已知的演算法,故此處不再細部敘述之。
表五
表六
表七 其中,由表七所示的預測結果可知,類型4(因記憶體使用率過高導致程序不正常)的機率最高(0.78),指處理器使用率、硬碟使用率對應到的開機時間是正常值(或其各自的門檻值),但記憶體使用率對應到的開機時間高於正常值(或門檻值),因此,處理器12推斷此程序使得記憶體使用率不正常,故此呼叫此程序的程序異常。
處理器使用率(微秒) | 硬碟使用率 (千位元組,KB) | 記憶體使用率 (KB) | 開機所需時間(秒) |
551 | 1127 | 25580 | 8.9 |
處理器使用率(微秒) | 硬碟使用率 (千位元組,KB) | 記憶體使用率 (KB) | 開機所需時間(秒) |
-0.88 | -0.78 | 0.24 | 0.2 |
類型0 | 類型1 | 類型2 | 類型3 | 類型4 |
0.02 | 0.01 | 0.01 | 0.01 | 0.78 |
於步驟240中,當處理器12判斷此些裝置至少其中之一者所支援的特定程序異常時,將此特定程序儲存至記憶體10中。
於一實施例中,當程序異常時,可能代表在開機過程中,執行此程序需要較高的資源,例如執行此程序可能導致記憶體使用率過高、硬碟使用率過高及/或處理器使用率過高。此處的過高指的是高於一門檻值或是相對於其他程序所需支援較高。因此,將處理器12判斷此些裝置至少其中之一者所支援的程序異常時,將程序儲存至具有較快存取速度的記憶體10中。
請參照第3圖,第3圖係依照本發明一實施例繪示加速開機方法300之流程圖。第3圖與第2圖不同之處在於,於步驟230的判斷結果為“是”後,進入步驟310。
於步驟310中,當處理器12判斷此些裝置至少其中之一者所支援的特定程序呼叫一特定檔案時,將特定程序儲存至記憶體10中。
於一實施例中,特定檔案例如為符合“.NET”形式的檔案,要開啟或執行此類型的檔案需要較多的硬體資源。換言之,在開機過程中,處理器12判斷主記憶體、處理器12及/或硬碟14需要較多的硬體資源時,處理器12停止執行此程序,將此程序儲存至記憶體10(如Optane™ 記憶體)中。
藉此,可避免在開機的過程中運行過度耗用記憶體使用率、處理器使用率及/或硬碟使用率的程序,造成開機時間過長,此外,將此類型的程序儲存至記憶體10之後,由於記憶體10提供較快的存取速度,因此處理器12可從記憶體10中快速地讀取此程序,並執行此程序。
請參照第4圖,第4圖係依照本發明一實施例繪示加速開機方法400之流程圖。第4圖與第2圖不同之處在於,於步驟230的判斷結果為“是”之後,進入步驟410。
於步驟410中,處理器12停止執行此特定程序,將此特定程序儲存至記憶體10中,並且於開機完成後經過一特定時間後再執行此特定程序。
於一實施例中,在開機過程中,當處理器12判斷主記憶體、處理器12及/或硬碟14所支援的程序呼異常(例如此程序呼叫的程序導致部分硬體使用率高於一門檻值)時,處理器12停止執行此程序,將此程序儲存至記憶體10(如Optane™ 記憶體)中,並且於開機完成後經過一特定時間(例如三分鐘)後再執行此程序。於一實施例中,處理器12除了透過既有的程序介面統計開機時間外,也會偵測每次開機過程中所有執行程序的處理器使用率、硬碟使用率及/或記憶體使用率,再藉由機器學習演算法判斷開機過程中各程序所需用的處理器使用率、硬碟使用率及/或記憶體使用率是否異常,例如表八所示。
表八 由表八可知,透過機器學習演算法運算後,在此三個程序中,“NortonSecurity.exe”為異常的程序,其異常的類型欄位值為2,代表異常的類型為此程序使硬碟使用率過高。故處理器12將“NortonSecurity.exe”為儲存至記憶體10。
程序 | 處理器使用率(微秒) | 硬碟使用率(千位元組,KB) | 記憶體使用率 (KB) | 開機所需時間(秒) | 類型 |
UBTService.exe | 0 | 0 | 5120 | 9.1 | 0 |
ACCSvc.exe | 2 | 0 | 5120 | 9.1 | 0 |
NortonSecurity.exe | 29 | 5901 | 5120 | 9.1 | 2 |
於一實施例中,處理器12透過程序介面偵測開機過程中,執行各程序時,各程序會去存取到的檔案(子程序或資料),即隨行程序(accompanying process),如表九所示。
表九 處理器12判斷載入或執行的隨行程序需要較高的硬體使用率時,將對應的程序寫入記憶體10,當系統下次開機需要執行此程序時,可直接由記憶體10讀取,以達到加快開機時間的效果。於一實施例中,處理器12可將此程序延長至開機完成登入後一段時間(例如三分鐘)才執行,以達到加快開機時間的效果。
程序 | 隨行程序 |
UBTService.exe | C:\Windows\Microsoft.NET\Framework64\v4.0.30319\clr.dll … |
ACCSvc.exe | C:\Windows\Microsoft.NET\Framework64\v2.0.50727\mscorwks.dll… |
NortonSecurity.exe | C:\Program Files\Norton Security\Engine\22.15.16\ccGEvt.dll… |
藉此,可避免在開機的過程中運行過度耗用記憶體使用率、處理器使用率及/或硬碟使用率的程序,造成開機時間過長,此外,待開機完成後經過一特定時間(例如三分鐘)後,處理器12可從記憶體10中快速地讀取此程序,並執行此程序。
本發明所示之加速開機方法及加速開機系統,提供了一種使用機器學習演算法搭配應用Optane™ 技術之記憶體以加速開箱經驗設定過程及開機時間的方法,以提升整體開機的效率。
雖然本發明已以實施方式揭露如上,然其並非用以限定本發明,任何熟習此技藝者,在不脫離本發明之精神和範圍內,當可作各種之更動與潤飾,因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
100:加速開機系統
10:記憶體
12:處理器
14:儲存裝置
200、300、400:加速開機方法
210~240、310、410:步驟
第1圖係依照本發明一實施例繪示加速開機系統之方塊圖。 第2圖係依照本發明一實施例繪示加速開機方法之流程圖。 第3圖係依照本發明一實施例繪示加速開機方法之流程圖。 第4圖係依照本發明一實施例繪示加速開機方法之流程圖。
200:加速開機方法
210~240:步驟
Claims (10)
- 一種加速開機系統,包含:一主記憶體,用以事先儲存第一次開機需執行的一開機程序;以及一處理器,用以於第一次開機時直接由該主記憶體讀取並執行該開機程序;其中,該處理器執行一監控程序以監控每次開機時對應複數個裝置的複數個硬體使用率,並將該些硬體使用率代入一機器學習演算法以判斷該些裝置至少其中之一者所支援的一特定程序是否異常;其中,該開機程序為一開箱經驗(Out-of-Box Experience,OOBE)設定過程中的所執行的程序之一;其中,當該處理器判斷該些裝置至少其中之一者所支援的該特定程序異常時,將該特定程序儲存至該採用OptaneTM技術之記憶體中。
- 如申請專利範圍第1項所述之加速開機系統,其中,該些裝置包含該主記憶體、該處理器或一硬碟,該些硬體使用率包含一主記憶體使用率、一處理器使用率或一硬碟使用率;其中,當該處理器將該些硬體使用率經正規化處理後,代入該機器學習演算法以得知每個該些裝置執行該特定程序時的一裝置狀態是否異常,當該些裝置至少其中一者執行該特定程序時的該裝置狀態異常,則該處理器判斷該特定程序異常。
- 如申請專利範圍第1項所述之加速開機系統,其中, 該機器學習演算法為一多層感知器(Multilayer Perceptron,MLP)演算法。
- 如申請專利範圍第1項所述之加速開機系統,其中,當該處理器判斷該些裝置至少其中之一者所支援的該特定程序呼叫一特定檔案時,將該特定程序儲存至該採用OptaneTM技術之記憶體中。
- 如申請專利範圍第1項所述之加速開機系統,其中,當該處理器判斷該些裝置至少其中之一者所支援的該特定程序呼異常時,停止執行該特定程序,將該特定程序儲存至該採用OptaneTM技術之記憶體中,並且於開機完成後經過一特定時間後再執行該特定程序。
- 一種加速開機方法,包含:藉由一主記憶體事先儲存第一次開機需執行的一開機程序;於第一次開機時直接由該主記憶體讀取並執行該開機程序;以及執行一監控程序以監控每次開機時對應複數個裝置的複數個硬體使用率,並將該些硬體使用率代入一機器學習演算法以判斷該些裝置至少其中之一者所支援的一特定程序是否異常;其中,該開機程序為一開箱經驗(Out-of-Box Experience,OOBE)設定過程中的所執行的程序之一;當判斷該些裝置至少其中之一者所支援的該特定程序異常時,將該特定程序儲存至該採用OptaneTM技術之記憶體中。
- 如申請專利範圍第6項所述之加速開機方法,其中,該些裝置包含該主記憶體、該處理器或一硬碟,該些硬體使用率包含一主記憶體使用率、一處理器使用率或一硬碟使用率,該加速開機方法更包含:當一處理器將該些硬體使用率經正規化處理後,代入該機器學習演算法以得知每個該些裝置執行該特定程序時的一裝置狀態是否異常,當該些裝置至少其中一者執行該特定程序時的該裝置狀態異常,則該處理器判斷該特定程序異常。
- 如申請專利範圍第6項所述之加速開機方法,其中,該機器學習演算法為一多層感知器(Multilayer Perceptron,MLP)演算法。
- 如申請專利範圍第6項所述之加速開機方法,更包含:當判斷該些裝置至少其中之一者所支援的該特定程序呼叫一特定檔案時,將該特定程序儲存至該採用OptaneTM技術之記憶體中。
- 如申請專利範圍第6項所述之加速開機方法,更包含:當判斷該些裝置至少其中之一者所支援的該特定程序呼異常時,停止執行該特定程序,將該特定程序儲存至該採用OptaneTM技術之記憶體中,並且於開機完成後經過一特定時間後再執行該特定程序。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108117311A TWI710957B (zh) | 2019-05-20 | 2019-05-20 | 加速開機系統及加速開機方法 |
US16/832,301 US11663470B2 (en) | 2019-05-20 | 2020-03-27 | Method and system for accelerating boot time |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW108117311A TWI710957B (zh) | 2019-05-20 | 2019-05-20 | 加速開機系統及加速開機方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI710957B true TWI710957B (zh) | 2020-11-21 |
TW202044028A TW202044028A (zh) | 2020-12-01 |
Family
ID=73456863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW108117311A TWI710957B (zh) | 2019-05-20 | 2019-05-20 | 加速開機系統及加速開機方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11663470B2 (zh) |
TW (1) | TWI710957B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11392418B2 (en) * | 2020-02-21 | 2022-07-19 | International Business Machines Corporation | Adaptive pacing setting for workload execution |
DE102020205146A1 (de) * | 2020-04-23 | 2021-10-28 | Robert Bosch Gesellschaft mit beschränkter Haftung | Vorrichtung und Verfahren zur Steuerung eines technischen Systems |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030018892A1 (en) * | 2001-07-19 | 2003-01-23 | Jose Tello | Computer with a modified north bridge, security engine and smart card having a secure boot capability and method for secure booting a computer |
US20160070590A1 (en) * | 2014-09-10 | 2016-03-10 | Amazon Technologies, Inc. | Computing Instance Placement Using Estimated Launch Times |
CN107341094A (zh) * | 2016-04-29 | 2017-11-10 | 腾讯科技(深圳)有限公司 | 启动项耗时的测量方法及装置 |
CN107729125A (zh) * | 2017-10-31 | 2018-02-23 | 努比亚技术有限公司 | 应用程序常驻后台的管理方法及移动终端 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150134946A1 (en) * | 2009-04-22 | 2015-05-14 | Harold Lee Peterson | System, method and computer program product for selecting and offering computational functionalities to a user |
US8443183B2 (en) * | 2009-09-02 | 2013-05-14 | Spashtop Inc. | Pre-boot loader for reducing system boot time |
US8751783B2 (en) * | 2011-01-20 | 2014-06-10 | Hewlett-Packard Development Company, L.P. | Booting computing devices with EFI aware operating systems |
US8984267B2 (en) * | 2012-09-30 | 2015-03-17 | Apple Inc. | Pinning boot data for faster boot |
US9058550B2 (en) * | 2013-01-04 | 2015-06-16 | Google Technology Holdings LLC | Mobile devices with RFID capabilities and corresponding memory write methods |
CN103970675A (zh) * | 2013-01-29 | 2014-08-06 | Lsi公司 | 用于使引导操作***加速的快速引导列表 |
US9735968B2 (en) * | 2014-10-20 | 2017-08-15 | Microsoft Technology Licensing, Llc | Trust service for a client device |
US10235566B2 (en) * | 2017-07-21 | 2019-03-19 | Skycatch, Inc. | Determining stockpile volume based on digital aerial images and three-dimensional representations of a site |
US10936201B2 (en) * | 2019-02-21 | 2021-03-02 | Intel Corporation | Low latency mirrored raid with persistent cache |
-
2019
- 2019-05-20 TW TW108117311A patent/TWI710957B/zh active
-
2020
- 2020-03-27 US US16/832,301 patent/US11663470B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030018892A1 (en) * | 2001-07-19 | 2003-01-23 | Jose Tello | Computer with a modified north bridge, security engine and smart card having a secure boot capability and method for secure booting a computer |
US20160070590A1 (en) * | 2014-09-10 | 2016-03-10 | Amazon Technologies, Inc. | Computing Instance Placement Using Estimated Launch Times |
CN107341094A (zh) * | 2016-04-29 | 2017-11-10 | 腾讯科技(深圳)有限公司 | 启动项耗时的测量方法及装置 |
CN107729125A (zh) * | 2017-10-31 | 2018-02-23 | 努比亚技术有限公司 | 应用程序常驻后台的管理方法及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
US20200372346A1 (en) | 2020-11-26 |
US11663470B2 (en) | 2023-05-30 |
TW202044028A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11269750B2 (en) | System and method to assess information handling system health and resource utilization | |
US7992151B2 (en) | Methods and apparatuses for core allocations | |
US7127600B2 (en) | Aggressive content pre-fetching during pre-boot runtime to support speedy OS booting | |
US7921203B2 (en) | Specifying associations among attributes of entities in | |
US8516462B2 (en) | Method and apparatus for managing a stack | |
JP5937101B2 (ja) | 高速コンピュータースタートアップ | |
US8079060B1 (en) | Systems and methods for policy-based program configuration | |
US7555677B1 (en) | System and method for diagnostic test innovation | |
US20210004242A1 (en) | Method and system for remote selection of boot device | |
TWI710957B (zh) | 加速開機系統及加速開機方法 | |
WO2023115999A1 (zh) | 设备状态监控方法、装置、设备及计算机可读存储介质 | |
JP3999760B2 (ja) | 組込み型プロセッサ・システムにおけるプロセス回復のための装置および方法 | |
US10956170B2 (en) | BIOS setting modification system | |
JP6416835B2 (ja) | 不要なソフトウェアの検出システム及び方法 | |
US9934021B2 (en) | System and method for adaptive application self-updating | |
US20230110012A1 (en) | Adaptive application resource usage tracking and parameter tuning | |
JP2019204488A (ja) | リモートユーティリティによるファームウェアの更新 | |
US20050216721A1 (en) | Methods and apparatus for initializing a memory | |
CN115151902A (zh) | 集群扩容方法、装置、存储介质及电子设备 | |
TWI697776B (zh) | 電腦系統、其更新方法及電腦程式產品 | |
CN112114878B (zh) | 加速开机***及加速开机方法 | |
US8359220B2 (en) | Technical support routing among members of a technical support group | |
CN114616549A (zh) | 选择性地节制企业中的配置更改的实施 | |
US9292303B2 (en) | Suspend profiles and hinted suspending | |
US11996976B2 (en) | One click monitors in impact time detection for noise reduction in at-scale monitoring |