本發(fā)明涉及車輛，具體涉及車端cpu的異常識別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、cpu使用率作為衡量cpu在特定時(shí)間內(nèi)處理任務(wù)繁忙程度的重要指標(biāo)，直接反映了cpu的活躍程度。在正常使用條件下，cpu使用率會(huì)隨著任務(wù)量的波動(dòng)而變化，閑置時(shí)通常較低，而在處理資源密集型任務(wù)時(shí)則會(huì)顯著增高。然而，若cpu使用率持續(xù)保持高水平，則易導(dǎo)致系統(tǒng)響應(yīng)變慢，甚至出現(xiàn)卡頓或無響應(yīng)的情況，嚴(yán)重影響用戶體驗(yàn)和系統(tǒng)穩(wěn)定性。

2、現(xiàn)有技術(shù)在cpu使用率采集方面雖有所進(jìn)展，但在多進(jìn)程環(huán)境下的精度和實(shí)時(shí)性仍需提升。同時(shí)，cpu數(shù)據(jù)分揀、入庫及統(tǒng)計(jì)分析方法存在延遲，分析深度和廣度有限。應(yīng)用cpu統(tǒng)計(jì)缺乏多維度深入分析，單車和rom版本cpu性能統(tǒng)計(jì)也僅基于單一維度，無法實(shí)現(xiàn)全面監(jiān)控和管理。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明實(shí)施例提供了車端cpu的異常識別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，以解決現(xiàn)有技術(shù)中cpu數(shù)據(jù)處理效率低、分析深度與廣度不足以及缺乏應(yīng)用cpu統(tǒng)計(jì)、單車與rom版本cpu性能統(tǒng)計(jì)等多維度綜合考慮的問題。

2、第一方面，本發(fā)明實(shí)施例提供了一種車端cpu的異常識別方法，應(yīng)用于云端，所述方法包括：

3、獲取針對于車端cpu使用數(shù)據(jù)的統(tǒng)計(jì)需求，并根據(jù)所述統(tǒng)計(jì)需求確定統(tǒng)計(jì)維度；

4、基于所述統(tǒng)計(jì)維度在預(yù)設(shè)數(shù)據(jù)庫中篩選出多個(gè)預(yù)存cpu使用數(shù)據(jù)，并按照預(yù)設(shè)數(shù)據(jù)結(jié)構(gòu)對所述預(yù)存cpu使用數(shù)據(jù)進(jìn)行封裝，得到目標(biāo)cpu使用數(shù)據(jù)；

5、解析所述目標(biāo)cpu使用數(shù)據(jù)，生成對應(yīng)的cpu性能圖表；

6、利用所述統(tǒng)計(jì)維度對應(yīng)的異常分析策略確定所述cpu性能圖表中存在的異常數(shù)據(jù)，分析所述異常數(shù)據(jù)，得到異常原因，并將所述異常原因反饋至車端。

7、在本技術(shù)一個(gè)可選的實(shí)施方式中，在獲取針對于車端cpu使用數(shù)據(jù)的統(tǒng)計(jì)需求之前，所述方法還包括：

8、接收所述車端發(fā)送的cpu數(shù)據(jù)采集結(jié)構(gòu)；

9、解析所述cpu數(shù)據(jù)采集結(jié)構(gòu)，得到cpu使用數(shù)據(jù)以及數(shù)據(jù)類型；

10、將所述cpu使用數(shù)據(jù)以及所述數(shù)據(jù)類型作為預(yù)存cpu使用數(shù)據(jù)存儲(chǔ)至所述云端。

11、在本技術(shù)一個(gè)可選的實(shí)施方式中，基于所述統(tǒng)計(jì)維度在預(yù)設(shè)數(shù)據(jù)庫中篩選出多個(gè)預(yù)存cpu使用數(shù)據(jù)，并按照預(yù)設(shè)數(shù)據(jù)結(jié)構(gòu)對所述預(yù)存cpu使用數(shù)據(jù)進(jìn)行封裝，得到目標(biāo)cpu使用數(shù)據(jù)，包括：

12、若所述統(tǒng)計(jì)維度為應(yīng)用維度，則獲取所述統(tǒng)計(jì)需求中的目標(biāo)應(yīng)用標(biāo)識以及第一指標(biāo)；

13、在預(yù)設(shè)數(shù)據(jù)庫中提取所述目標(biāo)應(yīng)用標(biāo)識在所述第一指標(biāo)內(nèi)關(guān)聯(lián)的多個(gè)預(yù)存cpu使用數(shù)據(jù)；

14、將所述預(yù)存cpu使用數(shù)據(jù)封裝成所述應(yīng)用維度對應(yīng)的第一數(shù)據(jù)結(jié)構(gòu)，得到目標(biāo)cpu使用數(shù)據(jù)。

15、在本技術(shù)一個(gè)可選的實(shí)施方式中，基于所述統(tǒng)計(jì)維度在預(yù)設(shè)數(shù)據(jù)庫中篩選出多個(gè)預(yù)存cpu使用數(shù)據(jù)，并按照預(yù)設(shè)數(shù)據(jù)結(jié)構(gòu)對所述預(yù)存cpu使用數(shù)據(jù)進(jìn)行封裝，得到目標(biāo)cpu使用數(shù)據(jù)，包括：

16、若所述統(tǒng)計(jì)維度為單車維度，則獲取所述統(tǒng)計(jì)需求中的目標(biāo)車架號以及第二指標(biāo)；

17、在預(yù)設(shè)數(shù)據(jù)庫中提取所述目標(biāo)車架號在所述第二指標(biāo)內(nèi)關(guān)聯(lián)的多個(gè)預(yù)存cpu使用數(shù)據(jù)；

18、將所述預(yù)存cpu使用數(shù)據(jù)按照時(shí)間順序排列，并封裝成所述單車維度對應(yīng)的第二數(shù)據(jù)結(jié)構(gòu)，得到目標(biāo)cpu使用數(shù)據(jù)。

19、在本技術(shù)一個(gè)可選的實(shí)施方式中，基于所述統(tǒng)計(jì)維度在預(yù)設(shè)數(shù)據(jù)庫中篩選出多個(gè)預(yù)存cpu使用數(shù)據(jù)，并按照預(yù)設(shè)數(shù)據(jù)結(jié)構(gòu)對所述預(yù)存cpu使用數(shù)據(jù)進(jìn)行封裝，得到目標(biāo)cpu使用數(shù)據(jù)，包括：

20、若所述統(tǒng)計(jì)維度為rom版本維度，則獲取所述統(tǒng)計(jì)需求中的目標(biāo)rom版本號以及第三指標(biāo)；

21、在預(yù)設(shè)數(shù)據(jù)庫中提取所述目標(biāo)rom版本號在所述第三指標(biāo)內(nèi)關(guān)聯(lián)的多個(gè)預(yù)存cpu使用數(shù)據(jù)；

22、將所述預(yù)存cpu使用數(shù)據(jù)封裝成所述rom版本維度對應(yīng)的第三數(shù)據(jù)結(jié)構(gòu)，得到目標(biāo)cpu使用數(shù)據(jù)。

23、在本技術(shù)一個(gè)可選的實(shí)施方式中，所述解析所述目標(biāo)cpu使用數(shù)據(jù)，生成對應(yīng)的cpu性能圖表，包括：

24、解析所述目標(biāo)cpu使用數(shù)據(jù)，得到多個(gè)數(shù)據(jù)項(xiàng)；

25、根據(jù)所述數(shù)據(jù)項(xiàng)計(jì)算所述目標(biāo)cpu使用數(shù)據(jù)的統(tǒng)計(jì)參數(shù)；

26、根據(jù)所述統(tǒng)計(jì)參數(shù)以及統(tǒng)計(jì)維度對應(yīng)的圖表類型，生成對應(yīng)的cpu性能圖表。

27、在本技術(shù)一個(gè)可選的實(shí)施方式中，所述利用所述統(tǒng)計(jì)維度對應(yīng)的異常分析策略確定所述cpu性能圖表中存在的異常數(shù)據(jù)，并分析所述異常數(shù)據(jù)，得到異常原因，包括：

28、基于預(yù)設(shè)統(tǒng)計(jì)維度與預(yù)設(shè)異常分析策略之間的映射關(guān)系，確定所述統(tǒng)計(jì)維度對應(yīng)的異常分析策略，其中，所述異常分析策略包括異常篩查方式以及分析規(guī)則；

29、利用所述異常篩查方式對所述cpu性能圖表進(jìn)行篩查，得到異常數(shù)據(jù)；

30、利用所述分析規(guī)則對所述異常數(shù)據(jù)的特征信息進(jìn)行分析得到對應(yīng)的異常原因。

31、在本技術(shù)一個(gè)可選的實(shí)施方式中，所述利用所述分析規(guī)則對所述異常數(shù)據(jù)的特征信息進(jìn)行分析得到對應(yīng)的異常原因，包括：

32、提取所述cpu性能圖表的關(guān)鍵特征，并提取所述異常數(shù)據(jù)的特征信息；

33、利用所述分析規(guī)則分析所述關(guān)鍵特征與所述特征信息之間的差異特征；

34、遍歷多個(gè)預(yù)設(shè)異常類型，其中，每個(gè)所述預(yù)設(shè)異常類型包含特定的預(yù)設(shè)特征；

35、將所述差異特征與每個(gè)所述預(yù)設(shè)異常類型關(guān)聯(lián)的預(yù)設(shè)特征進(jìn)行匹配，若多個(gè)預(yù)設(shè)特征中存在與所述差異特征匹配的至少一個(gè)目標(biāo)特征，則基于目標(biāo)特征對應(yīng)的預(yù)設(shè)異常類型生成異常原因。

36、第二方面，本發(fā)明實(shí)施例提供了一種車端cpu數(shù)據(jù)的采集方法，應(yīng)用于車端，所述方法包括：

37、調(diào)用所述車端的cpu采集程序，周期性采集cpu使用數(shù)據(jù)；

38、分析所述cpu使用數(shù)據(jù)，確定所述cpu使用數(shù)據(jù)的數(shù)據(jù)類型，其中，所述數(shù)據(jù)類型包括單進(jìn)程類型以及多進(jìn)程類型；

39、根據(jù)所述數(shù)據(jù)類型對所述cpu使用數(shù)據(jù)進(jìn)行封裝，生成對應(yīng)的cpu數(shù)據(jù)采集結(jié)構(gòu)；

40、將所述cpu數(shù)據(jù)采集結(jié)構(gòu)發(fā)送至云端，以使所述云端對所述cpu數(shù)據(jù)采集結(jié)構(gòu)進(jìn)行異常識別，得到異常原因；

41、接收所述云端發(fā)送的異常原因，根據(jù)所述異常原因?qū)λ鲕嚩烁鱾€(gè)應(yīng)用進(jìn)程以及線程執(zhí)行監(jiān)控操作。

42、第三方面，本發(fā)明實(shí)施例提供了一種車端cpu數(shù)據(jù)的采集裝置，應(yīng)用于車端，所述裝置包括：

43、采集模塊，用于調(diào)用所述車端的cpu采集程序，周期性采集cpu使用數(shù)據(jù)；

44、分析模塊，用于分析所述cpu使用數(shù)據(jù)，確定所述cpu使用數(shù)據(jù)的數(shù)據(jù)類型，其中，所述數(shù)據(jù)類型包括單進(jìn)程類型以及多進(jìn)程類型；

45、封裝模塊，用于根據(jù)所述數(shù)據(jù)類型對所述cpu使用數(shù)據(jù)進(jìn)行封裝，生成對應(yīng)的cpu數(shù)據(jù)采集結(jié)構(gòu)；

46、發(fā)送模塊，用于將所述cpu數(shù)據(jù)采集結(jié)構(gòu)發(fā)送至云端，以使所述云端對所述cpu數(shù)據(jù)采集結(jié)構(gòu)進(jìn)行異常識別，得到異常原因；

47、接收模塊，用于接收所述云端發(fā)送的異常原因，根據(jù)所述異常原因?qū)λ鲕嚩烁鱾€(gè)應(yīng)用進(jìn)程以及線程執(zhí)行監(jiān)控操作。

48、第四方面，本發(fā)明實(shí)施例提供了一種車端cpu的異常識別裝置，應(yīng)用于云端，所述裝置包括：

49、獲取模塊，用于獲取針對于車端cpu使用數(shù)據(jù)的統(tǒng)計(jì)需求，并根據(jù)所述統(tǒng)計(jì)需求確定統(tǒng)計(jì)維度；

50、篩選模塊，用于基于所述統(tǒng)計(jì)維度在預(yù)設(shè)數(shù)據(jù)庫中篩選出多個(gè)預(yù)存cpu使用數(shù)據(jù)，并按照預(yù)設(shè)數(shù)據(jù)結(jié)構(gòu)對所述預(yù)存cpu使用數(shù)據(jù)進(jìn)行封裝，得到目標(biāo)cpu使用數(shù)據(jù)；

51、解析模塊，用于解析所述目標(biāo)cpu使用數(shù)據(jù)，生成對應(yīng)的cpu性能圖表；

52、確定模塊，用于利用所述統(tǒng)計(jì)維度對應(yīng)的異常分析策略確定所述cpu性能圖表中存在的異常數(shù)據(jù)，分析所述異常數(shù)據(jù)，得到異常原因，并將所述異常原因反饋至車端。

53、第五方面，本發(fā)明實(shí)施例提供了一種車輛，包括一個(gè)或多個(gè)處理器；用于存儲(chǔ)所述一個(gè)或多個(gè)處理器可執(zhí)行指令的存儲(chǔ)器；其中，所述一個(gè)或多個(gè)處理器被配置為：執(zhí)行上述的一種車端cpu數(shù)據(jù)的采集方法。

54、本技術(shù)實(shí)施例提供的方法具有以下有益效果：

55、本技術(shù)實(shí)施例提供的方法首先明確統(tǒng)計(jì)需求，確保cpu使用數(shù)據(jù)的采集和分析具有針對性和實(shí)用性。通過確定統(tǒng)計(jì)維度，為后續(xù)數(shù)據(jù)篩選和分析提供明確方向。篩選并封裝預(yù)存cpu使用數(shù)據(jù)，確保數(shù)據(jù)準(zhǔn)確性并便于后續(xù)處理。生成cpu性能圖表，直觀展示使用情況和性能表現(xiàn)，便于用戶快速了解車端cpu狀態(tài)和趨勢。利用異常分析策略，準(zhǔn)確識別并分析異常數(shù)據(jù)，為故障排查和性能優(yōu)化提供支持。

56、本技術(shù)實(shí)施例根據(jù)不同統(tǒng)計(jì)維度(應(yīng)用、單車、rom版本)的需求，分別獲取目標(biāo)標(biāo)識、車架號、rom版本號以及對應(yīng)的指標(biāo)，確保數(shù)據(jù)篩選和處理的準(zhǔn)確性及實(shí)用性。在預(yù)設(shè)數(shù)據(jù)庫中精確提取與統(tǒng)計(jì)維度關(guān)聯(lián)的數(shù)據(jù)，為后續(xù)分析提供堅(jiān)實(shí)基礎(chǔ)。將篩選出的數(shù)據(jù)按不同維度對應(yīng)的數(shù)據(jù)結(jié)構(gòu)封裝，便于處理、分析和可視化展示，提高效率。根據(jù)不同維度的統(tǒng)計(jì)需求，靈活調(diào)整數(shù)據(jù)篩選、提取和封裝策略，該方法具有良好的適應(yīng)性和可擴(kuò)展性，能夠應(yīng)對不同場景下的cpu使用數(shù)據(jù)監(jiān)控和管理需求。

57、本技術(shù)實(shí)施例提供的方法通過提取cpu性能圖表的關(guān)鍵特征和異常數(shù)據(jù)的特征信息，利用分析規(guī)則分析兩者之間的差異特征，實(shí)現(xiàn)了對圖表中異常數(shù)據(jù)的精準(zhǔn)識別。通過遍歷多個(gè)預(yù)設(shè)異常類型，并將差異特征與每個(gè)預(yù)設(shè)異常類型關(guān)聯(lián)的預(yù)設(shè)特征進(jìn)行匹配，實(shí)現(xiàn)了異常原因的準(zhǔn)確定位，提高了故障排查的效率。將異常數(shù)據(jù)的分析與預(yù)設(shè)的異常類型進(jìn)行匹配，避免了分析異常原因過程的復(fù)雜性，提高了分析效率。通過預(yù)設(shè)多種異常類型和對應(yīng)的特征，增強(qiáng)了應(yīng)對多種異常情況的靈活性。

58、本技術(shù)實(shí)施例提供的方法車端通過周期性采集cpu使用數(shù)據(jù)，確保了數(shù)據(jù)的時(shí)效性和連續(xù)性，為后續(xù)分析提供基礎(chǔ)。通過分析并確定數(shù)據(jù)類型，可以更有針對性地處理數(shù)據(jù)，提高異常識別的準(zhǔn)確性和效率。數(shù)據(jù)根據(jù)類型進(jìn)行封裝，便于云端解析和處理。接收云端發(fā)送的異常原因，實(shí)現(xiàn)對車端應(yīng)用進(jìn)程和線程的監(jiān)控，提高了系統(tǒng)性能和效率，保障了系統(tǒng)的穩(wěn)定性和安全性。云端通過接收車端發(fā)送的cpu數(shù)據(jù)采集結(jié)構(gòu)，實(shí)現(xiàn)了數(shù)據(jù)交互，為后續(xù)分析和異常識別提供基礎(chǔ)。解析數(shù)據(jù)結(jié)構(gòu)，云端能準(zhǔn)確獲取車端cpu使用情況和類型，為后續(xù)處理和異常識別提供精確支持。同時(shí)，存儲(chǔ)這些數(shù)據(jù)作為基線，便于后續(xù)進(jìn)行異常檢測和對比分析。