为应用分配系统资源的方法和终端技术方案

本发明专利技术提供了一种为应用分配系统资源的方法和终端，能够更及时地给应用分配系统资源，以降低应用启动的时延。包括：终端根据终端的当前状态，预测用户待使用的目标应用；终端根据预测的结果，为目标应用预留运行目标应用所需的系统资源；终端根据目标应用的资源分配请求，将预留的系统资源提供给目标应用使用。

【技术实现步骤摘要】
为应用分配系统资源的方法和终端
本专利技术涉及终端领域，尤其涉及为应用分配系统资源的方法和终端。
技术介绍
在包括智能手机在内的终端领域，终端的操作系统的首要任务是维护系统资源分配。其中系统资源包括多种类型，例如：以时间片为表示形式的中央处理单元(CentralProcessingUnit，CPU)资源、以内存页为表示形式的内存资源，以带宽为表示的(InputOutput，IO)资源、广播资源等。现有技术中，终端分配系统资源的方式包括：根据应用向终端的操作系统发送的资源分配请求，操作系统从当前剩余的系统资源中抽取系统资源分配给应用。但是，在需要启动一个对系统资源需求较大的应用(例如，对内存资源需求较大的照相机应用)的情况下，若系统当前的可用资源不能满足应用需求，操作系统会进入系统资源分配慢速路径，即操作系统首先需要释放被占用的系统资源，在释放足够的系统资源之后，再为应用分配资源。这种分配系统资源的方法的效率较低，并导致应用的启动时间增加，影响用户体验。
技术实现思路
本专利技术提供了一种为应用分配系统资源的方法和终端，能够更及时地给应用分配系统资源，以降低应用启动的时延。第一方面，提供了一种为应用分配系统资源的方法，包括：终端根据所述终端的当前状态，预测用户待使用的目标应用；所述终端根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源；所述终端根据所述目标应用的资源分配请求，将预留的所述系统资源提供给所述目标应用使用。可选地，所述预留系统资源包括为所述目标应用预留大于或等于目标应用的系统资源需求的空闲系统资源。在本专利技术实施例中，通过预测终端的待使用的目标应用，进而在接收到目标应用的资源分配请求之前，为目标应用预留足够的系统资源，以保证能够及时为目标应用分配资源，以降低应用启动的时延，提高了用户体验。在一种可能的实现方式中，还包括：所述终端预测所述目标应用的使用时刻；所述终端根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源，包括：所述终端在所述使用时刻之前，为所述目标应用预留系统资源。在本专利技术实施例中，通过预测所述目标应用的使用时刻，进而在所述目标应用的使用时刻之前，为目标应用预留系统资源，以保证能够在接收到目标应用的分配请求之前，及时为目标应用分配资源，以降低应用启动的时延，提高了用户体验。在一种可能的实现方式中，所述终端预测所述目标应用的使用时刻，包括：所述终端根据机器学习模型，预测所述目标应用的使用时刻，其中，所述机器学习模型的模型参数是根据所述用户使用所述目标应用的历史数据确定的。在一种可能的实现方式中，所述机器学习模型包括指数分布模型，所述终端预测所述目标应用的使用时刻，包括：所述终端采用指数分布模型，预测所述目标应用的使用时刻，其中，所述指数分布模型用于指示所述目标应用在目标时间区间内被使用的概率。在一种可能的实现方式中，所述目标时间区间为目标应用上次被使用的时刻到目标时刻之间的时间区间，所述目标时刻为当前时刻之后的时刻。在一种可能的实现方式中，所述目标时间区间为第一时刻到第二时刻之间的时间区间，所述第一时刻为当前时刻或当前时刻之后的时刻，所述第二时刻为所述第一时刻之后的时刻。在一种可能的实现方式中，所述终端采用指数分布模型，预测所述目标应用的使用时刻，包括：所述终端统计所述目标应用在单位时间内的平均使用次数；所述终端根据所述平均使用次数，确定所述指数分布模型的模型参数；所述终端根据所述指数分布模型和所述指数分布模型的模型参数,预测所述目标应用的使用时刻。在一种可能的实现方式中，所述机器学习模型包括隐马尔可夫模型，所述终端预测所述目标应用的使用时刻，包括：采用隐马尔科夫模型，预测所述目标应用的使用时刻，所述隐马尔科夫模型用于指示所述目标应用在目标离散时间区间内被使用的概率。在一种可能的实现方式中，所述终端根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源，包括：所述终端在当前的空闲系统资源不满足所述目标应用的资源需求的情况下，释放部分被占用的系统资源以获得刷新后的空闲系统资源，以便于为所述目标应用分配系统资源。在一种可能的实现方式中，所述根据所述终端的当前状态，预测用户待使用的目标应用，包括：所述终端根据所述终端的当前状态，预测用户待使用的多个候选应用，所述多个候选应用中包含所述目标应用；所述终端根据预测的结果，为所述目标应用预留系统资源，包括：统计所述多个候选应用中的每个候选应用所需的系统资源；确定所述多个候选应用所需的系统资源中每种系统资源的数值的最大值。按照所述系统资源的种类以及所述每种系统资源的数值的最大值，为所述目标应用预留所述每种系统资源。在一种可能的实现方式中，所述系统资源的种类包括以下资源中的至少一种：内存资源、中央处理单元CPU资源、输入输出IO资源。在一种可能的实现方式中，所述预测用户待使用的目标应用，包括：所述终端在接收进行前后台切换的指令之后，开始预测所述目标应用。第二方面，提供了一种终端，所述终端包括用于执行第一方面的方法的模块。基于同一专利技术构思，由于该终端解决问题的原理与第一方面的方法设计中的方案对应，因此该终端的实施可以参见方法的实施，重复之处不再赘述。第三方面，提供了一种终端，包括存储器，用于存储程序；处理器，用于执行存储器中的程序，当所述程序被执行时，所述处理器用于执行第一方面的方法。第四方面，提供了一种计算机存储介质，用于储存计算机程序，该计算机程序包括用于执行第一方面或第一方面的任一可能的实现方式中的方法的指令。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例中所需要使用的附图作简单地介绍，显而易见地，下面所描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术实施例的为应用分配系统资源的方法的示意框图。图2是本专利技术实施例的应用的使用时间间隔的分布示意图。图3是本专利技术实施例的终端的示意性结构图。图4是本专利技术另一实施例的终端的示意性结构图。图5是本专利技术另一实施例的终端的示意性结构图。图6是本专利技术另一实施例的终端的示意性结构图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都应属于本专利技术保护的范围。应理解，在本专利技术实施例中，终端也可以称之为用户设备(UserEquipment，简称为“UE”)、移动台(MobileStation，简称为“MS”)或移动终端(MobileTerminal)等。例如，终端可以是移动电话(或称为“蜂窝”电话)或计算机等，例如，终端还可以是便携式、袖珍式、手持式或者车载的装置。终端也可以是任何涉及到与用户直接交互且需要进行系统资源分配的智能设备上。本申请提出了一种为应用分配系统资源的方法和终端，其主要思想是：基于对用户行为的学习，预测终端的待使用的目标应用，并在用户操作引发目标应用对系统资源的需求之前，根据预测的待使用的目标应用，提前为目标应用预留足够的系统资源，避免因系统资源不足而进入系统本文档来自技高网...

【技术保护点】
一种为应用分配系统资源的方法，其特征在于，包括：终端根据所述终端的当前状态，预测用户待使用的目标应用；所述终端根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源；所述终端根据所述目标应用的资源分配请求，将预留的所述系统资源提供给所述目标应用使用。

【技术特征摘要】
1.一种为应用分配系统资源的方法，其特征在于，包括：终端根据所述终端的当前状态，预测用户待使用的目标应用；所述终端根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源；所述终端根据所述目标应用的资源分配请求，将预留的所述系统资源提供给所述目标应用使用。2.如权利要求1所述的方法，其特征在于，所述方法还包括：所述终端预测所述目标应用的使用时刻；所述终端根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源，包括：所述终端在所述使用时刻之前，为所述目标应用预留系统资源。3.如权利要求2所述的方法，其特征在于，所述终端预测所述目标应用的使用时刻，包括：所述终端根据机器学习模型，预测所述目标应用的使用时刻，其中，所述机器学习模型的模型参数是根据所述用户使用所述目标应用的历史数据确定的。4.如权利要求3所述的方法，其特征在于，所述机器学习模型包括指数分布模型，所述终端预测所述目标应用的使用时刻，包括：所述终端采用指数分布模型，预测所述目标应用的使用时刻，其中，所述指数分布模型用于指示所述目标应用在目标时间区间内被使用的概率。5.如权利要求4所述的方法，其特征在于，所述终端采用指数分布模型，预测所述目标应用的使用时刻，包括：所述终端统计所述目标应用在单位时间内的平均使用次数；所述终端根据所述平均使用次数，确定所述指数分布模型的模型参数；所述终端根据所述指数分布模型和所述指数分布模型的模型参数,预测所述目标应用的使用时刻。6.如权利要求3所述的方法，其特征在于，所述机器学习模型包括隐马尔可夫模型，所述终端预测所述目标应用的使用时刻，包括：采用隐马尔科夫模型，预测所述目标应用的使用时刻，所述隐马尔科夫模型用于指示所述目标应用在目标离散时间区间内被使用的概率。7.如权利要求1-6中任一项所述的方法，其特征在于，所述终端根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源，包括：所述终端在当前的空闲系统资源不满足所述目标应用的资源需求的情况下，释放部分被占用的系统资源以获得刷新后的空闲系统资源，以便于为所述目标应用分配系统资源。8.如权利要求1-7中任一项所述的方法，其特征在于，所述根据所述终端的当前状态，预测用户待使用的目标应用，包括：所述终端根据所述终端的当前状态，预测用户待使用的多个候选应用，所述多个候选应用中包含所述目标应用；所述终端根据预测的结果，为所述目标应用预留系统资源，包括：统计所述多个候选应用中的每个候选应用所需的系统资源；确定所述多个候选应用所需的系统资源中每种系统资源的数值的最大值；按照所述系统资源的种类以及所述每种系统资源的数值的最大值，为所述目标应用预留所述每种系统资源。9.如权利要求1-8中任一项所述的方法，其特征在于，所述系统资源的种类包括以下资源中的至少一种：内存资源、中央处理单元CPU资源、输入输出IO资源。10.如权利要求1-9中任一项所述的方法，其特征在于，所述预测用户待使用的目标应用，包括：所述终端在接收进行前后台切换的指令之后，开始预测所述目标应用。11.一种终端，其特征在于，包括：预测模块，用于根据所述终端的当前状态，预测用户待使用的目标应用；处理模块，用于根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源；所述处理模块还用于根据所述目标应用的资源分配请求，将预留的所述系统资源提供给所述目标应用使用。12.如权利要求11所述的终端，其特征在于，所述预测模块还用于预测所述目标应用的使用时刻；在根据预测的结果，为所述目标应用预留运行所述目标应用所需的系统资源的方面,所述处理模块具体用于在所述使用时刻之前，为所述目标应用预留系统资源。13.如权利要求12所述的终端，其特征在于，在预测所述目标应用的使用时刻的方面，所述预测模块具体用于根据机器学习模型，预测所述目标应用的使用时刻，其中，所述机器学习模型的模型参数是根据所述用户使用所述目标应用的历史数据确定的。14.如权利要求13所述的终端，其特征在于，所述机器学习模型包括指数分布模型，在预测所述目标应用的使用时刻的方面，所述预测模块具体用于采用指数分布模型，预测所述目标应用的使用时刻，其中，所述指数分布模型用于指示所述目标应用在目标时间区间内被使用的概率。15.如权利要求14所述的终端，其特征在于，在采用指数分布模型，预测所述目标应用的使用时刻的方面，所述预测模块具体用于统计所述目标应用在单位时间内的平均使用次数；以及根据所述平均使用次数，确定所述指数分布模型的模型参数；以及根据所述指数分布模型和所述指数分布模型的模型参数,预测所述目标应用的使用时刻。16.如权利要求13所述的终端，其特征在于，所述机器学习模型包括隐马尔可夫模型，在预测所述目标应用的使用时刻的方...

【专利技术属性】
技术研发人员：周振坤，徐羽琼，吴伟，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44