【技术实现步骤摘要】
本专利技术涉及智能终端微应用的检测，特别是涉及一种智能终端微应用内存占用异常检测方法、设备和介质。
技术介绍
1、在电力物联网建设过程中，智能终端如智能融合终端、智能断路器等，均采用硬件平台化、软件app化的设计思路实现，将业务功能以微应用的形式独立部署并按照一定规则协同工作，支撑台区数据采集、感知、处理和对上交互，实现数据的共享和潜在价值的挖掘。
2、在智能终端内部众多微应用独立运行，共享系统资源，当微应用处理数据请求信息时，需要申请并占用相应的内存容量，如微应用设计存在缺陷或设计不合理，则存在内存泄露的风险，为在微应用批量应用前能及时发现此潜在风险，应对微应用的内存占用情况进行监测和预判。
3、目前针对软件内存有一些监测异常的方法，如专利公开号为cn115904859a的《内存占用量预估方法、装置及存储介质》，其是通过对数据处理过程的判断预估需要申请的内存量，过程需要深入源代码，或监测内存的分析函数的运行，或是设计专用接口。另外，还有一些智能终端微应用内存占用检测手段，只判断内存日增量是否超过限值，未从整个周期上判断内存占用的增量趋势，没有很好的利用采样数据做趋势分析。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种智能终端微应用内存占用异常检测方法、设备和介质，能够提高智能终端微应用内存占用异常检测的准确性，进而确保智能终端的稳定性。
2、本专利技术解决其技术问题所采用的技术方案是：提供一种智能终端微应用内存占用异常检测方法，包括
3、在预设时间内周期性地采集智能终端中处于运行状态的微应用的内存占用量数据，得到所述微应用内存占用量采样数据集合；
4、对所述微应用内存占用量采样数据集合中的内存占用量数据的上升趋势进行统计，并计算累计上升值和上升占比；
5、对所述微应用内存占用量采样数据集合中的内存占用量数据进行直线拟合，将拟合的直线的斜率作为微应用内存占用量斜率；
6、根据所述累计上升值、上升占比和微应用内存占用量斜率判断所述微应用的内存占用是否异常；
7、保存判断结果和所述微应用内存占用量采样数据集合，当同类微应用检测次数达到学习阈值时，将多组判断结果和所述微应用内存占用量采样数据集合作为训练集，通过机器学习的方式采用所述训练集对数学模型进行训练，得到能够基于微应用内存占用量采样数据集合判断微应用内存占用是否异常的检测模型。
8、所述预设时间为12小时-24小时，所述周期性地采集的间隔时间为30秒-60秒。
9、所述对所述微应用内存占用量采样数据集合中的内存占用量数据的上升趋势进行统计之前，还包括：去除微应用内存占用量采样数据集合中前序设定数量的采样数据。
10、所述对所述微应用内存占用量采样数据集合中的内存占用量数据的上升趋势进行统计，并计算累计上升值和上升占比，具体包括：
11、按照采样时间顺序依次将所述微应用内存占用量采样数据集合中的内存占用量数据进行比较；
12、如果第n+1时刻采样到的内存占用量数据大于第n时刻采样到的内存占用量数据，则上升数量加一，并计算两者差值，并将累计上升值加上所述差值作为新的累计上升值；
13、将最终得到的上升数量与所述微应用内存占用量采样数据集合中的数量相比，得到上升占比。
14、所述对所述微应用内存占用量采样数据集合中的内存占用量数据进行直线拟合时，采用最小二乘法回归拟合直线。
15、所述根据所述累计上升值、上升占比和微应用内存占用量斜率判断所述微应用的内存占用是否异常，具体为：
16、将所述累计上升值与上升阈值进行比较，将上升占比与占比阈值进行比较；
17、若所述累计上升值不大于所述上升阈值，且所述上升占比不大于所述占比阈值，则所述微应用内存占用量处于正常状态；
18、若所述累计上升值大于所述上升阈值或所述上升占比大于所述占比阈值，则将所述微应用内存占用量斜率与斜率阈值进行比较；
19、若所述微应用内存占用量斜率不大于所述斜率阈值，则所述微应用内存占用量处于正常状态；
20、若所述微应用内存占用量斜率大于所述斜率阈值，则所述微应用内存占用量处于异常状态。
21、所述数学模型为支持向量机。
22、本专利技术解决其技术问题所采用的技术方案是：提供一种智能终端微应用内存占用异常检测系统，包括：
23、采样模块，用于在预设时间内周期性地采集智能终端中处于运行状态的微应用的内存占用量数据，得到所述微应用内存占用量采样数据集合；
24、上升计算模块，用于对所述微应用内存占用量采样数据集合中的内存占用量数据的上升趋势进行统计，并计算累计上升值和上升占比；
25、斜率计算模块，用于对所述微应用内存占用量采样数据集合中的内存占用量数据进行直线拟合，将拟合的直线的斜率作为微应用内存占用量斜率；
26、异常判断模块，用于根据所述累计上升值、上升占比和微应用内存占用量斜率判断所述微应用的内存占用是否异常；
27、模型建立模块，用于保存判断结果和所述微应用内存占用量采样数据集合，当同类微应用检测次数达到学习阈值时，将多组判断结果和所述微应用内存占用量采样数据集合作为训练集，通过机器学习的方式采用所述训练集对数学模型进行训练，得到能够基于微应用内存占用量采样数据集合判断微应用内存占用是否异常的检测模型。
28、本专利技术解决其技术问题所采用的技术方案是：提供一种电子设备，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述智能终端微应用内存占用异常检测方法的步骤。
29、本专利技术解决其技术问题所采用的技术方案是：提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述智能终端微应用内存占用异常检测方法的步骤。
30、有益效果
31、由于采用了上述的技术方案，本专利技术与现有技术相比，具有以下的优点和积极效果：本专利技术通过对预设时间内的内存占用量数据计算累计上升值、上升占比以及内存占用量斜率，并根据计算的值判断内存占用是否异常，当同类微应用采样值达到学习阈值后，复核检测结果，用机器学习的方式重新构造数学模型，并不断递归修正，之后采用模型直接判断采样值。该方式实现简单，无须深入源代码，只通过监测程序运行过程即可判断，且在整个周期内最大化利用采样数据进行趋势分析，提高智能终端微应用内存占用异常检测的准确性，进而确保智能终端的稳定性。
本文档来自技高网...【技术保护点】
1.一种智能终端微应用内存占用异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述预设时间为12小时-24小时，所述周期性地采集的间隔时间为30秒-60秒。
3.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述对所述微应用内存占用量采样数据集合中的内存占用量数据的上升趋势进行统计之前，还包括：去除微应用内存占用量采样数据集合中前序设定数量的采样数据。
4.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述对所述微应用内存占用量采样数据集合中的内存占用量数据的上升趋势进行统计，并计算累计上升值和上升占比，具体包括：
5.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述对所述微应用内存占用量采样数据集合中的内存占用量数据进行直线拟合时，采用最小二乘法回归拟合直线。
6.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述根据所述累计上升值、上升占比和微应用内存占用量斜率判
7.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述数学模型为支持向量机。
8.一种智能终端微应用内存占用异常检测系统，其特征在于，包括：
9.一种电子设备，包括存储器以及处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述智能终端微应用内存占用异常检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述智能终端微应用内存占用异常检测方法的步骤。
...【技术特征摘要】
1.一种智能终端微应用内存占用异常检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述预设时间为12小时-24小时，所述周期性地采集的间隔时间为30秒-60秒。
3.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述对所述微应用内存占用量采样数据集合中的内存占用量数据的上升趋势进行统计之前，还包括：去除微应用内存占用量采样数据集合中前序设定数量的采样数据。
4.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述对所述微应用内存占用量采样数据集合中的内存占用量数据的上升趋势进行统计，并计算累计上升值和上升占比，具体包括：
5.根据权利要求1所述的智能终端微应用内存占用异常检测方法，其特征在于，所述对所述微应用内存占用量采样数据集合中的内存占用量数据进行直线拟合...
【专利技术属性】
技术研发人员：张明宇，王鹏，郭屾，张冀川，张治明，林佳颖，秦四军，谭传玉，吕琦，姚志国，
申请(专利权)人：国网上海能源互联网研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。