基于人工智能与大数据的软件运行优化方法、系统及云平台与流程

1.本公开涉及数据处理技术领域，示例性地，涉及一种基于人工智能与大数据的软件运行优化方法、系统及云平台。


背景技术：

2.由于现在使用移动终端的用户越来越多，因此应用开发商开发了各种各样的用于移动终端的应用。而某个应用的性能指标的好坏成为该应用能否被广大用户接受的重要因素。现有移动终端具有各种可以对移动终端的性能指标进行检测的应用或软件。该应用或软件可以随时采集移动终端的cpu性能、内存使用情况或耗电情况等各种性能指标，以供用户对移动终端的设置进行调整。但是当移动终端中运行了多个应用时，如何判断哪个应用对移动终端的性能影响较大，或某个应用的哪个进程对移动终端的性能影响较大，对于用户而言是比较困难以及复杂的。然而，目前的基于人工智能与大数据的软件运行监测数据处理过程还无法准确判定各个软件运行状态数据单元需要进行指导优化。


技术实现要素：

3.为了至少克服现有技术中的上述不足，本公开的目的在于提供一种基于人工智能与大数据的软件运行优化方法、系统及云平台。
4.第一方面，本公开提供一种基于人工智能与大数据的软件运行优化方法，应用于软件运行服务云平台，所述软件运行服务云平台与多个软件运行服务设备通信连接，所述方法包括：获取所述软件运行服务设备的软件运行行为记录数据，所述软件运行行为记录数据包括多个软件运行状态数据单元；确定软件运行策略模式，并在所述软件运行行为记录数据中搜寻对应于所述软件运行策略模式的软件运行状态数据单元；对于各个所述软件运行策略模式下的每一软件运行策略项目的软件运行状态数据单元，确定出对应于软件运行优化骨骼点的目标状态数据子单元；对于软件运行评估标签为指导优化标签的目标状态数据子单元，分析所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元，以确定所述软件运行评估标签为指导优化标签的目标状态数据子单元是否能被确认为真实指导优化标签。
5.第二方面，本公开实施例还提供一种基于人工智能与大数据的软件运行优化系统，所述基于人工智能与大数据的软件运行优化系统包括软件运行服务云平台以及与所述软件运行服务云平台通信连接的多个软件运行服务设备；所述软件运行服务云平台，用于：获取所述软件运行服务设备的软件运行行为记录数据，所述软件运行行为记录数据包括多个软件运行状态数据单元；
确定软件运行策略模式，并在所述软件运行行为记录数据中搜寻对应于所述软件运行策略模式的软件运行状态数据单元；对于各个所述软件运行策略模式下的每一软件运行策略项目的软件运行状态数据单元，确定出对应于软件运行优化骨骼点的目标状态数据子单元；对于软件运行评估标签为指导优化标签的目标状态数据子单元，分析所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元，以确定所述软件运行评估标签为指导优化标签的目标状态数据子单元是否能被确认为真实指导优化标签。
6.根据上述任意一个方面，本公开提供的实施方式中，可以分析软件运行策略模式与软件运行策略项目之间的软件运行状态数据单元，确定出对应于软件运行优化骨骼点的目标状态数据子单元，并根据软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元来判定软件运行策略项目的软件运行状态数据单元是否需要进行指导优化，如此，无需预先配置软件运行策略项目的软件运行策略特征信息即可判定软件运行策略项目的软件运行状态数据单元是否需要进行指导优化。
7.一种可能的设计思路中，在判定软件运行策略项目的软件运行状态数据单元是否需要进行指导优化之前，利用预先配置订阅软件运行策略模式的软件运行策略特征信息确定软件运行策略模式，从而能在所述软件运行行为记录数据中搜寻到软件运行策略项目在软件运行策略模式下的软件运行状态数据单元，避免将软件运行策略项目在非软件运行策略模式下的软件运行状态数据单元误判为软件运行策略项目在软件运行策略模式下的软件运行状态数据单元。
8.一种可能的设计思路中，搜寻到软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联，利用搜寻到的所述软件运行评估标签为指导优化标签的目标状态数据子单元的软件运行骨骼状态轨迹和软件运行骨骼状态节点、所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元的骨骼状态轨迹和骨骼状态节点以及预设的异常浮动轨迹和/或异常更新搜寻频率，进行异常状态数据单元和/或变动状态数据单元的搜寻，从而能够判定所述软件运行评估标签为指导优化标签的目标状态数据子单元是否能被确认为真实指导优化标签。
9.一种可能的设计思路中，在确定所述软件运行评估标签为指导优化标签的目标状态数据子单元能被确认为真实指导优化标签之后，利用所述软件运行骨骼状态轨迹、软件运行骨骼状态节点以及异常状态数据单元和/或变动状态数据单元的骨骼状态轨迹和骨骼状态节点，可以确定出所述软件运行评估标签为指导优化标签的目标状态数据子单元的异常骨骼状态轨迹和异常骨骼状态节点。
附图说明
10.为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要调用的附图作简单地介绍，应当理解，以下附图仅示出了本公开的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
11.图1为本公开实施例提供的基于人工智能与大数据的软件运行优化系统的应用场景示意图；图2为本公开实施例提供的基于人工智能与大数据的软件运行优化方法的流程示意图；图3为本公开实施例提供的用于实现上述的基于人工智能与大数据的软件运行优化方法的软件运行服务云平台的结构示意框图。
具体实施方式
12.下面结合说明书附图对本公开进行具体说明，方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
13.图1是本公开一种实施例提供的基于人工智能与大数据的软件运行优化系统10的应用场景示意图。基于人工智能与大数据的软件运行优化系统10可以包括软件运行服务云平台100以及与软件运行服务云平台100通信连接的软件运行服务设备200。图1所示的基于人工智能与大数据的软件运行优化系统10仅为一种可行的示例，在其它可行的实施例中，该基于人工智能与大数据的软件运行优化系统10也可以仅包括图1所示组成部分的其中的至少部分或者还可以包括其它的组成部分。
14.一种可能的设计中，基于人工智能与大数据的软件运行优化系统10中的软件运行服务云平台100和软件运行服务设备200可以通过配合执行以下方法实施例所描述的基于人工智能与大数据的软件运行优化方法，具体软件运行服务云平台100和软件运行服务设备200的执行步骤部分可以参照以下方法实施例的详细描述。
15.为了解决前述背景技术中的技术问题，本实施例提供的基于人工智能与大数据的软件运行优化方法可以由图1中所示的软件运行服务云平台100执行，下面对该基于人工智能与大数据的软件运行优化方法进行详细介绍。
16.步骤s101，获取软件运行行为记录数据，所述软件运行行为记录数据包括多个软件运行状态数据单元。
17.一种可能的设计思路中，软件运行服务云平台可以获取到软件运行行为记录数据，所述软件运行行为记录数据包含了多个软件运行策略模式与多个软件运行策略项目之间的软件运行状态数据单元。所述软件运行行为记录数据可以存储在软件运行服务云平台内部，或者也可以存储在软件运行服务云平台外部并由软件运行服务云平台通过网络访问的方式获取。软件运行状态数据单元是软件运行策略模式和软件运行策略项目的软件运行状态数据动作产生的信息，通常每次软件运行状态数据会产生一个软件运行状态数据单元，但并不限于此。软件运行服务云平台通过识别每条软件运行状态数据单元，可以获得该条软件运行状态数据单元的具体内容，该具体内容包括软件运行状态数据的骨骼状态轨迹、软件运行状态数据骨骼状态节点、软件运行状态标签、软件运行状态数据软件运行评估标签等信息中的一种或多种。
18.步骤s102，确定软件运行策略模式，并在所述软件运行行为记录数据中搜寻对应于所述软件运行策略模式的软件运行状态数据单元。
19.一种可能的设计思路中，软件运行服务云平台下的模式服务通常很多，为了更精准地定位软件运行策略模式下的软件运行状态数据单元，需要对软件运行行为记录数据进
行确定，以确定出软件运行策略项目在软件运行策略模式下的软件运行状态数据单元，也即，软件运行策略项目和软件运行策略模式之间的软件运行状态数据产生的软件运行状态数据单元。
20.一种可能的设计思路中，步骤s102所描述的确定软件运行策略模式，具体可以包括下技术方案。
21.步骤s201，获取订阅软件运行策略模式的软件运行策略特征信息。
22.一种可能的设计思路中，所述订阅软件运行策略模式可以是一个或多个软件运行策略模式。
23.步骤s202，根据所述订阅软件运行策略模式的软件运行策略特征信息，在所述软件运行行为记录数据中搜寻所述订阅软件运行策略模式的共享软件运行策略模式。
24.一种可能的设计思路中，所述共享软件运行策略模式指的是对于所述订阅软件运行策略模式下的各个软件运行策略项目，与其中至少一个软件运行策略项目有软件运行状态数据的模式服务，例如，对于每一订阅软件运行策略模式，可以遍历所述软件运行行为记录数据中的各个软件运行状态数据单元，如果某一软件运行状态数据单元中包含了该订阅软件运行策略模式的软件运行策略特征信息，则识别该软件运行状态数据单元中涉及的软件运行策略项目的信息，再一次遍历所述软件运行行为记录数据中的各个软件运行状态数据单元，确定出包含该软件运行策略项目的信息的软件运行状态数据单元，并将确定出的软件运行状态数据单元中的软件运行状态数据对手方（订阅软件运行策略模式除外）作为该订阅软件运行策略模式的共享软件运行策略模式。
25.步骤s203，在所述软件运行行为记录数据中进行搜寻，找出所述共享软件运行策略模式中软件运行状态标签含有预设标签特征和/或软件运行状态数据单元满足预设软件运行状态数据特征的模式服务，将确定出的模式服务作为衍生软件运行策略模式，并将所述衍生软件运行策略模式的软件运行策略特征信息添加到所述订阅软件运行策略模式的软件运行策略特征信息中。
26.一种可能的设计思路中，可以对各个共享软件运行策略模式的模式服务软件运行状态标签进行搜寻，确定出软件运行状态标签中含有预设标签特征的模式服务，所述预设标签特征可以包括以下一项或多项：软件运行量特征、软件运行持续特征、软件运行迁移特征、软件运行模板特征、软件运行时序特征、软件运行场景特征；以及，可以对各个共享软件运行策略模式的软件运行状态数据单元进行搜寻，确定出软件运行状态数据单元满足预设软件运行状态数据特征的模式服务，所述预设软件运行状态数据特征可以包括以下一项或多项：实时软件运行状态数据单轮软件运行阶段的软件运行状态数据比例、软件运行状态数据的数据均值范围、软件运行状态数据的骨骼状态轨迹的均值范围、频繁软件运行状态数据的骨骼状态轨迹、非频繁软件运行状态数据的骨骼状态轨迹、软件运行状态数据的骨骼状态轨迹汇总内容。对于上述两个条件，满足其中的一个或者两个都满足的模式服务，可以将其信息添加到订阅软件运行策略模式的软件运行策略特征信息中。
27.反复执行上述步骤s202和步骤s203所描述的内容，直至没有所述衍生软件运行策略模式为止，此时，最新的订阅软件运行策略模式的软件运行策略特征信息为所述软件运行策略模式的软件运行策略特征信息。
28.由此，在获得了全部软件运行策略模式的软件运行策略特征信息之后，软件运行
服务云平台可以根据软件运行策略模式的软件运行策略特征信息，从软件运行行为记录数据中找出软件运行策略模式的软件运行状态数据单元。对于一些可能的示例而言，对于每一软件运行策略模式，找出的该软件运行策略模式的软件运行状态数据单元包括该软件运行策略模式与各个软件运行策略项目之间的软件运行状态数据单元。然后，对于每一软件运行策略模式的软件运行状态数据单元，再根据每个软件运行策略项目的不同查询各个软件运行策略项目的软件运行状态数据单元。
29.一种可能的设计思路中，在没有衍生软件运行策略模式之后，可以对当前的全部软件运行策略模式的软件运行策略特征信息进行验证，以提高准确度。或者，在每次执行步骤s203之后，对搜寻出的衍生软件运行策略模式进行验证，以保证每一步搜寻到的对应于软件运行策略模式的软件运行状态数据单元都尽可能地精准，避免误将不对应于软件运行策略模式下的软件运行状态数据单元作为对应于软件运行策略模式下的软件运行状态数据单元。
30.在执行步骤s102之后，继续执行步骤s103，对于各个所述软件运行策略模式下的每一软件运行策略项目的软件运行状态数据单元，确定出对应于软件运行优化骨骼点的目标状态数据子单元。
31.一种可能的设计思路中，步骤s103所描述的对于各个所述软件运行策略模式下的每一软件运行策略项目的软件运行状态数据单元，确定出对应于软件运行优化骨骼点的目标状态数据子单元，具体还可以包括以下技术方案。
32.步骤s301，获取共享软件运行优化骨骼点和/或预设软件运行优化骨骼点。
33.步骤s302，对于各个所述软件运行策略模式下的每一软件运行策略项目的软件运行状态数据单元，搜寻具有所述共享软件运行优化骨骼点和/或预设软件运行优化骨骼点的软件运行状态数据单元。
34.一种可能的设计思路中，对于每一软件运行策略模式，可以搜寻到与其有软件运行状态数据的各个软件运行策略项目的软件运行状态数据单元，并找出每一软件运行策略项目的具有所述共享软件运行优化骨骼点和/或预设软件运行优化骨骼点的软件运行状态数据单元。
35.步骤s303，保留所述具有共享软件运行优化骨骼点和/或预设软件运行优化骨骼点的软件运行状态数据单元，所保留的软件运行状态数据单元的至少一部分为所述目标状态数据子单元。
36.一种可能的设计思路中，步骤s103的另一种实施方式如下，软件运行服务云平台从多个软件运行状态数据单元中确定出对应于按软件运行量启用形式阶段性软件运行优化骨骼点的目标状态数据子单元，可以包括以下内容。
37.步骤s401，获取共享软件运行优化骨骼点和/或预设软件运行优化骨骼点。
38.步骤s402，对于各个所述软件运行策略模式下的每一软件运行策略项目的软件运行状态数据单元，搜寻具有所述共享软件运行优化骨骼点和/或预设软件运行优化骨骼点的软件运行状态数据单元。
39.步骤s403，保留所述具有共享软件运行优化骨骼点和/或预设软件运行优化骨骼点的软件运行状态数据单元。
40.步骤s404，对于保留所述具有共享软件运行优化骨骼点和/或预设软件运行优化
骨骼点的软件运行状态数据单元后的软件运行状态数据单元，搜寻骨骼状态轨迹相同的软件运行状态数据单元。
41.步骤s405，识别第一轮按软件运行量启用状态数据单元的骨骼位置，所述第一轮按软件运行量启用状态数据单元为所述骨骼状态轨迹相同的软件运行状态数据单元中第一个软件运行状态数据单元的骨骼位置，对于所述骨骼状态轨迹相同的软件运行状态数据单元，搜寻骨骼位置与所述第一轮按软件运行量启用状态数据单元的骨骼位置相同或骨骼位置与所述第一轮按软件运行量启用状态数据单元的骨骼位置相差预设位置数量以内的软件运行状态数据单元。
42.步骤s406，识别按软件运行量启用状态数据单元，所述按软件运行量启用状态数据单元为按照所述步骤s405中搜寻到的软件运行状态数据单元和所述第一轮按软件运行量启用状态数据单元。
43.步骤s407，如果所述按软件运行量启用状态数据单元的数量之和大于预设阈值，确定所述按软件运行量启用状态数据单元是对应于按软件运行量启用形式阶段性软件运行优化骨骼点的目标状态数据子单元。
44.一种可能的设计思路中，步骤s103的又一种具体流程如下，软件运行服务云平台可以确定出对应于按骨骼位置启用形式阶段性软件运行优化骨骼点的目标状态数据子单元，可以包括以下内容。
45.步骤s501，获取共享软件运行优化骨骼点和/或预设软件运行优化骨骼点。
46.步骤s502，对于各个所述软件运行策略模式下的每一软件运行策略项目的软件运行状态数据单元，搜寻具有所述共享软件运行优化骨骼点和/或预设软件运行优化骨骼点的软件运行状态数据单元。
47.步骤s503，保留所述具有共享软件运行优化骨骼点和/或预设软件运行优化骨骼点的软件运行状态数据单元。
48.步骤s504，对于保留所述具有共享软件运行优化骨骼点和/或预设软件运行优化骨骼点的软件运行状态数据单元后的软件运行状态数据单元，搜寻软件运行状态标签相同的软件运行状态数据单元。
49.步骤s505，识别第一轮按骨骼位置启用状态数据单元的骨骼状态轨迹和骨骼位置，所述第一轮按骨骼位置启用状态数据单元为所述软件运行状态标签相同的软件运行状态数据单元中第一个软件运行状态数据单元的骨骼位置，对于所述软件运行状态标签相同的软件运行状态数据单元，搜寻骨骼位置与所述第一轮按软件运行量启用状态数据单元的骨骼位置相同或骨骼位置与所述第一轮按软件运行量启用状态数据单元的骨骼位置相差预设位置数量量的软件运行状态数据单元。
50.步骤s506，对于所述步骤s505中搜寻到的软件运行状态数据单元，搜寻骨骼状态轨迹呈递减趋势且与所述第一轮按软件运行量启用状态数据单元的骨骼状态轨迹相差预设骨骼状态轨迹以内的软件运行状态数据单元。
51.步骤s507，识别按骨骼位置启用状态数据单元，所述按骨骼位置启用状态数据单元为所述步骤s506中搜寻到的软件运行状态数据单元和所述第一轮按软件运行量启用状态数据单元。
52.步骤s508，如果所述按骨骼位置启用状态数据单元的数量之和超过预设阈值，确
定所述按骨骼位置启用状态数据单元是对应于按骨骼位置启用形式阶段性软件运行优化骨骼点的目标状态数据子单元。
53.一种可能的设计思路中，步骤s103中的“所述对应于软件运行优化骨骼点的目标状态数据子单元”可以是基于上述示出的不同步骤确定出的目标状态数据子单元，还可以按照其他一步或多步的确定获得的目标状态数据子单元，例如对应于非阶段性软件运行优化骨骼点的目标状态数据子单元、对应于按软件运行阶段类型启用软件运行优化骨骼点的目标状态数据子单元等，本技术实施例在此不作限定。
54.在执行步骤s103所描述的内容之后，继续执行步骤s104，对于软件运行评估标签为指导优化标签的目标状态数据子单元，分析所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元，以确定所述软件运行评估标签为指导优化标签的目标状态数据子单元是否能被确认为真实指导优化标签。
55.一种可能的设计思路中，步骤s104所描述的对于软件运行评估标签为指导优化标签的目标状态数据子单元，分析所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元，以确定所述软件运行评估标签为指导优化标签的目标状态数据子单元是否能被确认为真实指导优化标签，可以通过以下步骤实现。
56.步骤s601，识别所述软件运行评估标签为指导优化标签的目标状态数据子单元的软件运行骨骼状态轨迹和软件运行骨骼状态节点。
57.步骤s602，识别所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元的骨骼状态轨迹和骨骼状态节点。
58.步骤s603，在所述预设数量个软件运行状态数据单元中搜寻骨骼状态轨迹与所述软件运行骨骼状态轨迹相同且骨骼状态节点与所述软件运行骨骼状态节点对应于同一骨骼位置的软件运行状态数据单元，作为同一训练阶段软件运行状态数据单元。
59.步骤s604，如果搜寻到所述同一训练阶段软件运行状态数据单元，识别最终的所述同一训练阶段软件运行状态数据单元的软件运行评估标签。
60.步骤s605，如果所述最终的同一训练阶段软件运行状态数据单元的软件运行评估标签为指导优化标签或者未搜寻到所述同一训练阶段软件运行状态数据单元，则确定所述软件运行评估标签为指导优化标签的目标状态数据子单元能被确认为真实指导优化标签。
61.一种可能的设计思路中，步骤s104所描述的对于软件运行评估标签为指导优化标签的目标状态数据子单元，分析所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元，以确定所述软件运行评估标签为指导优化标签的目标状态数据子单元是否能被确认为真实指导优化标签，可以通过以下步骤实现。
62.步骤s701，识别所述软件运行评估标签为指导优化标签的目标状态数据子单元的软件运行骨骼状态轨迹和软件运行骨骼状态节点，所述软件运行骨骼状态轨迹为所述软件运行评估标签为指导优化标签的目标状态数据子单元的骨骼状态轨迹，所述软件运行骨骼状态节点为所述软件运行评估标签为指导优化标签的目标状态数据子单元的骨骼状态节点。
63.步骤s702，识别所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元的骨骼状态轨迹和骨骼状态节点。
64.步骤s703，在所述预设数量个软件运行状态数据单元中搜寻异常状态数据单元和/或变动状态数据单元。
65.步骤s704，如果搜寻到所述异常状态数据单元/或变动状态数据单元，则确定所述软件运行评估标签为指导优化标签的目标状态数据子单元能被确认为真实指导优化标签。
66.一种可能的设计思路中，如果确定所述软件运行评估标签为指导优化标签的目标状态数据子单元能被确认为真实指导优化标签，软件运行服务云平台还可以根据异常状态数据单元和/或变动状态数据单元的信息确定异常骨骼状态轨迹和异常骨骼状态节点。
67.一种可能的设计思路中，如果搜寻到所述异常状态数据单元且确定出的最终的异常状态数据单元的软件运行评估标签为非指导优化标签，则将所述软件运行骨骼状态轨迹作为所述软件运行评估标签为指导优化标签的目标状态数据子单元的异常骨骼状态轨迹；识别所述最终的异常状态数据单元的骨骼状态节点；确定所述最终的异常状态数据单元的骨骼状态节点与所述软件运行骨骼状态节点的状态损失节点，所述状态损失节点作为所述软件运行评估标签为指导优化标签的目标状态数据子单元的异常骨骼状态节点。
68.如果搜寻到所述变动状态数据单元，则识别所述确定出的最终的变动状态数据单元的骨骼状态轨迹；将所述最终的变动状态数据单元的骨骼状态轨迹作为所述软件运行评估标签为指导优化标签的目标状态数据子单元的异常骨骼状态轨迹；识别所述最终的变动状态数据单元的骨骼状态节点；确定所述最终的变动状态数据单元的骨骼状态节点与所述软件运行骨骼状态节点的状态损失节点，所述状态损失节点作为所述软件运行评估标签为指导优化标签的目标状态数据子单元的异常骨骼状态节点。
69.一种可能的设计思路中，步骤s703所描述的在所述预设数量个软件运行状态数据单元中搜寻异常状态数据单元和/或变动状态数据单元，具体可以包括以下步骤a-步骤k所描述的内容。
70.步骤a，设置异常检测进程，所述异常检测进程为每次搜寻所述异常状态数据单元的搜寻区间，所述异常检测进程从所述软件运行骨骼状态节点的下一骨骼状态节点开始，并具有第一预设检测节点序列；步骤b，在所述异常检测进程内搜寻异常状态数据单元；步骤c，如果在所述异常检测进程内搜寻到所述异常状态数据单元，则识别所述异常检测进程内最终的异常状态数据单元的软件运行评估标签，如果所述异常检测进程内最终的异常状态数据单元的软件运行评估标签为指导优化标签，则将所述异常检测进程继续调整所述第一预设检测节点序列；步骤d，反复执行步骤b和步骤c，直至在所述异常检测进程未搜寻到所述异常状态数据单元，或者，所述异常检测进程内最终的异常状态数据单元的软件运行评估标签为非指导优化标签；步骤e，如果步骤c中未在所述异常检测进程内搜寻到所述异常状态数据单元，或者，所述异常检测进程内最终的异常状态数据单元的软件运行评估标签为非指导优化标签，则停止所述异常状态数据单元的搜寻；步骤f，设置变动检测进程，所述变动检测进程从确定出的最终的异常状态数据单
元的骨骼状态节点的下一骨骼状态节点开始，并具有第二预设检测节点序列，其中，如果没有确定出所述异常状态数据单元，则所述变动检测进程从所述软件运行骨骼状态节点的下一骨骼状态节点开始；步骤g，在所述变动检测进程内搜寻所述变动状态数据单元；步骤h，如果在所述变动检测进程内搜寻到所述变动状态数据单元，则识别所述变动检测进程内最终的变动状态数据单元的软件运行评估标签；如果所述变动检测进程内最终的变动状态数据单元的软件运行评估标签为指导优化标签，则将所述变动检测进程继续调整所述第二预设检测节点序列；步骤j，反复执行步骤g和步骤h，直至在所述变动检测进程内未搜寻到所述变动状态数据单元，或者，所述变动检测进程内最终的变动状态数据单元的软件运行评估标签为非指导优化标签；步骤k，如果步骤h中未在所述变动检测进程未搜寻到所述变动状态数据单元，或者，所述变动检测进程内最终的变动状态数据单元的软件运行评估标签为非指导优化标签，则停止所述变动状态数据单元的搜寻。
71.如此，获取软件运行行为记录数据，所述软件运行行为记录数据包括多个软件运行状态数据单元；确定软件运行策略模式，并在所述软件运行行为记录数据中搜寻对应于所述软件运行策略模式的软件运行状态数据单元；对于各个所述软件运行策略模式下的每一软件运行策略项目的软件运行状态数据单元，确定出对应于软件运行优化骨骼点的目标状态数据子单元；对于软件运行评估标签为指导优化标签的目标状态数据子单元，分析所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元，以确定所述软件运行评估标签为指导优化标签的目标状态数据子单元是否能被确认为真实指导优化标签。
72.如此，软件运行服务云平台可以分析软件运行策略模式与软件运行策略项目之间的软件运行状态数据单元，确定出对应于软件运行优化骨骼点的目标状态数据子单元，并根据软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元来判定软件运行策略项目的软件运行状态数据单元是否需要进行指导优化，如此，无需预先配置软件运行策略项目的软件运行策略特征信息即可判定软件运行策略项目的软件运行状态数据单元是否需要进行指导优化。
73.一种可能的设计思路中，在判定软件运行策略项目的软件运行状态数据单元是否需要进行指导优化之前，利用预先配置订阅软件运行策略模式的软件运行策略特征信息确定软件运行策略模式，从而能在所述软件运行行为记录数据中搜寻到软件运行策略项目在软件运行策略模式下的软件运行状态数据单元，避免将软件运行策略项目在非软件运行策略模式下的软件运行状态数据单元误判为软件运行策略项目在软件运行策略模式下的软件运行状态数据单元。
74.一种可能的设计思路中，搜寻到软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联，利用搜寻到的所述软件运行评估标签为指导优化标签的目标状态数据子单元的软件运行骨骼状态轨迹和软件运行骨骼状态节点、所述软件运行评估标签为指导优化标签的目标状态数据子单元存在软件运行关联的预设数量个软件运行状态数据单元的骨骼状态轨迹和骨骼状态节点以及预设的异常浮动轨迹和/或异常更新搜寻频
率，进行异常状态数据单元和/或变动状态数据单元的搜寻，从而能够判定所述软件运行评估标签为指导优化标签的目标状态数据子单元是否能被确认为真实指导优化标签。
75.一种可能的设计思路中，在确定所述软件运行评估标签为指导优化标签的目标状态数据子单元能被确认为真实指导优化标签之后，利用所述软件运行骨骼状态轨迹、软件运行骨骼状态节点以及异常状态数据单元和/或变动状态数据单元的骨骼状态轨迹和骨骼状态节点，可以确定出所述软件运行评估标签为指导优化标签的目标状态数据子单元的异常骨骼状态轨迹和异常骨骼状态节点。
76.譬如，一种可能的设计思路中，在上述步骤s104之后，该方法还包括以下步骤s105：若所述软件运行评估标签为指导优化标签的目标状态数据子单元不被确认为真实指导优化标签，则获取待分析的软件运行基础环节数据对应的软件运行动作行为分布；若所述软件运行动作行为分布为非频繁软件运行动作行为分布，则根据初始软件运行策略项目特征在初始软件运行动作行为分布中的初始策略执行状态，提取所述软件运行动作行为分布中的关键动作行为信息，根据所述关键动作行为信息生成所述软件运行动作行为分布的关键动作区间属性信息；所述关键动作行为信息为所述软件运行动作行为分布中与所述初始策略执行状态对应的关键动作描述特征的信息；根据所述关键动作区间属性信息，确定所述待分析的软件运行基础环节数据的软件运行策略项目维度。
77.譬如，一种可能的设计思路中，上述步骤s105的进一步实施方式，可以包括以下内容。
78.步骤110，获取待分析的软件运行基础环节数据对应的软件运行动作行为分布。
79.步骤120，若所述软件运行动作行为分布为非频繁软件运行动作行为分布，则根据初始软件运行策略项目特征在初始软件运行动作行为分布中的初始策略执行状态，提取所述软件运行动作行为分布中的关键动作行为信息，根据所述关键动作行为信息生成所述软件运行动作行为分布的关键动作区间属性信息。
80.譬如，一种可能的设计思路中，步骤120所描述的根据所述关键动作行为信息生成所述软件运行动作行为分布的关键动作区间属性信息，具体可以包括步骤1201-步骤1204所描述的内容。
81.步骤1201，根据所述关键动作行为信息确定目标动作行为路径的动作行为分布网络。
82.譬如，一种可能的设计思路中，所述软件运行动作行为分布属于软件运行状态标签共享骨骼状态节点内获取到的行为节点信息；所述软件运行状态标签共享骨骼状态节点内获取到的行为节点信息还包括动态行为节点信息；所述软件运行动作行为分布中的行为执行单元，与所述动态行为节点信息的行为执行单元相同。
83.基于此，步骤1201所描述的根据所述关键动作行为信息确定目标动作行为路径的动作行为分布网络，具体可以包括：根据所述初始软件运行策略项目特征在所述初始软件运行动作行为分布中的所述初始策略执行状态，提取所述动态行为节点信息中的动态关键动作行为信息；将所述关键动作行为信息与所述动态关键动作行为信息进行比较；根据比较结果，在所述关键动作行为信息中获取第一动作行为路径分区，以及所述第一动作行为路径分区对应的第一行为路径特征，将所述第一动作行为路径分区与所述第一行为路径特征所组成的标签网络确定为第一动作行为路径的动作行为分布网络；所述第一动作行为路
径分区是指所述关键动作行为信息的动作行为路径分区团中，与所述动态关键动作行为信息的目标动态动作行为路径分区相同的动作行为路径分区；所述目标动态动作行为路径分区在所述动态关键动作行为信息中的策略执行状态，与所述第一动作行为路径分区在所述关键动作行为信息中的策略执行状态相同；在所述关键动作行为信息中，获取第二动作行为路径分区以及所述第二动作行为路径分区对应的第二行为路径特征，将所述第二动作行为路径分区与所述第二行为路径特征所组成的标签网络确定为第二动作行为路径的动作行为分布网络；所述第二动作行为路径的动作行为分布网络是指所述动作行为路径分区团中，除所述第一动作行为路径分区之外的动作行为路径分区；将所述第一动作行为路径的动作行为分布网络和所述第二动作行为路径的动作行为分布网络确定为所述目标动作行为路径的动作行为分布网络。
84.步骤1202，根据所述目标动作行为路径的动作行为分布网络所具备的网络热力图信息，确定所述目标动作行为路径的动作行为分布网络对应的动作行为路径的参考动作行为分布网络信息。
85.步骤1203，获取所述软件运行动作行为分布中的行为执行单元对应的初始动作行为路径的参考动作行为分布网络团，根据所述初始动作行为路径的参考动作行为分布网络团和所述动作行为路径的参考动作行为分布网络信息，在所述关键动作行为信息中确定所述软件运行动作行为分布对应的目标行为执行单元信息。
86.譬如，一种可能的设计思路中，步骤1203所描述的根据所述初始动作行为路径的参考动作行为分布网络团和所述动作行为路径的参考动作行为分布网络信息，在所述关键动作行为信息中确定所述软件运行动作行为分布对应的目标行为执行单元信息，具体可以包括：将所述动作行为路径的参考动作行为分布网络信息与所述初始动作行为路径的参考动作行为分布网络团进行比较；若所述初始动作行为路径的参考动作行为分布网络团中存在与所述动作行为路径的参考动作行为分布网络信息相同的初始动作行为路径的参考动作行为分布网络，则将所述关键动作行为信息中所述动作行为路径的参考动作行为分布网络信息对应的关键动作描述特征进行筛选，得到所述目标行为执行单元信息；若所述初始动作行为路径的参考动作行为分布网络团中不存在与所述动作行为路径的参考动作行为分布网络信息相同的初始动作行为路径的参考动作行为分布网络，则将所述关键动作行为信息确定为所述目标行为执行单元信息。
87.如此一来，将动作行为路径的参考动作行为分布网络信息与所述初始动作行为路径的参考动作行为分布网络团进行比较，能够判断出初始动作行为路径的参考动作行为分布网络团是否存在与动作行为路径的参考动作行为分布网络信息相同的初始动作行为路径的参考动作行为分布网络，若不存在，则将关键动作行为信息中的关键动作描述特征进行筛选，得到所述目标行为执行单元信息，若存在，关键动作行为信息确定为所述目标行为执行单元信息。这样能够确保得到的目标行为执行单元信息的精确性。
88.步骤1204，根据所述目标行为执行单元信息生成所述软件运行动作行为分布的关键动作区间属性信息。
89.在本实施例中，目标动作行为路径的动作行为分布网络可以是软件运行服务云平台根据动作行为对应的关键动作行为信息所形成的动作行为分布网络信息。参考动作行为分布网络信息可以是参考动作行为分布网络信息。行为执行单元可以是行为执行过程中的
最小记录单位。
90.步骤130，根据所述关键动作区间属性信息，确定所述待分析的软件运行基础环节数据的软件运行策略项目维度。
91.譬如，一种可能的设计思路中，步骤130所描述的根据所述关键动作区间属性信息，确定所述待分析的软件运行基础环节数据的软件运行策略项目维度，具体可以包括以下步骤1301-步骤1304所描述的内容。
92.步骤1301，获取初始关键动作区间属性团。
93.步骤1302，将所述关键动作区间属性信息与所述初始关键动作区间属性团进行比较。
94.步骤1303，若所述初始关键动作区间属性团中存在与所述关键动作区间属性信息相同的初始关键动作区间属性，则确定所述关键动作区间属性信息为活跃关键动作区间属性信息，将所述待分析的软件运行基础环节数据的软件运行策略项目维度确定为活跃软件运行策略项目维度。
95.步骤1304，若所述初始关键动作区间属性团中不存在与所述关键动作区间属性信息相同的初始关键动作区间属性，则确定所述关键动作区间属性信息为待定关键动作区间属性信息，将所述待分析的软件运行基础环节数据的软件运行策略项目维度确定为非活跃软件运行策略项目维度。
96.在步骤1301-步骤1304所描述的内容中，初始关键动作区间属性团是指现有的关键动作区间属性团。将关键动作区间属性信息与现有的关键动作区间属性团进行关键动作区间属性信息对比，以判断出活跃关键动作区间属性信息和待定关键动作区间属性信息，进而根据不同的关键动作区间属性信息以准确地确定出不同的软件运行策略项目维度。
97.图3示出了本公开实施例提供的用于实现上述的基于人工智能与大数据的软件运行优化方法的软件运行服务云平台100的硬件结构意图，如图3所示，软件运行服务云平台100可包括处理器110、机器可读存储介质120、总线130以及通信单元140。
98.在具体实现过程中，多个处理器110执行机器可读存储介质120存储的计算机可执行指令，使得处理器110可以执行如上方法实施例的基于人工智能与大数据的软件运行优化方法，处理器110、机器可读存储介质120以及通信单元140通过总线130连接，处理器110可以用于控制通信单元140的收发动作，从而可以与前述的软件运行服务设备200进行数据收发。
99.机器可读存储介质120可以储存数据和/或指令。在一些实施例中，机器可读存储介质120可以储存软件运行服务云平台100用来执行或使用来完成本公开中描述的示例性方法的数据及/或指令。在一些实施例中，机器可读存储介质120可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(rom)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取内存(ram)。示例性ram可包括健康随机存取存储器(dram)、双倍数据速率同步健康随机存取存储器(ddr sdram)、静态随机存取存储器(sram)、晶闸管随机存取存储器(t-ram)和零电容随机存取存储器(z-ram)等。示例性只读存储器可以包括掩模型只读存储器(mrom)、可编程只读存储器(prom)、可擦除可编程只读存储器(perom)、电可擦除可编程只读存储器(eeprom)、光盘只
读存储器(cd-rom)和数字多功能磁盘只读存储器等。在一些实施例中，机器可读存储介质120可以在软件运行服务云平台100上实现。仅作为示例，软件运行服务云平台100可以包括私有云、公共云、混合云、社区云、分布云、内部云，多层云等，或其任意组合。
100.处理器110的具体实现过程可参见上述软件运行服务云平台100执行的各个方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
101.此外，本公开实施例还提供一种可读存储介质，所述可读存储介质中预设有计算机可执行指令，当处理器执行所述计算机可执行指令时，实现如上基于人工智能与大数据的软件运行优化方法。
102.应当理解的是，以上描述仅出于说明的目的，并不旨在限制本公开的范围。对于本领域的普通技术人员来说，可以根据本公开的描述，做出多种修改和变化。然而，这些修改和变化不会背离本公开的范围。
103.上文已对基本概念做了描述，显然，对于阅读此申请后的本领域的普通技术人员来说，上述发明公开仅作为示例，并不构成对本公开的限制。虽然此处并没有明确说明，本领域技术人员可能会对本公开进行各种修改、改进和修正。该类修改、改进和修正在本公开中被建议，所以该类修改、改进、修正仍属于本公开示范实施例的精神和范围。
104.同时，本公开使用了特定词语来描述本公开的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本公开至少一个实施例相关的某一特征、结构或特性。因此，应当强调并注意的是，本说明书中在不同位置两次或以上提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定系指同一实施例。此外，本公开的一个或以上实施例中的某些特征、结构或特性可以进行适当的组合。
105.此外，本领域的普通技术人员可以理解，本公开的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的过程、机器、产品或物质的组合，或对其任何新的和有用的改良。相应地，本公开的各个方面可以完全由硬件执行、可以完全由软件(包括韧体、常驻软件、微代码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“单元”、“模块”或“系统”。此外，本公开公开的各方面可以采取体现在一个或以上计算机可读介质中的计算机程序产品的形式，其中计算机可读程序代码包含在其中。
106.计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。此类传播信号可以有多种形式，包括电磁形式、光形式等或任何合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、rf、或类似介质等或其任意组合。
107.本公开各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写，包括面向主体编程语言如java、scala、smalltalk、eiffel、jade、emerald、c++、c#、vb.net、python等，常规程序化编程语言如c语言、visual basic、fortran 2003、perl、cobol 2002、php、abap，健康编程语言如python、ruby和groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程
计算机可以通过任何网络形式与用户计算机连接，比如局域网(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
108.此外，除非权利要求中明确说明，本公开所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本公开流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本公开实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
109.同理，应当注意的是，为了简化本公开披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本公开实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。同理，应当注意的是，为了简化本公开披露的表述，从而帮助对一个或以上发明实施例的理解，前文对本公开实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。