本发明涉及智能机器人,尤其是涉及一种智能机器人性能评估方法、系统、设备及介质。
背景技术:
1、由于产品不断迭代和更新,越来越多的功能被开发,并添加到智能机器人系统中,这对机器人系统来说挑战越来越大。到一定程度时,系统资源遇到瓶颈,会导致客户使用的体验感大幅降低。为此要在每一个版本迭代时,通过使用智能机器人性能评估方法对机器人系统的性能进行相关的数据采集和分析,以此来监测系统资源是否处于一个稳定健康的状态,以此来确定该次版本迭代所做的修改使系统性能指标下降甚至故障。但是,现有的性能评估多直接在机器人上进行,这会给机器人的运行性能带来额外的负担,同时也会导致性能评估结果的不准确。
技术实现思路
1、本发明的目的是为了提供一种智能机器人性能评估方法、系统、设备及介质,将数据采集和处理过程分离,减轻智能机器人系统运行负担,提高性能评估结果准确性,并指导智能机器人硬件优化与资源配置方向。
2、本发明的目的可以通过以下技术方案来实现:
3、一种智能机器人性能评估方法,包括以下步骤:
4、智能机器人根据预配置的运行时长运行性能数据采集脚本,采集并统计性能相关数据;
5、将智能机器人性能相关数据传输至本地进行数据处理,计算智能机器人性能指标;
6、基于性能指标评估智能机器人的性能。
7、进一步地,所述性能相关数据包括主要进程的cpu的占用百分比、主要进程占用内存大小、主要线程的迭代频率、系统剩余内存及总内存、系统磁盘大小及使用大小。
8、进一步地,所述计算智能机器人性能指标包括统计预配置的运行时长内主要进程的cpu的占用百分比、主要进程占用内存大小、主要线程的迭代频率、系统剩余内存和系统磁盘使用大小随时间变化的趋势,并计算其最大值、最小值和均值,以及系统剩余内存占总内存的占比、系统磁盘使用大小占磁盘大小的占比,作为智能机器人性能指标。
9、进一步地,所述基于性能指标评估智能机器人的性能具体为:根据智能机器人性能指标的下降趋势或突变特征,识别智能机器人性能下降问题和故障问题,并触发相应预警;根据性能指标与应用需求的比较,确定机器人性能是否能满足应用需求,若无法满足应用需求,则确定是否需要增加硬件资源或优化资源配置。
10、一种智能机器人性能评估系统,包括本地计算与存储设备、智能机器人,其中,所述本地计算与存储设备通过调用paramiko远程连接智能机器人,向智能机器人发送性能数据采集指令,并接收智能机器人返回的性能相关数据进行存储和数据处理,计算智能机器人性能指标,基于性能指标评估智能机器人的性能;智能机器人根据本地计算与存储设备发送的性能数据采集指令根据预配置的运行时长执行性能数据采集脚本,采集并统计性能相关数据。
11、进一步地,所述性能相关数据包括主要进程的cpu的占用百分比、主要进程占用内存大小、主要线程的迭代频率、系统剩余内存及总内存、系统磁盘大小及使用大小。
12、进一步地,所述计算智能机器人性能指标包括统计预配置的运行时长内主要进程的cpu的占用百分比、主要进程占用内存大小、主要线程的迭代频率、系统剩余内存和系统磁盘使用大小随时间变化的趋势,并计算其最大值、最小值和均值,以及系统剩余内存占总内存的占比、系统磁盘使用大小占磁盘大小的占比,作为智能机器人性能指标。
13、进一步地,所述基于性能指标评估智能机器人的性能具体为:根据智能机器人性能指标的下降趋势或突变特征,识别智能机器人性能下降问题和故障问题,并触发相应预警;根据性能指标与应用需求的比较,确定机器人性能是否能满足应用需求,若无法满足应用需求,则确定是否需要增加硬件资源或优化资源配置。
14、一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,所述处理器执行所述程序时实现如上述所述的方法。
15、一种存储介质,其上存储有程序,所述程序被执行时实现如上述所述的方法。
16、与现有技术相比,本发明具有以下有益效果:
17、(1)本发明将数据采集和处理过程分离,通过智能机器人采集性能数据,并传输到本地设备进行数据处理,以减轻智能机器人系统运行负担,避免由于运行数据处理过程对性能评估结果的影响,提高性能评估结果准确性。
18、(2)本发明可以监测机器人系统资源是否处于稳定健康的状态,以此来确定版本迭代所做的修改是否会导致系统性能指标下降甚至故障。
19、(3)本发明能够识别具体是哪些资源的性能收到限制,以此来指导智能机器人硬件优化与资源配置方向,以确保不同应用程序或服务之间的公平共享和最佳性能。
1.一种智能机器人性能评估方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种智能机器人性能评估方法,其特征在于,所述性能相关数据包括主要进程的cpu的占用百分比、主要进程占用内存大小、主要线程的迭代频率、系统剩余内存及总内存、系统磁盘大小及使用大小。
3.根据权利要求2所述的一种智能机器人性能评估方法,其特征在于,所述计算智能机器人性能指标包括统计预配置的运行时长内主要进程的cpu的占用百分比、主要进程占用内存大小、主要线程的迭代频率、系统剩余内存和系统磁盘使用大小随时间变化的趋势,并计算其最大值、最小值和均值,以及系统剩余内存占总内存的占比、系统磁盘使用大小占磁盘大小的占比,作为智能机器人性能指标。
4.根据权利要求1所述的一种智能机器人性能评估方法,其特征在于,所述基于性能指标评估智能机器人的性能具体为:根据智能机器人性能指标的下降趋势或突变特征,识别智能机器人性能下降问题和故障问题,并触发相应预警;根据性能指标与应用需求的比较,确定机器人性能是否能满足应用需求,若无法满足应用需求,则确定是否需要增加硬件资源或优化资源配置。
5.一种智能机器人性能评估系统,其特征在于,包括本地计算与存储设备、智能机器人,其中,所述本地计算与存储设备通过调用paramiko远程连接智能机器人,向智能机器人发送性能数据采集指令,并接收智能机器人返回的性能相关数据进行存储和数据处理,计算智能机器人性能指标,基于性能指标评估智能机器人的性能;智能机器人根据本地计算与存储设备发送的性能数据采集指令根据预配置的运行时长执行性能数据采集脚本,采集并统计性能相关数据。
6.根据权利要求5所述的一种智能机器人性能评估系统,其特征在于,所述性能相关数据包括主要进程的cpu的占用百分比、主要进程占用内存大小、主要线程的迭代频率、系统剩余内存及总内存、系统磁盘大小及使用大小。
7.根据权利要求6所述的一种智能机器人性能评估系统,其特征在于,所述计算智能机器人性能指标包括统计预配置的运行时长内主要进程的cpu的占用百分比、主要进程占用内存大小、主要线程的迭代频率、系统剩余内存和系统磁盘使用大小随时间变化的趋势,并计算其最大值、最小值和均值,以及系统剩余内存占总内存的占比、系统磁盘使用大小占磁盘大小的占比,作为智能机器人性能指标。
8.根据权利要求5所述的一种智能机器人性能评估系统,其特征在于,所述基于性能指标评估智能机器人的性能具体为:根据智能机器人性能指标的下降趋势或突变特征,识别智能机器人性能下降问题和故障问题,并触发相应预警;根据性能指标与应用需求的比较,确定机器人性能是否能满足应用需求,若无法满足应用需求,则确定是否需要增加硬件资源或优化资源配置。
9.一种电子设备,包括存储器和处理器,所述存储器上存储有计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1~4中任一项所述的方法。
10.一种存储介质,其上存储有程序,其特征在于,所述程序被执行时实现如权利要求1-4中任一所述的方法。