一种基于云计算的数据管理动态分析系统及方法与流程

本发明涉及数据管理分析，具体为一种基于云计算的数据管理动态分析系统及方法。

背景技术：

1、数据管理是指对游戏中产生的各种数据进行收集、整理、分析和利用的过程，通过对数据进行有效管理分析，游戏运营商能够更好地了解玩家行为、优化游戏体验。

2、现有的数据管理动态分析系统在对游戏数据进行处理时，通过各游戏终端采集的游戏数据对游戏的运行情况进行分析，但在各游戏终端采集的游戏数据受游戏运行终端运行环境的影响，即通过上述方法得到的分析结果精确度较低，以及现有系统在对游戏优化位置进行确定的过程中，仅通过游戏在对应位置的卡顿情况，实现对游戏优化位置的确定，降低了对游戏数据的管理效果，以及现有系统无法实现对游戏待优化位置的优化程度，以及优化顺序进行有效确定，从而降低了用户对游戏的使用体验感。

技术实现思路

1、本发明的目的在于提供一种基于云计算的数据管理动态分析系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：一种基于云计算的数据管理动态分析方法，所述方法包括：

3、s10：在目标软件运行过程中，对软件运行终端显示的图像进行采集，结合目标软件贴图文件夹中存储的贴图情况，对采集的各幅图像的渲染复杂度进行分析；

4、s20：对图像之间的连贯程度进行分析；

5、s30：根据各软件运行终端显示的目标软件运行情况，对目标软件待优化位置进行确定；

6、s40：对待优化位置的优化程度进行分析，根据分析结果，对待优化位置代码数据的管理顺序进行确定。

7、进一步的，所述s10对采集的各幅图像的渲染复杂度进行分析的具体方法为：

8、将目标软件置于标准运行环境下运行，在目标软件运行过程中，以时间间隔t，对软件运行终端显示的图像进行采集，目标软件为游戏软件；

9、对采集的各幅图像上显示的马赛克区域面积进行确定，根据目标软件贴图文件夹中存储的贴图情况，对采集的各幅图像上粘贴的贴图情况进行确定，结合各贴图对应的存储容量，对采集的各幅图像的渲染复杂度进行预测，具体的预测公式为：

10、

11、其中，i＝1，2，…，m，表示目标软件贴图文件夹中存储的各贴图对应的编号，m表示目标软件贴图文件夹中存储的贴图总数量，j＝1，2，…，n，表示按照图像的采集时间顺序对各图像进行编号处理，n表示采集的图像总数量，ui表示编号为i的贴图对应的存储容量，kij表示编号为i的贴图在第j个图像上的粘贴情况，kij＝1或kij＝0，当kij＝1时，表示编号为i的贴图粘贴在第j个图像上，当kij＝0时，表示编号为i的贴图未粘贴在第j个图像上，sj表示第j个图像上显示的马赛克区域面积，表示图像允许粘贴的贴图容量标准值，s表示任意一个图像的总面积，kj表示第j个图像的渲染复杂度。

12、根据各图像上粘贴的贴图情况，以及各图像上显示的马赛克区域面积，对各图像的渲染复杂度进行预测，相较于根据图像上的纹理、边缘特征等因素分析得到的渲染复杂度而言，计算过程更为简单，且根据贴图的存储容量对渲染复杂度进行分析，分析精度较高，有利于提高系统对目标软件代码数据的处理效率。

13、进一步的，所述s20包括：

14、s201：将编号为j的图像与编号为j+1的图像进行对比，根据对比结果，对上述两图像的重合面积gj→j+1进行确定，根据gj→j+1/s对编号为j+1的图像，相较于编号为j的图像的画面改变率进行计算；

15、s202：对软件运行终端在各间隔时间内的操作轨迹长度，以及在各间隔时间内的操作偏向角均值进行获取，根据vj→j+1＝[(2lmj→j+1tanθj→j+1cosθj→j+1-m2j→j+1tanθj→j+1cosθ2j→j+1)+δ]/s对编号为j+1的图像，相较于编号为j的图像的画面改变率进行计算，l表示任意一个图像的长度值，mj→j+1表示软件运行终端在显示编号为j的图像至显示编号为j+1的图像的间隔时间内的操作轨迹长度，θj→j+1表示软件运行终端在显示编号为j的图像至显示编号为j+1的图像的间隔时间内的操作偏向角均值，δ表示误差补偿值，vj→j+1表示编号为j+1的图像相较于编号为j的图像的画面改变率；

16、s203：若gj→j+1/s＝[(2lmj→j+1tanθj→j+1cosθj→j+1-m2j→j+1tanθj→j+1cosθ2j→j+1)+δ]/s则表示编号为j的图像与编号为j+1的图像之间的连贯程度为1；

17、若gj→j+1/s≠[(2lmj→j+1tanθj→j+1cosθj→j+1-m2j→j+1tanθj→j+1cosθ2j→j+1)+δ]/s，则根据yj→j+1＝1-{|[(2lmj→j+1tanθj→j+1cosθj→j+1-m2j→j+1tanθj→j+1cosθ2j→j+1)+δ]-gj→j+1|/gj→j+1}，对编号为j的图像与编号为j+1的图像之间的连贯程度进行分析，其中，yj→j+1表示编号为j的图像与编号为j+1的图像之间的连贯程度。

18、通过相邻间隔时间点采集的图像之间的连贯程度，实现对目标软件代码数据的动态分析，有利于提高系统对目标软件代码数据分析的时效性，在对连贯程度进行分析的过程中，根据软件运行终端在间隔时间内的操作轨迹情况，对相邻间隔时间点采集的图像之间的重合情况进行分析，将分析结果，与通过相邻间隔时间采集的图像直观得到的重合情况进行比较，实现对目标软件代码数据的动态分析，分析过程中无需考虑其它因素对分析结果产生的影响，进一步提高了对目标软件代码数据的动态分析精度。

19、进一步的，所述s30对目标软件待优化位置进行确定的具体方法为：

20、随机选定一个图像，对若干个软件运行终端显示选定图像时的卡顿时间进行获取，对获取的卡顿时间与间隔时间之间的比值进行计算，根据对选定图像的优化系数进行确定，其中，p＝1，2，…，q，表示各软件运行终端对应的编号，q表示软件运行终端总数，hp表示编号为p的软件运行终端显示选定图像时获取的卡顿时间与间隔时间之间的比值，h表示选定图像的优化系数；

21、若r＜h≤1，则表示选定图像对应的代码需要被优化，若0≤h≤r，则表示选定图像对应的代码无需被优化，0.4≤r≤0.7。

22、根据图像的卡顿情况，对目标软件的待优化位置进行确定，有利于提高确定速率。

23、进一步的，所述s40对待优化位置代码数据的管理顺序进行确定的具体方法为：

24、根据wj+1＝d1*kj+1+d2*(1-yj→j+1)+d3*hj+1，对待优化位置的优化程度进行分析，其中，d1、d2、d3均表示比例系数，且d1+d2+d3＝1，hj+1表示编号为j+1的图像的优化系数，wj+1表示编号为j+1的图像对应的代码的优化程度；

25、按照优化程度从高到底的顺序，对待优化位置代码数据的管理顺序进行确定。

26、根据分析的待优化位置的优化程度，可对待优化位置的优化顺序进行确定，有利于逐渐提高用户对目标软件的使用体验感，根据分析的待优化位置的优化程度，可较大程度帮助目标软件管理人员直观的了解用户对目标软件的使用体验感。

27、一种基于云计算的数据管理动态分析系统，所述系统包括渲染复杂度分析模块、连贯程度动态分析模块、待优化位置确定模块和优化程度预测模块；

28、所述渲染程度分析模块用于对采集的各幅图像的渲染复杂度进行分析；

29、所述连贯程度动态分析模块用于对图像之间的连贯程度进行分析；

30、所述待优化位置确定模块用于对目标软件待优化位置进行确定；

31、所述优化程度预测模块用于对待优化位置代码数据的管理顺序进行确定。

32、进一步的，所述渲染程度分析模块包括图像采集单元、贴图粘贴情况确定单元和渲染程度分析单元；

33、所述图像采集单元在目标软件运行过程中，以设定的时间间隔，对软件运行终端显示的图像进行采集，并将采集的图像传输至贴图粘贴情况确定单元；

34、所述贴图粘贴情况确定单元对图像采集单元传输的图像进行接收，根据目标软件贴图文件夹中存储的贴图情况，对采集的各幅图像上粘贴的贴图情况进行确定，并将确定结果传输至渲染程度分析单元；

35、所述渲染程度分析单元对贴图粘贴情况确定单元传输的确定结果进行接收，结合采集的各幅图像上显示的马赛克区域面积，以及各贴图对应的存储容量，对采集的各幅图像的渲染复杂度进行预测，并将预测结果传输至优化程度预测模块。

36、进一步的，所述连贯程度动态分析模块包括画面改变率第一计算单元、画面改变率第二计算单元和连贯程度动态分析单元；

37、所述画面改变率第一计算单元将采集的相邻编号的图像进行比较，根据比较结果，对采集的相邻编号的图像的重合面积进行确定，结合图像的总面积，对编号为j+1的图像，相较于编号为j的图像的画面改变率进行计算，并将计算结果传输至连贯程度动态分析单元；

38、所述画面改变率第二计算单元对软件运行终端在各间隔时间内的操作轨迹长度，以及在各间隔时间内的操作偏向角均值进行获取，根据获取信息，对编号为j+1的图像，相较于编号为j的图像的画面改变率进行计算，并将计算结果传输至连贯程度动态分析单元；

39、所述连贯程度动态分析单元对画面改变率第一计算单元和画面改变率第二计算单元分别传输的计算结果进行接收，基于接收信息，对采集的相邻编号的图像之间的连贯程度进行分析，并将分析结果传输至优化程度预测模块。

40、进一步的，所述待优化位置确定模块对若干个软件运行终端显示选定图像时的卡顿时间进行获取，对获取的卡顿时间与间隔时间之间的比值进行计算，基于计算结果，对选定图像的优化系数进行计算，基于计算结果，对目标软件待优化位置进行确定，并将目标软件待优化位置和计算的选定图像的优化系数传输至优化程度预测模块。

41、进一步的，所述优化程度预测模块对渲染程度分析单元传输的预测结果、连贯程度动态分析单元传输的分析结果，以及待优化位置确定模块传输的目标软件待优化位置和计算的选定图像的优化系数进行接收，根据接收信息，对待优化位置的优化程度进行预测，根据预测结果，对待优化位置代码数据的管理顺序进行确定。

42、与现有技术相比，本发明所达到的有益效果是：

43、1.本发明根据各图像上粘贴的贴图情况，以及各图像上显示的马赛克区域面积，对各图像的渲染复杂度进行预测，相较于根据图像上的纹理、边缘特征等因素分析得到的渲染复杂度而言，计算过程更为简单，且根据贴图的存储容量对渲染复杂度进行分析，分析精度较高，有利于提高系统对代码数据的处理效率。

44、2.本发明根据软件运行终端在各间隔时间内的操作轨迹长度，以及在各间隔时间内的操作偏向角均值对相邻间隔时间点采集的图像之间的重合情况进行分析，分析结果更加贴合实际情况，而通过相邻间隔时间采集的图像直观得到的重合情况，其中存在其它因素对分析结果产生的影响，通过对不同方法获知的重合情况，对相邻间隔时间点采集的图像之间连贯程度进行分析，消除了其它影响因素对分析结果产生的影响，进一步提高了对目标软件代码数据的动态分析精度。

45、3.本发明根据图像的卡顿情况，对目标软件的待优化位置进行确定，结合图像之间的连贯程度，以及各幅图像的渲染复杂度，对图像的优化程度进行预测，根据预测的优化程度，对待优化位置的代码数据的管理顺序进行确定，可逐渐提高用户对目标软件的使用体验感，进一步提高了系统对目标软件代码数据的管理效果。