[发明专利]性能监测评价方法、装置、计算机设备及可读存储介质

权利要求书

1.一种性能监测评价方法，用于对移动端的性能指标进行监测及评价，其特征在于，包括：

根据移动端发送的异常信息获取所述移动端的性能数据，其中，所述性能数据反映了所述移动端在异常状态下的性能指标；

获取所述移动端的用户信息，将所述性能数据与所述用户信息关联并保存；

调用异常数据库汇总属于同一用户信息的性能数据形成性能集合，删除性能集合中超过预设的时间期限的性能数据；

计算异常数据库内性能集合中性能数据的数量，判断所述性能数据的数量是否达到预置的训练阈值；若是，则提取所述性能集合中的性能数据；若否，则结束；

通过所述性能数据及预置的基准数据，训练预置的初始深度学习网络得到成熟深度学习网络，其中，所述基准数据反映了移动端在正常状态时的性能指标；

通过所述成熟深度学习网络计算预置的可调数据生成试验结果，及计算所述试验结果与预置的均衡结果之间的差距得到试验损失值，根据所述试验损失值调整所述可调数据直至所述成熟深度学习网络生成的试验结果与所述均衡结果一致，将所述可调数据设为动态指标；

监测移动端的性能指标并将其作为实时指标，根据所述动态指标对所述实时指标进行评价得到评价结果，根据所述评价结果向所述移动端发送报警信息。

2.根据权利要求1所述的性能监测评价方法，其特征在于，所述根据移动端发送的异常信息获取所述移动端的性能数据之前，所述方法还包括：

创建用于监听移动端的异常信息的上传接口。

3.根据权利要求1所述的性能监测评价方法，其特征在于，所述根据移动端发送的异常信息获取所述移动端的性能数据之前，所述方法还包括：

向移动端发送状态请求，并接收所述移动端根据所述状态请求发送的状态信息；判断所述状态信息中是否具有异常标签；若是，则判定所述状态信息为异常信息；若否，则结束。

4.根据权利要求1所述的性能监测评价方法，其特征在于，所述通过所述性能数据及预置的基准数据，训练预置的初始深度学习网络得到成熟深度学习网络的步骤，包括：

获取基准数据；

根据所述基准数据和性能数据中的子数据项，构建所述初始深度学习网络中输入层的神经元；将所述基准数据中各子数据项对应的数据录入所述输入层中对应的神经元内，将所述性能数据中各子数据项对应的数据录入所述输入层中对应的神经元内；

调用所述初始深度学习网络的隐藏层，获取所述输入层的输入向量并对其进行运算得到输出向量，并将所述输出向量输出至所述初始深度学习网络的输出层；

通过预置的训练损失函数计算所述输出层的输出向量，与所述性能数据对应的异常信息之间的差距并得到训练损失值；

通过反向传播算法并根据所述训练损失值调整所述隐藏层的权重和偏执值，直至所述训练损失值小于预置的训练损失阈值，得到成熟深度学习网络。

5.根据权利要求1所述的性能监测评价方法，其特征在于，所述将所述可调数据设为动态指标之后，所述方法还包括：

将所述动态指标与所述移动端的用户信息关联并保存；

所述将所述动态指标与所述移动端的用户信息关联并保存之后，所述方法还包括：

将所述动态指标和所述用户信息上传至区块链中。

6.根据权利要求1所述的性能监测评价方法，其特征在于，所述监测移动端的性能指标并将其作为实时指标，根据所述动态指标对所述实时指标进行评价得到评价结果，根据所述评价结果向所述移动端发送报警信息的步骤，包括：

监测移动端的性能指标并将其作为实时指标，及获取所述移动端的用户信息并提取与所述用户信息关联的动态指标；

将值超过所述动态指标的实时指标设为异常指标，并将所述异常指标的数量设为评价结果；判断所述评价结果是否超过预置的异常阈值；

若是，则向所述移动端发送报警信息；

若否，则结束。