基于电子设备的监测方法、装置及电子设备与流程

1.本发明涉及智能监控领域，尤其涉及一种基于电子设备的监测方法、装置及电子设备。


背景技术：

2.伴随科技发展，科研人员研发出各种电子设备并投入实际使用，大幅提高生产力，提高人民生活质量，但电子设备可能长期工作，为了安全起见，需要对电子设备实施监测，以防止电子设备运行异常造成安全事故。
3.目前常用的电子设备实施监测方法主要基于电流诊断、视频监控及事发报警灯措施，如电流诊断方法主要针对需要电力驱动的电子设备，当未诊断到电流时则表示电子设备发生异常；另外，也可在电子设备工作地放置监控设备，利用人工参与为主的视频监控；也有在电子设备中安置报警灯设备，当电子设备温度过高、过低等原因时，触发报警灯达到对电子设备的监测。
4.上述方法虽然可实现对电子设备的监测，但不管是电流诊断、视频监控还是事发报警灯措施，都是基于电子设备已发生故障的情况下开始报警，无法提前预知电子设备发生故障的时间，导致对电子设备的监测时效性滞后的问题。


技术实现要素：

5.本发明提供一种基于电子设备的监测方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决无法提前预知电子设备的故障时间，导致对电子设备监测具有时效性滞后的问题。
6.为实现上述目的，本发明提供的一种基于电子设备的监测方法，包括：接收电子设备运行指令，基于所述电子设备运行指令启动并运行电子设备；实时捕获所述电子设备的运行数据得到实时运行数据，若未捕获到所述实时运行数据，触发预构建的电子设备报警装置，若捕捉到所述实时运行数据，对所述实时运行数据进行过滤，得到标准运行数据；根据所述标准运行数据构建消息队列；基于所述消息队列，计算所述标准运行数据的运行参数趋势线；在所述运行参数趋势线中生成预警警报线，当所述运行参数趋势线超过所述预警警报线时，触发所述电子设备报警装置，并提取所述运行参数趋势线中对应的运行时间返回至所述电子设备的使用者，完成电子设备监测。
7.可选地，所述根据所述标准运行数据构建消息队列，包括：将所述标准运行数据按照数据类型执行分类，得到不同类型的运行数据；将不同类型的运行数据分别存储至预构建的分布存储系统中；当存储成功时，利用所述分布存储系统将不同类型的所述运行数据，推送至预构建的集群中，并将所述集群按照类型执行编排，得到多个编排节点，将多个编排节点按照所
述预设顺序组合得到所述消息队列。
8.可选地，所述基于所述消息队列，计算所述标准运行数据的运行参数趋势线，包括：依次遍历所述消息队列中的各个编排节点，从每个编排节点中提取不同类型的所述运行数据；将不同类型的所述运行数据按照时间汇总得到不同类似的趋势待评估数据；将所述趋势待评估数据输入至预训练完成的趋势预测模型中执行趋势预测，得到趋势预测数据集；将所述趋势预测数据集按照时间点依次可视化，得到所述运行参数趋势线。
9.可选地，所述预训练完成的趋势预测模型，包括：步骤a：根据预设的卷积池化次数，对所述标准训练数据集进行卷积池化操作，得到运行特征集；步骤b：利用预设的激活函数对所述运行特征集进行计算得到预测运行数据，计算所述预测运行数据的损失值；步骤c：对比所述损失值与预设的损失阈值的大小，当所述损失值大于或等于所述预设阈值时，返回所述步骤a；当所述损失值小于所述预设阈值时，停止训练，得到训练完成的所述趋势预测模型。
10.可选地，所述计算所述预测运行数据的损失值，包括：利用如下公式计算所述预测运行数据的损失值：其中，表示所述损失值，为所述标准训练数据集的数据总量，为正整数，为第个所述标准训练数据集对应的真实标签数据，为第个所述预测运行数据。
11.可选地，所述实时运行数据进行过滤，得到标准运行数据，包括：将所述实时运行数据按照产生顺序排列，得到时间运行数据；利用预设的过滤函数过滤所述时间运行数据，得到所述标准运行数据。
12.可选地，所述对所述实时运行数据进行过滤，得到标准运行数据，还可以包括：归一化所述实时运行数据，得到运行归一化数据；按照所述实时运行数据按照产生顺序排列构建时间跨度区间，利用所述时间跨度区间分割所述运行归一化数据，得到所述标准运行数据。
13.为了解决上述问题，本发明还提供一种基于电子设备的监测装置，所述装置包括：电子设备启动模块，用于接收电子设备运行指令，基于所述电子设备运行指令启动并运行电子设备；运行数据处理模块，用于实时捕获所述电子设备的运行数据得到实时运行数据，若未捕获到所述实时运行数据，触发预构建的电子设备报警装置，若捕捉到所述实时运行数据，对所述实时运行数据进行过滤，得到标准运行数据；
消息队列构建模块，用于根据所述标准运行数据构建消息队列；电子设备监控模块，用于基于所述消息队列，计算所述标准运行数据的运行参数趋势线，在所述运行参数趋势线中生成预警警报线，当所述运行参数趋势线超过所述预警警报线时，触发所述电子设备报警装置，并提取所述运行参数趋势线中对应的运行时间返回至所述电子设备的使用者，完成电子设备监测。
14.为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：存储器，存储至少一个指令；及处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的基于电子设备的监测方法。
15.为了解决上述问题，本发明还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现上述中任意一项所述的基于电子设备的监测方法。
16.本发明实施例先电子设备运行指令启动并运行电子设备，相比于背景技术直接开始监测的方法来说，本发明实施例先实时捕获所述电子设备的运行数据得到实时运行数据，若未捕获到所述实时运行数据，触发电子设备报警装置完成对电子设备启动阶段的报警，若捕捉到所述实时运行数据，对所述实时运行数据进行过滤，并构建消息队列后，预测出运行数据的运行参数趋势线，同时智能化生成预警警报线，当运行参数趋势线超过所述预警警报线时，触发所述电子设备报警装置，可见本发明实施例相比于背景技术来说，并非基于电子设备已发生故障的情况下开始报警，而是通过运行参数趋势线是否触发预警警报线执行报警，因此本发明提出的基于电子设备的监测方法、装置及电子设备，可解决无法提前预知电子设备的故障时间，导致对电子设备监测具有时效性滞后的问题。
附图说明
17.图1为本发明一实施例提供的基于电子设备的监测方法的流程示意图；图2为本发明一实施例提供的基于电子设备的监测方法中s3的流程示意图；图3为本发明一实施例提供的基于电子设备的监测方法中s4的流程示意图；图4为本发明一实施例提供的基于电子设备的监测装置的模块示意图；图5为本发明一实施例提供的实现基于电子设备的监测方法的电子设备的内部结构示意图；本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
18.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
19.本技术实施例提供一种基于电子设备的监测方法，所述基于电子设备的监测方法的执行主体包括但不限于服务端、终端等能够被配置为执行本技术实施例提供的该方法的电子设备中的至少一种。换言之，所述基于电子设备的监测方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
20.参照图1所示，为本发明一实施例提供的基于电子设备的监测方法的流程示意图。
在本实施例中，所述基于电子设备的监测方法包括：s1、接收电子设备运行指令，基于所述电子设备运行指令启动并运行电子设备。
21.本发明实施例中，根据应用场景的不同，电子设备也不尽相同，如在训练深度学习模型的应用场景中，需用到大型服务器，则需要对大型服务器的温度、算力占用比例、线程等监测，防止因温度过高、算力占比过高等导致服务器崩溃等现象。
22.进一步地，所述电子设备运行指令包括图形化按钮指令、程序指令等，如启动上述大型服务器，可在linux系统中终端输入与启动相关的程序指令等。
23.s2、实时捕获所述电子设备的运行数据得到实时运行数据，若未捕获到所述实时运行数据，触发预构建的电子设备报警装置，若捕捉到所述实时运行数据，对所述实时运行数据进行过滤，得到标准运行数据。
24.本发明实施例中，可采用硬件方法或软件方法实时捕获电子设备的运行数据，如上述大型服务器在训练深度学习模型时，可使用内置于大型服务器中的液体温度计计算大型服务器的温度，可使用内嵌至大型服务器的算力测试程序测试大型服务器当前算力占比等。
25.当未捕获到所述实时运行数据时，表示电子设备在启动阶段发生异常，因此可直接触发预构建的电子设备报警装置，完成对电子设备的监测。
26.进一步地，所述对所述实时运行数据进行过滤，得到标准运行数据，包括：将所述实时运行数据按照产生顺序排列，得到时间运行数据；利用预设的过滤函数过滤所述时间运行数据，得到所述标准运行数据。
27.详细地，如大型服务器在当日1点1分的温度为21
°
、在当日1点2分的温度为32
°
、在当日1点3分的温度为33
°
、在当日1点4分的温度为33
°
、在当日1点5分的温度为33
°
，则按照不同温度所产生的时间，得到温度的时间数据为：1:1
‑
21
°
、1:2
‑
32
°
、1:3
‑
33
°
、1:4
‑
33
°
、1:5
‑
33
°
。
28.进一步地，如上述关于温度的时间运行数据在1点3分至1点5分的温度相同，可直接过滤1:4
‑
33
°
、1:5
‑
33
°
，并将1:3
‑
33
°
修改为[1:3,1:5]
‑
33
°
，在提高数据可阅读性的同时，也节省了数据存储资源。
[0029]
本发明另一实施例中，所述对所述实时运行数据进行过滤，得到标准运行数据，包括：归一化所述实时运行数据，得到运行归一化数据；按照所述实时运行数据按照产生顺序排列构建时间跨度区间，利用所述时间跨度区间分割所述运行归一化数据，得到所述标准运行数据。
[0030]
其中，所述归一化所述实时运行数据，得到运行归一化数据，包括：采用如下归一化公式计算得到所述运行归一化数据：其中，、为参数，，为所述实时运行数据，为所述实时运行数据中最小的实时
运行数据，为所述实时运行数据中最大的实时运行数据，表示求解与的均值函数，为所述运行归一化数据。
[0031]
当得到运行归一化数据后，数据值相比于原实时运行数据更小，节约了存储资源。
[0032]
s3、根据所述标准运行数据构建消息队列。
[0033]
详细地，参阅图2所示，所述根据所述标准运行数据构建消息队列，包括：s31、将所述标准运行数据按照数据类型执行分类，得到不同类型的运行数据；s32、将不同类型的运行数据分别存储至预构建的分布存储系统中；s33、当存储成功时，利用所述分布存储系统将不同类型的所述运行数据，推送至预构建的集群中，并将所述集群按照类型执行编排，得到多个编排节点，将多个编排节点按照所述预设顺序组合得到所述消息队列。
[0034]
本发明实施例中，如对上述大型服务器的监测，可得到包括温度、算力占用比例、线程等数据，故可按照不同数据类型，依次分为温度
‑
运行数据、算力
‑
运行数据及线程
‑
运行数据。
[0035]
进一步地，为了防止因数据库故障导致数据大量丢失，本发明实施例将不同类型的运行数据存储至分布存储系统，其中分布存储系统可以为tidb数据库，所述tidb数据库是一种开源分布式关系型数据库，相比于oracle、mysql 等数据库来说，tidb数据库在数据层面做了分片，各数据之间的存储互不关联，可有效防止数据的大量丢失。
[0036]
本发明实施例中，所述集群可采用kafka处理平台构建，其中kafka处理平台是一种高吞吐量的分布式数据处理系统。进一步地，如将温度
‑
运行数据分发至服务器1集群，将算力
‑
运行数据分发至服务器2集群，将线程
‑
运行数据分发至服务器3集群，并对服务器1集群、服务器2集群及服务器3集群编排为消息队列的节点，同时按照温度
‑
算力
‑
线程的顺序，将服务器1集群命名为第一节点、将服务器2集群命名为第二节点及服务器3集群命名为第三节点，并汇总得到所述第一节点、所述第二节点及所述第三节点得到所述消息队列。
[0037]
s4、基于所述消息队列，计算所述标准运行数据的运行参数趋势线。
[0038]
详细地，参阅图3所示，所述基于所述消息队列，计算所述标准运行数据的运行参数趋势线，包括：s41、依次遍历所述消息队列中的各个编排节点，从每个编排节点中提取不同类型的所述运行数据；s42、将不同类型的所述运行数据按照时间汇总得到不同类似的趋势待评估数据；s43、将所述趋势待评估数据输入至预训练完成的趋势预测模型中执行趋势预测，得到趋势预测数据集；进一步地，本发明实施例中所述预训练完成的趋势预测模型，包括：按照时间维度依次从所述电子设备中的历史运行数据中选择训练数据，得到待清理训练数据集；对所述待清理训练数据集执行数据清理操作，得到标注训练数据集；利用所述标注训练数据集对预构建的趋势预测模型进行迭代训练，得到预训练完成的所述趋势预测模型。
[0039]
如历史运行数据的时间长度为2020/01/01
‑
2020/12/31，且所述时间维度为180天，那么按照两天为一个选择区间，依次从2019/01/01、2019/01/03、2019/01/05的历史运行数据作为待清理训练数据集，另外，由于可能存在部分数据缺失的情况，如上述大型服务器可能在2019/01/01并未工作，因此无法获取到在2019/01/01的温度
‑
历史运行数据，因此本发明实施例中，可使用相邻日期所对应的历史运行数据替代，从而得到所述标注训练数据集。
[0040]
进一步地，本发明所述趋势预测模型基于卷积模型构建得到，详细地，所述利用所述标注训练数据集对预构建的趋势预测模型进行迭代训练，得到训练完成的所述趋势预测模型，包括：步骤a：根据预设的卷积池化次数，对所述标准训练数据集进行卷积池化操作，得到运行特征集；步骤b：利用预设的激活函数对所述运行特征集进行计算得到预测运行数据，计算所述预测运行数据的损失值；步骤c：对比所述损失值与预设的损失阈值的大小，当所述损失值大于或等于所述预设阈值时，返回所述步骤a；当所述损失值小于所述预设阈值时，停止训练，得到训练完成的所述趋势预测模型。
[0041]
详细地，本发明实施例中，所述对所述标准训练数据集进行卷积池化操作，得到运行特征集，包括：对所述标准训练数据集进行卷积操作得到第一卷积数据集；对所述第一卷积数据集进行最大池化操作得到所述运行特征集。
[0042]
进一步地，所述卷积操作为：其中，表示所述第一卷积数据集的通道数，表示所述标准训练数据集的通道数，为预设卷积核的大小，为预设卷积操作的步幅，为预设数据补零矩阵。
[0043]
进一步地，本发明较佳实施例所述激活函数包括：其中，表示所述预测运行数据，s表示所述运行特征集中的数据。
[0044]
详细地，本发明较佳实施例所述损失函数包括：其中，表示所述损失值，为所述标准训练数据集的数据总量，为正整数，
为第个所述标准训练数据集对应的真实标签数据，为第个所述预测运行数据。
[0045]
本发明实施例中，当训练完成得到所述趋势预测模型后，利用所述趋势预测模型可预测在不同时间点下，所述电子设备运行时的趋势预测数据，如已知大型服务器在1点1分至1点5分的温度
‑
运行数据为1:1
‑
21
°
、1:2
‑
32
°
、1:3
‑
33
°
、1:4
‑
33
°
、1:5
‑
33
°
，进而利用所述趋势预测模型并结合所述大型服务器在历史中的温度表现，可预测得到1:6
‑
36
°
、1:7
‑
39
°
、1:8
‑
41
°
、1:9
‑
44
°
、1:10
‑
46
°
、1:11
‑
48
°
、1:12
‑
48
°
等。
[0046]
s44、将所述趋势预测数据集按照时间点依次可视化，得到所述运行参数趋势线。
[0047]
本发明实施例调用python程序中的matplotlib库可直接实现可视化，得到所述运行参数趋势线，如上述大型服务器的温度
‑
运行数据，包括在1点1分至1点5分的真实数据1:1
‑
21
°
、1:2
‑
32
°
、1:3
‑
33
°
、1:4
‑
33
°
、1:5
‑
33
°
，还包括结合趋势预测模型所预测出的预测数据，以时间点为横轴、温度为纵轴，可生成matplotlib风格的运行参数趋势线。
[0048]
s5、在所述运行参数趋势线中生成预警警报线，当所述运行参数趋势线超过所述预警警报线时，触发预构建的电子设备报警装置，并提取所述运行参数趋势线中对应的运行时间，返回至所述电子设备的使用者，完成电子设备监测。
[0049]
本发明实施例中，所述预警警报线依然可使用所述matplotlib库生成，且一般为平行于所述运行参数趋势线中横轴的虚线，另外，所述预警警报线的纵坐标可基于电子设备的历史数据预测得到，如上述通过分析大型服务器的温度
‑
运行的历史数据得知，大型服务器的温度不宜超过80
°
，因此所述预警警报线的纵坐标即为80
°
。
[0050]
进一步地，若运行参数趋势线超过所述预警警报线，如大型服务器当日温度超过80
°
，则会自动触发安装在大型服务器的电子设备报警装置，同时提取超过80
°
所对应的时间点，如在当日2:10时，大型服务器的温度将超过80
°
，则将2:10发送至大型服务器的使用者，达到提前预警的作用。
[0051]
本发明实施例先电子设备运行指令启动并运行电子设备，相比于背景技术直接开始监测的方法来说，本发明实施例先实时捕获所述电子设备的运行数据得到实时运行数据，若未捕获到所述实时运行数据，触发电子设备报警装置完成对电子设备启动阶段的报警，若捕捉到所述实时运行数据，对所述实时运行数据进行过滤，并构建消息队列后，预测出运行数据的运行参数趋势线，同时智能化生成预警警报线，当运行参数趋势线超过所述预警警报线时，触发所述电子设备报警装置，可见本发明实施例相比于背景技术来说，并非基于电子设备已发生故障的情况下开始报警，而是通过运行参数趋势线是否触发预警警报线执行报警，因此本发明提出的基于电子设备的监测方法、装置及电子设备，可解决无法提前预知电子设备的故障时间，导致对电子设备监测具有时效性滞后的问题。
[0052]
如图4所示，是本发明基于电子设备的监测装置的模块示意图。
[0053]
本发明所述基于电子设备的监测装置100可以安装于电子设备中。根据实现的功能，所述基于电子设备的监测装置可以包括电子设备启动模块101、运行数据处理模块102、消息队列构建模块103及电子设备监控模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
[0054]
在本实施例中，关于各模块/单元的功能如下：
所述电子设备启动模块101，用于接收电子设备运行指令，基于所述电子设备运行指令启动并运行电子设备；所述运行数据处理模块102，用于实时捕获所述电子设备的运行数据得到实时运行数据，若未捕获到所述实时运行数据，触发预构建的电子设备报警装置，若捕捉到所述实时运行数据，对所述实时运行数据进行过滤，得到标准运行数据；所述消息队列构建模块103，用于根据所述标准运行数据构建消息队列；所述电子设备监控模块104，用于基于所述消息队列，计算所述标准运行数据的运行参数趋势线，在所述运行参数趋势线中生成预警警报线，当所述运行参数趋势线超过所述预警警报线时，触发所述电子设备报警装置，并提取所述运行参数趋势线中对应的运行时间返回至所述电子设备的使用者，完成电子设备监测。
[0055]
本发明实施例所提供的基于电子设备的监测装置100中的各个模块能够在使用时基于与上述的基于电子设备的监测方法采用相同的手段，具体地实施步骤在此不再赘述，关于各模块/单元的功能所产生技术效果与上述的基于电子设备的监测方法的技术效果相同的，即可解决无法提前预知电子设备的故障时间，导致对电子设备监测具有时效性滞后的问题。
[0056]
如图5所示，是本发明实现基于电子设备的监测方法的电子设备的结构示意图。
[0057]
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于电子设备的监测程序12。
[0058]
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：sd或dx存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡（smart media card， smc）、安全数字（secure digital， sd）卡、闪存卡（flash card）等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如基于电子设备的监测程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
[0059]
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（central processing unit，cpu）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心（control unit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于电子设备的监测程序等），以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
[0060]
所述总线可以是外设部件互连标准（peripheral component interconnect，简称pci）总线或扩展工业标准结构（extended industry standard architecture，简称eisa）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
[0061]
图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结
构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
[0062]
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi
‑
fi模块等，在此不再赘述。
[0063]
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口（如wi
‑
fi接口、蓝牙接口等），通常用于在该电子设备1与其他电子设备之间建立通信连接。
[0064]
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器（display）、输入单元（比如键盘（keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled（organic light
‑
emitting diode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
[0065]
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
[0066]
所述电子设备1中的所述存储器11存储的基于电子设备的监测程序12是多个指令的组合，在所述处理器10中运行时，可以实现：接收电子设备运行指令，基于所述电子设备运行指令启动并运行电子设备；实时捕获所述电子设备的运行数据得到实时运行数据，若未捕获到所述实时运行数据，触发预构建的电子设备报警装置，若捕捉到所述实时运行数据，对所述实时运行数据进行过滤，得到标准运行数据；根据所述标准运行数据构建消息队列；基于所述消息队列，计算所述标准运行数据的运行参数趋势线；在所述运行参数趋势线中生成预警警报线，当所述运行参数趋势线超过所述预警警报线时，触发所述电子设备报警装置，并提取所述运行参数趋势线中对应的运行时间返回至所述电子设备的使用者，完成电子设备监测。
[0067]
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
[0068]
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0069]
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
[0070]
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
[0071]
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
[0072]
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
[0073]
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。