1.一种代码优化项获取方法，其特征在于，包括：

当接收到对目标程序代码的优化请求时，从所述优化请求中获取对所述目标程序代码的性能测试参数、优化目标参数、代码运行环境参数以及程序代码开发参数；所述程序代码开发参数包括程序代码的用途；

将所述性能测试参数、优化目标参数、代码运行环境参数以及程序代码开发参数的输入数据，输入预先训练好的机器学习模型，得到对所述目标程序代码的优化策略；

根据所述优化策略，扫描所述目标程序代码，得到与所述优化策略对应的所有优化项；

获取预设优化项管理列表，所述预设优化项管理列表包括优化后对各个性能参数的性能贡献值及对各个性能参数的性能耗费值；

根据所述优化后对各个性能参数的性能贡献值及所述对各个性能参数的性能耗费值，按照预定规则从所述与所述优化策略对应的所有优化项中获取多个优化项，作为目标优化项。

2.根据权利要求1所述的方法，其特征在于，所述将所述性能测试参数、优化目标参数、代码运行环境参数以及程序代码开发参数的输入数据，输入预先训练好的机器学习模型，得到对所述目标程序代码的优化策略，包括：获取预设输入数据模板，所述预设输入数据模板包括性能测试参数与优化目标参数中相同属性参数的关联存储区域、代码运行环境参数存储区域以及程序代码开发参数存储区域；

将所述性能测试参数与所述优化目标参数中相同属性的参数关联存储在所述关联存储区域，所述代码运行环境参数存储在所述代码运行环境参数存储区域，以及将所述程序代码开发参数存储在所述程序代码开发参数存储区域，得到输入数据模板；

将所述输入数据模板归一化为输入数据，输入预先训练好的机器学习模型，得到对所述目标程序代码的优化策略。

3.根据权利要求1所述的方法，其特征在于，所述优化策略为包括多个预测优化项的优化项列表，所述根据所述优化策略，扫描所述目标程序代码，得到与所述优化策略对应的所有优化项，包括：获取所述优化策略中每个所述预测优化项的预设扫描模板；

利用每个所述预设扫描模板，扫描所述目标程序代码，得到与所述优化策略对应的所有优化项。

4.根据权利要求1所述的方法，其特征在于，所述根据所述优化后对各个性能参数的性能贡献值及所述对各个性能参数的性能耗费值，按照预定规则从所述与所述优化策略对应的所有优化项中获取多个优化项，作为目标优化项，包括：获取所述所有优化项中，对优化目标参数的性能贡献值之和大于预定阈值，同时对除所述优化目标参数之外的其它性能参数的性能耗费值小于预定阈值的多个优化项，作为所述目标优化项。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从预设优化项优化案例数据库中，获取所述目标优化项的优化示例；

将所述目标优化项及所述优化示例发送到目标终端，以完成所述目标程序代码的优化。

6.根据权利要求1所述的方法，其特征在于，机器学习模型的训练方法是：收集性能测试参数、优化目标参数、代码运行环境参数及程序代码开发参数的样本集，所述样本集中每个样本事先标定对应的程序代码的优化策略；

将所述样本集中每个样本的输入数据输入机器学习模型，得到每个样本对应的程序代码的预测优化策略；

如果存在有所述样本输入机器学习模型后，得到的所述样本对应的程序代码的预测优化策略与对所述样本事先标定对应的程序代码的优化策略不一致，则调整机器学习模型的系数，使得一致；

当所有的所述样本输入机器学习模型后，得到的所述样本对应的程序代码的预测优化策略与对所述样本事先标定对应的程序代码的优化策略一致，训练结束。

7.一种代码优化项获取装置，其特征在于，包括：

参数获取模块，用于当接收到对目标程序代码的优化请求时，从所述优化请求中获取对所述目标程序代码的性能测试参数、优化目标参数、代码运行环境参数以及程序代码开发参数；所述程序代码开发参数包括程序代码的用途；

预测模块，用于将所述性能测试参数、优化目标参数、代码运行环境参数以及程序代码开发参数的输入数据，输入预先训练好的机器学习模型，得到对所述目标程序代码的优化策略；

扫描模块，用于根据所述优化策略，扫描所述目标程序代码，得到与所述优化策略对应的所有优化项；

目标获取模块，用于获取预设优化项管理列表，所述预设优化项管理列表包括优化后对各个性能参数的性能贡献值及对各个性能参数的性能耗费值；根据所述优化后对各个性能参数的性能贡献值及所述对各个性能参数的性能耗费值，按照预定规则从所述与所述优化策略对应的所有优化项中获取多个优化项，作为目标优化项。

8.一种计算机可读存储介质，其上存储有代码优化项获取程序，其特征在于，所述代码优化项获取程序被处理器执行时实现权利要求1‑6任一项所述的方法。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的代码优化项获取程序；其中，所述处理器配置为经由执行所述代码优化项获取程序来执行权利要求1‑6任一项所述的方法。