一种大数据去重方法及装置与流程

本发明属于数据处理技术领域，具体涉及一种大数据去重方法及装置。

背景技术：

目前大数据技术在各个领域得到了广泛应用。在一些大数据应用场景中数据存在一定的时间连续性，如在交通大数据中车辆经过卡口的阅读器时阅读器将车辆的过车记录上传给大数据平台，车过车记录就存在一定的时间连续性，如果车辆在卡口处缓行或静止，则阅读器会在短时间内重复上传该车辆的过车记录，造成大数据平台存储很多重复或近似的数据。因此大数据平台需要对收到的数据进行去重处理。

当前，相关技术中提供了一种数据去重方法，即在一个去重周期内每收到一个数据，从该数据中确定预设数目个关键字，判断该去重周期内收到的其他每个数据中是否存在包含这些关键字的数据，如果是，则将该数据删除。如果否，则存储该数据。

但相关技术中简单的关键字去重，无法消除近似数据，去重的准确性很差，去重之后仍然存在大量的数据冗余，浪费大量的存储空间，还会形成信息污染，掩盖真正有价值的信息。

技术实现要素：

为解决以上问题，本发明提供一种大数据去重方法及装置，将待去重数据的发生时间扩展到多个临近时间，能够有效过滤掉时间接近的近似数据，去重准确性高、精度高。本发明通过以下几个方面来解决以上问题。

第一方面，本发明实施例提供了一种大数据去重方法，所述方法包括：

接收待去重数据，所述待去重数据包括发生时间及数据字符串；

根据所述发生时间及所述数据字符串，生成所述待去重数据对应的redis键值对；

将所述redis键值对插入redis服务器对中，根据所述redis服务器对的返回结果，确定所述待去重数据是否为重复数据。

结合第一方面，本发明实施例提供了上述第一方面的第一种可能的实现方式，其中，所述根据所述发生时间及所述数据字符串，生成所述待去重数据对应的redis键值对，包括：

根据所述发生时间及所述数据字符串，生成所述待去重数据对应的redis键；

根据所述发生时间，生成所述redis键对应的键值；

将所述redis键及所述键值组成所述待去重数据对应的redis键值对。

结合第一方面的第一种可能的实现方式，本发明实施例提供了上述第一方面的第二种可能的实现方式，其中，所述根据所述发生时间及所述数据字符串，生成所述待去重数据对应的redis键，包括：

根据所述发生时间及预设周期长度，计算所述待去重数据对应的周期标识；

根据所述数据字符串及所述周期标识，生成所述待去重数据对应的redis键。

结合第一方面的第一种可能的实现方式，本发明实施例提供了上述第一方面的第三种可能的实现方式，其中，所述根据所述发生时间，生成所述redis键对应的键值，包括：

将所述发生时间扩展为预设数目个临近时间；

将所述预设数目个临近时间确定为所述redis键对应的键值。

结合第一方面的第一种可能的实现方式，本发明实施例提供了上述第一方面的第四种可能的实现方式，其中，所述根据所述redis服务器对的返回结果，确定所述待去重数据是否为重复数据，包括：

判断所述redis服务器对的返回结果是否等于所述redis键值对包括的键值的数目；

如果是，则确定所述待去重数据不是重复数据；

如果否，则确定所述待去重数据是重复数据，丢弃所述待去重数据。

结合第一方面，本发明实施例提供了上述第一方面的第五种可能的实现方式，其中，所述将所述redis键值对插入redis服务器对中，之前还包括：

根据所述发生时间和预设周期长度，计算第一边界系数和第二边界系数；

若所述第一边界系数小于或等于预设阈值，则生成所述redis键值对对应的第一边界键值对，将所述第一边界键值对插入redis服务器对中；

若所述第二边界系数小于或等于所述预设阈值，则生成所述redis键值对对应的第二边界键值对，将所述第二边界键值对插入redis服务器对中。

第二方面，本发明实施例提供了一种大数据去重装置，所述装置包括：

接收模块，用于接收待去重数据，所述待去重数据包括发生时间及数据字符串；

生成模块，用于根据所述发生时间及所述数据字符串，生成所述待去重数据对应的redis键值对；

确定模块，用于将所述redis键值对插入redis服务器对中，根据所述redis服务器对的返回结果，确定所述待去重数据是否为重复数据。

结合第二方面，本发明实施例提供了上述第二方面的第一种可能的实现方式，其中，所述生成模块包括：

生成单元，用于根据所述发生时间及所述数据字符串，生成所述待去重数据对应的redis键；根据所述发生时间，生成所述redis键对应的键值；

组成单元，用于将所述redis键及所述键值组成所述待去重数据对应的redis键值对。

第三方面，本发明实施例提供了一种大数据去重设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述第一方面或第一方面的任一种可能的实现方式所述的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述第一方面或第一方面的任一种可能的实现方式所述的方法。

在本发明实施例中，接收待去重数据，待去重数据包括发生时间及数据字符串；根据发生时间及数据字符串，生成待去重数据对应的redis键值对；将redis键值对插入redis服务器对中，根据redis服务器对的返回结果，确定待去重数据是否为重复数据。通过服务器集群进行大数据去重，将数据运算尽可能分散到集群环境中的不同节点上。且在去重时采用可高并发访问的键值对数据库redis，从空间和时间的角度都确保了去重运算占用最小的系统资源。通过将待去重数据的发生时间扩展到多个临近时间，能够有效过滤掉时间接近的近似数据，去重准确性高、精度高，且通用性好，能够应用于各种数据具有时间连续性特点的大数据应用场景中。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例1所提供的一种大数据去重方法所基于的网络架构示意图；

图2示出了本发明实施例1所提供的一种大数据去重方法的流程示意图；

图3示出了本发明实施例1所提供的另一种大数据去重方法的流程示意图。

图4示出了本发明实施例1所提供的过车记录去重的流程示意图。

图5示出了本发明实施例2所提供的一种大数据去重装置的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例1

本发明实施例提供了一种大数据去重方法。参见图1，该方法所基于的网络架构包括数据采集设备、服务器集群及redis服务器对。其中，数据采集设备用于采集待去重数据，并将待去重数据上传给服务器集群。服务器集群中包括多个服务器，本发明实施例的执行主体即为服务器，通过服务器集群将去重工作尽可能分散到集群环境的不同节点中，以获取最大的运算量。本发明实施例中设置多组redis服务器对，每个redis服务器对包括redis主服务器和redis备用服务器，通过redis服务器对来存储大数据去重过程中的中间数据，且通过redis服务器对中的主、备服务器提高中间数据存储的稳定性。redis是一种key-value存储系统，在大数据去重时通过可高并发访问的键值对数据库进行一个原子性操作，从空间和时间的角度都最大限度的保证了占用资源的最小化。

本发明实施例可应用于各种数据具有时间连续性的大数据场景中。如在交通大数据场景中，过车记录就具备时间连续性。卡口的阅读器将经过卡口的车辆的过车记录上传给服务器集群，过车记录包括该车辆的车牌号及号牌种类、该阅读器的设备标识及设备类型以及该阅读器识别到该车辆的发生时间。车辆的号牌种类可以为大型车或小型车等。当车辆在卡口处缓行或静止时，卡口的阅读器会在短时间内多次上传该车辆的过车记录，上传的这多个过车记录彼此之间只有发生时间不同，相互为近似数据，因此可利用本发明实施例提供的方法来识别出这些近似数据，并对这些近似数据进行去重，只保留该卡口的阅读器上传的该车辆的第一条过车记录，而将后续多次上传的过车记录去除，能够有效过滤重复数据及近似数据，以避免服务器集群中存储过多的冗余数据。

参见图2，该方法具体包括以下步骤：

步骤101：接收待去重数据，待去重数据包括发生时间及数据字符串。

服务器接收数据采集设备上传的待去重数据，该待去重数据包括发生时间及数据字符串。例如，在交通大数据中服务器接收卡口的阅读器上传的某车辆的过车记录，该过车记录包括阅读器识别该车辆的发生时间第241秒以及该车辆的车牌号、号牌种类以及该阅读器的设备标识、设备类型。其中，该车辆的车牌号、号牌种类以及该阅读器的设备标识、设备类型组成的字符串即为待去重数据包括的数据字符串。

在本发明实施例中，发生时间可以为unix时间，即从1970年1月1日0时0分0秒起至数据采集设备采集到该待去重数据时的总秒数。发生时间也可以为从某个预设时刻开始至数据采集设备采集到该待去重数据时的总秒数，预设时刻可以为2018年1月1日0时0分0秒或者为2018年11月1日0时0分0秒等。

步骤102：根据发生时间及数据字符串，生成待去重数据对应的redis键值对。

本发明实施例通过如下步骤a1-a3的操作来生成待去重数据对应的redis键值对，具体包括：

a1：根据发生时间及数据字符串，生成待去重数据对应的redis键。

具体地，根据待去重数据包括的发生时间及预设周期长度，通过如下公式(1)计算待去重数据对应的周期标识。

ci＝int(t/cl)…(1)

在上述公式1中，ci为周期标识，t为待去重数据的发生时间，cl为预设周期长度，int()为取整函数。

在本发明实施例中，预设周期长度可以为一天或两天等，预设周期长度的单位用秒来表示，即假设预设周期长度为一天，则预设周期长度的取值为一天的总秒数86400秒。

通过上述方式(1)计算出待去重数据对应的周期标识后，根据待去重数据包括的数据字符串及上述计算的周期标识，通过如下公式(2)生成待去重数据对应的redis键。

key＝“{a}-{ci}”…(2)

在上述公式(2)中，key为redis键，{a}为待去重数据包括的数据字符串，{ci}为待去重数据对应的周期标识。周期标识用于标识待去重数据所属的当前去重周期。

a2：根据待去重数据的发生时间，生成上述redis键对应的键值。

将发生时间扩展为预设数目个临近时间；将预设数目个临近时间确定为redis键对应的键值。

上述预设数目可以为3或5等。本发明实施例中为了简化运算，将待去重数据的发生时间泛化到某个时间单位上，具体通过如下公式(3)将发生时间转化为该时间单位上的时间表示：

m＝int(t/c)…(3)

在上述公式(3)中，m为时间泛化操作后的发生时间，t为泛化操作前的发生时间，c为预设的时间单位。其中，c的取值可以为10秒或20秒等。在本发明实施例中去重周期可以为该时间单位c的整数倍，如去重周围为3c或5c等。

将发生时间转化到时间单位c下的时间表示m后，将发生时间扩展为预设数目个临近时间。例如，假设预设数目为3，则可将发生时间扩展为3个临近时间(m-1)、m及(m+1)。假设预设数目为5，则可将发生时间扩展为5个临近时间(m-2)、(m-1)、m、(m+1)及(m+2)。

将上述扩展的预设数目个临近时间作为待去重数据对应的redis键的键值。

a3：将上述生成的redis键及键值组成待去重数据对应的redis键值对。

假设用key表示redis键，步骤a2生成的键值为(m-1)、m及(m+1)，则可组成待去重数据对应的redis键值对(key，((m-1)，m，(m+1)))。

步骤103：将待去重数据对应的redis键值对插入redis服务器对中，根据redis服务器对的返回结果，确定待去重数据是否为重复数据。

通过redis存储系统的插入函数sadd()将待去重数据对应的redis键值对插入redis服务器对中。插入函数sadd()的特点是像一个集合中插入一个或多个元素，与该集合中已存在的元素重复的元素将被忽略，只插入该集合中当前不存在的元素。插入函数sadd()的返回值为被插入集合中的元素的数目。因此服务器集群接收到redis服务器对发送的返回结果，判断redis服务器对的返回结果是否等于redis键值对包括的键值的数目；如果是，则确定待去重数据不是重复数据，后续存储该待去重数据。如果否，也即该返回结果小于redis键值对包括的键值的数目，则确定待去重数据是重复数据，丢弃该待去重数据。

例如，假设待去重数据对应的redis键值对为(key，((m-1)，m，(m+1)))，则在redis服务器对中执行插入操作sadd(key，((m-1)，m，(m+1)))，即为向集合key中插入三个元素(m-1)、m和(m+1)。若集合key中不存在这三个元素，则将这三个元素全部插入集合key中，并发送返回结果给服务器集群，该返回结果的值为3，服务器集群根据该返回结果确定该待去重数据不是重复数据，存储该待去重数据。若集合key中已经存在这三个元素中的一个或多个元素，则将这算个元素中重复的元素丢弃，将不重复的元素插入集合key中，并发送返回结果给服务器集群，此时返回结果的值小于3，服务器集群根据该返回结果确定该待去重数据是重复数据，丢弃该待去重数据。

由于待去重数据具有时间上的连续性，因此在时间特性上待去重数据可能存在跨边界的情况，即若待去重数据包括的发生时间临近一天当中的零点，则该待去重数据可能与前一天临近24点的数据是重复数据或近似数据，因此还需要向redis服务器对中插入该待去重数据对应的当前去重周期的前一去重周期的redis键值对。若待去重数据包括的发生时间临近一天当中的24点，则该待去重数据可能与后一天临近零点的数据是重复数据或近似数据，因此还需要向redis服务器对中插入该待去重数据对应的当前去重周期的后一去重周期的redis键值对。

具体地，如图3所示，具体地，在执行步骤103之前，还通过如下步骤s1-s3的操作来进行跨边界处理，包括：

s1：根据待去重数据的发生时间和预设周期长度，计算第一边界系数和第二边界系数。

根据待去重数据的发生时间和预设周期长度分别通过如下公式(4)和(5)来计算第一边界系数和第二边界系数：

r1＝t％cl…(4)

r2＝cl-t％cl…(5)

在上述公式(4)和(5)中，r1为第一边界系数，r2为第二边界系数，t为发生时间，cl为预设周期长度。

s2：判断第一边界系数是否小于或等于预设阈值，如果是，则执行步骤s3，如果否，则执行步骤s4。

上述预设阈值可以为c或2c等，c为上述预设的时间单位。若第一边界系数小于或等于该预设阈值，则表明该待去重数据可能与前一天临近24点的数据存在重复或近似的可能性。

s3:生成上述redis键值对对应的第一边界键值对，将第一边界键值对插入redis服务器对中，然后执行步骤103。

将步骤102生成的redis键值对包括的redis键调整为当前去重周期的前一去重周期对应的redis键。具体地，将步骤102生成的redis键值对包括的redis键中的周期标识减一。即新的redis键为“{a}-{ci-1}”，将新的redis键与步骤102生成的redis键值对包括的键值组成第一边界键值对。假设步骤102生成的redis键值对包括的键值为(m-1)、m和(m+1)，则第一边界键值对为(“{a}-{ci-1}”，((m-1)，m，(m+1)))，将第一边界键值对插入redis服务器对中。在redis服务器对中执行插入操作sadd(“{a}-{ci-1}”，((m-1)，m，(m+1)))，即向集合“{a}-{ci-1}”中插入三个元素(m-1)、m和(m+1)。

由于集合“{a}-{ci-1}”在前一去重周期已经进行了去重操作，因此在当前去重周期中只将待去重数据对应的键值插入集合“{a}-{ci-1}”中，并不需要redis服务器对发送返回结果给服务器集群。

s4：判断第二边界系数是否小于或等于预设阈值，如果是，则执行步骤s5，如果否，则执行步骤103。

上述预设阈值可以为c或2c等，c为上述预设的时间单位。若第二边界系数小于或等于该预设阈值，则表明该待去重数据可能与后一天临近零点的数据存在重复或近似的可能性。

s5：生成上述redis键值对对应的第二边界键值对，将第二边界键值对插入redis服务器对中，然后执行步骤103。

将步骤102生成的redis键值对包括的redis键调整为当前去重周期的后一去重周期对应的redis键。具体地，将步骤102生成的redis键值对包括的redis键中的周期标识加一。即新的redis键为“{a}-{ci+1}”，将新的redis键与步骤102生成的redis键值对包括的键值组成第一边界键值对。假设步骤102生成的redis键值对包括的键值为(m-1)、m和(m+1)，则第一边界键值对为(“{a}-{ci+1}”，((m-1)，m，(m+1)))，将第一边界键值对插入redis服务器对中。在redis服务器对中执行插入操作sadd(“{a}-{ci+1}”，((m-1)，m，(m+1)))，即向集合“{a}-{ci+1}”中插入三个元素(m-1)、m和(m+1)。

由于集合“{a}-{ci+1}”将在后一去重周期到来时进行去重操作，因此在当前去重周期中只将待去重数据对应的键值插入集合“{a}-{ci+1}”中，并不需要redis服务器对发送返回结果给服务器集群。

待去重数据对应的键值即为从待去重数据的发生时间扩展出的预设数目个临近时间，利用redis存储系统的特性在临近时间之间识别重复数据及近似数据，能够有效过滤大数据中的近似数据，去重精度高，避免存储大量冗余数据，节省存储空间。

为了便于理解本发明实施例提供的方法，下面结合附图以对过车记录去重为例进行说明。例如，令时间单位c＝10，去重周期为3*c＝30秒，预设周期长度cl＝100，假设一辆车a从第241秒开始停留在1号设备前，则1号设备不断上报车辆a的过车记录，假设1号设备先后在第241秒，256秒，271秒上报了车辆a的过车记录，那么去重流程如图4所示。最终只有第一条过车记录被保存到数据库，另外两条过车记录被去重。

在本发明实施例中，通过服务器集群进行大数据去重，将数据运算尽可能分散到集群环境中的不同节点上。且在去重时采用可高并发访问的键值对数据库redis，从空间和时间的角度都确保了去重运算占用最小的系统资源。通过将待去重数据的发生时间扩展到多个临近时间，能够有效过滤掉时间接近的近似数据，去重准确性高、精度高，且通用性好，能够应用于各种数据具有时间连续性特点的大数据应用场景中。

实施例2

参见图5，本发明实施例提供了一种大数据去重装置，该装置用于执行上述实施例1所提供的大数据去重方法，该装置包括：

接收模块20，用于接收待去重数据，待去重数据包括发生时间及数据字符串；

生成模块21，用于根据发生时间及数据字符串，生成待去重数据对应的redis键值对；

确定模块22，用于将redis键值对插入redis服务器对中，根据redis服务器对的返回结果，确定待去重数据是否为重复数据。

上述生成模块21包括：

生成单元，用于根据发生时间及数据字符串，生成待去重数据对应的redis键；根据发生时间，生成redis键对应的键值；

组成单元，用于将redis键及键值组成待去重数据对应的redis键值对。

上述生成单元，用于根据发生时间及预设周期长度，计算待去重数据对应的周期标识；根据数据字符串及周期标识，生成待去重数据对应的redis键；以及用于将发生时间扩展为预设数目个临近时间；将预设数目个临近时间确定为redis键对应的键值。

上述确定模块22，用于判断redis服务器对的返回结果是否等于redis键值对包括的键值的数目；如果是，则确定待去重数据不是重复数据；如果否，则确定待去重数据是重复数据，丢弃待去重数据。

在本发明实施例中，上述确定模块22将redis键值对插入redis服务器对中，之前还包括：

跨边界处理模块，用于根据发生时间和预设周期长度，计算第一边界系数和第二边界系数；若第一边界系数小于或等于预设阈值，则生成redis键值对对应的第一边界键值对，将第一边界键值对插入redis服务器对中；若第二边界系数小于或等于预设阈值，则生成redis键值对对应的第二边界键值对，将第二边界键值对插入redis服务器对中。

在本发明实施例中，通过服务器集群进行大数据去重，将数据运算尽可能分散到集群环境中的不同节点上。且在去重时采用可高并发访问的键值对数据库redis，从空间和时间的角度都确保了去重运算占用最小的系统资源。通过将待去重数据的发生时间扩展到多个临近时间，能够有效过滤掉时间接近的近似数据，去重准确性高、精度高，且通用性好，能够应用于各种数据具有时间连续性特点的大数据应用场景中。

实施例3

本发明实施例提供一种大数据去重设备，该设备包括一个或多个处理器，以及一个或多个存储装置，所述一个或多个存储装置中存储有一个或多个程序，所述一个或多个程序被所述一个或多个处理器加载并执行时，实现上述实施例1所提供的大数据去重方法。

在本发明实施例中，通过服务器集群进行大数据去重，将数据运算尽可能分散到集群环境中的不同节点上。且在去重时采用可高并发访问的键值对数据库redis，从空间和时间的角度都确保了去重运算占用最小的系统资源。通过将待去重数据的发生时间扩展到多个临近时间，能够有效过滤掉时间接近的近似数据，去重准确性高、精度高，且通用性好，能够应用于各种数据具有时间连续性特点的大数据应用场景中。

实施例4

本发明实施例提供一种计算机可存储介质，该存储介质中存储有可执行程序，所述可执行程序被处理器加载并执行时实现上述实施例1所提供的大数据去重方法。

在本发明实施例中，通过服务器集群进行大数据去重，将数据运算尽可能分散到集群环境中的不同节点上。且在去重时采用可高并发访问的键值对数据库redis，从空间和时间的角度都确保了去重运算占用最小的系统资源。通过将待去重数据的发生时间扩展到多个临近时间，能够有效过滤掉时间接近的近似数据，去重准确性高、精度高，且通用性好，能够应用于各种数据具有时间连续性特点的大数据应用场景中。

需要说明的是：

在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。