数据处理方法和装置与流程

本发明涉及互联网技术领域，具体而言，涉及一种数据处理方法和装置。

背景技术：

针对大数据计算，通常采用mapreduce算法，计算一次需要从磁盘上读取数据，并且针对大量数据进行计算，延时很高，而对于一些不同的请求，可能查询条件一样，而覆盖的数据范围有重叠。

即，相关技术中：缓存原始数据，把原始数据读取到内存中，在下次读取时可以节省从磁盘读取数据的时间，但是缺陷在于对读取出的数据仍然需要重新计算；此外还包括一种大数据计算方法：缓存汇总结果，下次读取时，如果参数完全相同，命中相同的一段数据并且计算也相同，那么直接读取缓存结果即可。但是该缺陷在于如果参数发生改变，要多计算一部分数据，那么缓存将失效。

针对上述基于分布式算法中需要针对大量数据进行计算，导致的时延高，效率低的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种数据处理方法和装置，以至少解决基于分布式算法中需要针对大量数据进行计算，导致的时延高，效率低的技术问题。

根据本发明实施例的一个方面，提供了一种数据处理方法，包括：获取查询请求；判断查询请求中查询条件中的数据是否与预存的中间数据匹配；在判断结果为是的情况下，从中间数据中获取对应的数据，将数据确定为得到查询结果；在判断结果为否的情况下，重新获取数据，依据获取的数据的个数和数值总和，得到中间数据，并依据中间数据计算数据的均值，得到查询请求对应的查询结果。

可选的，该方法还包括：在获取查询请求之前，对每组数据进行分片存储；分别计算每个分片中数据的中间数据；获取每个分片中数据的中间数据，并对每个分片中数据的中间数据进行均值计算，得到均值。

进一步地，可选的，对每组数据进行分片存储包括：从第一存储介质中获取每组数据，并将每组数据加载至第二存储介质。

可选的，分别计算每个分片中数据的中间数据包括：在第三存储介质包括各分片内存的情况下，从各分片内存中获取对应的数据，得到每个分片中数据；从每个分片中数据中获取每组数据；依据每组数据的个数和每组数据中各个数据的数值总和，得到每个分片中数据的中间数据。

进一步地，可选的，对每个分片中数据的中间数据进行均值计算，得到均值包括：将每个分片中数据的中间数据存储至第四存储介质，其中，第四存储介质包括汇总节点的内存；根据存储于汇总节点的内存的中间数据，通过将各组数据中的数值和与各组数据中的数据个数进行计算，得到均值。

根据本发明实施例的一个方面，提供了一种数据处理装置，包括：请求获取模块，用于获取查询请求；判断模块，用于判断查询请求中查询条件中的数据是否与预存的中间数据匹配；第一获取模块，用于在判断结果为是的情况下，从中间数据中获取对应的数据，将数据确定为得到查询结果；第二获取模块，用于在判断结果为否的情况下，重新获取数据，依据获取的数据的个数和数值总和，得到中间数据，并依据中间数据计算数据的均值，得到查询请求对应的查询结果。

可选的，该装置还包括：存储模块，用于在获取查询请求之前，对每组数据进行分片存储；第一计算模块，用于分别计算每个分片中数据的中间数据；第二计算模块，用于获取每个分片中数据的中间数据，并对每个分片中数据的中间数据进行均值计算，得到均值。

进一步地，可选的，第一计算模块包括：提取单元，用于在第三存储介质包括各分片内存的情况下，从各分片内存中获取对应的数据，得到每个分片中数据；数据获取单元，用于从每个分片中数据中获取每组数据；计算单元，用于依据每组数据的个数和每组数据中各个数据的数值总和，得到每个分片中数据的中间数据。

根据本发明实施例的一个方面，提供了一种存储介质，其中，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述方法。

根据本发明实施例的一个方面，提供了一种处理器，其中，处理器用于运行程序，其中，程序运行时执行上述方法。

在本发明实施例中，通过获取查询请求；判断查询请求中查询条件中的数据是否与预存的中间数据匹配；在判断结果为是的情况下，从中间数据中获取对应的数据，将数据确定为得到查询结果；在判断结果为否的情况下，重新获取数据，依据获取的数据的个数和数值总和，得到中间数据，并依据中间数据计算数据的均值，得到查询请求对应的查询结果，达到了有效的增加缓存的利用率的目的，从而实现了提升分布式算法计算效率的技术效果，进而解决了基于分布式算法中需要针对大量数据进行计算，导致的时延高，效率低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明实施例的一种数据处理方法的计算机终端的硬件结构框图；

图2是根据本发明实施例一的数据处理方法的流程图；

图2a是根据本发明实施例一的数据处理方法中应用于查询场景的示意图；

图2b是根据本发明实施例一的数据处理方法中数据读取和均值计算的示意图；

图2c是根据本发明实施例一的数据处理方法中各步骤所占时间比重的示意图；

图2d是根据本发明实施例一的数据处理方法中均值计算的示意图；

图2e是根据本发明实施例一的数据处理方法中各步骤所占时间比重的示意图；

图3是根据本发明实施例二的数据处理装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

本申请涉及的技术名词：

mapreduce:一种分布式计算的算法，在多台机器上进行初步计算(map)，把初步计算结果发送到一个机器，或按照hash发送到多台机器进行汇总计算(reduce)。

聚合计算：针对数据进行的汇总计算，输入为多条数据，输出为一条数据。与此对应的是转换计算，转换计算对每一条数据做计算并输出一条结果。

原始数据：map的输入数据。

中间结果：map阶段的计算结果称为中间结果，中间结果同时是reduce的输入。

汇总结果：reduce阶段的计算结果称为汇总结果。

缓存：通过把中间结果缓存下来，以便于下次计算使用的数据。

实施例1

根据本发明实施例，还提供了一种数据处理方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在计算机终端上为例，图1是本发明实施例的一种数据处理方法的计算机终端的硬件结构框图。如图1所示，计算机终端10可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器mcu或可编程逻辑器件fpga等的处理装置)、用于存储数据的存储器104、以及用于通信功能的传输模块106。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。

存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的数据处理方法对应的程序指令/模块，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的数据处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置106包括一个网络适配器(networkinterfacecontroller，nic)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频(radiofrequency，rf)模块，其用于通过无线方式与互联网进行通讯。

在上述运行环境下，本申请提供了如图2所示的数据处理方法。图2是根据本发明实施例一的数据处理方法的流程图。本申请实施例提供的数据处理方法包括：

步骤s202，获取查询请求；

步骤s204，判断查询请求中查询条件中的数据是否与预存的中间数据匹配；

步骤s206，在判断结果为是的情况下，从中间数据中获取对应的数据，将数据确定为得到查询结果；

步骤s208，在判断结果为否的情况下，重新获取数据，依据获取的数据的个数和数值总和，得到中间数据，并依据中间数据计算数据的均值，得到查询请求对应的查询结果。

具体的，结合步骤s202至步骤s208，在本申请实施例提供的数据处理方法可以适用于分布式存储系统，特别是应用于面对海量数据进行处理的场景下。

在存储缓存时，是以分片为单位进行的计算和存储。在后续的查询中，首先需要确认本次查询命中的完整分片分别为哪几个：针对完整匹配的分片，直接从缓存系统读出中间结果缓存；针对没有完全匹配的分片，需要重新读取原始数据进行计算。

在图2a的案例中，第一个分片只需要计算两个数，因此需要读取数据2和3，再次进行计算sum＝2+3＝5；count为2个，得到(sum＝5,count＝2)。第2、3分片完全命中了缓存，直接从缓存系统中读取结果(sum＝15,count＝3),(sum＝24,count＝3)，然后把结果发送到最终节点进行汇总，这时候求的均值5.5＝(5+15+24)/(2+3+3)。在本次计算中，只有第一个分片的部分数据需要重新读取和计算。极大的节省了io和计算资源。

在本发明实施例中，通过获取查询请求；判断查询请求中查询条件中的数据是否与预存的中间数据匹配；在判断结果为是的情况下，从中间数据中获取对应的数据，将数据确定为得到查询结果；在判断结果为否的情况下，重新获取数据，依据获取的数据的个数和数值总和，得到中间数据，并依据中间数据计算数据的均值，得到查询请求对应的查询结果，达到了有效的增加缓存的利用率的目的，从而实现了提升分布式算法计算效率的技术效果，进而解决了基于分布式算法中需要针对大量数据进行计算，导致的时延高，效率低的技术问题。

可选的，本申请实施例提供的数据处理方法还包括：

步骤s196，在获取查询请求之前，对每组数据进行分片存储；

其中，通过将获取到的数据划分成若干分片(即本申请实施例中的“将获取到的数据进行分组”)，得到每个分片的数据。

具体的，以获取9个数据为例，获取的数据分别为“1，2，3，4，5，6，7，8，9”，对上述9个数据进行分组得到：第一组：“1,2,3”；第二组：“4,5,6”；第三组：“7,8,9”。

步骤s198，分别计算每个分片中数据的中间数据；

其中，基于步骤s196中得到的每组数据，依据该每组数据的个数和每组数据中各个数据的数值总和得到中间数据，即，在本申请实施例中每组的中间数据的数据结构可以包括:{sum,count}；例如，以第一组数据“1,2,3”为例，第一组数据的中间数据为{sum＝6，count＝3}，该中间数据表示为第一组数据的个数为3，数值总和为6。

同理得到第二组数据和第三组数据的中间数据。

步骤s200，获取每个分片中数据的中间数据，并对每个分片中数据的中间数据进行均值计算，得到均值。

其中，基于得到的每组数据的中间数据，依据该中间数据进行均值计算，可以得到步骤s202中对应9个数据的均值。

例如，第一组数据、第二组数据和第三组数据对应的中间数据如下：

第一组：

第一组数据：“1,2,3”；

第一组数据的中间数据{sum＝6，count＝3}；

第二组：

第二组数据：“4,5,6”；

第二组数据的中间数据：{sum＝15，count＝3}；

第三组：

第三组数据：“7,8,9”

第三组数据的中间数据：{sum＝24，count＝3}；

基于上述各组数据的中间数据进行均值计算可以得到步骤s202中“9个数据”的均值：(6+15+24)/(3+3+3)＝5。

综上，本申请实施例提供的数据处理方法中把原始数据划分成若干个分片执行，每个分片执行结束后，获取中间结果，再发送到最终节点进行汇总计算。以计算9个数字的平均值为例。9个数字被划分到3个分片上，每个分片并行地计算各自的中间结果，计算过程分成两步，图2b是根据本发明实施例一的数据处理方法中数据读取和均值计算的示意图,如图2b所示，第一步从磁盘上读取数据，加载到内存中；第二步计算均值的中间结果，在均值计算中，中间结果的形式是数据个数与数值总和。

进一步地，可选的，步骤s196中对每组数据进行分片存储包括：从第一存储介质中获取每组数据，并将每组数据加载至第二存储介质。

其中，本申请实施例中第一存储介质以磁盘为例，第二存储介质以内存为例进行说明，本申请实施例中从第一存储介质中获取数据，并加载至第二存储介质中包括：从磁盘上读取数据，加载到内存中。

可选的，步骤s198中分别计算每个分片中数据的中间数据包括：在第三存储介质包括各分片内存的情况下，从各分片内存中获取对应的数据，得到每个分片中数据；从每个分片中数据中获取每组数据；依据每组数据的个数和每组数据中各个数据的数值总和，得到每个分片中数据的中间数据。

具体的，第三存储介质可以包括：各分片内存，在对获取到的数据进行分组的过程中，将各组数据分别存放于各分片内存中。

进一步地，可选的，对每个分片中数据的中间数据进行均值计算，得到均值包括：将每个分片中数据的中间数据存储至第四存储介质，其中，第四存储介质包括汇总节点的内存；根据存储于汇总节点的内存的中间数据，通过将各组数据中的数值和与各组数据中的数据个数进行计算，得到均值。

具体的，第四存储介质可以包括汇总节点的内存，将存储于第三存储介质的每组数据的中间数据发送至第四存储介质包括：从各分片内存中将每组中间数据发送至汇总节点的内存。

根据存储于汇总节点的内存的中间数据，通过将各组数据中的数值和与各组数据中的数据个数进行计算，得到步骤s202中获取的数据的均值。

例如，以获取9个数据为例，获取的数据分别为“1，2，3，4，5，6，7，8，9”，对上述9个数据进行分组得到：第一组：“1,2,3”；第二组：“4,5,6”；第三组：“7,8,9”；各组数据的中间数据如下：

第一组：

第一组数据：“1,2,3”；

第一组数据的中间数据{sum＝6，count＝3}；

第二组：

第二组数据：“4,5,6”；

第二组数据的中间数据：{sum＝15，count＝3}；

第三组：

第三组数据：“7,8,9”

第三组数据的中间数据：{sum＝24，count＝3}；

基于上述各组数据的中间数据进行均值计算可以得到步骤s202中“9个数据”的均值：(6+15+24)/(3+3+3)＝5。

综上，本申请实施例提供的数据处理方法中，区别于现有技术在于，本申请实施例在分布式存储的数据计算中需要执行如下四步：

第一步，从磁盘上读取原始数据，加载到内存中；

第二步，计算均值的中间数据，在均值计算中，中间数据的形式是数据个数与总和。其中，原始数据很多，在经过计算后，生成的中间结果占用空间很小。

第三步，三个分片的中间数据计算分成后，分别发送到汇总节点进行最终的均值计算，其中，数据从各个分片的内存通过网络发送到汇总节点的内存；

第四步，计算最终的均值。

其中，第一步因为要从磁盘上读取大量的数据，读取磁盘的操作需要花费大量时间。

第二步因为涉及到大量数据的计算，需要消耗大量的cpu资源，对于一些复杂的计算类型，延时会比较高。

第三步因为涉及到少量数据的的跨网络传输，延时不是很高。

第四步涉及到对少量数据的计算，延时不是很高。

可以看出，因为第三步、第四步涉及到数据量比较小，计算代价和延时都比较小。如图2c所示，图2c是根据本发明实施例一的数据处理方法中各步骤所占时间比重的示意图,图2c为整个计算过程中的时间分布，第一步和第二步所用时长加起来占了整个计算耗时的90％。为了优化这部分时间，节省资源消耗，本申请实施例提供的数据处理方法引入了中间数据缓存，图2d是根据本发明实施例一的数据处理方法中均值计算的示意图，如图2d所示，9个数字被划分到3个分片上，每个分片分别计算自己的中间结果，对应均值的中间数据就是数据个数与数值总和；三个分片的中间数据保存到缓存系统中，同时把中间数据发送到最终节点汇总计算，求得均值5。

由图2d可知，每一个分片的中间数据只包含了两类数字，而每个分片对应的原始数据有3个，而在实际使用中对应的是上千万条数据。原始数据的读取和计算代价都很大，经过上述初步计算后，空间变得很小。

此外，图2a是根据本发明实施例一的数据处理方法中应用于查询场景的示意图，如图2a所示,在存储缓存时，是以分片为单位进行的计算和存储。在后续的查询中，首先需要确认本次查询命中的完整分片分别为哪几个：针对完整匹配的分片，直接从缓存系统读出中间结果缓存；针对没有完全匹配的分片，需要重新读取原始数据进行计算。

在图2a的案例中，第一个分片只需要计算两个数，因此需要读取数据2和3，再次进行计算sum＝2+3＝5；count为2个，得到(sum＝5,count＝2)。第2、3分片完全命中了缓存，直接从缓存系统中读取结果(sum＝15,count＝3),(sum＝24,count＝3)，然后把结果发送到最终节点进行汇总，这时候求的均值5.5＝(5+15+24)/(2+3+3)。在本次计算中，只有第一个分片的部分数据需要重新读取和计算。极大的节省了io和计算资源。

在利用了缓存的计算中，图2e是根据本发明实施例一的数据处理方法中各步骤所占时间比重的示意图，时间分布如图2e所示，由于只有一个分片需要重新计算，并且该分片数据量只有2/3需要重新计算，那么延时就是原来的2/3，而另外两个分片，因为完全复用了缓存，时间可以忽略不计。由于利用缓存的缘故，节省出了2个分片的计算资源，可以用来做更多计算，并且把整体延时从10秒降低到了7秒。

本申请实施例提供的数据处理方法仅以3条数据为例进行说明，而实际案例可能有上千万条数据，因此优化效果会更加明显。最大的优化效果是完全复用了所有分片的缓存，从10秒降低到1秒。

需要说明的是，本申请实施例提供的数据处理方法仅以上述示例为例进行说明，以实现本申请实施例提供的数据处理方法为准，具体不做限定。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的数据处理方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

实施例2

根据本发明实施例的一个方面，提供了一种数据处理装置，图3是根据本发明实施例二的数据处理装置的示意图，如图3所示，包括：请求获取模块32，用于获取查询请求；判断模块34，用于判断查询请求中查询条件中的数据是否与预存的中间数据匹配；第一获取模块36，用于在判断结果为是的情况下，从中间数据中获取对应的数据，将数据确定为得到查询结果；第二获取模块38，用于在判断结果为否的情况下，重新获取数据，依据获取的数据的个数和数值总和，得到中间数据，并依据中间数据计算数据的均值，得到查询请求对应的查询结果。

可选的，本申请实施例提供的数据处理装置还包括：存储模块，用于在获取查询请求之前，对每组数据进行分片存储；第一计算模块，用于分别计算每个分片中数据的中间数据；第二计算模块，用于获取每个分片中数据的中间数据，并对每个分片中数据的中间数据进行均值计算，得到均值。

进一步地，可选的，第一计算模块包括：提取单元，用于在第三存储介质包括各分片内存的情况下，从各分片内存中获取对应的数据，得到每个分片中数据；数据获取单元，用于从每个分片中数据中获取每组数据；计算单元，用于依据每组数据的个数和每组数据中各个数据的数值总和，得到每个分片中数据的中间数据。

实施例3

根据本发明实施例的一个方面，提供了一种存储介质，其中，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例1中的方法。

实施例4

根据本发明实施例的一个方面，提供了一种处理器，其中，处理器用于运行程序，其中，程序运行时执行上述实施例1中的方法。

实施例5

本发明的实施例还提供了一种存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的数据处理方法所执行的程序代码。

可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：获取查询请求；判断查询请求中查询条件中的数据是否与预存的中间数据匹配；在判断结果为是的情况下，从中间数据中获取对应的数据，将数据确定为得到查询结果；在判断结果为否的情况下，重新获取数据，依据获取的数据的个数和数值总和，得到中间数据，并依据中间数据计算数据的均值，得到查询请求对应的查询结果。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：在获取查询请求之前，对每组数据进行分片存储；分别计算每个分片中数据的中间数据；获取每个分片中数据的中间数据，并对每个分片中数据的中间数据进行均值计算，得到均值。

进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对每组数据进行分片存储包括：从第一存储介质中获取每组数据，并将每组数据加载至第二存储介质。

可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：分别计算每个分片中数据的中间数据包括：在第三存储介质包括各分片内存的情况下，从各分片内存中获取对应的数据，得到每个分片中数据；从每个分片中数据中获取每组数据；依据每组数据的个数和每组数据中各个数据的数值总和，得到每个分片中数据的中间数据。

进一步地，可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：对每个分片中数据的中间数据进行均值计算，得到均值包括：将每个分片中数据的中间数据存储至第四存储介质，其中，第四存储介质包括汇总节点的内存；根据存储于汇总节点的内存的中间数据，通过将各组数据中的数值和与各组数据中的数据个数进行计算，得到均值。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元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，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。