一种数据处理方法、装置、介质和计算设备与流程

本公开的实施方式涉及信息处理领域，更具体地，本公开的实施方式涉及一种数据处理方法、装置、介质和计算设备。
背景技术：
：本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。相关技术中，通过流式框架可以实时的进行一种或多种处理类型的计算，然后可以将计算结果保存在存储设备或存储集群中。在流式框架进行计算的处理中需要每次都对一定数量的时间窗口内的历史数据进行重新计算，如此会存在计算量较大、且效率较低的问题。技术实现要素：本公开期望提供一种数据处理方法、装置、介质和计算设备，以至少解决上述技术问题。本公开实施例的第一方面提供一种数据处理方法，所述方法包括：接收到待处理数据；在保存有目标处理类型对应的中间结果的情况下，基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果。在一种实施方式中，所述方法还包括：将所述目标处理类型的输出结果作为所述目标处理类型对应的更新后的中间结果进行保存。在一种实施方式中，所述方法还包括：在没有保存所述目标处理类型对应的中间结果的情况下，从已保存的历史数据中获取在接收到所述待处理数据的时刻之前的m个时间窗口内的目标历史数据；其中，m为预设的大于等于1的整数；基于所述m个时间窗口内的所述目标历史数据以及所述待处理数据，确定所述目标处理类型的输出结果，以及将所述目标处理类型的输出结果作为所述目标处理类型对应的中间结果进行保存。在一种实施方式中，所述目标处理类型为累加处理；所述基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果，包括：将所述待处理数据与所述目标处理类型的中间结果相加得到累加和，将所述累加和作为所述目标处理类型的输出结果。在一种实施方式中，所述目标处理类型为去重处理；所述目标处理类型所对应的中间结果为数据集合；所述基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果，包括：将所述待处理数据与所述数据集合中的数据进行比较；在所述待处理数据与所述数据集合中的数据均不相同的情况下，将所述待处理数据添加至所述数据集合中，得到所述目标处理类型的输出结果。在一种实施方式中，所述方法还包括：在所述目标处理类型对应的中间结果的保存时长超过有效时长的情况下，将所述目标处理类型对应的中间结果设置为失效。在一种实施方式中，所述有效时长为：将单个时间窗口所对应的单位时长与目标倍数值相乘得到的；其中，所述目标倍数值为大于等于0且小于等于1的数值。在一种实施方式中，所述方法还包括：基于关系映射表以及在接收到所述待处理数据的时刻之前的一个单位时长内的数据调用量，确定所述目标倍数值；其中，所述关系映射表用于表征候选倍数值与平均数据调用量之间的关系，所述平均数据调用量由所述m个时间窗口内的历史数据的调用总量对m个时间窗口求平均获得。在一种实施方式中，所述方法还包括：基于用于计算平均响应时长的关系表达式，确定所述关系映射列表；其中，所述用于计算平均响应时长的关系表达式为基于以下构建得到的：对所述m个时间窗口内的已保存的历史数据进行处理所需的第一时长、将所述待处理数据加入所述目标处理类型对应的中间结果所需的第二时长、所述平均数据调用量、所述候选倍数值、以及所述平均响应时长。在一种实施方式中，所述候选倍数值分别与所述平均数据调用量相对应，所述目标倍数值在所述候选倍数值中进行选取。在一种实施方式中，所述确定所述目标处理类型的输出结果之后，所述方法还包括：基于所述目标处理类型的所述输出结果，判断所述目标处理类型所对应的相关事件是否存在风险。本申请实施例的第二方面提供一种数据处理装置，所述装置包括：存储模块，用于保存目标处理类型对应的中间结果；控制模块，用于接收到待处理数据；在所述存储模块保存有目标处理类型对应的中间结果的情况下，基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果。在一种实施方式中，所述控制模块，用于将所述目标处理类型的输出结果作为所述目标处理类型对应的更新后的中间结果进行保存。在一种实施方式中，所述控制模块，用于在所述存储模块中没有保存所述目标处理类型对应的中间结果的情况下，从已保存的历史数据中获取在接收到所述待处理数据的时刻之前的m个时间窗口内的目标历史数据；其中，m为预设的大于等于1的整数；基于所述m个时间窗口内的所述目标历史数据以及所述待处理数据，确定所述目标处理类型的输出结果，以及将所述目标处理类型的输出结果作为所述目标处理类型对应的中间结果进行保存。在一种实施方式中，所述目标处理类型为累加指标；所述控制模块，用于将所述待处理数据与所述目标处理类型的中间结果相加得到累加和，将所述累加和作为所述目标处理类型的输出结果。在一种实施方式中，所述目标处理类型为去重处理；所述目标处理类型所对应的中间结果为数据集合；所述控制模块，用于将所述待处理数据与所述数据集合中的数据进行比较；在所述待处理数据与所述数据集合中的数据均不相同的情况下，将所述待处理数据添加至所述数据集合中，得到所述目标处理类型的输出结果。在一种实施方式中，所述控制模块，用于在所述目标处理类型对应的中间结果的保存时长超过有效时长的情况下，将所述目标处理类型对应的中间结果设置为失效。在一种实施方式中，所述有效时长为：将单个时间窗口所对应的单位时长与目标倍数值相乘得到的；其中，所述目标倍数值为大于等于0且小于等于1的数值。在一种实施方式中，所述装置还包括：有效时长调节模块，用于基于关系映射表以及在接收到所述待处理数据的时刻之前的一个单位时长内的数据调用量，确定所述目标倍数值；其中，所述关系映射表用于表征候选倍数值与平均数据调用量之间的关系，所述平均数据调用量由所述m个时间窗口内的历史数据的调用总量对m个时间窗口求平均获得。在一种实施方式中，所述有效时长调节模块，用于基于用于计算平均响应时长的关系表达式，确定所述关系映射列表；其中，所述用于计算平均响应时长的关系表达式为基于以下构建得到的：对所述m个时间窗口内的已保存的历史数据进行处理所需的第一时长、将所述待处理数据加入所述目标处理类型对应的中间结果所需的第二时长、所述平均数据调用量、所述候选倍数值、以及所述平均响应时长。在一种实施方式中，所述候选倍数值分别与所述平均数据调用量相对应，所述目标倍数值在所述候选倍数值中进行选取。在一种实施方式中，所述控制模块，用于基于所述目标处理类型的所述输出结果，判断所述目标处理类型所对应的相关事件是否存在风险。本申请实施例的第三方面提供一种介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现上述方法。本申请实施例的第四方面提供一种计算设备，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；当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述方法。根据本公开实施方式，可以在获取到待处理数据后，将该待处理数据直接与已保存的目标处理类型对应的中间结果进行处理就可得到最终的输出结果。如此，避免了每次收到待处理数据都与多个时间窗口内的历史数据进行计算才能输出结果所带来的计算资源消耗较大的问题，提升了在收到待处理数据后目标处理类型的处理速度。附图说明通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：图1示意性地示出了根据本公开一实施方式的数据处理方法流程图一；图2示意性地示出了根据本公开一实施方式的数据处理方法流程图二；图3示意性地示出了根据本公开一实施方式的累加处理的场景示意图；图4示意性地示出了根据本公开一实施方式的去重处理的场景示意图；图5示意性地示出了根据本公开一实施方式的平均响应时长以及倍数值之间的关系曲线；图6示意性地示出了根据本公开一实施方式的介质示意图；图7示意性地示出了根据本公开一实施方式的数据处理装置结构图；图8示意性地示出了根据本公开一实施方式的计算设备结构示意图。在附图中，相同或对应的标号表示相同或对应的部分。具体实施方式下面将参考若干示例性实施方式来描述本公开的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。本领域技术人员知道，本公开的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。根据本公开的实施方式，提出了一种数据处理方法、装置、介质和计算设备。在本文中，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。下面参考本公开的若干代表性实施方式，详细阐释本公开的原理和精神。发明概述本公开人发现，现有的通过流式框架可以实时的进行一种或多种处理类型的计算，然后可以将计算结果保存在存储设备或存储集群中。在流式框架进行计算的处理中需要每次都对一定数量的时间窗口内的历史数据进行重新计算，如此会存在计算量较大效率较低的问题。有鉴于此，本公开提供一种数据处理方法、装置、介质和计算设备，接收到待处理数据；在保存有目标处理类型对应的中间结果的情况下，基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果。这样，可以在获取到待处理数据后，将该待处理数据直接与已保存的目标处理类型对应的中间结果进行处理就可得到最终的输出结果。如此，避免了每次收到待处理数据都与多个时间窗口内的历史数据进行计算才能输出结果所带来的计算资源消耗较大的问题，提升了对该待处理数据进行目标处理类型的相关处理的处理效率。在介绍了本公开的基本原理之后，下面具体介绍本公开的各种非限制性实施方式。示例性方法本公开的第一个方面提供一种数据处理方法，如图1所示，包括：s101：接收到待处理数据；s102：在保存有目标处理类型对应的中间结果的情况下，基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果。本公开实施例可以应用于电子设备，比如可以是服务器、或者可以是终端设备。s101中，接收到待处理数据，具体可以是：所述电子设备接收到目标账号对应的待处理数据。比如，可以是服务器接收到任意一个终端设备发来的目标账号对应的待处理数据。其中，所述目标账号可以为任意一个用户在终端设备处登录目标应用时所使用的账号。所述目标应用可以为本实施例中需要得到目标处理类型的输出结果的任意一个应用。也就是说，所述服务器可以接收一个或多个终端发来的一个或多个账号分别对应的待处理数据；在服务器侧对所述一个或多个账号中的每一个账号所对应的待处理数据进行后续处理。本实施例针对一个或多个账号中的任意一个账号的待处理数据进行说明，在后续说明中，将所述任意一个账号称为所述目标账号。或者，还可以是终端设备获取到自身运行的目标应用的目标账号的待处理数据。所述待处理数据的内容或类型，可以是数值，比如金额，或者可以为其他任意类型的数值，这里不做穷举；又或者，可以是目标账号的登录的网络地址，比如ip地址等等；当然，还可以为其他类型的待处理数据，只是本实施例不进行穷举。在得到所述目标账号对应的所述待处理数据之后，执行s102，在保存有目标处理类型对应的中间结果的情况下，基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果。前述s102，具体可以包括：判断是否保存有所述目标处理类型对应的中间结果；在保存有目标处理类型对应的中间结果的情况下，基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果。这里，所述判断是否保存有所述目标处理类型对应的中间结果，可以为：判断是否保存有所述目标账号的所述目标处理类型对应的中间结果。所述目标处理类型可以为多种处理类型中任意之一。前述实施例中已经说明，所述待处理数据可以为目标账号的待处理数据；相应的，所述目标处理类型可以为针对所述目标账号的多个处理类型中的任意之一。也就是说，可以对同一个目标账号的待处理数据可以进行多种类型的处理，本实施例将其中任意一种类型的处理作为所述目标账号的所述目标处理类型。示例性的，所述多种处理类型可以为风控领域的多种处理类型。当然，所述多种处理类型还可以是其他领域或场景下的处理类型；所述其他领域或场景可以包括有用户注册、反作弊等场景或领域。进一步来说，上述任意一种场景或任意一种领域中，所述多种处理类型中的任意一种处理类型可以为求累加值的处理类型或去重计数的处理类型等等。需要理解的是，上述求累加值的处理类型或去重计数的处理类型仅为示例性说明，实际处理时可以有更多的处理类型，本实施例不对全部处理类型进行穷举。其中，所述目标处理类型对应的中间结果具体可以为所述目标账号的所述目标处理类型对应的所述中间结果。所述目标处理类型对应的所述中间结果可以是保存在存储单元或存储模块中。需要指出的是，目标处理类型对应的所述中间结果为针对一段时长的目标账号的历史数据的中间结果。另外，判断是否保存有所述目标处理类型对应的中间结果之后，在没有查找到已经保存的所述目标账号的所述目标处理类型对应的中间结果的情况下，可以重新确定所述目标账号的所述目标处理类型对应的中间结果。具体的，可以包括：在没有保存所述目标处理类型对应的中间结果的情况下，从已保存的历史数据中获取在接收到所述待处理数据的时刻之前的m个时间窗口内的目标历史数据；其中，m为预设的大于等于1的整数；基于所述m个时间窗口内的所述目标历史数据以及所述待处理数据，确定所述目标处理类型的输出结果，以及将所述目标处理类型的输出结果作为所述目标处理类型对应的中间结果进行保存。这里，所述没有保存所述目标处理类型对应的所述中间结果的情况的出现原因，可能是由于之前的历史数据没有进行计算，没有保存过任何中间结果；还有可能是原有的中间结果已经失效。所述时间窗口可以为一段时长，所述m个时间窗口可以为连续的m个时间窗口。所述m个时间窗口中的每一个时间窗口的单位时长可以是相同的。所述每一个时间窗口的所述单位时长可以为预设的，比如，可以为1小时，根据实际情况，还可以将其设置的更长或更短，比如2小时、15分钟等等，本实施例不对其进行穷举。所述m也可以为根据实际情况预设的，比如，所述每一个时间窗口的所述单位时长为1小时，若需要采用24小时内的历史数据来确定中间结果，则可以将m设置为24。当然，在实际使用中m可以存在更多可能的取值，只是本实施例不做穷举。所述已保存的历史数据可以具体为所述目标账号的已保存的历史数据。所述目标账号的已保存的历史数据的数量可以为多个，多个历史数据中每一个历史数据的存储时长可以根据实际情况来控制，比如每一个历史数据的存储时长可以为大于所述m个时间窗口的总时长，本实施例不对其进行限制。另外，所述多个历史数据中每一个历史数据的保存内容还可以包含其对应的时间戳；所述每一个历史数据对应的时间戳可以为接收到该历史数据的时刻。从已保存的历史数据中获取在接收到所述待处理数据的时刻之前的m个时间窗口内的目标历史数据，具体可以是：从所述目标账号的已保存的历史数据中，选取历史数据对应的时间戳在所述m个时间窗口中每一个时间窗口内的目标历史数据。其中，所述目标历史数据的数量可以为多个，本实施例不对其进行限定。基于所述m个时间窗口内的所述目标历史数据以及所述待处理数据，确定所述目标处理类型的输出结果，也就是说，将所述m个时间窗口内的全部所述目标历史数据以及当前接收到的所述目标账号的待处理数据进行处理，得到所述目标账号的所述目标处理类型的输出结果。进而，将本次处理得到的所述输出结果作为所述目标账号的所述目标处理类型的中间结果进行保存，以备下次接收到新的待处理数据之后使用。对以上处理进行示例性说明，参见图2，可以包括：首先接收到待处理数据，然后执行s201：判断是否已经存储了目标处理类型对应的中间结果，如果中间结果已经存储，则执行s202：将当前数据直接与中间数据进行处理，确定所述目标处理类型的输出结果；s203：将所述输出结果作为中间结果进行保存。反之，s201的判断处理中，如果没有存储中间结果，则执行s204：将待处理数据与m个时间窗口内的全量目标历史数据进行处理得到输出结果，然后同样执行s203将所述输出结果作为中间结果进行保存。这样，就可以在没有保存所述目标处理类型对应的中间结果的情况下，基于选取出来的目标历史数据以及待处理数据确定中间结果并保存，从而能够为下一次接收到新的待处理数据的处理提供中间结果，保证下一次进行目标处理类型的输出结果的确定的处理降低计算复杂度，并减少计算消耗。所述中间结果的内容与所述目标处理类型相关，并且针对所述中间结果的处理方式也与所述目标处理类型相关。具体的，上述基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果，可以分为以下两种情况：第一种情况中：所述目标处理类型为累加处理；所述基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果，包括：将所述待处理数据与所述目标处理类型的中间结果相加得到累加和，将所述累加和作为所述目标处理类型的输出结果。其中，所述累加和可以为对金额做累加计算，也可以针对任意数值类型数据做累加，本实施例不对其进行限定，只要需要进行累加和处理的均在本实施例的保护范围内。具体来说，可以是将所述目标账号所对应的所述待处理数据，与所述目标账号的所述目标处理类型的所述中间结果相加得到累加和，将所述累加和作为所述目标账号的所述目标处理类型的所述输出结果。进一步地，还可以包括：将所述目标处理类型的输出结果作为所述目标处理类型对应的更新后的中间结果进行保存。也就是说，在每一次针对目标账号的目标处理类型基于待处理数据与原中间结果进行累加和计算之后，不仅得到当前累加和作为输出结果，同时，还会将当前计算得到的累加和作为目标账号的目标处理类型对应的更新后的中间结果进行保存。这样可以便于后续接收到所述目标账号的新的待处理数据之后，采用更新后的所述中间结果进行下一次累加和计算，从而可以保持降低计算复杂度以及减少计算资源的消耗较高的问题。前述实施例已经说明，在判断是否保存有所述目标处理类型对应的中间结果之后，在没有查找到已经保存的所述目标账号的所述目标处理类型对应的中间结果的情况下，可以重新确定所述目标账号的所述目标处理类型对应的中间结果。在所述目标处理类型为累加处理的情况下，具体可以为：在没有保存所述目标处理类型对应的中间结果的情况下，从已保存的历史数据中获取在接收到所述待处理数据的时刻之前的m个时间窗口内的目标历史数据；将所述m个时间窗口内的所述目标历史数据以及所述待处理数据相加得到累加和，将所述累加和作为所述累加处理对应的中间结果进行保存。关于时间窗口的单位时长以及m的取值的说明与前述实施例相同，不做重复说明。将所述m个时间窗口内的所述目标历史数据以及所述待处理数据相加得到累加和，可以包括：对所述m个时间窗口的每一个时间窗口内的目标历史数据求和，得到每一个时间窗口的子累加和；将所述m个时间窗口分别对应的子累加值求和，得到所述m个时间窗口内的初始累加和；将所述m个时间窗口内的初始累加和与所述待处理数据相加得到所述累加和。也就是说，可以先将每一个时间窗口内的全部历史数据相加，得到每一个时间窗口内的全部历史数据的子累加和；再把全部m个时间窗口的子累加和相加，最终再与当前的所述待处理数据相加得到本次累加和。对上述第一种情况的所述目标处理类型为累加处理进行示例性说明，假设，所述累加处理具体为计算一天内目标账号的购物总金额的累加处理；可以将一天的24小时划分为多个时间窗口，示例性的可以将24小时划分为24个时间窗口，即m＝24，且时间窗口的单位时长为1小时。在接收到所述目标账号的一个待处理数据(比如所述目标账号的购物金额)的时候，若保存有所述目标账号的累加处理的中间结果，则将所述待处理数据与所述目标账号的累加处理的中间结果相加，得到所述目标账号对应的累加处理的本次输出结果，即累计购物金额；将累加处理的本次输出结果作为所述目标账号的所述累加处理的更新后的中间结果进行保存；若没有保存所述目标账号的累加处理的中间结果，则将接收到该所述目标账号的新的待处理数据的时刻之前的24个小时(即m个时间窗口内)的目标历史数据(即历史消费金额)相加得到初始累加和之后，与所述目标账号的所述待处理数据相加得到所述目标账号对应的累加处理的本次输出结果(即累计购物金额)；将累加处理的本次输出结果作为所述目标账号的所述累加处理的中间结果进行保存。比如，在不使用本实施例提供的方案的情况下，在接收到目标账号的新的待处理数据(即购物金额300)时，需要将第1小时的目标历史数据相加的子累加和为100、第2小时的目标历史数据相加的子累加和为200，……，第24小时的目标历史数据相加的子累加和为100，将前24小时的子累加和相加得到1200，再跟待处理数据相加，得到输出结果。可以看出，这种处理需要进行多次累加和的计算，计算复杂度是较高的，可以表示为o(24)。在使用本实施例提供的方案的情况下，如图3所示，若在接收到目标账号的新的待处理数据(即购物金额300)时已经保存有包含有所述目标账号的前24小时的总购物金额(1200)的中间结果，该中间结果可以保存在存储模块，将新的待处理数据直接与该中间结果相加，得到输出结果(即1500)。所述存储模块可以为所述电子设备中的存储模块，这种情况中，所述存储模块可以为电子设备中用于存储所述中间结果的专门分区；又或者，可以是存储设备(比如可以是集群中的存储设备)中的存储模块，所述电子设备可以通过与所述存储设备之间的有线或无线通信连接，从所述存储设备的所述存储模块中进行数据读取。此处理中，计算复杂度为o(1)。上述计算复杂度是跟时间窗口的个数相关的，计算复杂度可以表示为o(m)，m即时间窗口的个数。在单位时长比较短的情况下，若到计算相同总时长内的初始累加和，则需要使用较多的时间窗口内的历史数据进行计算，进而计算复杂度也较高。采用以下公式进行示例性说明：sum(t＝24)＝g(t＝24,m)+g(t＝24,m+1)；其中，g(t＝24，m+1)表示第24个时间窗口内的第m+1个数据，即前述待处理数据；g(t＝24,m)表示当前时间窗口(即接收到所述待处理数据的时刻所在的时间窗口)之前的24个时间窗口的累加和。也就是说，有待处理数据需要计算时，不再需要重新把待处理数据所在的时间窗口之前的24小时内的数据重新累加，直接将待处理数据，即g(t＝24,m+1)加上中间结果g(t＝24,m)即可得到sum(t＝24)即本次的输出结果；还可以将sum(t＝24)作为更新后的中间结果g(t＝24,m)进行保存。可见，通过采用上述处理，就可以在有待处理数据进行累加和计算的时候，不需要重新把历史数据重新累加，而是直接与中间结果相加即可得到本次的输出结果。如此，可以降低计算复杂度减少计算资源的消耗，并且提升计算效率。第二种情况中：所述目标处理类型为去重处理；所述目标处理类型所对应的中间结果为数据集合；所述基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果，包括：将所述待处理数据与所述数据集合中的数据进行比较；在所述待处理数据与所述数据集合中的数据均不相同的情况下，将所述待处理数据添加至所述数据集合中，得到所述目标处理类型的输出结果。其中，所述去重处理可以是对目标账号的相关网络地址的去重统计，比如，可以是统计目标账号在一段时间内登录所使用的网络地址；其中，网络地址可以为ip地址，当然，还可以是针对其他类型的数据进行去重处理，本实施例不对其进行限定，只要需要进行去重处理的任何类型的数据均在本实施例的保护范围内。所述数据集合具体可以包括：与所述目标账号相关的k个数据；k为大于等于1的整数，k的具体数值与实际处理情况相关，本实施例中不做限定。上述待处理数据可以为一个也可以为多个。在所述待处理数据为1个的情况下，具体可以是：将所述待处理数据与所述数据集合中的所述k个数据进行比较；在所述待处理数据与所述数据集合中的k个数据均不相同的情况下，将所述待处理数据添加至所述数据集合中，得到作为所述目标处理类型的输出结果；在所述待处理数据与所述数据集合中的k个数据中之一相同的情况下，可以将所述待处理数据删除。需要指出的是，在所述待处理数据与所述数据集合中的k个数据中之一相同的情况下，除了将所述待处理数据删除，还可以直接将所述目标处理类型的所述中间结果作为所述目标处理类型的输出结果。进一步地，还可以包括：将所述目标处理类型的输出结果作为所述目标处理类型对应的更新后的中间结果进行保存。也就是说，在每一次针对目标账号的目标处理类型基于待处理数据与中间结果进行去重后，将所述待处理数据添加至所述数据集合中，得到k+1个数据组成的数据集合作为所述目标处理类型的输出结果，同时，还会将k+1个数据组成的数据集合作为目标账号的目标处理类型对应的更新后的中间结果进行保存。在所述待处理数据为多个的情况下，假设所述待处理数据为g个，g为大于等于2的整数；具体可以是：将g个所述待处理数据中的第i个待处理数据与数据集合中包含的数据进行比较；在所述第i个待处理数据与所述数据集合中包含的数据均不相同的情况下，将所述第i个待处理数据添加至所述数据集合中，得到添加所述第i个待处理数据后的数据集合；在所述第i个待处理数据与所述数据集合的数据中之一相同的情况下，可以将所述第i个待处理数据删除。其中，i为大于等于1且小于等于g的整数。进一步地，在将g个所述待处理数据中的第i+1个待处理数据与所述数据集合中包含的数据进行比较的处理中，可以采用当前的数据集合与第i+1个待处理数据进行比较，以此类推，直至在完成全部所述g个待处理数据的处理之后，可以得到最终的数据集合，将该最终的数据集合作为所述目标处理类型的输出结果。也就是说，可以在存在多个待处理数据的情况下，将每一个待处理数据与当前的数据集合中的数据进行比较，若与当前的数据集合中的数据均不相同，则添加待处理数据至当前的数据集合中，否则，可以删除该待处理数据。这里，所述当前的数据集合可以为上次完成待处理数据的处理之后的数据集合，其中，包含的数据的数量这里不做限定。还需要指出的，在待处理数据为g个的情况下，分别对每一个待处理数据与所述目标处理类型的当前中间结果(也就是当前的数据集合)中包含的全部数据进行比较，若所述g个待处理数据中每一个待处理数据与当前的数据集合中的任意一个数据相同，则除了将所述g个待处理数据删除，还可以直接将所述目标处理类型的所述中间结果作为所述目标处理类型的输出结果。比如，待处理数据为3个，3个待处理数据中每一个待处理数据与当前中间结果也就是当前的数据集合中包含的任意一个数据相同，并且不同的待处理数据可以与当前的数据集合中不同的数据相同；如此，可以删除3个待处理数据，将当前的目标处理类型的中间结果直接作出输出结果，也就是不对当前的中间结果(或数据集合)进行任何处理直接作为输出结果。这样可以便于后续接收到所述目标账号的新的待处理数据之后，采用更新后的所述中间结果进行下一次去重处理，从而可以降低计算复杂度以及减少计算资源的消耗较高的问题。前述实施例已经说明，在判断是否保存有所述目标处理类型对应的中间结果之后，在没有查找到已经保存的所述目标账号的所述目标处理类型对应的中间结果的情况下，可以重新确定所述目标账号的所述目标处理类型对应的中间结果。在所述目标处理类型为累加处理的情况下，具体可以为：在没有保存所述目标处理类型对应的中间结果的情况下，从已保存的历史数据中获取在接收到所述待处理数据的时刻之前的m个时间窗口内的目标历史数据；将所述m个时间窗口内的所述目标历史数据以及所述待处理数据进行去重之后得到包含多个数据的集合，将所述包含多个数据的集合作为所述目标账号的去重处理所对应的中间结果并保存。其中，所述多个数据的数量这里不做限定。关于时间窗口的单位时长以及m的取值的说明与前述实施例相同，不做重复说明。将所述m个时间窗口内的所述目标历史数据以及所述待处理数据进行去重之后得到包含多个数据的集合，可以包括：对所述m个时间窗口的每一个时间窗口内的目标历史数据进行去重，得到每一个时间窗口的子数据集合；将所述m个时间窗口分别对应的子数据集合合并并去重，得到所述m个时间窗口内的初始数据集合；将所述m个时间窗口内的初始数据集合与所述待处理数据再次进行去重，得到包含多个数据的集合。对上述第二种情况的所述目标处理类型为去重处理进行示例性说明，假设，所述去重处理具体为计算一天内目标账号的登录的网络地址，比如登录的ip地址的切换次数进行统计(或计算)。与第一种情况类似的，可以将一天的24小时划分为多个时间窗口，示例性的可以将24小时划分为24个时间窗口，即m＝24，且时间窗口的单位时长为1小时。所述去重处理需要把多个时间窗口的数据所组成的集合进行合并，在m＝24的情况下，要对24个小时的目标账号的登录的ip地址进行去重，其计算复杂度相比第一种情况的复杂度更高。若不采用本实施例提供的方案，把24小时中每个小时内的所有ip合并，首先得到24小时内的所有ip的数据集合(127.0.0.1、127.0.0.2......127.0.1.x、127.0.1.y)，再计算该数据集合的数量作为最终结果，数据集合合并操作的算法复杂度为o(24)，当ip的数据越多时，性能越差，计算资源消耗越大。为了解决该性能问题，本实施例提供的方案将计算中间结果的数据集合存到外部存储模块，当获取到所述目标账号的待处理数据，即新的ip地址“10.0.0.x”时，不再需要重新合并近24小时内的全量数据，而是如图4所示，可以直接把该新的ip地址与中间结果即数据集合进行比对之后，添加到已有的中间结果；该中间结果(即数据集合)中包含有近24小时内去重处理之后的所有ip的集合(127.0.0.1、127.0.0.2......127.0.1.x、127.0.1.y，10.0.0.x)。因为把一个数据添加到一个数据集合中的计算复杂度为o(1)，因此可以看出本实施例提供的方案大大提升了计算效率，降低了计算资源的消耗。再举例来说，历史24小时内对应的去重处理的中间结果即数据集合1，其中可以包括(ip-1、ip-2、ip-3)；新接收的待处理数据为ip-4，将该ip-4与数据集合1中的全部数据进行比较之后，确定与数据集合1中的全部数据均不相同，将ip-4添加到数据集合1中，得到数据集合2即(ip-1、ip-2、ip-3、ip-4)；该数据集合2即本次去重处理的输出结果，并且该数据集合2即为更新后的中间结果。以上实施例中虽然仅提供了两种处理类型的说明，实际处理中还可以包括有更多的处理类型，只是本实施例不对其进行穷举。前述已经说明，目标处理类型对应的所述中间结果为针对一段时长的目标账号的历史数据的中间结果。因此，随着时间的推移，不同时刻对应的中间结果可以是基于不同时长内的历史数据得到的。举例来说，第1个小时的历史数据过期之后，需要开始计算第2小时到第25小时的累加值时，上次(即第25个小时内)存储的中间结果已经过期。这时，在第26小时接收到待处理数据的时候，会发现原来保存的中间结果已经失效，需要对过去24小时(也就是第2-第25小时内)的历史数据进行重新累加，得到新的中间结果。可以看出，不同时段内确定中间结果所采用的历史数据可以是不同的。通过以上分析可以看出，由于中间结果是对历史m个时间窗口的历史数据进行计算得到的，因此随着当前时刻位于不同的时间窗口的时候，中间结果为基于不同的历史的时间窗口的历史数据计算得到的，也就是说中间结果的使用具备一定的时长，在这段时长内中间结果会用于对该时长内的待处理数据进行处理，但是，过了这段时长之后，会重新计算下一段时长内的中间结果并进行相应的处理，此时上一段时长内的中间结果即便保存也不会用于进行新的待处理数据的处理，因此，中间结果会存在老化过期问题，本实施例通过设置中间结果的有效时长来解决该问题。本实施例还针对所述目标处理类型对应的所述中间结果设置了有效时长，相应的，所述方法还可以包括：在所述目标处理类型对应的中间结果的保存时长超过有效时长的情况下，将所述目标处理类型对应的中间结果设置为失效。也就是说，将所述中间结果从最初生成到当前时刻之间的时间长度作为所述保存时长，若该保存时长超过所述有效时长，则将所述目标处理类型对应的中间结果设置为失效。进一步地，将所述目标处理类型对应的中间结果设置为失效之后，可以直接将所述目标处理类型对应的中间结果删除，又或者，可以为该所述目标处理类型对应的中间结果添加一个失效标签，用于表征该中间结果失效。通过对所述中间结果的保存时长与有效时长进行比对，以确定是否将中间结果设置为失效，如此可以解决中间结果的老化问题，避免长时间保存无效的中间结果而占用较多存储空间或缓存空间的问题。上述所述目标处理类型对应的中间结果所对应的所述有效时长的确定方式，可以有以下两种：一种方式中，可以把所述目标处理类型对应的所述中间结果存储最大有效时长设置为一个时间窗口的单位时长。也就是说，在当前时间窗口内的所述目标处理类型对应的所述中间结果的有效时长的结束时间设置为下一个时间窗口的开始时间。比如，以一个时间窗口的单位时长为1小时为例，当第25个小时结束后，即需要开始计算第2小时到第25小时的累加值时，第25个小时内存储的所述目标处理类型对应的所述中间结果已经过期。在第26个小时开始后，如果发现没有存储所述目标处理类型对应的有效的中间结果，这时对过去24小时(即第2小时到第25小时)的数据进行重新累加得到新的中间结果并保存。本示例中，将所述目标处理类型对应的中间结果的有效时长ttl采用以下公式表示：ttl＝t；其中，t表示一个时间窗口的单位时长，比如1天被分为24个时间窗口，那么每个时间窗口的单位时长是1小时。另一种方式中，所述有效时长为：将单个时间窗口所对应的单位时长与目标倍数值相乘得到的；其中，所述目标倍数值为大于等于0且小于等于1的数值。比如，可以采用以下公式表示：ttl＝a*t(0＜＝a＜＝1.0)；其中，t表示一个时间窗口的单位时长，比如1天被分为24个时间窗口，那么每个时间窗口的单位时长是1小时；a即为目标倍数值，并且a的取值范围是大于等于0且小于等于1。进一步分析来说，以前述方式ttl＝t来说，将中间结果的有效时长设置为等于一个时间窗口的单位时长，可以使得计算资源的消耗达到最低，也就是说性能达到最优，但是，这样一来占用的内存(也就是缓存空间或存储容量)的大小为最大。也就是说，虽然从减少重新计算中间结果所带来的计算资源的消耗的角度，中间结果的有效时长越长性能越好；但往往缓存空间或存储容量是有限的，因此需要降低保存中间结果的有效时长，以减少占用缓存空间或存储容量。基于此，本方式中通过对中间结果的有效时长进行调整，来解决以上存储与性能的矛盾，使得存储资源消耗和性提升能折中。本方式通过动态调整目标倍数值的大小，以进一步动态调整中间结果的有效时长，以进行存储资源消耗和提升性能的折中。所述目标倍数值的确定方式，可以包括：基于关系映射表以及在接收到所述待处理数据的时刻之前的一个单位时长内的数据调用量，确定所述目标倍数值；其中，所述关系映射表用于表征候选倍数值与平均数据调用量之间的关系，所述平均数据调用量由所述m个时间窗口内的历史数据的调用总量对m个时间窗口求平均获得。这里，所述候选倍数值分别与所述平均数据调用量相对应，所述目标倍数值在所述候选倍数值中进行选取。所述关系映射表可以包括有一个或多个平均数据调用量、以及每一个平均数据调用量所对应的候选倍数值。示例性的，所述关系映射表可以如下表所示：平均数据调用量10010002000...候选倍数值0.10.050.025...也就是说，在平均数据调用量为100的时候对应的候选倍数值可以为0.1；在平均数据调用量为1000的时候对应的候选倍数值可以为0.05；在平均数据调用量为2000的时候对应的候选倍数值可以为0.025。另外，可以基于在接收到所述待处理数据的时刻之前的一个单位时长内的数据调用量的具体数值，从所述关系映射列表中选取其对应的候选倍数值，将该候选倍数值作为目标倍数值。再使用该目标倍数值与时间窗口的单位时长相乘，得到当前的有效时长。其中，上述确定目标倍数值的处理可以为周期性，比如，可以为每小时计算一次。可以看出，基于上述处理，可以灵活的根据平均数据调用量来确定更符合近期数据处理情况的目标倍数值，进而可以得到更加符合近期处理情况的中间结果的有效时长；在结合近期的处理情况进行有效时长的调整可以在不降低处理性能的基础上还保证了内存利用最大化。其中，所述关系映射表的确定方式可以为预先设置的；又或者，可以包括：基于用于计算平均响应时长的关系表达式，确定所述关系映射列表；其中，所述用于计算平均响应时长的关系表达式为基于以下构建得到的：对所述m个时间窗口内的已保存的历史数据进行处理所需的第一时长、将所述待处理数据加入所述目标处理类型对应的中间结果所需的第二时长、所述平均数据调用量、所述候选倍数值、以及所述平均响应时长。用于计算平均响应时长的关系表达式，可以表示如下：其中，t1为对所述m个时间窗口内的已保存的历史数据进行处理所需的第一时长；其中，所述处理可以为前述目标处理类型的处理，比如可以为累加处理或去重处理；t1为将所述待处理数据加入所述目标处理类型对应的中间结果所需的第二时长；n为所述平均数据调用量；a为候选倍数值；rt为平均响应时长。上述平均数据调用量n，可以为根据实际情况确定的，比如，可以是预先对一段时长内的全部时间窗口进行历史数据的调用总量进行统计，将调用总量与时间窗口的数量进行平均值计算，得到所述平均数据调用量n。需要指出的是，n的取值可以有多种，比如，可以是根据一段时长的时间窗口内的历史数据调用量进行统计之后，进行概率分布的计算，得到多种概率分布值，这多种概率分布值即为n的多种可能的取值；又或者，可以根据实际情况设置多种n的取值。基于以上用于计算平均响应时长的关系表达式可以得到平均响应时长、候选倍数值以及所述m个时间窗口内的平均数据调用量之间的关系，可以是：确定所述第一时长以及所述第二时长；基于所述第一时长、所述第二时长、所述m个时间窗口内的平均数据调用量的l种取值、以及所述用于计算平均响应时长的关系表达式，确定所述l种取值分别对应的关系曲线；l为大于等于1的整数；基于所述l种取值分别对应的关系曲线，确定所述m个时间窗口内的平均数据调用量在l种取值的情况下分别对应的候选倍数值；基于所述m个时间窗口内的平均数据调用量在l种取值的情况下分别对应的候选倍数值，构建所述关系映射表。具体来说，所述第一时长以及所述第二时长可以为根据经验值来确定的。比如，根据线上的大数据统计规律，可以得出所述第一时长远比所述第二时长大，结合大数据监控可以得出所述第一时长的经验值为50ms，所述第二时长的经验值为2ms；需要理解的是，这里仅为示例性说明，实际处理中，所述第一时长以及所述第二时长可以与前述示例不同，比如第一时长可以为60ms，第二时长可以为1ms，或者可以为其他取值，本实施例不对全部可能的第一时长以及第二时长的取值进行穷举。基于所述m个时间窗口内的平均数据调用量的l种取值、以及所述用于计算平均响应时长的关系表达式，确定所述l种取值分别对应的关系曲线，可以为：在确定所述用于计算平均响应时长的关系表达式中的所述第一时长以及所述第二时长的情况下，基于所述m个时间窗口内的平均数据调用量的l种取值中的第y种取值以及所述用于计算平均响应时长的关系表达式，确定所述第y种取值下，确定所述平均响应时长以及倍数值之间的第y个关系曲线。其中，y为大于等于1且小于等于l的整数。其中，l种取值可以根据实际情况设置，比如可以有3种取值，分别为100、1000、以及500，或者l可以跟多也可以更少，这里不对其进行限定；另外，每一种取值的具体数值也不进行限定。也就是说，在第一时长、第二时长、以及所述m个时间窗口内的平均数据调用量为确定的情况下，可以基于前述用于计算平均响应时长的关系表达式，确定所述平均响应时长以及倍数值之间的一种关系曲线。以此类推，在确定第一时长、第二时长、以及确定所述m个时间窗口内的平均数据调用量的多种取值的情况下，可以基于前述用于计算平均响应时长的关系表达式，确定所述平均响应时长以及倍数值之间的多种关系曲线。比如，参见图5，分别示意出平均数据调用量的取值n为100、1000、2000的情况下，所对应的平均响应时长以及倍数值之间的关系曲线。基于所述l种取值分别对应的关系曲线，确定所述m个时间窗口内的平均数据调用量在l种取值的情况下分别对应的候选倍数值，可以包括：基于所述l种取值中的第y种取值对应的第y个关系曲线，确定所述m个时间窗口内的平均数据调用量的第y种取值对应的候选倍数值。以此类推，最终可以得到所述m个时间窗口内的平均数据调用量在l种取值的情况下对应的l个候选倍数值。所述候选倍数值指的是在关系曲线中性价比最高的拐点。如图5所示，当n＝100时，a等于0.1已经有比较好的预期，则0.1即为所述m个时间窗口内的平均数据调用量取值为100的时候的候选倍数值。基于所述m个时间窗口内的平均数据调用量在l种取值的情况下分别对应的候选倍数值，构建所述关系映射表。关于所述关系映射表与前述实施例的具体示例相同，这里不做重复说明。最后，本实施例提供的方案中，所述确定所述目标处理类型的输出结果之后，所述方法还包括：基于所述目标处理类型的所述输出结果，判断所述目标处理类型所对应的相关事件是否存在风险。所述目标处理类型所对应的相关事件可以是根据实际情况来设置的。具体判断所述目标处理类型所对应的相关事件是否存在风险，可以包括：基于所述目标处理类型的所述输出结果、与预设阈值进行比较，基于比较结果，确定所述目标处理类型所对应的相关事件是否存在风险。本公开提供的方案应用于风控领域后，由于结合中间结果对待处理数据进行处理能够提升处理效率，从而使得对风控领域内的目标处理类型进行相关事件是否存在风险的判断更加及时并且高效，进而有利于后续进行相关控制的处理效率，提升风控领域中的目标处理类型的相关处理的整体效率。举例来说，所述目标处理类型为风险控制领域的某一个处理类型。所述风险控制指风险管理者采取各种措施和方法，风控的核心手段之一是数据统计，当累加处理的输出结果的数据大于阈值时，将确定该累加处理所对应的事件为风险事件，比如，风控领域需要统计一个账户一天的消费金额，针对金额数值总和给账号综合评分。又或者，去重处理的输出结果中展示同一身份证30天内注册的账号个数超过了对应的阈值，则可以确定可能该身份证的使用存在一定的风险，比如可能是违规操作、或者是身份证被盗等。又或者，以风控领域ip和账号的高频风险事件为例，需要控制一天内同一个账号的ip地址切换次数不能大于10，那么会对一个账号每次登录请求，记录下登录的ip地址，基于同一个账号统计得到的不同的ip的出现次数进行统计，若大于10则可以确定该账号存在高频风险事件。可见，通过采用上述处理，可以在获取到待处理数据后，将该待处理数据直接与目标处理类型对应的已有的中间结果进行处理，就可得到最终的输出结果。如此，能够解决计算资源消耗较大的问题，提升了对该待处理数据进行目标处理类型的相关处理的处理效率。另外，由于本实施例还可以调整中间结果的有效时长，如此可以解决存储空间与性能提升之间的矛盾问题。示例性介质在介绍了本公开示例性实施方式的方法之后，接下来，参考图6对本公开示例性实施方式的介质进行说明。在一些可能的实施方式中，本公开的各个方面还可以实现为一种计算机可读介质，其上存储有程序，当程序被处理器执行时用于实现本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的数据处理方法中的步骤。具体地，上述处理器执行上述程序时用于实现如下步骤：接收到待处理数据；在保存有目标处理类型对应的中间结果的情况下，基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果。需要说明的是：上述的介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于：电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。如图6所示，描述了根据本公开的实施方式的介质60，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序，并可以在设备上运行。然而，本公开不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于：电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算设备。示例性装置在介绍了本公开示例性实施方式的方法之后，接下来，对本公开示例性实施方式的装置进行说明。本公开的提供一种数据处理装置，如图7所示，包括：存储模块701，用于保存目标处理类型对应的中间结果；控制模块702，用于接收到待处理数据；在所述存储模块保存有目标处理类型对应的中间结果的情况下，基于所述待处理数据以及所述目标处理类型对应的中间结果，确定所述目标处理类型的输出结果。所述控制模块702，用于将所述目标处理类型的输出结果作为所述目标处理类型对应的更新后的中间结果进行保存。所述控制模块702，用于在所述存储模块中没有保存所述目标处理类型对应的中间结果的情况下，从已保存的历史数据中获取在接收到所述待处理数据的时刻之前的m个时间窗口内的目标历史数据；其中，m为预设的大于等于1的整数；基于所述m个时间窗口内的所述目标历史数据以及所述待处理数据，确定所述目标处理类型的输出结果，以及将所述目标处理类型的输出结果作为所述目标处理类型对应的中间结果进行保存。所述目标处理类型为累加指标；所述控制模块702，用于将所述待处理数据与所述目标处理类型的中间结果相加得到累加和，将所述累加和作为所述目标处理类型的输出结果。所述目标处理类型为去重处理；所述目标处理类型所对应的中间结果为数据集合；所述控制模块702，用于将所述待处理数据与所述数据集合中的数据进行比较；在所述待处理数据与所述数据集合中的数据均不相同的情况下，将所述待处理数据添加至所述数据集合中，得到所述目标处理类型的输出结果。所述控制模块702，用于在所述目标处理类型对应的中间结果的保存时长超过有效时长的情况下，将所述目标处理类型对应的中间结果设置为失效。所述有效时长为：将单个时间窗口所对应的单位时长与目标倍数值相乘得到的；其中，所述目标倍数值为大于等于0且小于等于1的数值。所述装置还包括：有效时长调节模块703，用于基于关系映射表以及在接收到所述待处理数据的时刻之前的一个单位时长内的数据调用量，确定所述目标倍数值；其中，所述关系映射表用于表征候选倍数值与平均数据调用量之间的关系，所述平均数据调用量由所述m个时间窗口内的历史数据的调用总量对m个时间窗口求平均获得。所述有效时长调节模块，用于基于用于计算平均响应时长的关系表达式，确定所述关系映射列表；其中，所述用于计算平均响应时长的关系表达式为基于以下构建得到的：对所述m个时间窗口内的已保存的历史数据进行处理所需的第一时长、将所述待处理数据加入所述目标处理类型对应的中间结果所需的第二时长、所述平均数据调用量、所述候选倍数值、以及所述平均响应时长。所述候选倍数值分别与所述平均数据调用量相对应，所述目标倍数值在所述候选倍数值中进行选取。所述控制模块702，用于基于所述目标处理类型的所述输出结果，判断所述目标处理类型所对应的相关事件是否存在风险。示例性计算设备在介绍了本公开示例性实施方式的方法、介质和装置之后，接下来，参考图8对本公开示例性实施方式的计算设备进行说明。所属
技术领域：
的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。在一些可能的实施方式中，根据本公开实施方式的计算设备可以至少包括至少一个处理单元以及至少一个存储单元。其中，存储单元存储有程序代码，当程序代码被处理单元执行时，使得处理单元执行本说明书上述“示例性方法”部分中描述的根据本公开的各种示例性实施方式的数据处理方法中的步骤。下面参照图8来描述根据本公开的这种实施方式的计算设备90。图8显示的计算设备90仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图8所示，计算设备90以通用计算设备的形式表现。计算设备90的组件可以包括但不限于：上述至少一个处理单元901、上述至少一个存储单元902，连接不同系统组件(包括处理单元901和存储单元902)的总线903。总线903包括数据总线、控制总线和地址总线。存储单元902可以包括易失性存储器形式的可读介质，例如随机存取存储器(ram)9021和/或高速缓存存储器9022，可以进一步包括非易失性存储器形式的可读介质，例如只读存储器(rom)9023。存储单元902还可以包括具有一组(至少一个)程序模块9024的程序/实用工具9025，这样的程序模块9024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。计算设备90也可以与一个或多个外部设备904(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口905进行。并且，计算设备90还可以通过网络适配器906与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图8所示，网络适配器906通过总线903与计算设备90的其它模块通信。应当理解，尽管图中未示出，可以结合计算设备90使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。应当注意，尽管在上文详细描述中提及了第一设备、第二设备、服务器的若干单元/模块或子单元/子模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。虽然已经参考若干具体实施方式描述了本公开的精神和原理，但是应该理解，本公开并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本公开旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。当前第1页12