数据处理方法、数据处理装置、可读存储介质和数据系统与流程

1.本发明涉及数据库数据处理技术领域，具体而言，涉及一种数据处理方法、数据处理装置、可读存储介质和数据系统。


背景技术：

2.目前，传统的数据库在面对中大型用户具有一定规模的数据存在着计算能力差，数据计算不及时，响应不及时的情况，并且不能满足多个维度数据的使用需求。


技术实现要素：

3.本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。
4.有鉴于此，本发明的第一方面在于提供一种数据处理方法。
5.本发明的第二方面在于提供一种数据处理装置。
6.本发明的第三方面在于提供一种数据处理装置。
7.本发明的第四方面在于提供一种可读存储介质。
8.本发明的第五方面在于提供一种数据系统。
9.为了实现上述至少一个目的，本发明的第一方面提出了一种数据处理方法，数据处理方法包括：在接收第一数据的情况下，确定第一数据所对应的多条处理链路，每条处理链路包括多级目标处理节点，每级目标处理节点的数量为至少一个；获取每条处理链路中的每个目标处理节点对应的权重信息，权重信息为目标处理节点的处理结果在同一条处理链路中后续相邻的目标处理节点的处理结果中的权重；根据第一数据和权重信息，确定每条处理链路对应第一目标数据；根据多个处理链路对应第一目标数据，确定第二目标数据。
10.在该技术方案中，本技术通过在接收第一数据的情况下，确定第一数据所对应的多条处理链路，规划出多条处理链路，从而能够针对多条处理链路分别独立的计算，提高多个维度数据的计算效率。获取每条处理链路中的每个目标处理节点对应的权重信息，在确定处理链路后，不需对非叶子节点进行计算，从而减少对非叶子节点的计算时间，提高面对大量数据的计算效率。根据第一数据和权重信息，确定每条处理链路对应第一目标数据，根据多个处理链路对应第一目标数据，确定第二目标数据，能够对第一数据进行聚合计算，与相关技术中的传统多个维度数据计算相比，不需要过滤出叶子节点，减少了过滤的步骤，从而降低计算对内存资源的占用，多个处理链路可以同时进行，进而实现了对多个维度数据的多线程聚合计算，进一步地提高多个维度数据的聚合计算效率，进一步地降低对内存资源的占用。
11.另外，本发明提供的上述技术方案中的数据处理方法还可以具有如下附加技术特征：
12.在上述技术方案中，根据第一数据和权重信息，确定每条处理链路对应第一目标数据，包括：获取第一数据中与每条处理链路对应的多个第一基础值；确定每条处理链路相应的第一基础值对应的权重信息的权重值；根据每条处理链路相应的第一基础值和权重
值，计算得到每条处理链路对应的第一路径值，第一路径值与第一目标数据相关联。
13.本技术通过获取第一数据中与每条处理链路对应的多个第一基础值，并根据每条处理链路相应的第一基础值和权重值，计算得到每条处理链路对应的第一路径值，与相关技术相比，不需要计算非叶子节点的数据，从而大量减少维度数据的计算量。同时，每条处理链路彼此独立，能够实现对大量维度数据的多线程计算，从而进一步提高维度数据的聚合计算效率，降低对内存资源的占用。
14.在上述任一技术方案中，根据每条处理链路相应的第一基础值和权重值，计算得到每条处理链路对应的第一路径值，包括：将每条处理链路对应的第一基础值与权重值进行乘法计算，得到每条处理链路的第一路径值。
15.在该实施例中，将每条处理链路对应的第一基础值与权重值进行乘法计算，不需要对处理链路上的非叶子节点进行计算，从而大幅减少中间过程的计算量，通过处理链路的基础值和该处理链路的权重值进行计算，能够得到每条处理链路的路径值，与相关技术中需要聚合的叶子节点很多时，过滤叶子节点，需要计算每个节点的值相比，能够降低内存及线程资源的占用，并提高聚合数据的计算效率。
16.在上述任一技术方案中，根据多个处理链路对应第一目标数据，确定第二目标数据，包括：将多条处理链路对应的多个第一路径值进行和值计算，得到第二路径值，第二路径值与第二目标数据相关联。
17.在该实施例中，将多条处理链路对应的第一路径值进行和值计算，得到第二路径值，能够实现聚合处理链路的计算，从而实现对多条基础处理链路的聚合计算，能够快速获取不同维度数据的处理链路，满足用户面对大量维度数据的场景使用需求，提升用户的满意度。
18.在上述任一技术方案中，在接收第一数据的情况下，确定第一数据所对应的多条处理链路，包括：获取第一处理模型，第一处理模型中包括多级第一处理节点，每级第一处理节点的数量为至少一个；根据第一数据的数据类型，筛选多个第一处理节点中的多个目标处理节点，目标处理节点的数量小于等于第一处理节点的数量；根据多个目标处理节点，确定多条处理链路。
19.本技术通过获取第一处理模型，能够提前获取不同维度数据的第一处理模型，从而满足不同维度数据的使用需求。根据第一数据的数据类型，筛选多个第一处理节点中的多个目标处理节点，并根据多个目标处理节点，确定多条处理链路，从而能够针对不同的维度数据，确定与该维度数据相对应的处理链路，不同的处理链路之间彼此独立，实现了对不同维度数据的多线程计算，提高数据的聚合计算效率。与相关技术相比，不需要计算处理链路上的非叶子节点的数据，从而减少了非叶子节点的数据的计算时间，提高了数据的处理速度，满足用户不同维度的大数据量的使用场景需求。
20.在上述任一技术方案中，获取第一处理模型，包括：获取多个第二数据集，每个第二数据集中包括多个第二数据，每个第二数据集中的多个第二数据的数据类型相关联；根据多个第二数据集，建立第一处理模型。
21.本技术通过提前获取不同维度的第二数据集，并根据与第二数据集对应的第一处理模型，与相关技术中的每次需要过滤维度数据的叶子节点相比，减少了过滤的步骤，从而提高了不同维度数据的处理效率，进而能够提高第一处理模型在面对大量数据时的处理效
率，提高不同维度数据聚合计算的效率，满足用户对大量不同维度数据的使用场景需求，提升用户的使用体验。
22.本发明的第二方面提出了一种数据处理装置，包括：接收单元，接收单元用于在接收第一数据的情况下，确定第一数据所对应的多条处理链路，每条处理链路包括多级目标处理节点，每级目标处理节点的数量为至少一个；获取单元，获取单元用于获取每条处理链路中的每个目标处理节点对应的权重信息，权重信息为目标处理节点的处理结果在同一条处理链路中后续相邻的目标处理节点的处理结果中的权重；确定单元，确定单元用于根据第一数据和权重信息，确定每条处理链路对应第一目标数据；确定单元还用于根据多个处理链路对应第一目标数据，确定第二目标数据。
23.在该技术方案中，接收单元能够在接收第一数据的情况下，确定第一数据对应的多条处理链路，从而为多个维度数据的多线程聚合计算提供基础。获取单元能够获取每条处理链路中每个目标处理节点对应的权重信息，便于后续的多个维度数据的聚合计算。确定单元根据第一数据和权重信息，确定每条链路对应的第一目标数据，并根据多个处理链路对应的第一目标数据，确定第二目标数据，实现了多维数据的多线程聚合计算，且不需要对处理链路的中间目标节点进行计算，从而大幅减少聚合处理的计算量，满足用户的大量多个维度数据的使用需求，提升用户的使用体验。
24.本发明的第三方面提出了一种数据处理装置，包括：存储器和处理器，存储器存储在处理器上运行的程序或指令，程序或指令被处理器执行时实现如第一方面的数据处理方法的步骤。
25.在该技术方案中，数据处理装置包括存储器和处理器，存储器存储在处理器上运行的程序或指令，程序或指令被处理器执行时实现第一方面的数据处理方法的步骤，从而具有上述任一技术方案的全部有益技术效果，在此不再赘述。
26.本发明的第四方面提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现第一方面的数据处理方法的步骤。
27.在该技术方案中，可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现第一方面的数据处理方法的步骤，从而具有上述任一技术方案的全部有益技术效果，在此不再赘述。
28.本发明的第五方面提出了一种数据系统，包括：第二方面的数据处理装置；或第三方面的数据处理装置；或第四方面的可读存储介质。
29.在该技术方案中，数据系统包括：第二方面的数据处理装置；或第三方面的数据处理装置；或第四方面的可读存储介质，从而具有上述任一技术方案的全部有益技术效果。
30.本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
31.图1示出了根据本发明的一个实施例的数据处理方法的流程示意图之一；
32.图2示出了根据本发明的一个实施例的数据处理方法的处理链路示意图；
33.图3示出了根据本发明的一个实施例的数据处理方法的流程示意图之二；
34.图4示出了根据本发明的一个实施例的数据处理方法的处理模型示意图；
35.图5示出了根据本发明的一个实施例的数据处理方法的流程示意图之三；
36.图6示出了根据本发明的一个实施例的数据处理方法的流程示意图之四；
37.图7示出了根据本发明的一个实施例的数据处理装置的结构示意图之一；
38.图8示出了根据本发明的一个实施例的数据处理装置的结构示意图之二。
具体实施方式
39.为了可以更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
40.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
41.下面参照图1至图8描述根据本发明的一些实施例的数据处理方法、数据处理装置、可读存储介质和数据系统。
42.实施例一
43.如图1所示，本技术一些实施例的数据处理方法，包括：
44.步骤102，在接收第一数据的情况下，确定第一数据所对应的多条处理链路，每条处理链路包括多级目标处理节点，每级目标处理节点的数量为至少一个；
45.第一数据可以为用户的多个维度数据，维度数据表示数据的类别不同，可以用树状结构表示。以图2为例，(n，n1，n11)是一条完整的处理链路，每条处理链路能够独立地进行数据处理，从而在接受大量数据时，能够分别对每条处理链路进行计算，提高多个维度数据的处理效率。其中，n11为叶子节点，n1为叶子节点的上层节点，n为根节点。
46.步骤104，获取每条处理链路中的每个目标处理节点对应的权重信息，权重信息为目标处理节点的处理结果在同一条处理链路中后续相邻的目标处理节点的处理结果中的权重；
47.每条处理链路中的目标处理节点均对应有一个权重信息，权重信息为每条处理链路中目标处理节点的处理结果在该目标处理节点的上级节点的处理过程中的权重。以图2为例，n为n1、n2和n3的上级节点，n1对n贡献的权重为w1，n2对n贡献的权重为w2，n3对n贡献的权重为w3。
48.n对n1的权重为w1，n1对n11的权重为w4。
49.步骤106，根据第一数据和权重信息，确定每条处理链路对应第一目标数据；
50.权重信息是根据目标处理节点对上级节点的贡献程度由用户提前设置的。以图2为例，n对n1的权重为w1，n1对n11的权重为w4，n到n11的权重为w4
×
w1，(n，n1，n11)处理链路的完整权重为w4
×
w1。w1至w9分别代表每个目标节点对上级节点贡献的权重。其中，n1为n11和n12的上级节点，n2为n21和n22的上级节点，n3为n31和n32的上级节点。n11、n12、n21、n22、n31和n32为叶子节点，叶子节点为处理链路中的末端节点。而n为处理链路的根节点，根节点为处理链路中的起始节点。而n1、n2和n3为非叶子节点，非叶子节点为处理链路中根节点与叶子节点之间的中间节点。
51.步骤108，根据多个处理链路对应第一目标数据，确定第二目标数据。
52.对每条的处理链路进行计算，得到每条处理链路的第一目标数据，根据多条的处理链路，能够得到多个维度的第二目标数据。以图2为例，分别计算(n，n1，n11)、(n，n1，n12)、(n，n2，n21)、(n，n2，n22)、(n，n3，n31)和(n，n3，n32)这六条处理链路，分别得到每个处理链路的第一目标数据，并对每条链路的计算结果进行聚合，得到用户所需要的结果。
53.本技术通过在接收第一数据的情况下，确定第一数据所对应的多条处理链路，规划出多条处理链路，从而能够针对多条处理链路分别独立的计算，提高多个维度数据的计算效率。获取每条处理链路中的每个目标处理节点对应的权重信息，在确定处理链路后，不需对非叶子节点进行计算，从而减少对非叶子节点的计算时间，提高面对大量数据的计算效率。根据第一数据和权重信息，确定每条处理链路对应第一目标数据，根据多个处理链路对应第一目标数据，确定第二目标数据，能够对第一数据进行聚合计算，与相关技术中的传统多个维度数据计算相比，不需要过滤出叶子节点，减少了过滤的步骤，从而降低计算对内存资源的占用，多个处理链路可以同时进行，进而实现了对多个维度数据的多线程聚合计算，进一步地提高多个维度数据的聚合计算效率，进一步地降低对内存资源的占用。
54.如图3所示，在本技术的一个实施例中，根据第一数据和权重信息，确定每条处理链路对应第一目标数据，包括：
55.步骤302，获取第一数据中与每条处理链路对应的多个第一基础值；
56.获取第一基础值能够为后续的处理链路计算提供基础，从而更快地提高聚合计算效率。
57.步骤304，确定每条处理链路相应的第一基础值对应的权重信息的权重值；
58.确定每条处理链路中的第一基础值以及其对应的权重值，不需要对非叶子节点进行计算，从而提高面对大量数据的聚合计算效率，提高用户的使用体验。
59.步骤306，根据每条处理链路相应的第一基础值和权重值，计算得到每条处理链路对应的第一路径值，第一路径值与第一目标数据相关联。
60.根据每条处理链路的第一基础值以及对应处理链路的权重值，计算每条处理链路的第一路径值，每条处理链路可以同时进行计算，实现了对大量维度数据的多线程计算，进而提高大量维度数据的聚合计算效率，提高用户的使用体验。
61.本技术通过获取第一数据中与每条处理链路对应的多个第一基础值，并根据每条处理链路相应的第一基础值和权重值，计算得到每条处理链路对应的第一路径值，与相关技术相比，不需要计算非叶子节点的数据，从而大量减少维度数据的计算量。同时，每条处理链路彼此独立，能够实现对大量维度数据的多线程计算，从而进一步提高维度数据的聚合计算效率，降低对内存资源的占用。
62.在本技术的一个实施例中，根据每条处理链路相应的第一基础值和权重值，计算得到每条处理链路对应的第一路径值，包括：将每条处理链路对应的第一基础值与权重值进行乘法计算，得到每条处理链路的第一路径值。
63.以图4为例，(a11，b11，c)为一条处理链路，(a，b1，c)为另一条处理链路。当需要计算(a，b1，c)处理链路的第一路径值时，分别找到a维度中的叶子节点，b维度中的叶子节点，c维度中的叶子节点，并根据不同维度的叶子节点，确定其对应的基础处理链路。例如(a11，b11，c)和(a11，b11，c)是(a，b1，c)的两条基础处理链路，而(a，b1，c)是一条聚合处理链路。
64.每条处理链路上的权重值为每个处理模型中所有节点的权重之积，例如，a维度对
应的处理链路的权重之积为：
65.w
a，a11
＝4，w
a，a21
＝4；
66.其中，w
a，a11
表示从目标节点a到目标节点a11的权重，w
a，a21
表示从目标节点a到目标节点a21的权重。
67.b维度对应的处理链路的权重之积为：
68.w
b1，b11
＝4；
69.其中，w
b1，b11
表示从目标节点b1到目标节点b11的权重。
70.c维度只有一个叶子节点，其权重：
71.wc＝1。
72.获取链路的基础值，以每条处理链路的第一基础值等于1为例，(a11,b11,c)处理链路的第一路径值为12
×
1＝12，(a21,b11,c)处理链路的第一路径值为12
×
1＝12。在该实施例中，将每条处理链路对应的第一基础值与权重值进行乘法计算，不需要对处理链路上的非叶子节点进行计算，从而大幅减少中间过程的计算量，通过处理链路的基础值和该处理链路的权重值进行计算，能够得到每条处理链路的路径值，与相关技术中需要聚合的叶子节点很多时，过滤叶子节点，需要计算每个节点的值相比，能够降低内存及线程资源的占用，并提高聚合数据的计算效率。
73.在本技术的一个实施例中，根据多个处理链路对应第一目标数据，确定第二目标数据，包括：将多条处理链路对应的多个第一路径值进行和值计算，得到第二路径值，第二路径值与第二目标数据相关联。
74.以图4为例，(a，b11，c)处理链路的第二路径值为(a11，b11，c)处理链路的第一路径值和(a11，b11，c)处理链路的第一路径值相加的结果。(a11,b11,c)处理链路的第一路径值为12，(a21,b11,c)处理链路的第一路径值为12，(a，b1，c)的第二路径值为12+12＝24。
75.在该实施例中，将多条处理链路对应的第一路径值进行和值计算，得到第二路径值，能够实现聚合处理链路的计算，从而实现对多条基础处理链路的聚合计算，能够快速获取不同维度数据的处理链路，满足用户面对大量维度数据的场景使用需求，提升用户的满意度。
76.如图5所示，在本技术的一个实施例中，在接收第一数据的情况下，确定第一数据所对应的多条处理链路，包括：
77.步骤502，获取第一处理模型，第一处理模型中包括多级第一处理节点，每级第一处理节点的数量为至少一个；
78.如图4所示，维度a、维度b、维度c分别对应设置有一个第一处理模型，不同维度的数据种类不同。其中，维度a、维度b、维度c之间的先后顺序以及层级关系是用户提前设置的。本技术并不对维度对应的第一处理模型中，目标处理节点的数量，目标处理节点的层级数量进行限制。
79.步骤504，根据第一数据的数据类型，筛选多个第一处理节点中的多个目标处理节点，目标处理节点的数量小于等于第一处理节点的数量；
80.根据第一数据的维度不同，筛选出符合该维度处理模型的目标处理节点，便于后续的聚合数据计算，提高不同维度数据的处理效率。
81.步骤506，根据多个目标处理节点，确定多条处理链路。
82.以图4为例，(a11，b11，c)为第一处理模型中的一条处理链路，(a，b1，c)为第一处理模型中的另一条处理链路。当需要计算(a，b1，c)处理链路时，需要从多个第一节点中找到a维度中的目标处理节点，需要从多个第一节点中找到b维度中的目标处理节点，需要从多个第一节点中找到c维度中的目标处理节点。例如，从a维度的第一处理模型中找到目标处理节点为a，从b维度的第一处理模型中找到目标处理节点为b11，从c维度的第一处理模型中找到目标处理节点为c，根据a，b11和c，确定处理链路为(a，b11，c)。本技术通过获取第一处理模型，能够提前获取不同维度数据的第一处理模型，从而满足不同维度数据的使用需求。根据第一数据的数据类型，筛选多个第一处理节点中的多个目标处理节点，并根据多个目标处理节点，确定多条处理链路，从而能够针对不同的维度数据，确定与该维度数据相对应的处理链路，不同的处理链路之间彼此独立，实现了对不同维度数据的多线程计算，提高数据的聚合计算效率。与相关技术相比，不需要计算处理链路上的非叶子节点的数据，从而减少了非叶子节点的数据的计算时间，提高了数据的处理速度，满足用户不同维度的大数据量的使用场景需求。
83.如图6所示，在本技术的一个实施例中，获取第一处理模型，包括：
84.步骤602，获取多个第二数据集，每个第二数据集中包括多个第二数据，每个第二数据集中的多个第二数据的数据类型相关联；
85.获取第二数据集，第二数据集为预设的不同维度的数据集合，第二数据的类型指的是维度不同，在接收到不同维度的数据时，能够根据数据的维度不同，将数据存储在数据集中，从而提高数据的处理效率。
86.步骤604，根据多个第二数据集，建立第一处理模型。
87.根据多个第二数据集，能够建立与维度数据对应的第一处理模型，如图4所示，当接收到a维度数据的第二数据集时，建立a维度数据的第一处理模型，能够保证维度数据与第一处理模型之间的对应从而提高数据的处理效率。
88.本技术通过提前获取不同维度的第二数据集，并根据与第二数据集对应的第一处理模型，与相关技术中的每次需要过滤维度数据的叶子节点相比，减少了过滤的步骤，从而提高了不同维度数据的处理效率，进而能够提高第一处理模型在面对大量数据时的处理效率，提高不同维度数据聚合计算的效率，满足用户对大量不同维度数据的使用场景需求，提升用户的使用体验。
89.实施例二
90.如图7所示，本发明的一个实施例提出了一种数据处理装置700，包括：接收单元702，接收单元702用于在接收第一数据的情况下，确定第一数据所对应的多条处理链路，每条处理链路包括多级目标处理节点，每级目标处理节点的数量为至少一个；获取单元704，获取单元704用于获取每条处理链路中的每个目标处理节点对应的权重信息，权重信息为目标处理节点的处理结果在同一条处理链路中后续相邻的目标处理节点的处理结果中的权重；确定单元706，确定单元706用于根据第一数据和权重信息，确定每条处理链路对应第一目标数据；确定单元706还用于根据多个处理链路对应第一目标数据，确定第二目标数据。
91.在该实施例中，接收单元702能够在接收第一数据的情况下，确定第一数据对应的多条处理链路，从而为多个维度数据的多线程聚合计算提供基础。获取单元704能够获取每
条处理链路中每个目标处理节点对应的权重信息，便于后续的多个维度数据的聚合计算。确定单元706根据第一数据和权重信息，确定每条链路对应的第一目标数据，并根据多个处理链路对应的第一目标数据，确定第二目标数据，实现了多维数据的多线程聚合计算，且不需要对处理链路的非叶子节点进行计算，从而大幅减少聚合处理的计算量，满足用户的大量多个维度数据的使用需求，提升用户的使用体验。
92.实施例三
93.如图8所示，本发明的一个实施例提出了一种数据处理装置800，包括：存储器802和处理器804，存储器802存储在处理器804上运行的程序或指令，程序或指令被处理器804执行时实现如第一方面的数据处理方法的步骤。
94.在该实施例中，数据处理装置800包括存储器802和处理器804，存储器802存储在处理器804上运行的程序或指令，程序或指令被处理器804执行时实现第一方面的数据处理方法的步骤，从而具有上述任一技术方案的全部有益技术效果，在此不再赘述。
95.实施例四
96.本发明的一个实施例提出了一种可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现第一方面的数据处理方法的步骤。
97.在该实施例中，可读存储介质，其上存储有程序或指令，程序或指令被处理器执行时实现第一方面的数据处理方法的步骤，从而具有上述任一技术方案的全部有益技术效果，在此不再赘述。
98.实施例五
99.本发明的第五方面提出了一种数据系统，包括：第二方面的数据处理装置；或第三方面的数据处理装置；或第四方面的可读存储介质。
100.在该实施例中，数据系统包括：第二方面的数据处理装置；或第三方面的数据处理装置；或第四方面的可读存储介质，从而具有上述任一技术方案的全部有益技术效果。
101.进一步地，可以理解的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
102.在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他
合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。
103.应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
104.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
105.此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
106.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
107.以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。