酒店分销商接口限流方法、装置、计算机设备及存储介质与流程

1.本技术涉及网络通信技术领域，特别是涉及一种酒店分销商接口限流方法、装置、计算机设备及存储介质。


背景技术：

2.近几年来，互联网技术的快速发展。云平台作为互联网技术的一个分支，它是一种适应当前大数据业务的技术模式，经过多年的发展已经进入实际运营阶段，由于云平台技术强大的数据存储和数据分析能力，基于云平台技术的酒店多渠道流量分销平台作为一种创新的营销方式，正在改变目前的酒店营销现状。
3.目前，要保证酒店分销平台稳定性以应对大流量访问请求，通常需要注意两个功能控制。一个是请求的限流，一个是服务降级处理。所述两个功能控制的意义在于不会让酒店分销平台的服务在分销商的大量访问中出现瘫痪。酒店分销平台中每个接口所能提供的单位时间服务能力是有限的。当超过服务的承载能力，一般会造成整个接口服务停顿，或者酒店分销平台崩溃，或者带来一系列未知的连锁反应，这样会造成整个系统的服务能力丧失。因此，有必要在服务能力超限的情况下实时过载保护。


技术实现要素：

4.本技术提供一种酒店分销商接口限流方法、装置、计算机设备及存储介质，以解决超负荷的接口访问请求导致酒店分销平台崩溃的技术问题。
5.为解决上述技术问题，本技术采用的一个技术方案是：提供一种酒店分销商接口限流方法，包括：基于各个分销商接口的历史成交数据将分销商按第一预设比例划分至对应的预设档次；获取服务器的当前性能参数，并根据当前性能参数确认总限流阈值；根据第二预设比例将总限流阈值划分至各个预设档次，得到每个预设档次对应的限流阈值；根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流。
6.作为本技术的进一步改进，基于各个分销商接口的历史成交数据将分销商划分至对应的预设档次，包括：获取每个分销商的历史订单量，所有分销商的总订单量；将历史订单量、历史增长率和总订单量输入至预先构建好的评分模型，得到每个分销商的评分结果，评分模型包括第一评分子模型和第二评分子模型，第一评分子模型根据历史订单量、历史增长率和总订单量评估得到第一分数，第二评分子模型根据历史订单量、历史增长率和总订单量评估得到第二分数，第一分数和第二分数加权计算得到评分结果；按每个预设档次的应占比例，根据评分结果将分销商划分至对应的预设档次。
7.作为本技术的进一步改进，第一评分子模型为加权评分模型，第二评分子模型基于bp神经网络构建。
8.作为本技术的进一步改进，根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流，包括：构建每个预设档次对应的令牌桶，并根据每个预设档次对应的限流阈值设定令牌桶中令牌的生成效率和令牌总量；基于令牌桶中令牌的数量控制对应的预设档
次中分销商的接口访问。
9.作为本技术的进一步改进，基于各个分销商接口的历史成交数据将分销商划分至对应的预设档次，包括：获取每个分销商的历史订单量；将历史订单量输入至预先训练好的预测模型，得到每个分销商的预测订单量；将预测订单量的从高至低进行排序，再根据排序结果和每个预设档次的应占比例，将分销商划分至对应预设档次。
10.作为本技术的进一步改进，根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流之后，还包括：统计分销商发起的所有访问请求；判断访问请求中是否存在非正常访问请求；若是，则禁止访问请求，并将对应的分销商加入黑名单，
11.作为本技术的进一步改进，非正常访问请求包括存在尝试注入攻击的请求、恶意注册请求、爬虫过度抓取请求中的任意一种。
12.为解决上述技术问题，本技术采用的另一个技术方案是：提供一种酒店分销商接口限流装置，包括：档次划分模块，用于基于各个分销商接口的历史成交数据将分销商按第一预设比例划分至对应的预设档次；获取模块，用于获取服务器的当前性能参数，并根据当前性能参数确认总限流阈值；阈值划分模块，用于根据第二预设比例将总限流阈值划分至各个预设档次，得到每个预设档次对应的限流阈值；限流模块，用于根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流。
13.为解决上述技术问题，本技术采用的再一个技术方案是：提供一种计算机设备，计算机设备包括处理器、与处理器耦接的存储器，存储器中存储有程序指令，程序指令被处理器执行时，使得处理器执行如上述任一项的酒店分销商接口限流方法的步骤。
14.为解决上述技术问题，本技术采用的再一个技术方案是：提供一种存储介质，存储有能够实现上述酒店分销商接口限流方法的程序指令。
15.本技术的有益效果是：本技术的酒店分销商接口限流方法通过将与酒店分销平台对接的各个分销商按照其历史成交数据进行档次划分，以将分销商划分为多个预设档次，再获取服务器自身的当前性能参数，根据该当前性能参数确认出服务器在预设时间内可接收并处理的访问请求总数的最大值，从而得到总限流阈值，然后根据为各个档次预先设定的比例，将总限流阈值划分到各个预设档次，再根据每个预设档次对应的限流阈值，对处于各个预设档次的分销商的接口访问请求进行限流，从而实现了对酒店分销商的接口的限流，使得在预设时间内出现的接口访问请求不会超过服务器的承载能力，防止短时间内骤增的接口访问请求导致酒店分销平台崩溃，提高了酒店分销平台运行的稳定性。并且，分档次的为分销商进行限流，优先保证历史成交数据好的分销商能够快速、及时的进行访问，提升优质分销商的使用体验。
附图说明
16.图1是本发明第一实施例的酒店分销商接口限流方法的流程示意图；
17.图2是本发明第二实施例的酒店分销商接口限流方法的流程示意图；
18.图3是本发明第三实施例的酒店分销商接口限流方法的流程示意图；
19.图4是本发明第四实施例的酒店分销商接口限流方法的流程示意图；
20.图5是本发明实施例的酒店分销商接口限流装置的功能模块示意图；
21.图6是本发明实施例的计算机设备的结构示意图；
22.图7是本发明实施例的存储介质的结构示意图。
具体实施方式
23.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术的一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
24.本技术中的术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”、“第三”的特征可以明示或者隐含地包括至少一个该特征。本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。本技术实施例中所有方向性指示(诸如上、下、左、右、前、后
……
)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。此外，术语“包括”和“具有”以及它们任何变形，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、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
25.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
26.图1是本发明第一实施例的酒店分销商接口限流方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图1所示的流程顺序为限。如图1所示，该方法包括步骤：
27.步骤s101：基于各个分销商接口的历史成交数据将分销商按第一预设比例划分至对应的预设档次。
28.在步骤s101中，该预设档次预先设置，每个档次对应一个第一预设比例，例如，划分为四个档次，第一个档次占20％、第二个档次占30％、第三个档次占40％、第四个档次占10％。本实施例中，根据历史成交数据将分销商划分至每个预设档次，例如，可根据分销商的总数和预设比例确认每个预设档次对应的分销商数量，再根据历史成交数据从高至低对分销商进行排序，然后依次将分销商划分至相应的预设档次，直至最后一个分销商时为止。
29.步骤s102：获取服务器的当前性能参数，并根据当前性能参数确认总限流阈值。
30.在步骤s102中，服务器的当前性能参数包括负载参数，如cpu，io，线程数量等，具体的，可通过开源框架，如分布式性能监控工具和分布式追踪系统等，实时或者定时共聚服务器的当前性能参数。此外，还可通过预设的脚本去监控服务器的当前性能参数。然后根据服务器的当前性能参数计算总限流阈值，具体可为每个负载参数预先设定一个相应的权重，根据负载参数和对应的权重进行累加计算，即可得到当前总负载。再获取服务器的理论总负载，根据理论总负载和当前总负载即可计算得到剩余的可用负载，该剩余的可用负载即可作为总限流阈值。
31.优选地，为了进一步保证服务器的正常运行，该理论总负载可预设设置为服务器最高总负载的90％，从而预留10％的负载备用，以应对特殊情况的出现。
32.步骤s103：根据第二预设比例将总限流阈值划分至各个预设档次，得到每个预设档次对应的限流阈值。
33.在步骤s103中，当获取到总限流阈值后，同样根据该第二预设比例将总限流阈值划分至各个预设档次，得到每个预测档次对应的限流阈值。
34.步骤s104：根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流。
35.在步骤s104中，在获取到各个预设档次对应的限流阈值后，根据该限流阈值对该预设档次内的分销商的接口访问请求进行限流，使得各个预设档次内的分销商的接口访问请求不会超出去对应的限流阈值。
36.进一步的，步骤s104具体包括：
37.1、构建每个预设档次对应的令牌桶，并根据每个预设档次对应的限流阈值设定令牌桶中令牌的生成效率和令牌总量。
38.本实施例基于令牌桶算法对预设档次内的分销商的接口访问请求进行限流。具体地，本实施例中，为每个预设档次构建一个令牌桶，然后根据该预设档次对应的限流阈值对令牌桶中令牌的生成效率和令牌总量进行设置。例如，预设档次越高，其对应的令牌桶中令牌的生成效率越高、令牌总量越多，预设档次越低，其对应的令牌桶中令牌的生成效率越低、令牌总量越少。
39.2、基于令牌桶中令牌的数量控制对应的预设档次中分销商的接口访问。
40.具体地，在构建好令牌桶之后，根据该令牌桶来控制对应的预设档次中的分销商的接口访问请求。当该预设档次中分销商的接口访问请求的报文的字符数未超过令牌桶中的令牌数时，允许该接口访问请求，同时从令牌桶中删除与报文字符数相同的令牌。当该预设档次中分销商的接口访问请求的报文的字符数超过令牌桶中的令牌数时，紧张该接口访问请求，从而实现对接口访问请求的限流。
41.本发明第一实施例的酒店分销商接口限流方法通过将与酒店分销平台对接的各个分销商按照其历史成交数据进行档次划分，以将分销商划分为多个预设档次，再获取服务器自身的当前性能参数，根据该当前性能参数确认出服务器在预设时间内可接收并处理的访问请求总数的最大值，从而得到总限流阈值，然后根据为各个档次预先设定的比例，将总限流阈值划分到各个预设档次，再根据每个预设档次对应的限流阈值，对处于各个预设档次的分销商的接口访问请求进行限流，从而实现了对酒店分销商的接口的限流，使得在预设时间内出现的接口访问请求不会超过服务器的承载能力，防止短时间内骤增的接口访问请求导致酒店分销平台崩溃，提高了酒店分销平台运行的稳定性。并且，分档次的为分销商进行限流，优先保证历史成交数据好的分销商能够快速、及时的进行访问，提升优质分销商的使用体验。
42.图2是本发明第二实施例的酒店分销商接口限流方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图2所示的流程顺序为限。如图2所示，该方法包括步骤：
43.步骤s201：获取每个分销商的历史订单量，所有分销商的总订单量。
44.在步骤s201中，该历史增长率是指相邻的预设周期内，历史订单量的增长情况，可
通过相邻预设周期内的历史订单量计算得到。
45.步骤s202：将历史订单量、历史增长率和总订单量输入至预先构建好的评分模型，得到每个分销商的评分结果。
46.其中，评分模型包括第一评分子模型和第二评分子模型，第一评分子模型根据历史订单量、历史增长率和总订单量评估得到第一分数，第二评分子模型根据历史订单量、历史增长率和总订单量评估得到第二分数，第一分数和第二分数加权计算得到评分结果。
47.在步骤s202中，具体地，该评分模型包括第一评分子模型和第二评分子模型，其中，第一评分子模型为加权评分模型，第二评分子模型基于bp神经网络构建。
48.第一评分子模型为加权评分模型，根据历史订单量、历史增长率和总订单量评估得到第一分数，计算公式为：
49.第一分数＝历史订单量/总订单量*第一权重系数 历史增长率*第二权重系数。
50.需要理解的是，本实施例中所述的历史订单量、总订单量均是至单位时间周期内的每个分销商的历史订单量、所有分销商的总订单量。
51.优选地，本实施例中，第一权重系数和第二权重系数采用主成分分析法(principal component analysis)进行确立。
52.需要说明的是，该第一权重系数和第二权重系数还可通过层次分析法、灰色综合评价法、模糊综合评价法、数据包络法等方法来建立，本发明实施例不进行限制。
53.第二评分子模型基于bp神经网络模型进行构建。bp神经网络具有自适应能力，能对多指标综合评价问题给出一个客观评价，剔除影响不显著和不重要的因素，以建立简化模型，可以避免主观因素对变量选取的干扰。
54.本实施例中，为了提升模型的准确性，在对该bp神经网络模型进行训练时，预先采用其他评价方法对训练样本进行评价，得到评价结果，再将评价结果中的一部分作为训练样本对bp神经网络模型进行训练，待训练完成后，以评价结果中的另一部分作为待测样本对该训练好的bp神经网络模型进行检验，以提升对该bp神经网络模型的训练效果。
55.需要理解的是，在计算得到第一分数和第二分数之后，再将第一分数和第二分数进行加权计算，从而得到最终的评分结果。其中，第一分数对应的权重系数和第二分数对应的权重系数也可通过主成分分析法、层次分析法、灰色综合评价法、模糊综合评价法、数据包络法中的任一种来确定。
56.步骤s203：按每个预设档次的应占比例，根据评分结果将分销商划分至对应的预设档次。
57.步骤s204：获取服务器的当前性能参数，并根据当前性能参数确认总限流阈值。
58.在本实施例中，图2中的步骤s204和图1中的步骤s102类似，为简约起见，在此不再赘述。
59.步骤s205：根据第二预设比例将总限流阈值划分至各个预设档次，得到每个预设档次对应的限流阈值。
60.在本实施例中，图2中的步骤s205和图1中的步骤s103类似，为简约起见，在此不再赘述。
61.步骤s206：根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流。
62.在本实施例中，图2中的步骤s206和图1中的步骤s104类似，为简约起见，在此不再
赘述。
63.本发明第二实施例的酒店分销商接口限流方法在第一实施例的基础上，通过构建评分模型来根据分销商的历史订单量和历史增长率进行打分，再根据打分结果对分销商进行档次划分，其充分根据分销商所带来的价值来进行档次划分，尽可能地保证了优质分销商的使用体验，并且，该评分模型是一套结合了两个子模型的综合评估模型，进一步提升了该评分模型的评分结果的准确性。
64.图3是本发明第三实施例的酒店分销商接口限流方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图3所示的流程顺序为限。如图3所示，该方法包括步骤：
65.步骤s301：获取每个分销商的历史订单量。
66.步骤s302：将历史订单量输入至预先训练好的预测模型，得到每个分销商的预测订单量。
67.本实施例中，该预测模型基于gbdt(gradient boosting decision tree，梯度提升决策树)模型、xgboost模型、神经网络模型等多种模型中的任一种来实现。
68.在步骤s302中，将分销商的历史订单量输入值该预测模型中进行预测，从而获知该分销商在未来预设时间段内的预测订单量。
69.步骤s303：将预测订单量的从高至低进行排序，再根据排序结果和每个预设档次的应占比例，将分销商划分至对应预设档次。
70.在步骤s303中，根据分销商的预测订单量对分销商进行从高至低的排序，然后再根据排序结果进行档次划分。
71.步骤s304：获取服务器的当前性能参数，并根据当前性能参数确认总限流阈值。
72.在本实施例中，图3中的步骤s304和图1中的步骤s102类似，为简约起见，在此不再赘述。
73.步骤s305：根据第二预设比例将总限流阈值划分至各个预设档次，得到每个预设档次对应的限流阈值。
74.在本实施例中，图3中的步骤s305和图1中的步骤s103类似，为简约起见，在此不再赘述。
75.步骤s306：根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流。
76.在本实施例中，图3中的步骤s306和图1中的步骤s104类似，为简约起见，在此不再赘述。
77.本发明第三实施例的酒店分销商接口限流方法在第一实施例的基础上，通过对分销商的未来的订单量进行预测，对预测订单量较高的分销商分配较高的限流阈值，对预测订单量较低的分销商分配较低的限流阈值，从而保证优质分销商的使用体验。
78.图4是本发明第四实施例的酒店分销商接口限流方法的流程示意图。需注意的是，若有实质上相同的结果，本发明的方法并不以图4所示的流程顺序为限。如图4所示，该方法包括步骤：
79.步骤s401：基于各个分销商接口的历史成交数据将分销商按第一预设比例划分至对应的预设档次。
80.在本实施例中，图4中的步骤s401和图1中的步骤s101类似，为简约起见，在此不再
赘述。
81.步骤s402：获取服务器的当前性能参数，并根据当前性能参数确认总限流阈值。
82.在本实施例中，图4中的步骤s402和图1中的步骤s102类似，为简约起见，在此不再赘述。
83.步骤s403：根据第二预设比例将总限流阈值划分至各个预设档次，得到每个预设档次对应的限流阈值。
84.在本实施例中，图4中的步骤s403和图1中的步骤s103类似，为简约起见，在此不再赘述。
85.步骤s404：根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流。
86.在本实施例中，图4中的步骤s404和图1中的步骤s104类似，为简约起见，在此不再赘述。
87.步骤s405：统计分销商发起的所有访问请求。
88.步骤s406：判断访问请求中是否存在非正常访问请求。若是，则执行步骤s407。
89.具体地，该非正常访问请求包括存在尝试注入攻击的请求、恶意注册请求、爬虫过度抓取请求中的任意一种。
90.步骤s407：禁止访问请求，并将对应的分销商加入黑名单。
91.具体地，当接收到的接口访问请求是非正常访问请求，阻止该访问请求，并且，从该访问请求中解析得到发起该访问请求的url地址或ip地址，根据该url地址或ip地址确定发起该接口访问请求的分销商，再将该分销商加入黑名单，即后续该分销商发起的接口访问请求均会被阻止。
92.本发明第四实施例的酒店分销商接口限流方法在第一实施例的基础上，通过验证分销商发起的接口访问请求是否为非正常访问请求，若是，则阻止该访问请求，防止服务器被攻击，从而实现了对非正常访问请求的限流。
93.图5是本发明实施例的酒店分销商接口限流装置的功能模块示意图。如图5所示，该酒店分销商接口限流装置50包括档次划分模块51、获取模块52、阈值划分模块53和限流模块54。
94.其中，档次划分模块51，用于基于各个分销商接口的历史成交数据将分销商按第一预设比例划分至对应的预设档次；获取模块52，用于获取服务器的当前性能参数，并根据当前性能参数确认总限流阈值；阈值划分模块53，用于根据第二预设比例将总限流阈值划分至各个预设档次，得到每个预设档次对应的限流阈值；限流模块54，用于根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流。
95.可选地，档次划分模块51执行基于各个分销商接口的历史成交数据将分销商划分至对应的预设档次的操作还可以为：获取每个分销商的历史订单量，所有分销商的总订单量；将历史订单量、历史增长率和总订单量输入至预先构建好的评分模型，得到每个分销商的评分结果，评分模型包括第一评分子模型和第二评分子模型，第一评分子模型根据历史订单量、历史增长率和总订单量评估得到第一分数，第二评分子模型根据历史订单量、历史增长率和总订单量评估得到第二分数，第一分数和第二分数加权计算得到评分结果；按每个预设档次的应占比例，根据评分结果将分销商划分至对应的预设档次。
96.可选地，第一评分子模型为加权评分模型，第二评分子模型基于bp神经网络构建。
97.可选地，限流模块54执行根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流的操作还可以为：构建每个预设档次对应的令牌桶，并根据每个预设档次对应的限流阈值设定令牌桶中令牌的生成效率和令牌总量；基于令牌桶中令牌的数量控制对应的预设档次中分销商的接口访问。
98.可选地，档次划分模块51执行基于各个分销商接口的历史成交数据将分销商划分至对应的预设档次的操作还可以为：获取每个分销商的历史订单量；将历史订单量输入至预先训练好的预测模型，得到每个分销商的预测订单量；将预测订单量的从高至低进行排序，再根据排序结果和每个预设档次的应占比例，将分销商划分至对应预设档次。
99.可选地，限流模块54执行根据限流阈值对各个预设档次内的分销商的接口访问请求进行限流之后，还用于：统计分销商发起的所有访问请求；判断访问请求中是否存在非正常访问请求；若是，则禁止访问请求，并将对应的分销商加入黑名单，
100.可选地，非正常访问请求包括存在尝试注入攻击的请求、恶意注册请求、爬虫过度抓取请求中的任意一种。
101.关于上述实施例酒店分销商接口限流装置中各模块实现技术方案的其他细节，可参见上述实施例中的酒店分销商接口限流方法中的描述，此处不再赘述。
102.需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
103.请参阅图6，图6为本发明实施例的计算机设备的结构示意图。如图6所示，该计算机设备60包括处理器61及和处理器61耦接的存储器62，存储器62中存储有程序指令，程序指令被处理器61执行时，使得处理器61执行上述任一实施例所述的酒店分销商接口限流方法的步骤。
104.其中，处理器61还可以称为cpu(central processing unit，中央处理单元)。处理器61可能是一种集成电路芯片，具有信号的处理能力。处理器61还可以是通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
105.参阅图7，图7为本发明实施例的存储介质的结构示意图。本发明实施例的存储介质存储有能够实现上述所有方法的程序指令71，其中，该程序指令71可以以软件产品的形式存储在上述存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质，或者是计算机、服务器、手机、平板等计算机设备设备。
106.在本技术所提供的几个实施例中，应该理解到，所揭露的计算机设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
107.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。以上仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。