云计算物理节点负载监控方法、装置、终端及存储介质与流程

1.本发明涉及云计算物理节点负载监控领域，具体涉及一种云计算物理节点负载监控方法、装置、终端及存储介质。


背景技术：

2.云计算可以为企业提供按需分配的计算资源，现代企业it基础架构正逐步的由传统架构向云上迁移，云计算通过虚拟化技术可以充分利用昂贵的硬件资源并且还可以隔离硬件体系结构和软件系统之间的依赖关系，改进系统的安全性能，提高计算资源的利用率。虚拟服务器易于扩展和创建，其根据客户需求按需分配所需的硬件基础设施，达到客户业务快速部署、减少客户业务上线的时间及节约客户成本的目的。
3.云计算中物理节点是承载客户应用的最终的载体，物理节点的性能直接影响虚拟服务器的性能，若物理节点资源使用率太高，则会导致该物理节点上部署的虚拟机系统吞吐量下降和响应时间变长；另外如果物理节点上使用率长时间过高会导致局部温度升高进而带来宕机或硬件安全隐患。若物理节点的使用率太低又会带来资源浪费的情况，且增加数据中心中不必要的能耗，所以云数据中心中及时准确的物理节点的监控是防止风险发生和资源调度分配的一个重要参考因素。
4.现有云平台中物理节点的监控都是基于单目标的监控，例如针对cpu、内存或网络等单项指标的监控。云平台是各种资源的综合体，仅仅考虑单一目标的利用率不能体现云平台的整体资源利用率，当利用该监控信息做资源调度或分配时就会因资源使用不均衡而导致资源利用率不高，进而带来整个云数据中心能耗的增加，另外云平台中应用程序负载随着时间的变化是动态变化的，所以物理节点的利用率也是随着时间波动的，因此只考虑当前的利用率值而不考虑其随时间的变化特性，则不能更好的体现云平台的动态特性。


技术实现要素：

5.为解决上述问题，本发明提供一种云计算物理节点负载监控方法、装置、终端及存储介质，通过物理节点多为属性进行加权求解其综合负载，并在此基础上进行下一个时刻的负载预测，通过实时加权的负载和预测负载的综合物理节点负载对物理节点进行监控处理，从而综合考虑了云平台的动态特性和节点资源的均衡分配，在资源调度时不仅可以更加充分利用节点资源，还可以更加准确的反映节点的实际负载情况。
6.第一方面，本发明的技术方案提供一种云计算物理节点负载监控方法，包括以下步骤：
7.获取物理节点的多个硬件资源利用率；
8.基于各个硬件资源利用率的权重计算物理节点的综合加权负载；
9.判断所计算综合加权负载是否在预设负载阈值区间；
10.若所计算综合加权负载不在预设负载阈值区间，则计算物理节点下一个时刻的负载预测值；
11.判断所计算下一个时刻的负载预测值是否在预设负载阈值区间；
12.若所计算下一个时刻的负载预测值不在预设负载阈值区间，则发出告警并进行处理。
13.进一步地，所获取物理节点的多个硬件资源利用率包括cpu利用率、内存利用率、网络利用率和存储利用率。
14.进一步地，基于各个硬件资源利用率的权重计算物理节点的综合加权负载，具体包括：
15.根据各个硬件资源利用率，基于预存的相对重要性比例标度表标定各个硬件资源的重要程度评价值；
16.基于各个硬件资源的重要程度评价值构造对比矩阵r
a
：
[0017][0018]
其中，记c、m、n、s分别代表物理节点的cpu、内存、网络和存储，r
c
、r
m
、r
n
、r
s
分别表示物理节点cpu、内存、网络和存储的重要程度评价值；r
ij
表示元素i相对于元素j的重要程度，满足r
ij
＝1/r
ji
；
[0019]
将对比矩阵r
a
各行向量进行几何平均并对其进行归一化得到取值向量r：
[0020]
r＝(r
c r
m r
n r
s
)；
[0021]
记r
c
＝r1，r
m
＝r2，r
n
＝r3，r
s
＝r4，则
[0022]
其中k＝4；
[0023]
定义列向量s
x
＝(p
c p
m p
n p
s
)
t
为物理节点上各个硬件资源实时利用率，即p
c
、p
m
、p
n
、p
s
分别为物理节点x上cpu、内存、网络、存储的实时利用率，则物理节点x的综合加权负载pl
x
为：
[0024]
pl
x
＝r
x
×
s
x
。
[0025]
进一步地，该方法还包括：
[0026]
将对比矩阵r
a
进行一致性校验；
[0027]
若对比矩阵r
a
的一致性满意程度不符合要求，则重新标定各个硬件资源的重要程度评价值。
[0028]
进一步地，计算物理节点下一个时刻的负载预测值，具体为：
[0029]
基于时间序列预测法中的自回归模型计算物理节点下一个时刻的负载预测值。
[0030]
进一步地，当所计算综合加权负载不在预设负载阈值区间时，所进行的处理包括：
[0031]
将超载的物理节点通过虚拟机的迁出恢复到正常状态；
[0032]
将低载的物理节点迁出其上的虚拟机，并将该物理节点关闭。
[0033]
第二方面，本发明的技术方案提供一种云计算物理节点负载监控装置，包括，硬件资源利用率获取单元：获取物理节点的多个硬件资源利用率；
[0034]
综合加权负载计算单元：基于各个硬件资源利用率的权重计算物理节点的综合加
权负载；
[0035]
综合加权负载判断单元：判断所计算综合加权负载是否在预设负载阈值区间；
[0036]
负载预测值计算单元：若所计算综合加权负载不在预设负载阈值区间，则计算物理节点下一个时刻的负载预测值；
[0037]
负载预测值判断单元：判断所计算下一个时刻的负载预测值是否在预设负载阈值区间；
[0038]
结果处理单元：若所计算下一个时刻的负载预测值不在预设负载阈值区间，则发出告警并进行处理。
[0039]
进一步地，硬件资源利用率获取单元所获取物理节点的多个硬件资源利用率包括cpu利用率、内存利用率、网络利用率和存储利用率。
[0040]
第三方面，本发明的技术方案提供一种终端，包括：
[0041]
处理器；
[0042]
用于存储处理器的执行指令的存储器；
[0043]
其中，所述处理器被配置为执行上述任一项所述的方法。
[0044]
第四方面，本发明的技术方案提供一种存储有计算机程序的计算机可读存储介质，该程序被处理器执行时实现如上述任一项所述的方法。
[0045]
本发明提供的一种云计算物理节点负载监控方法、装置、终端及存储介质，相对于现有技术，具有以下有益效果：通过物理节点多个硬件资源利用率进行加权求解其综合负载，并且在此基础基上预测下一个时刻的节点负载，通过实时加权的负载和预测负载来综合判断物理节点的负载，这样综合考虑了云平台的动态特性和节点资源的均衡分配，在资源调度时不仅可以更加充分利用节点的资源，还可以更加准确的反映节点的实际负载情况。
附图说明
[0046]
为了更清楚的说明本技术实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0047]
图1是本发明实施例一提供的一种云计算物理节点负载监控方法流程示意图；
[0048]
图2为本发明实施例一云平台监控系统结构示意框图；
[0049]
图3是本发明实施例二提供的一种云计算物理节点负载监控装置结构示意框图；
[0050]
图4为本发明实施例三提供的一种终端的结构示意图。
具体实施方式
[0051]
本发明的核心是提供一种云计算物理节点负载监控方法、装置、终端及存储介质，基于多维的资源监控，通过各维资源的加权计算综合负载，使用综合负载来规避单一维度资源监控带来的弊端，并在监控值高于或低于预设阈值时进行有效的对下一个时刻的监控信息进行预测来动态的监测物理节点的物理使用情况，通过实时加权的负载和预测负载来综合判断物理节点的负载，这样综合考虑了云平台的动态特性和节点资源的均衡分配，在
资源调度时不仅可以更加充分利用节点的资源，还可以更加准确的反映节点的实际负载情况。
[0052]
为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。显然，所描述的实施例仅仅是本技术一部分实施例，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。
[0053]
实施例一
[0054]
云计算中物理节点是承载客户应用的最终的载体，物理节点的性能直接影响虚拟服务器的性能，若物理节点资源使用率太高，则会导致该物理节点上部署的虚拟机系统吞吐量下降和响应时间变长；另外如果物理节点上使用率长时间过高会导致局部温度升高进而带来宕机或硬件安全隐患。若物理节点的使用率太低又会带来资源浪费的情况，且增加数据中心中不必要的能耗，所以云数据中心中及时准确的物理节点的监控是防止风险发生和资源调度分配的一个重要参考因素。
[0055]
现有云平台中物理节点的监控都是基于单目标的监控，例如针对cpu、内存或网络等单项指标的监控。云平台是各种资源的综合体，仅仅考虑单一目标的利用率不能体现云平台的整体资源利用率，当利用该监控信息做资源调度或分配时就会因资源使用不均衡而导致资源利用率不高，进而带来整个云数据中心能耗的增加，另外云平台中应用程序负载随着时间的变化是动态变化的，所以物理节点的利用率也是随着时间波动的，因此只考虑当前的利用率值而不考虑其随时间的变化特性，则不能更好的体现云平台的动态特性。
[0056]
因此，本实施例提供一种云计算物理节点负载监控方法，通过物理节点的多个硬件资源利用率计算物理节点的综合加权负载，并在综合加权负载不在预设负载阈值区间时进行下一个时刻的负载预测，最终通过综合加权负载和预测负载综合判断节点的使用情况，以更加充分利用主机资源并更加准确反映节点实际负载情况。
[0057]
如图1所示，本实施例提供的一种云计算物理节点负载监控方法，包括以下步骤。
[0058]
s1，获取物理节点的多个硬件资源利用率。
[0059]
为规避单一资源监控带来的弊端，本实施例采集物理节点的多个硬件资源利用率，可更加准确的反映节点的实际负载情况。
[0060]
其中，所获得的物理节点的多个硬件资源利用率可包括cpu利用率、内存利用率、网络利用率和存储利用率。当然，具体实施时操作人员也可根据需要选择其他或不同的硬件资源属性。
[0061]
s2，基于各个硬件资源利用率的权重计算物理节点的综合加权负载。
[0062]
每个硬件资源的重要性是不同的，因此本实施例为各个硬件资源利用率配置权重，基于各个硬件资源利用率的权重来计算物理节点的综合加权负载，以更真实的反映物理节点的实际负载。
[0063]
s3，判断所计算综合加权负载是否在预设负载阈值区间。
[0064]
预先设置物理节点的负载阈值区间，若综合加权负载在这个预设负载阈值区间内，则说明物理节点当前负载情况处于正常状态，未超载也未低载，当前合理利用了物理节点资源。
[0065]
而若综合加权负载不在这个预设负载阈值区间内，即综合加权负载可能小于最低
阈值，也可能大于最高阈值。综合加权负载小于最低阈值时，说明当前物理节点处于低载状态，未充分利用资源；综合加权负载大于最高阈值时，说明当前物理节点处于超载状态，可能会带来超载隐患，如高温、效率低等问题。
[0066]
s4，若所计算综合加权负载不在预设负载阈值区间，则计算物理节点下一个时刻的负载预测值。
[0067]
综合加权负载反映的是当前物理节点的运行状态，为更合理地进行调度和告警，本实施例还同时考虑下一个时刻的负载预测值，进行动态预测监控。
[0068]
当然，若综合加权负载在正常的预设负载阈值区间内，则说明物理节点运行正常，无需告警和处理，也不必进行下一个时刻的负载预测，以节省资源。
[0069]
当综合加权负载不在预设负载阈值区间内时，即此时物理节点处于低载或超载的情况下，再进行下一个时刻的负载预测。
[0070]
s5，判断所计算下一个时刻的负载预测值是否在预设负载阈值区间。
[0071]
同样判断下一个时刻的负载预测值是否在预设负载阈值区间，即判断下一个时刻物理节点是否依然低载或超载。
[0072]
s6，若所计算下一个时刻的负载预测值不在预设负载阈值区间，则发出告警并进行处理。
[0073]
进行下一个时刻负载预测时，说明当前物理节点已处于低载或超载状态，若下一个时刻的负载预测值仍不在预设负载阈值区间，即下一个时刻持续处于低载或超载状态，则发出告警并进行处理。从而实现了云平台动态特性监控，基于云平台的动态特性和当前特性综合考虑物理节点的负载状态，可更好地体现云平台的动态变化。
[0074]
本实施例提供的一种云计算物理节点负载监控方法，通过物理节点多个硬件资源利用率进行加权求解其综合负载，并且在此基础基上预测下一个时刻的节点负载，通过实时加权的负载和预测负载来综合判断物理节点的负载，这样综合考虑了云平台的动态特性和节点资源的均衡分配，在资源调度时不仅可以更加充分利用节点的资源，还可以更加准确的反映节点的实际负载情况。
[0075]
实际运行中，云平台通常部署多个物理节点，如图2所示为云平台监控系统，各个物理节点上均配置本地监控模块，通过linux自带的相关工具收集cpu、内存、网络和存储的使用信息。云平台的全局监控模块通过网络与云数据中心中的各个物理节点进行联通，各个物理节点的本地监控模块将其收集的cpu、内存、网络和存储的使用信息通过网络实时传输到云平台的全局监控模块，由云平台的全局监控模块基于这些信息进行处理，从而对各个物理节点进行负载监控。
[0076]
本实施例步骤s1所获取的物理节点的多个硬件资源利用率包括cpu利用率、内存利用率、网络利用率和存储利用率。步骤s2基于各个硬件资源利用率的权重计算物理节点的综合加权负载，其核心是：首先根据物理节点的cpu、内存、带宽和存储的利用率来设置物理节点各维属性的权重并计算对比矩阵r
a
，然后计算出权重向量r，最后基于权重向量r和接收到的实时cpu、内存、网络和存储的利用率计算出该物理节点的综合加权负载信息。
[0077]
具体地，步骤s2基于各个硬件资源利用率的权重计算物理节点的综合加权负载，包括以下步骤。
[0078]
步骤一，根据各个硬件资源利用率，基于预存的相对重要性比例标度表标定各个
硬件资源的重要程度评价值。
[0079]
相对重要性比例标度表预先设置，用于标定各个硬件资源的重要程度评价值。如下表1为一预存相对重要性比例标度表。
[0080]
表1预存相对重要性比例标度表
[0081]
重要性很重要略重要同等重要略次要很次要评价值5311/31/5
[0082]
其中，重要性的划分根据利用率的不同区间进行划分，例如利用率在60％以上表示很重要，利用率在50％
‑
60％之间为略重要等。具体划分范围根据具体情况而定，且可根据需要随时调整。
[0083]
步骤二，基于各个硬件资源的重要程度评价值构造对比矩阵r
a
。
[0084][0085]
其中，记c、m、n、s分别代表物理节点的cpu、内存、网络和存储，r
c
、r
m
、r
n
、r
s
分别表示物理节点cpu、内存、网络和存储的重要程度评价值；r
ij
表示元素i相对于元素j的重要程度，满足r
ij
＝1/r
ji
，例如r
cm
代表cpu相对于内存的重要程度。
[0086]
步骤三，将对比矩阵r
a
各行向量进行几何平均并对其进行归一化得到取值向量r：
[0087]
r＝(r
c r
m r
n r
s
)
[0088]
记r
c
＝r1，r
m
＝r2，r
n
＝r3，r
s
＝r4，则
[0089]
其中k＝4。
[0090]
步骤四，定义列向量s
x
＝(p
c p
m p
n p
s
)
t
为物理节点上各个硬件资源实时利用率，即p
c
、p
m
、p
n
、p
s
分别为物理节点x上cpu、内存、网络、存储的实时利用率，则物理节点x的综合加权负载pl
x
为：
[0091]
pl
x
＝r
x
×
s
x
[0092]
经上述步骤，计算获得物理节点的综合加权负载。
[0093]
另外，在获得对比矩阵r
a
后，为提高所计算综合加权负载的准确性和有效性，本实施例还将对比矩阵r
a
进行一致性校验，若对比矩阵r
a
的一致性满意程度不符合要求，则重新标定各个硬件资源的重要程度评价值，之后重新获得新的对比矩阵。
[0094]
其中，将对比矩阵r
a
进行一致性校验，具体为：
[0095]
计算对比矩阵r
a
最大特征根
[0096]
基于对比矩阵r
a
最大特征根计算一致性
[0097]
其中ci接近0的程度代表一致性的满意程度，其一致性程度越大则引起的误判程度越大。
[0098]
本实施例步骤s4中计算物理节点下一个时刻的负载预测值，具体为：
[0099]
基于时间序列预测法中的自回归模型计算物理节点下一个时刻的负载预测值。
[0100]
引入基于时间序列的滑动窗口，在某一时刻滑动窗口可表示为[t,t δt]，δt代表滑动窗口的大小，每个物理节点在监测滑动窗口内综合加权负载超过或低于设置的阈值，则根据基于时间序列预测法中的自回归模型来分析下个时刻的动态变化趋势，假设y
t
为在时刻t的预测值，y
t
与t时刻以前n步的取值相关，利用n阶自回归模型对下一个预测值进行估算，如下公式所示：
[0101][0102]
其中，为自回归系数，表示t时刻以前的值对预测值的影响程度，即y(t
‑
δt)、y(t
‑
2*δt)
…
y(t
‑
n*δt)计算预测值y
t
的加权系数，β
t
为正态分布的随机变量。
[0103]
本实施例步骤s6当所计算综合加权负载不在预设负载阈值区间时，所进行的处理包括：
[0104]
将超载的物理节点通过虚拟机的迁出恢复到正常状态；
[0105]
将低载的物理节点迁出其上的虚拟机，并将该物理节点关闭。
[0106]
通过以上处理，将物理节点恢复到正常状态，或达到节能减排的目的。
[0107]
实施例二
[0108]
本实施例提供一种云计算物理节点负载监控装置，用于实现前述的云计算物理节点负载监控方法。
[0109]
如图3所示，本实施例提供的云计算物理节点负载监控装置包括以下功能单元。
[0110]
硬件资源利用率获取单元101：获取物理节点的多个硬件资源利用率；
[0111]
综合加权负载计算单元102：基于各个硬件资源利用率的权重计算物理节点的综合加权负载；
[0112]
综合加权负载判断单元103：判断所计算综合加权负载是否在预设负载阈值区间；
[0113]
负载预测值计算单元104：若所计算综合加权负载不在预设负载阈值区间，则计算物理节点下一个时刻的负载预测值；
[0114]
负载预测值判断单元105：判断所计算下一个时刻的负载预测值是否在预设负载阈值区间；
[0115]
结果处理单元106：若所计算下一个时刻的负载预测值不在预设负载阈值区间，则发出告警并进行处理。
[0116]
本实施例的云计算物理节点负载监控装置用于实现前述的云计算物理节点负载监控方法，因此该装置中的具体实施方式可见前文中的云计算物理节点负载监控方法的实施例部分，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再展开介绍。
[0117]
另外，由于本实施例的云计算物理节点负载监控装置用于实现前述的云计算物理节点负载监控方法，因此其作用与上述方法的作用相对应，这里不再赘述。
[0118]
实施例三
[0119]
图4为本发明实施例提供的一种终端装置300的结构示意图，该终端装置300可以用于执行本发明实施例提供的云计算物理节点负载监控方法。
[0120]
终端装置300具体执行以下方法步骤：
[0121]
s1，获取物理节点的多个硬件资源利用率；
[0122]
s2，基于各个硬件资源利用率的权重计算物理节点的综合加权负载；
[0123]
s3，判断所计算综合加权负载是否在预设负载阈值区间；
[0124]
s4，若所计算综合加权负载不在预设负载阈值区间，则计算物理节点下一个时刻的负载预测值；
[0125]
s5，判断所计算下一个时刻的负载预测值是否在预设负载阈值区间；
[0126]
s6，若所计算下一个时刻的负载预测值不在预设负载阈值区间，则发出告警并进行处理。
[0127]
其中，该终端装置300可以包括：处理器310、存储器320及通信单元330。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0128]
其中，该存储器320可以用于存储处理器310的执行指令，存储器320可以由任何类型的易失性或非易失性存储终端或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。当存储器320中的执行指令由处理器310执行时，使得终端300能够执行以下上述方法实施例中的部分或全部步骤。
[0129]
处理器310为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器320内的软件程序和/或单元，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(integrated circuit，简称ic)组成，例如可以由单颗封装的ic所组成，也可以由连接多颗相同功能或不同功能的封装ic而组成。举例来说，处理器310可以仅包括中央处理器(central processing unit，简称cpu)。在本发明实施方式中，cpu可以是单运算核心，也可以包括多运算核心。
[0130]
通信单元330，用于建立通信信道，从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
[0131]
实施例四
[0132]
本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。
[0133]
具体的，该程序执行时至少包括以下方法步骤：
[0134]
s1，获取物理节点的多个硬件资源利用率；
[0135]
s2，基于各个硬件资源利用率的权重计算物理节点的综合加权负载；
[0136]
s3，判断所计算综合加权负载是否在预设负载阈值区间；
[0137]
s4，若所计算综合加权负载不在预设负载阈值区间，则计算物理节点下一个时刻的负载预测值；
[0138]
s5，判断所计算下一个时刻的负载预测值是否在预设负载阈值区间；
[0139]
s6，若所计算下一个时刻的负载预测值不在预设负载阈值区间，则发出告警并进行处理。
[0140]
所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read
‑
only memory，简称：rom)或随机存储记忆体(英文：random access memory，简称：ram)等。
[0141]
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中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中如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，包括若干指令用以使得一台计算机终端(可以是个人计算机，服务器，或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。
[0142]
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于终端实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
[0143]
在本发明所提供的几个实施例中，应该理解到，所揭露的系统、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，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，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。
[0144]
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。
[0145]
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。
[0146]
以上公开的仅为本发明的优选实施方式，但本发明并非局限于此，任何本领域的技术人员能思之的没有创造性的变化，以及在不脱离本发明原理前提下所作的若干改进和润饰，都应落在本发明的保护范围内。