ETL任务的处理方法及装置与流程

etl任务的处理方法及装置
技术领域
1.本发明涉及数据处理技术领域，尤其涉及一种etl任务的处理方法及装置。


背景技术：

2.etl，是英文extract-transform-load的缩写，用来描述将数据从来源端经过萃取(extract)、转置(transform)、加载(load)至目的端的过程。etl一词较常用在数据仓库，但其对象并不限于数据仓库。etl负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。etl是数据仓库中的非常重要的一环。它是承前启后的必要的一步。相对于关系数据库，数据仓库技术没有严格的数学理论基础，它更面向实际工程应用。
3.然而，对于同一公司内的各个业务部门而言，由于其部门对数据需求的程度不同，使得不同数据岗位对外部门的etl任务不可见，这就导致公司整体集群上存在大量的相似计算的etl任务，这些etl任务对计算资源和存储资源都造成了极大的浪费。


技术实现要素：

4.鉴于上述问题，本发明提出了一种etl任务的处理方法及装置，主要目的在于发现并清理近似的etl任务，以节省系统的计算与存储资源。
5.为达到上述目的，本发明主要提供如下技术方案：
6.一方面，本发明提供一种etl任务的处理方法，具体包括：
7.获取至少两个etl任务；
8.判断所述etl任务的处理逻辑的复杂度是否大于第一阈值；
9.若小于第一阈值，则根据数据仓库中的元数据确定所述etl任务的相似度值；
10.若不小于第一阈值，则利用图匹配方式确定所述etl任务的相似度值；
11.输出提示信息，所述提示信息中含有所述相似度值大于第二阈值的etl任务对。
12.另一方面，本发明提供一种etl任务的处理装置，具体包括：
13.获取单元，用于获取至少两个etl任务；
14.判断单元，用于判断所述获取单元得到的etl任务的处理逻辑的复杂度是否大于第一阈值；
15.第一确定单元，用于当所述判断单元确定复杂度小于第一阈值，根据数据仓库中的元数据确定所述etl任务的相似度值；
16.第二确定单元，用于当所述判断单元确定复杂度不小于第一阈值，利用图匹配方式确定所述etl任务的相似度值；
17.输出单元，用于输出提示信息，所述提示信息中含有所述第一确定单元与第二确定单元确定的相似度值大于第二阈值的etl任务对。
18.另一方面，本发明提供一种处理器，所述处理器用于运行程序，其中，所述程序运
行时执行上述的etl任务的处理方法。
19.借由上述技术方案，本发明提供的一种etl任务的处理方法及装置，通过对etl任务在处理复杂度上的判断，将etl任务分以第一阈值区分为简单任务与复杂任务两类，对于简单任务可以利用数据仓库中的元数据为标准直接匹配简单etl任务之间的相似度，而对于复杂任务则可以将etl任务转化为图，再利用图匹配的方式确定复杂etl任务之间的相似度，最终，将相似度大于第二阈值的etl任务对输出，以提示用户可以对该etl任务对进行清理，从而减少对系统计算和存储资源的占用。
20.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
21.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
22.图1示出了本发明实施例提出的一种etl任务的处理方法的流程图；
23.图2示出了本发明实施例中基于etl任务构建图结构的流程图；
24.图3示出了本发明实施例提出的一种etl任务的处理装置的组成框图；
25.图4示出了本发明实施例提出的另一种etl任务的处理装置的组成框图。
具体实施方式
26.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
27.本发明实施例提出的一种etl任务的处理方法中，主要目的是发现集群上存量和新增的近似etl任务，并通过提示的方式告知用户清理这些etl任务，以确保系统资源的有效利用。本发明实施例的具体步骤如图1所示，包括：
28.步骤101、获取至少两个etl任务。
29.其中，etl任务是由各个业务部门根据自身的数据需求所提出的，而在系统集群中存在有大量的由这些业务部门所提出的etl任务。本步骤所获取的etl任务就是在系统集群中的这些存量或新增的etl任务，因此，本步骤所获取的etl任务与各个业务部门如何提出etl任务无关。
30.需要说明的是，本发明实施例提取etl任务进行相似性判断并清理部分相似的etl任务也是需要消耗一定系统资源的，因此，本发明实施例的执行可以有一定的触发条件，比如，当集群中的etl任务的数量达到一定阈值时，触发对近似etl任务的计算与清理，或者是，当系统资源的使用率达到一定阈值时，触发对近似etl任务的计算与清理，还可以使用多种复合条件的组合来触发对近似etl任务的计算与清理。对此，本实施例不做具体限定。
31.此外，对于所获取的每个etl任务，需要获取该etl任务完整的任务信息，包括数据
抽取、转换以及加载的相关信息。如此，后续才能够根据任务信息对etl任务进行相似性判断。
32.步骤102、判断etl任务的处理逻辑的复杂度是否大于第一阈值。
33.由于etl任务属于一系列对数据的处理过程，因此，etl任务可以视为由多个具有逻辑关系的数据处理操作所组成的操作组合。而对于etl任务的复杂度主要可以从两个维度进行考虑：一方面是所涉及处理的数据，该数据的种类越多，数据量越大，其对应的etl任务的复杂组也就越高；另一个方面是所涉及的操作，操作的数量越多其对应的etl任务的复杂组也就越高。因此，本步骤中的etl任务的复杂度可以从不同的维度通过加权计算得到，而不同维度所对应的权重值则可以根据具体的应用场景需求则自定义设置。
34.本步骤中的第一阈值时自定义设置的，其用于区分etl任务复杂度的难易程度。由于本发明实施例的目的是要对不同etl任务的相似性进行计算，找出近似的etl任务，而etl任务的复杂度可以体现其处理逻辑，对于etl任务的相似性判断，不同复杂度的etl任务其相似性是极低的。因此，通过本步骤可以对etl任务进行初步筛选，将etl任务分成复杂与简单的两类，并且，对于不同复杂度的etl任务本发明实施例采用不同的相似性识别方式，具体的，对于小于第一阈值的情况，认为etl任务为简单任务，此时，通过步骤103确定etl任务之间的相似度；而对于大于或等于第一阈值的情况，则认为etl任务为复杂任务，此时，通过步骤104确定etl任务之间的相似度。
35.步骤103、根据数据仓库中的元数据确定etl任务的相似度值。
36.本步骤是对于复杂度简单etl任务进行相似度计算。一般地，经过步骤102的筛选，能够得到一批简单的etl任务。对于这些etl任务，其所处理的数据内容或者操作数量都相对简单，要确定不同etl任务之间的相似度，可以直接通过对比其所处理的数据内容以及对应的操作进行相似度度量。
37.在实际应用中，基于数据内容以及对应的操作，还可以对所匹配的对象进行预设权重，比如，在对比etl任务中的不同种类的数据或不同操作时，可以设置不同的权重值。
38.此外，由于etl任务中所处理的数据最终要加载的数据仓库中，因此，etl任务所处理数据与数据仓库中的元数据都具有一定的对应关系，也就是说，数据仓库中同一元数据的数据内容可能来自于多个etl任务，而从该元数据的角度分析，则可以认为这些etl任务是近似的。所以，数据仓库的元数据可以用于判断etl任务的相似度，同理，etl任务中的操作也可以用于判断etl任务的相似度。还可以将元数据与对应的操作共同进行匹配，综合确定etl任务之间的相似度值。
39.步骤104、利用图匹配方式确定etl任务的相似度值。
40.本步骤是对于复杂度高的etl任务进行相似度计算。复杂度高表示etl任务的处理逻辑相对复杂，所要处理的数据内容多。而要匹配这类etl任务的相似度，就不能使用上述的匹配方式，即通过对etl任务的输入与输出进行匹配的方式不足以表示etl任务内在的处理逻辑。为此，本发明实施例对于这类etl任务的相似度匹配采用了图匹配的方式。图是编码关系结构的自然表征，目前已经被应用于多个领域中，由此可知，将etl任务转换为图可以有效地表示其内在的处理逻辑，因此，本步骤中的etl任务的相似度计算就可以转换为图的相似性计算，为此，本步骤需要先将etl任务转换为图，其具体实现方式本实施例不做限定，之后，利用图匹配方式计算etl任务之间的相似度值，其中，图匹配的具体方式在人工智
能领域中有着广泛应用，因此，本实施例中不再详细说明。
41.步骤105、输出提示信息，该提示信息中含有所述相似度值大于第二阈值的etl任务对。
42.本步骤的目的是进行提示与报告，对于被认为是相似的etl任务，即相似度值大于第二阈值的etl任务对，通过输出提示信息可以通知系统管理人员，有其决定是否相近似的etl任务进行清理。而对于不相似的etl任务，则无需处理，由系统根据常规流程进行后续处理即可。
43.通过上述实施例的说明，本发明实施例提供的一种etl任务的处理方法，主要目的是为了识别集群中大量存在的近似etl任务，以提示管理人员进行清理，在该识别过程中，本发明实施例先根据处理etl任务的复杂度对其进行分类，将简单的etl任务利用数据仓库中的元数据为标准直接匹配简单etl任务之间的相似度，将复杂的etl任务转化为图，再利用图匹配的方式确定复杂etl任务之间的相似度，最终，将相似度大于第二阈值的etl任务对输出，以便管理人员快速清理，从而减少对系统计算和存储资源的占用与浪费。由此可见，本发明所提供的方法可以应用于对数据处理与数据开发有需求的各个应用场景，特别是各类数据处理与开发平台中的数据仓库，通过本发明可以更有效地对平台所在集群中的etl任务进行分析与清理，为平台用户节省相关的计算和存储资源，也为平台用户节省了计算与存储的成本支出。而在开发平台中应用本发明则可以协助用户清理相似的etl任务，减少重复开发所造成的资源浪费，提高用户的开发效率。
44.进一步的，本发明实施例将针对上述图1所述方法中的重要步骤的具体实现进行逐一说明，其中，重要步骤具体指上述图1中的步骤102、步骤103以及步骤104。
45.针对步骤102，即判断etl任务处理逻辑的复杂度，在本发明的一个具体实施例中，判断一个etl任务复杂度需要将该任务进行解析，利用解析后的数据判断其复杂度。
46.具体的，先将etl任务按照处理层级以及操作进行解析，得到该etl任务的处理信息。其中，处理层级是指按照指定的协议确定的逻辑层级。比如以ant的etl自动化协议为例，一个etl任务可以解析为三层：job、target、task，基于这三层实现任务的自动化调度。这三层具有自上而下的拆解关系，即job作业为最上层，其包含多个中层target目标、而target中又含有多个task任务。而不同层级中的数据内容还具有对应的操作信息，比如针对数据表中的数据进行计数、累加等操作。经过解析得到的具有层级的数据内容以及数据所对应的操作就是该etl任务解析得到的处理信息，该处理信息中的数据内容具体包括数据表、表内含有的字段，操作具体包括对数据内容所执行的动作。
47.之后，根据处理信息的数量与第一阈值对比，确定etl任务的处理逻辑的复杂度。其中，处理信息的数量可以根据需求指定，其可以是数据内容的数量，也可以是操作的数量，还可以是两者的总数量；当然，根据需求也可以指定是处理信息中某一层级内容的数据和/或操作的数量；还可以是按照预置权重计算数据表、字段以及所执行的操作的加权求和数量值，以此突出某些数据内容或操作的重要性。而第一阈值则是根据需求自定义设置的经验值。当低于该第一阈值时，确定etl任务为简单任务，反之则确定其为复杂任务。
48.针对步骤103，即对于简单etl任务的相似度计算，其所使用的是数据仓库中的元数据进行简单的匹配。这里需要说明的是，对于简单etl任务不使用复杂任务的图匹配方式是因为：简单etl任务的处理逻辑相对较少，将其转化为图容易生成稀疏图，而稀疏图并不
利用使用图匹配的方式计算相似度，也就是说，对于简单etl任务使用图匹配的方式反而会降低相似度计算的准确性。因此，对于简单etl任务仅使用任务的输入与输出数据进行相似性判断即可，即利用数据仓库中的元数据确定相似性，具体的：首先，获取数据仓库中的元数据，该元数据至少包括数据表、以及表中的字段；之后，确定etl任务中的处理信息与元数据的对应关系，其中处理信息就是经过解析得到的数据内容，至少包括数据表、表中的字段以及所执行的操作；最终，根据对应关系确定etl任务之间的相似度值。该相似度可以根据不同etl任务中所对应的相同元数据的数量进行衡量，一般地，该相似度值可以基于所有etl任务所具有的元数据的总量进行归一化处理计算得到。
49.针对步骤104，即对于复杂etl任务的相似度计算，其使用的图匹配方式的具体实现主要分为两个步骤，第一步是将etl任务转化为图，第二步则是匹配图的相似性。
50.对于第一步的图构建，本发明实施例的一种具体实现方式是根据对etl任务解析得到的处理信息构建有向无环图。其中，处理信息中含有的与数据仓库中元数据对应的信息为该有向无环图的节点，处理信息中的操作信息为该有向无环图的边。构建该有向无环图的具体步骤如图2所示，包括：
51.步骤201、按照处理层级解析etl任务中与数据仓库中的元数据向对应的数据信息，将该数据信息作为有向无环图中的节点。
52.步骤202、解析etl任务中与数据信息对应的操作信息，将该操作信息作为有向无环图中的边。
53.步骤203、利用数据信息与操作信息构建有向无环图。
54.基于上述以ant的etl自动化协议解析etl任务的例子，说明构建有向无环图的过程：由于etl任务可以解析为job、target、task三层，其中，task层中的数据为最小的执行单元，一个task具体指代为可执行的一段sql代码，而这段代码是一个不可继续拆分的最小etl单元，并且，在这段代码中还包括了对象与操作，其中，对象可以具体指代某个数据表或表中的某个字段，而操作则是指对应该对象的具体操作，如计数、求和等操作。通过自上而下的解析可知，一个job可以解析为一系列的target，而一个target可以进一步解析为一系列的task。并且，同一层中的数据，其同样具有一定的执行顺序，因此，基于这些所解析得到的数据内容、操作以及相关的执行顺序，就可以构建出一幅有向无环图。该有向无环图的节点为所解析得到的各层数据内容中的对象，而节点之间的边则为对象所对应的操作以及执行顺序。需要说明的是，上述例子中各层中的数据对象以及操作、执行顺序都可以单独构成一个独立的有向无环图。
55.进一步的，在构建有向无环图时，基于所解析的层级，本发明实施例还可以针对图中的各个节点标记对应的层级信息，以此区分不同层级的节点，而通过该标记操作的主要目的是为了在后续的相似性匹配时，方便根据对不同层级权重为图中的各个节点配置权重值。
56.对于第二步的图匹配，本发明实施例的一种具体匹配方式如下：
57.首先，获取有向无环图中各节点所对应的处理层级，以及对应于各处理层级的权重值；具体可通过上述的对节点所标记的层级信息获取，而权重值则是根据具体应用的需求而自定义设置的。
58.之后，利用权重值对不同etl任务所对应的有向无环图中各节点进行模糊匹配，确
定不同etl任务之间的相似度值。
59.对于图相似度的模糊匹配，本发明实施例可以采用graph kernal(图核函数)的方法，因为该方法直接面向图结构数据，既保留了核函数计算高效的优点，又包含了图数据在希尔伯特高维空间的结构化信息。该图匹配方式的具体过程：先对图中的节点标签进行编码，并构造一个字典存储节点标签与编码的映射关系；之后，基于图中节点的分解，以每个节点为根节点分别分解出包含其所有相邻节点的树结构，得到图分解后的子树结构；然后，在定义一个hash运算，利用根节点与其相邻节点的标签编码生成一个新的编码，以此来更新节点编码。如此，每个更新后的编码实际上包含了其子树结构的信息，而且这样的更新可以迭代多次，每次迭代会包含更多的信息。最后，通过度量不同图中的节点编码的相似度来确定图的相似度，而在匹配图的相似性计算过程中，通过加入对不同层级节点的权重，可以更加突出etl任务中重要的操作，使得图匹配具有一定的倾向性，如此可以使得到的相似度值更加偏向于人为设定的处理逻辑，从而提高相似度匹配的准确性。
60.此外，由于上述的graph kernal方法是一种广泛应用的图结构相似度的近似度量方式，因此，对于该方法的具体实现原理，本发明实施例不再详细说明。
61.综合以上对图1各个步骤的详细说明可知，本发明实施例主要是针对集群中接收到的大量etl任务，对这些etl任务按照复杂程度进行分类，将简单的etl任务按照其输入与输出的数据进行简单匹配，以发现其中相似的任务，将复杂的etl任务转换为有向无环图，并通过图匹配的方式发现其中相似的任务，最终，将相似的etl任务以提示信息的方式输出，以便系统管理人员做出进一步的清理操作。
62.进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种etl任务的处理装置，该装置主要目的在于发现并清理近似的etl任务，以节省系统的计算与存储资源。为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。该装置如图3所示，具体包括：
63.获取单元31，用于获取至少两个etl任务；
64.判断单元32，用于判断所述获取单元31得到的etl任务的处理逻辑的复杂度是否大于第一阈值；
65.第一确定单元33，用于当所述判断单元31确定复杂度小于第一阈值，根据数据仓库中的元数据确定所述etl任务的相似度值；
66.第二确定单元34，用于当所述判断单元32确定复杂度不小于第一阈值，利用图匹配方式确定所述etl任务的相似度值；
67.输出单元35，用于输出提示信息，所述提示信息中含有所述第一确定单元33与第二确定单元34确定的相似度值大于第二阈值的etl任务对。
68.进一步的，如图4所示，所述判断单元32包括：
69.解析模块321，用于将所述etl任务按照处理层级以及操作进行解析，得到所述etl任务的处理信息；
70.对比模块322，用于根据所述解析模块321得到的处理信息的数量与所述第一阈值对比，确定所述etl任务的处理逻辑的复杂度。
71.进一步的，所述etl任务的处理信息包括：数据表、字段以及所执行的操作；所述处
理信息的数量为按照预置权重计算所述数据表、字段以及所执行的操作的加权求和数量值。
72.进一步的，如图4所示，所述第二确定单元34包括：
73.图构建模块341，用于根据对所述etl任务解析得到的处理信息构建有向无环图，其中，所述处理信息中含有的与数据仓库中元数据对应的信息为所述有向无环图的节点，所述处理信息中的操作信息为所述有向无环图的边；
74.图匹配模块342，用于利用所述图构建模块得到的有向无环图匹配etl任务之间的相似度值。
75.进一步的，如图4所示，所述图构建模块341具体用于：
76.按照处理层级解析所述etl任务中与数据仓库中的元数据向对应的数据信息，将所述数据信息作为有向无环图中的节点；
77.解析所述etl任务中与所述数据信息对应的操作信息，将所述操作信息作为有向无环图中的边；
78.利用所述数据信息与操作信息构建有向无环图。
79.进一步的，如图4所示，所述第二确定单元34包括：
80.标记模块343，用于在所述图构建模块341构建的有向无环图的节点中标记对应的层级信息。
81.进一步的，所述图匹配模块342具体用于：
82.获取所述有向无环图中各节点所对应的处理层级，以及对应于各处理层级的权重值；
83.利用所述权重值对不同etl任务所对应的有向无环图中各节点进行模糊匹配，确定所述不同etl任务之间的相似度值。
84.进一步的，如图4所示，所述第一确定单元33包括：
85.获取模块331，用于获取数据仓库中的元数据，所述元数据至少包括数据表、字段；
86.确定模块332，用于确定所述etl任务中的处理信息与所述获取模块331得到的元数据的对应关系，所述处理信息至少包括数据表、字段以及所执行的操作；
87.匹配模块333，用于根据所述确定模块332得到的对应关系确定etl任务之间的相似度值。
88.另外，本发明实施例还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一个实施例提供的etl任务的处理方法。
89.在上述实施例中，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。
90.可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
91.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
92.在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种
编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
93.此外，存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。
94.本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
95.本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
96.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
97.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
98.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
99.存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
100.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
101.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包
括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
102.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
103.以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。