多节点日志分析处理方法及系统与流程

1.本发明实施例涉及云服务技术领域，尤其涉及一种多节点日志分析处理方法及系统。


背景技术：

2.随着云服务的不断壮大，对高性能弹性计算服务节点的需求与日俱增，随之而来的异常场景也越来越多。一般定位异常日志是人工读取日志信息，通过检索关键字分析异常场景，在服务规模小，日志文件内容少的情况下此方法尚可使用。但是，在服务基于多节点部署时，日志文件超大情况下，分析日志将变得费时费力，效率低下，严重造成人力资源和成本的浪费；例如，高性能弹性计算服务节点每天新增大约50gb的日志，出现异常时，在如此海量日志中精准查询到对应的异常日志信息，将变得困难。


技术实现要素：

3.本发明实施例中提供了一种多节点日志分析处理方法及系统，以实现在日志采集时节点同时解析日志，提高了日志分析效率。
4.第一方面，本发明实施例中提供了一种多节点日志分析处理方法，所述方法包括：
5.采用高性能弹性计算服务节点采集异步任务日志，并对采集的异步任务日志进行实时解析得到任务解析结果；其中所述任务解析结果包括异步任务的日志信息和任务生命周期信息；
6.采用高性能弹性计算服务节点所属存储服务端，对至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储；
7.基于分场景存储结果，对待查询异步任务的异常分析诊断结果与异常定位结果进行异常查询并将查询结果返回给前端。
8.第二方面，本发明实施例中还提供了一种多节点日志分析处理系统，所述系统包括：
9.高性能弹性计算服务节点配置为，采集异步任务日志，并对采集的异步任务日志进行实时解析得到任务解析结果；其中所述任务解析结果包括异步任务的日志信息和任务生命周期信息；
10.高性能弹性计算服务节点所属存储服务端配置为，对至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储；
11.查询服务端配置为，基于分场景存储结果，对待查询异步任务的异常分析诊断结果与异常定位结果进行异常查询并将查询结果返回给前端。
12.本发明实施例中提供了一种多节点日志分析处理方案，高性能弹性计算服务节点采集异步任务日志，并对采集的异步任务日志进行实时解析得到任务解析结果，高性能弹性计算服务节点所属存储服务端，对至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储；进而，基于分场景存储结果，对待查询异步任务的异常分析
诊断结果与异常定位结果进行异常查询。采用本技术技术方案，不再将采集的日志存储到指定数据库再对存储的日志进行集中分析异常，而是在采集时同时每个高性能弹性计算服务节点进行日志文件解析，通过将资源占用比较大的日志读取以及分类解析等操作分散到各个区域节点进行，充分利用节点资源，只把失败的任务日志信息和相关生命周期数据传输到高性能弹性计算服务节点所属存储服务端进行存储，大大减少了日志数据的存储量，提高了日志分析效率；同时，按场景分类异常进行存储方便后续根据场景的异常库快速得出异常和故障解决建议。
13.上述发明内容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
14.通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。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：
15.图1是本发明实施例中提供的一种多节点日志分析处理方法的流程示意图；
16.图2是本发明实施例中提供的另一种多节点日志分析处理方法的流程示意图；
17.图3是本发明实施例中提供的一种多节点日志分析处理系统的结构框图。
具体实施方式
18.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
19.在更加详细地讨论示例性实施例之前，应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作(或步骤)可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
20.下面通过以下各个实施例及其可选方案对本技术中提供的多节点日志分析处理方法及系统进行详细阐述。
21.图1是本发明实施例中提供的一种多节点日志分析处理方法的流程示意图。本发明实施例可适用于对通过日志分析对存在异常的异步任务进行异常诊断与定位的情况，该方法可应用于多节点日志分析处理系统。如图1所示，本技术实施例中提供的多节点日志分析处理方法，可以包括以下步骤：
22.s110、采用高性能弹性计算服务节点采集异步任务日志，并对采集的异步任务日志进行实时解析得到任务解析结果；其中任务解析结果包括异步任务的日志信息和任务生命周期信息。
23.高性能弹性计算服务节点基于高可用性与扩展性的云计算框架cloudstack进行构建；例如，高性能弹性计算服务节点可以为兼容cloudstack协议接口，用于管理计算资源
池和支撑大规模计算的节点。其中，云计算框架cloudstack是一个开源的具有高可用性及扩展性的云计算平台，例如兼容开源cloudstack多版本管理，支持cloudstack4.8-4.15的等多个版本。
24.不同高性能弹性计算服务节点可以部署在不同区域或者相同区域，且不同区域的高性能弹性计算服务节点的版本会存在不同，同一区域的不同高性能弹性计算服务节点的版本也可能存在不同。
25.在进行日志分析时，传统方案是将采集的所有日志文件集中存入指定数据库，再集中分析异常。但是，实时集中日志传输，会造成传输的日志占用较多的网络，且集中存储日志会占用很大的存储空间；以及，集中分析日志对计算机资源要求比较高(cpu使用率高，内存占用高)，导致日志分析效率比较低。
26.为此，本技术方案不再选择将采集的日志集中存储进而再集中分析，而是在采用高性能弹性计算服务节点进行异步任务日志采集后，同时在高性能弹性计算服务节点进行异步任务日志解析，得到任务解析结果。通过将资源占用比较大的日志读取，分类解析等操作在各个区域节点进行，充分利用高性能弹性计算服务节点的计算资源。
27.在本实施例的一种可选实现方式中，实时扫描高性能弹性计算服务节点当天采集的日志，通过查找当天收到的api请求，查找对应的异步任务日志进行实时解析，得到任务解析结果。其中，任务解析结果可以包括但不限于异步任务的日志信息和任务生命周期信息，任务生命周期信息可以包括异步任务的开始时间、结束时间以及任务场景等所有与异步任务相关的生命周期信息等。
28.s120、采用高性能弹性计算服务节点所属存储服务端，对至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储。
29.在采用高性能弹性计算服务节点得到任务解析结果后，高性能弹性计算服务节点会将异常失败的任务解析结果包括的异步任务的日志信息和任务生命周期信息传输到高性能弹性计算服务节点所属存储服务端进行存储。使用分布式设计思路，将各个高性能弹性计算服务节点得到的存在异常的任务解析结果向高性能弹性计算服务节点所属存储服务端进行传输并存储。高性能弹性计算服务节点所属存储服务端则只存储失败异步任务的任务解析结果信息，成功的任务无需诊断分析与定位分析，不进行存储，大大减少了日志数据的存储量。
30.同时，考虑到根据单个异常关键字查找异常任务，再根据单个异常的异步任务id使用linux命令awk，grep等过滤出相关日志，效率不高且容易遗漏错误日志的问题。为了提升日志分析效率，可以选择对各个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储，通过分场景存储的失败的存在异常的任务解析结果可以进行后续异常查询优化提供能力。
31.使用分布式设计思路，把计算密集型操作在各个高性能弹性计算服务节点进行，而将非计算密集型操作(例如存储、异常诊断与异常位置分析等逻辑型操作)放在高性能弹性计算服务节点所属存储服务端进行，进而将异常分析诊断结果与异常定位结果与对应任务解析结果关联，并按存在异常的任务解析结果对应的异常场景进行分场景存储。
32.s130、基于分场景存储结果，采用查询服务端对待查询异步任务的异常分析诊断结果与异常定位结果进行异常查询并将查询结果返回给前端。
33.在对存在异常的任务解析结果进行分场景存储后，如果用户需要对待查询异步任务的异常原因进行分析定位，可以通过前端输入相应的查询参数，前端借助查询服务端直接从分场景存储结果中查询确定待查询异步任务的异常分析诊断结果与异常定位结果并返回前端显示给用户。通过前端界面化操作查询，实现很方便的查询异步任务的故障原因，从故障分析响应时间角度，更快速的分析异常故障，就能更早的解决问题，从而间接提升用户体验；从经验积累方面，可以不断对存在异常的任务分析结果按场景存储完善，把个人经验变成平台能力，能更好的实现经验传承。
34.根据本发明实施例中提供的多节点日志分析处理方案，不再将采集的日志存储到指定数据库再对存储的日志进行集中分析异常，而是在采集时同时每个高性能弹性计算服务节点进行日志文件解析，通过将资源占用比较大的日志读取以及分类解析等操作分散到各个区域节点进行，充分利用节点资源，只把失败的任务日志信息和相关生命周期数据传输到高性能弹性计算服务节点所属存储服务端进行存储，大大减少了日志数据的存储量，并且在大日志遍历问题上避免遍历数据库耗费大量时间，提高了日志分析效率；同时，按场景分类异常进行存储方便后续根据场景的异常库快速得出异常和故障解决建议。
35.图2是本发明实施例中提供的另一种多节点日志分析处理方法的流程示意图，本发明实施例在上述实施例的基础上对前述实施例进一步优化，本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示，本技术实施例中提供的多节点日志分析处理方法，可包括以下步骤：
36.s210、采用高性能弹性计算服务节点采集异步任务日志。
37.在本实施例的一种可选实现方式中，采用高性能弹性计算服务节点采集异步任务日志，可以包括以下步骤a1-a2：
38.步骤a1、采用高性能弹性计算服务节点通过多线程进行异步任务日志采集。
39.步骤a2、依据异步任务日志中的上下文标识符与日志标识符，配置异步任务日志的日志标识信息，以对不同异步任务日志进行有序化标记。
40.高性能弹性计算服务节点上的所有任务都是多线程异步任务，可以通过不同的线程进行不同异步任务，这样一个高性能弹性计算服务节点进行多线程异步任务日志采集，虽然日志打印有一定规律，但是打印的日志都是无序的，无序体现在上一行日志和下一行日志，很可能不是同一个任务。
41.为此，可以根据异步任务日志中的上下文标识符context-id和日志标识符log-id等信息，把每个高性能弹性计算服务节点执行的异步任务，设定唯一日志标识信息id，把不同异步任务的开始时间、结束时间以及任务场景等所有的任务生命周期信息和这个日志标识信息idid进行关联，通过对不同异步任务日志进行有序化标记，使无序的日志变得有序化，便于后续有序存储。
42.在本实施例的一种可选实现方式中，每个异步任务日志的任务解析结果与对应异步任务日志的日志标识信息进行关联，以通过关联的日志标识信息使无序的日志进行有序化存储，方便后续区分不同的异步任务日志进行解析。
43.s220、采用高性能弹性计算服务节点，对采集的异步任务日志进行分组读取，并将分组读取的异步任务日志插入双向链表。
44.对于一些大日志，频繁遍历日志耗时且困难，同时很难对大日志文件进行有效检
索优化。为此，可将大日志按照不同的分组并行检索，比如一个两千万行的日志文件，按照十万行一组进行分组读取并将读取的异步任务日志插入双向链表进行暂存，利用双向链表把一个超大的日志文件进行分块。
45.s230、采用高性能弹性计算服务节点，从双向链表中分块读取异步任务日志，并对分块读取的异步任务日志进行结构化解析得到任务解析结果。
46.其中，任务解析结果包括异步任务的日志信息和任务生命周期信息。
47.在对异步任务日志分析时，可以分块从双向链表依次读取异步任务日志信息进行结构化解析，解决了大日志解析时内存占用过高的问题，使用双向链表来尽可能避免由于把日志文件全部读入内存，在遇到日志文件大小超过主机内存大小，可能会引起oom(out of memory)错误导致程序异常的问题；同时，把日志文件分块插入双向链表，方便后续根据链表索引解析，提高日志解析效率。
48.在本实施例的一种可选实现方式中，在使用双向链表时，可以采用生产者-消费者设计模式，使用两个函数，一个函数作为生产者，持续的分组读取异步任务日志把日志插入双向链表，另一个函数作为消费者，持续从双向链表分块读取异步任务日志信息进行结构化解析。
49.在本实施例的一种可选实现方式中，双向链表采用预设固定长度的双向链表，用于对异步任务日志的内存占用进行控制。通过使用一个固定长度的双向链表进行分组能够实现最大内存占用可控，避免日志解析时内存占用过高内存。
50.在本实施例的一种可选实现方式中，从双向链表中分块读取异步任务日志可以包括：通过多线程方式并行地从双向链表中分块读取异步任务日志。
51.可以利用go语言多线程能力，配置多线程分块读取的方式，从双向链表并行读取异步任务日志信息，能使读取速度成倍提高，以便加快对异步任务日志的结构化解析速度，提高日志分析效率。
52.s240、采用高性能弹性计算服务节点所属存储服务端，对至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储。
53.在本实施例的一种可选实现方式中，对至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储，可包括以下步骤b1-b2：
54.步骤b1、获取分布式键值数据库暂存的高性能弹性计算服务节点将实时解析得到的存在异常的任务解析结果。
55.步骤b2、对从分布式键值数据库中获取的至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储。
56.在采用高性能弹性计算服务节点解析得到异步任务日志的任务解析结果后，可以将实时解析得到的存在异常的任务解析结果存入分布式键值数据库进行暂存，方便高性能弹性计算服务节点所属存储服务端使用。可选地，将结构化解析后的任务解析结果存入boltdb时，解析过程中会实现一定的日志清洗，将清洗后的结构化数据临时存入boltdb。其中，分布式键值数据库可以采用boltdb数据库，boltdb是一个高性能嵌入式key/value数据库。
57.在分布式键值数据库中，存在异常的每个异步任务日志的任务解析结果在暂存时可以关联有异步任务日志对应的日志标识符、日志标识信息、任务状态、日志信息、任务场
景、任务开始时间以及任务结束时间等。利用boltdb等分布式键值数据库超高的性能和无依赖的特点，把异步任务日志的任务解析结果根据整理后存入boltdb，作为分析中过程数据的存储方式。
58.考虑到一个人的经验难以完全传授给另一个人，在团队协作中经验的积累变得尤为重要，尤其是实现自动化分析日志的过程，更需要依赖更多的经验数据，故而在广大的用户群使用过程中，最大程度收集了更多的日志解析结果经验数据。因此，可以采用高性能弹性计算服务节点所属存储服务端可以从分布式键值数据库中获取暂存的各个高性能弹性计算服务节点将实时解析得到的存在异常的任务解析结果，并对从分布式键值数据库中获取的各个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储，这样就可以将不同的存在异常的任务解析结果进行集中存储管理，方便后续查询使用。
59.s250、基于分场景存储结果，采用查询服务端对待查询异步任务的异常分析诊断结果与异常定位结果进行异常查询并将查询结果返回给前端。
60.在本实施例的一种可选实现方式中，对至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储，可包括以下步骤c1-c3：
61.步骤c1、对存在异常的任务解析结果进行异常诊断分析与异常位置分析，得到异常分析诊断结果与异常定位结果配置异常查询关键字。
62.步骤c2、确定存在异常的任务解析结果所属的异常场景，并配置异常查询关键字以及权重。
63.步骤c3、将存在异常的任务解析结果的异常分析诊断结果与异常定位结果，存储到异常查询关键字以及权重所对应的异常场景数据库。
64.在本实施例的一种可选实现方式中，基于分场景存储结果，对待查询异步任务的异常分析诊断结果与异常定位结果进行异常查询，可包括步骤d1-d2：
65.步骤d1、确定存在异常的待查询异步任务的异步任务日志中包括的异常查询关键字和权重。
66.步骤d2、从异常查询关键字和权重所对应的异常场景数据库中，查询待查询异步任务出现异常的异常分析诊断结果与异常定位结果。
67.前端输入查询参数，包括获取日期，资源id等参数传递至查询服务端，获取日志标识符。查询服务端根据日志标识符查询对应的异步任务id，根据异步任务id查询对应的异步任务日志。查询异步任务中失败场景的关键日志关键字，自动识别异常场景；通过关键日志关键字到对应异常场景数据库，得出失败原因，回显异常失败的原因结论。
68.针对已知异常场景，根据异常场景对应的异常场景数据库中的关键字和权重值，给出异步任务失败原因。针对失败场景异常库中没有记录相关失败关键字的场景，将整个异步任务日志存入临时数据库中，提供给相关运维人员分析并支持新增相关失败场景异常库。例如，对于未知的异常场景，记录异步任务日志，并在web页面提供异常日志全生命周期的log下载，供运维人员人工分析后录入异常场景数据库。
69.上述方案中场景支持丰富：根据业务情况，把异常分为30多个场景，包括创建云主机、迁移云主机、开关机、快照、添加磁盘、注册镜像等；支持关键字权重，给出排障建议：同一个关键字，可能匹配出多条结果，场景不同，虽然关键字相同但异常不同，针对每个异常场景，可根据匹配到一个或多个关键字和权重值，组合关键字和权重值保障异常场景的唯
一性，给出异常诊断结论和故障恢复方案建议，同时支持多节点异常的实时定位和查询。
70.根据本发明实施例中提供的多节点日志分析处理方案，不再将采集的日志存储到指定数据库再对存储的日志进行集中分析异常，而是在采集时同时每个高性能弹性计算服务节点进行日志文件解析，通过将资源占用比较大的日志读取以及分类解析等操作分散到各个区域节点进行，充分利用节点资源，只把失败的任务日志信息和相关生命周期数据传输到高性能弹性计算服务节点所属存储服务端进行存储，大大减少了日志数据的存储量，并且在大日志遍历问题上避免遍历数据库耗费大量时间，提高了日志分析效率；同时，按场景分类异常进行存储，根据相关报错的关键日志信息，形成关键字，匹配已录入关键字和权重快速分析得出异常原因，进而依据关键字与权重前往对应异常场景数据库中查询对应的异常分析诊断与异常定位结果，方便后续根据场景的异常库快速得出异常和故障解决建议。
71.图3是本发明实施例中提供的一种多节点日志分析处理系统的结构框图。本发明实施例可适用于对通过日志分析对存在异常的异步任务进行异常诊断与定位的情况，该方法可应用于多节点日志分析处理系统。如图3所示，本技术实施例中提供的多节点日志分析处理系统，可以包括以下：至少一个高性能弹性计算服务节点310、高性能弹性计算服务节点所属存储服务端320以及查询服务端330。其中：
72.高性能弹性计算服务节点310配置为，采集异步任务日志，并对采集的异步任务日志进行实时解析得到任务解析结果；其中所述任务解析结果包括异步任务的日志信息和任务生命周期信息；
73.高性能弹性计算服务节点所属存储服务端320配置为，对至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储；
74.查询服务端330配置为，基于分场景存储结果，对待查询异步任务的异常分析诊断结果与异常定位结果进行异常查询并将查询结果返回给前端。
75.在上述实施例的基础上，可选地，高性能弹性计算服务节点310具体包括：
76.采用高性能弹性计算服务节点通过多线程进行异步任务日志采集；
77.依据异步任务日志中的上下文标识符与日志标识符，配置异步任务日志的日志标识信息，以对不同异步任务日志进行有序化标记。
78.在上述实施例的基础上，可选地，每个异步任务日志的任务解析结果与对应异步任务日志的日志标识信息进行关联，以通过关联的日志标识信息使无序的日志进行有序化存储。
79.在上述实施例的基础上，可选地，，高性能弹性计算服务节点310用于：
80.对采集的异步任务日志进行分组读取，并将分组读取的异步任务日志插入双向链表；
81.从双向链表中分块读取异步任务日志，并对分块读取的异步任务日志进行结构化解析得到任务解析结果。
82.在上述实施例的基础上，可选地，所述双向链表采用预设固定长度的双向链表，用于对异步任务日志的内存占用进行控制。
83.在上述实施例的基础上，可选地，从双向链表中分块读取异步任务日志，包括：通过多线程方式并行地从双向链表中分块读取异步任务日志。
84.在上述实施例的基础上，可选地，高性能弹性计算服务节点所属存储服务端320用于：
85.获取分布式键值数据库暂存的高性能弹性计算服务节点将实时解析得到的存在异常的任务解析结果；
86.对从分布式键值数据库中获取的至少一个高性能弹性计算服务节点得到的存在异常的任务解析结果进行分场景存储。
87.在上述实施例的基础上，可选地，高性能弹性计算服务节点所属存储服务端320还用于：
88.对存在异常的任务解析结果进行异常诊断分析与异常位置分析，得到异常分析诊断结果与异常定位结果配置异常查询关键字；
89.确定存在异常的任务解析结果所属的异常场景，并配置异常查询关键字以及权重；
90.将存在异常的任务解析结果的异常分析诊断结果与异常定位结果，存储到异常查询关键字以及权重所对应的异常场景数据库。
91.在上述实施例的基础上，可选地，查询服务端330用于：
92.确定存在异常的待查询异步任务的异步任务日志中包括的异常查询关键字和权重；
93.从异常查询关键字和权重所对应的异常场景数据库中，查询待查询异步任务出现异常的异常分析诊断结果与异常定位结果。
94.本发明实施例中所提供的客多节点日志分析处理系统可执行上述本发明任意实施例中所提供的多节点日志分析处理方法，具备执行该多节点日志分析处理方法相应的功能和有益效果，详细过程参见前述实施例中多节点日志分析处理方法的相关操作。
95.可以理解的是，上述提到的服务端、存储端等可以为终端设备以及服务器等，服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。
96.可以理解的是，本技术可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本技术可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本技术，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
97.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
98.注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。