基于分布式的节点资源负载均衡方法、装置及电子设备与流程

1.本技术涉及通信领域，尤其涉及一种基于分布式的节点资源负载均衡方法、装置、电子设备及存储介质。


背景技术：

2.目前，随着大数据技术的快速发展，区域内网络资源的负载均衡对于区域网络性能的影响越来越大。其中，网络链路、网络节点对于数据的分发、处理所需要时间的不均衡是影响网络资源不均衡的主要原因之一。
3.现有技术中，当区域核心服务器对海量数据进行处理时，首先会将该数据分成相同大小的数据块，然后通过网络链路分发给不同的网络节点，网络节点对数据块进行训练和处理后，最后将处理结果回传给区域核心服务器，由区域核心服务器进行整理和二次训练确定最终的数据结果。在上述过程中，影响网络性能的主要因素是网络链路的状态和网络节点的状态。如果分发了数据块的网络链路以及网络节点当前处于繁忙状态，会导致网络拥塞，同时，数据块回传给区域服务器的时间间隔过长，会导致服务器拥塞。
4.因此，如何实现数据资源的合理分配是实现网络节点资源负载均衡的关键。


技术实现要素：

5.本技术提供一种基于分布式的节点资源负载均衡方法、装置及电子设备，用于实现网络节点资源负载均衡。
6.第一方面，本技术提供一种基于分布式的节点资源负载均衡方法，包括：获取预定时期内空闲网络节点的当前运行数据；根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段；其中，所述空闲时长预测模型是基于各网络节点的历史运行数据通过训练得到的；根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布。
7.在一种可能的实施方式中，所述方法还包括：获取训练数据，所述训练数据包括各网络节点的历史运行数据，所述历史运行数据包括不同时刻下的资源信息、数据信息和处理速率；根据所述训练数据，基于有监督算法训练得到所述空闲时长预测模型。
8.在一种可能的实施方式中，所述根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段，包括：将所述空闲网络节点的当前运行数据作为输入，获得所述空闲时长预测模型输出的所述空闲网络节点的预测空闲时刻；根据所述空闲网络节点的预测空闲时刻中的连续时刻，确定所述空闲网络节点的预测空闲时段。
9.在一种可能的实施方式中，所述获取预定时期内空闲网络节点的当前运行数据之前，还包括：根据各网络链路的当前已使用资源，确定所述各网络链路中的空闲网络链路，所述网络链路的当前已使用资源小于预设的第一阈值；从所述空闲网络链路下的各网络节点中，确定所述空闲网络节点，所述空闲网络节点的当前已使用资源小于预设的第二阈值。
10.在一种可能的实施方式中，所述根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布，包括：计算所述空闲网络节点的预测空闲时长和当前数据处理速率的乘积，得到所述空闲网络节点的最大可利用资源；根据所述空闲网络节点的最大可利用资源，进行对应数据量的数据分布式发布。
11.第二方面，本技术提供一种基于分布式的节点资源负载均衡装置，包括：获取模块，用于获取预定时期内空闲网络节点的当前运行数据；处理模块，用于根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段；其中，所述空闲时长预测模型是基于各网络节点的历史运行数据通过训练得到的；发布模块，用于根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布。
12.在一种可能的实施方式中，所述获取模块，还用于获取训练数据，所述训练数据包括各网络节点的历史运行数据，所述历史运行数据包括不同时刻下的资源信息、数据信息和处理速率；所述处理模块，还用于根据所述训练数据，基于有监督算法训练得到所述空闲时长预测模型。
13.在一种可能的实施方式中，所述处理模块，具体用于将所述空闲网络节点的当前运行数据作为输入，获得所述空闲时长预测模型输出的所述空闲网络节点的预测空闲时刻；所述处理模块，具体还用于根据所述空闲网络节点的预测空闲时刻中的连续时刻，确定所述空闲网络节点的预测空闲时段。
14.在一种可能的实施方式中，所述装置还包括：选择模块，用于根据各网络链路的当前已使用资源，确定所述各网络链路中的空闲网络链路，所述网络链路的当前已使用资源小于预设的第一阈值；选择模块，还用于从所述空闲网络链路下的各网络节点中，确定所述空闲网络节点，所述空闲网络节点的当前已使用资源小于预设的第二阈值。
15.在一种可能的实施方式中，所述处理模块，还用于计算所述空闲网络节点的预测空闲时长和当前数据处理速率的乘积，得到所述空闲网络节点的最大可利用资源；所述发布模块，具体用于根据所述空闲网络节点的最大可利用资源，进行对应数据量的数据分布式发布。
16.第三方面，本技术提供一种电子设备，包括：处理器，以及与所述处理器通信连接的存储器；所述存储器存储计算机执行指令；所述处理器执行所述存储器存储的计算机执行指令，以实现第一方面中任一项所述的方法。
17.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行如第一方面中任一项所述的方法。
18.本技术提供的基于分布式的节点资源负载均衡方法、装置及电子设备，所述方法包括：获取预定时期内空闲网络节点的当前运行数据。根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段。其中，所述空闲时长预测模型是基于各网络节点的历史运行数据通过训练得到的。根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布。以上方案，通过空闲时长预测模型来预测空闲网络节点的空闲时段，在空闲时段发布合理的数据资源到空闲网络节点，实现网络节点资源负载均衡。
附图说明
19.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
20.图1为本技术实施例提供的一种基于分布式的节点资源负载均衡方法的应用场景示意图；
21.图2为本技术实施例一提供的一种基于分布式的节点资源负载均衡方法的流程示意图；
22.图3为本技术实施例二提供的一种基于分布式的节点资源负载均衡装置的结构示例图；
23.图4为本技术实施例三提供的一种基于分布式的节点资源负载均衡装置的装置框图；
24.图5为本技术实施例四中提供的一种电子设备的结构示意图。
25.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
26.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本技术的一些方面相一致的装置和方法的例子。
27.首先对涉及的名词进行解释：
28.分布式存储：一种数据存储技术，通过网络使用企业中的每台机器上的磁盘空间，并将这些分散的存储资源构成一个虚拟的存储设备，数据分散的存储在企业的各个角落；
29.网络链路：网络中的物理通道；
30.网络节点：具有独立地址和传送或接收数据功能的设备；
31.长短期记忆网络(long short-term memory，简称lstm)：是一种时间循环神经网络模型。
32.图1为本技术实施例提供的一种基于分布式的节点资源负载均衡方法的应用场景示意图，如图1所示，该场景包括：核心服务器1、网络链路2、网络节点3以及基于分布式的节点资源负载均衡装置4。
33.结合图示的场景进行举例：核心服务器1用于发布待处理的数据和接收已处理的数据，网络链路2用于传输数据，网络节点3用于处理数据。基于分布式的节点资源负载均衡装置4监测网络链路2以及网络节点3，对监测到的空闲网络链路连接的空闲网络节点基于空闲时长预测模型输出预测空闲时段。基于分布式的节点资源负载均衡装置4在预测空闲时段基于最大可利用资源分配策略对空闲网络节点发布数据。
34.在实际应用中，所述网络链路为网络中的物理通道，包括但不限于：双绞线、光纤以及微波等；所述网络节点为具有独立地址和传送或接收数据功能的设备，包括但不限于：工作站﹑服务器、终端设备以及网络设备等。
35.下面结合以下各实施例对本技术实施例的方案进行示例介绍。
36.实施例一
37.图2为本技术实施例一提供的一种基于分布式的节点资源负载均衡方法的流程示意图，该方法包括以下步骤：
38.s101、获取预定时期内空闲网络节点的当前运行数据；
39.s102、根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段；其中，所述空闲时长预测模型是基于各网络节点的历史运行数据通过训练得到的；
40.s103、根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布。
41.作为示例，该实施例的执行主体可以为基于分布式的节点资源负载均衡装置，该基于分布式的节点资源负载均衡装置的实现有多种。例如，可以为程序软件，也可以为存储有相关计算机程序的介质，例如，u盘等；或者，该装置还可以为集成或安装有相关计算机程序的实体设备，例如，芯片、智能终端、电脑、服务器等。
42.在一个示例中，基于分布式的节点资源负载均衡方法还包括：获取训练数据，所述训练数据包括各网络节点的历史运行数据，所述历史运行数据包括不同时刻下的资源信息、数据信息和处理速率；根据所述训练数据，基于有监督算法训练得到所述空闲时长预测模型。
43.具体的，根据预设的采集时间间隔进行训练数据的获取。
44.结合场景示例来说，采集时间间隔可以为网络链路和网络节点定义的数据采集间隔，也可以为根据数据采集点进行汇总所确定的时间间隔。举例说明，网络节点采集数据间隔为10秒，对应的采集时间间隔可为10秒；同样的，可通过对某网络节点每10次时间间隔的数据进行汇总，对应的采集时间间隔则为100秒。所述时间间隔可以为：秒、分钟等常规计时单位。
45.具体的，资源信息指网络节点的性能资源，包括已使用资源以及可使用资源；数据信息指核心服务器发给网络节点的数据量，包括已处理数据量和待处理数据量。
46.结合场景示例来说，每个网络节点具有各自的性能上限，当前已使用的性能资源正在处理数据，当前可使用的性能资源是空闲状态，可以接收对应数据量的未处理的数据。每个网络节点具有各自的数据处理速率，通过计算数据量和数据处理速率的商可以得到处理完数据的耗时。
47.可选的，本实施例使用时间序列模型中的长短期记忆网络模型，按照时序特征将空闲节点的每个时刻的资源使用情况输入到模型的单元中去，通过每个单元对时序数据特征的提取和记忆信息的融合，最终得到整个时间段内每个空闲节点预测的资源使用情况。
48.基于以上实施方式，可以通过预设采集时间间隔随机获取历史运行数据，消除人为因素的干扰，通过机器学习训练得到准确的空闲时长预测模型。
49.在一个示例中，根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段，包括：将所述空闲网络节点的当前运行数据作为输入，获得所述空闲时长预测模型输出的所述空闲网络节点的预测空闲时刻；根据所述空闲网络节点的预测空闲时刻中的连续时刻，确定所述空闲网络节点的预测空闲时段。
50.结合场景示例来说，获取空闲节点当前运行数据，所述当前运行数据包括当前时刻的资源信息、数据信息和处理速率。将当前运行数据输入空闲时长预测模型，输出空闲网络节点的预测空闲时刻，选取连续的预测空闲时刻之间的间隔即为预测空闲时段。举例说明，若预测空闲时刻为某一天的4时、5时、6时、8时、10时、13时以及17时，连续的空闲时刻为4时、5时、6时，则预测空闲时段为4-6时。
51.基于以上实施方式，选取空闲时长预测模型输出的空闲时刻中的连续空闲时刻，能够得准确获得空闲节点的空闲时段。
52.在一个示例中，获取预定时期内空闲网络节点的当前运行数据之前，还包括：根据各网络链路的当前已使用资源，确定所述各网络链路中的空闲网络链路，所述网络链路的当前已使用资源小于预设的第一阈值；从所述空闲网络链路下的各网络节点中，确定所述空闲网络节点，所述空闲网络节点的当前已使用资源小于预设的第二阈值。
53.结合场景示例来说，先确定空闲链路，再从空闲链路对端确定空闲节点。若当前链路已使用的性能资源小于预设的第一阈值，说明当前链路仍有性能资源可用于传输数据，则当前链路认定为空闲链路。若空闲链路对端有已使用的性能资源小于预设的第二阈值的网络节点，说明该网络节点仍有性能资源可用于处理数据，则该网络节点认定为空闲网络节点。对于非空闲链路，没有性能资源可用于传输数据，因此不用于传输数据到对端网络节点。
54.基于以上实施方式，通过先确定空闲链路再确定空闲网络节点的方式，仅对从网络节点中筛选出的空闲网络节点预测空闲时刻，从而提高预测效率。
55.在一个示例中，根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布，包括：计算所述空闲网络节点的预测空闲时长和当前数据处理速率的乘积，得到所述空闲网络节点的最大可利用资源；根据所述空闲网络节点的最大可利用资源，进行对应数据量的数据分布式发布。
56.具体的，空闲网络节点的最大可利用资源计算公式为：
57.最大可利用资源＝空闲网络节点空闲时长*空闲网络节点数据处理速率
58.其中，空闲网络节点数据处理速率从空闲网络节点的当前运行数据中获取。
59.结合场景示例来说，空闲网络节点的预测空闲时长表示在这时段空闲节点的性能资源是不饱和状态，有多余的性能资源可用于处理数据。空闲网络节点最大可利用的性能资源为空闲时长与数据处理速率的积，即在这时段内可处理的最大数据量。因此，在这时段给网络节点发送对应数据量的数据能保证网络节点性能资源最大程度利用的同时不会超负载。
60.基于以上实施方式，通过计算空闲网络节点的最大可利用资源，对空闲网络节点发布对应数据量的数据，实现数据合理分配，网络节点性能资源最大程度利用的同时不会超负载。
61.本实施例提供的基于分布式的节点资源负载均衡方法中，获取预定时期内空闲网络节点的当前运行数据。根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段。其中，所述空闲时长预测模型是基于各网络节点的历史运行数据通过训练得到的。根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布。以上方案，通过空闲时长预测模型来预测空闲网络
节点的空闲时段，在空闲时段发布合理的数据资源到空闲网络节点，实现网络节点资源负载均衡。
62.实施例二
63.图3为本技术实施例二提供的一种基于分布式的节点资源负载均衡装置的结构示意图，如图3所示，所述基于分布式的节点资源负载均衡装置包括：
64.获取模块61，用于获取预定时期内空闲网络节点的当前运行数据；
65.处理模块62，用于根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段；其中，所述空闲时长预测模型是基于各网络节点的历史运行数据通过训练得到的；
66.发布模块63，用于根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布。
67.在一个示例中，获取模块61，还用于获取训练数据，所述训练数据包括各网络节点的历史运行数据，所述历史运行数据包括不同时刻下的资源信息、数据信息和处理速率；处理模块62，还用于根据所述训练数据，基于有监督算法训练得到所述空闲时长预测模型。
68.具体的，根据预设的采集时间间隔进行训练数据的获取。
69.结合场景示例来说，采集时间间隔可以为网络链路和网络节点定义的数据采集间隔，也可以为根据数据采集点进行汇总所确定的时间间隔。举例说明，网络节点采集数据间隔为10秒，对应的采集时间间隔可为10秒；同样的，可通过对某网络节点每10次时间间隔的数据进行汇总，对应的采集时间间隔则为100秒。所述时间间隔可以为：秒、分钟等常规计时单位。
70.具体的，资源信息指网络节点的性能资源，包括已使用资源以及可使用资源；数据信息指核心服务器发给网络节点的数据量，包括已处理数据量和待处理数据量。
71.结合场景示例来说，每个网络节点具有各自的性能上限，当前已使用的性能资源正在处理数据，当前可使用的性能资源是空闲状态，可以接收对应数据量的未处理的数据。每个网络节点具有各自的数据处理速率，通过计算数据量和数据处理速率的商可以得到处理完数据的耗时。
72.可选的，本实施例使用时间序列模型中的长短期记忆网络模型，按照时序特征将空闲节点的每个时刻的资源使用情况输入到模型的单元中去，通过每个单元对时序数据特征的提取和记忆信息的融合，最终得到整个时间段内每个空闲节点预测的资源使用情况。
73.基于以上实施方式，可以通过预设采集时间间隔随机获取历史运行数据，消除人为因素的干扰，通过机器学习训练得到准确的空闲时长预测模型。
74.在一个示例中，处理模块62，具体用于将所述空闲网络节点的当前运行数据作为输入，获得所述空闲时长预测模型输出的所述空闲网络节点的预测空闲时刻；处理模块62，具体还用于根据所述空闲网络节点的预测空闲时刻中的连续时刻，确定所述空闲网络节点的预测空闲时段。
75.结合场景示例来说，获取空闲节点当前运行数据，所述当前运行数据包括当前时刻的资源信息、数据信息和处理速率。将当前运行数据输入空闲时长预测模型，输出空闲网络节点的预测空闲时刻，选取连续的预测空闲时刻之间的间隔即为预测空闲时段。举例说明，若预测空闲时刻为某一天的4时、5时、6时、8时、10时、13时以及17时，连续的空闲时刻为
4时、5时、6时，则预测空闲时段为4-6时。
76.基于以上实施方式，选取空闲时长预测模型输出的空闲时刻中的连续空闲时刻，能够得准确获得空闲节点的空闲时段。
77.在一个示例中，所述装置还包括：选择模块64，用于根据各网络链路的当前已使用资源，确定所述各网络链路中的空闲网络链路，所述网络链路的当前已使用资源小于预设的第一阈值；选择模块64，还用于从所述空闲网络链路下的各网络节点中，确定所述空闲网络节点，所述空闲网络节点的当前已使用资源小于预设的第二阈值。
78.结合场景示例来说，先确定空闲链路，再从空闲链路对端确定空闲节点。若当前链路已使用的性能资源小于预设的第一阈值，说明当前链路仍有性能资源可用于传输数据，则当前链路认定为空闲链路。若空闲链路对端有已使用的性能资源小于预设的第二阈值的网络节点，说明该网络节点仍有性能资源可用于处理数据，则该网络节点认定为空闲网络节点。对于非空闲链路，没有性能资源可用于传输数据，因此不用于传输数据到对端网络节点。
79.基于以上实施方式，通过先确定空闲链路再确定空闲网络节点的方式，仅对从网络节点中筛选出的空闲网络节点预测空闲时刻，从而提高预测效率。
80.在一个示例中，处理模块62，还用于计算所述空闲网络节点的预测空闲时长和当前数据处理速率的乘积，得到所述空闲网络节点的最大可利用资源；发布模块63，具体用于根据所述空闲网络节点的最大可利用资源，进行对应数据量的数据分布式发布。
81.具体的，空闲网络节点的最大可利用资源计算公式为：
82.最大可利用资源＝空闲网络节点空闲时长*空闲网络节点数据处理速率
83.其中，空闲网络节点数据处理速率从空闲网络节点的当前运行数据中获取。
84.结合场景示例来说，空闲网络节点的预测空闲时长表示在这时段空闲节点的性能资源是不饱和状态，有多余的性能资源可用于处理数据。空闲网络节点最大可利用的性能资源为空闲时长与数据处理速率的积，即在这时段内可处理的最大数据量。因此，在这时段给网络节点发送对应数据量的数据能保证网络节点性能资源最大程度利用的同时不会超负载。
85.基于以上实施方式，通过计算空闲网络节点的最大可利用资源，对空闲网络节点发布对应数据量的数据，实现数据合理分配，网络节点性能资源最大程度利用的同时不会超负载。
86.本实施例提供的基于分布式的节点资源负载均衡装置中，获取模块，用于获取预定时期内空闲网络节点的当前运行数据。处理模块，用于根据所述空闲网络节点的当前运行数据，基于空闲时长预测模型得到所述空闲网络节点的预测空闲时段。其中，所述空闲时长预测模型是基于各网络节点的历史运行数据通过训练得到的。发布模块，用于根据所述空闲网络节点的预测空闲时段，基于最大可利用资源分配策略进行数据分布式发布。以上方案，通过空闲时长预测模型来预测空闲网络节点的空闲时段，在空闲时段发布合理的数据资源到空闲网络节点，实现网络节点资源负载均衡。
87.实施例三
88.图4是根据一示例性实施例示出的一种基于分布式的节点资源负载均衡装置的装置框图，该装置可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板
设备，医疗设备，健身设备，个人数字助理等。
89.装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)接口812，传感器组件814，以及通信组件816。
90.处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
91.存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(static random-access memory，简称sram)，电可擦除可编程只读存储器(electrically erasable programmable read-only memory，简称eeprom)，可擦除可编程只读存储器(erasable programmable read-only memory，简称eprom)，可编程只读存储器(programmable read-only memory，简称prom)，只读存储器(read-only memory，简称rom)，磁存储器，快闪存储器，磁盘或光盘。
92.电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
93.多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(liquid crystal display，简称lcd)和触摸面板(touch panel，简称tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
94.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(microphone，简称mic)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
95.输入/输出接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
96.传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件
的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如互补金属氧化物半导体(complementary metal oxide semiconductor，简称cmos)或电荷耦合元件(charge-coupled device，简称ccd)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
97.通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(near field communication，简称nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(radio frequency identification，简称rfid)技术，红外数据协会(infrared data association，简称irda)技术，超宽带(ultra wide band，简称uwb)技术，蓝牙(bluetooth，简称bt)技术和其他技术来实现。
98.在示例性实施例中，装置800可以被一个或多个应用专用集成电路(application specific integrated circuit，简称asic)、数字信号处理器(digital signal process，简称dsp)、数字信号处理设备(digital signal process device，简称dspd)、可编程逻辑器件(programmable logic device，简称pld)、现场可编程门阵列(field programmable gate array，简称fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
99.在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(random access memory，简称ram)、cd-rom、磁带、软盘和光数据存储设备等。
100.实施例四
101.图5为本技术实施例中提供的一种电子设备的结构示意图，如图5所示，该电子设备包括：
102.处理器(processor)291，电子设备还包括了存储器(memory)292；还可以包括通信接口(communication interface)293和总线294。其中，处理器291、存储器292、通信接口293、可以通过总线294完成相互间的通信。通信接口293可以用于信息传输。处理器291可以调用存储器294中的逻辑指令，以执行上述实施例的方法。
103.此外，上述的存储器292中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
104.存储器292作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本技术实施例中的方法对应的程序指令/模块。处理器291通过运行存储在存储器292中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。
105.存储器292可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。
此外，存储器292可以包括高速随机存取存储器，还可以包括非易失性存储器。
106.本技术实施例提供一种非临时性计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如前述实施例所述的方法。
107.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由下面的权利要求书指出。
108.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。