数据并行处理方法、装置、计算机设备及可读存储介质与流程

1.本发明涉及数据处理领域，尤其涉及一种数据并行处理方法、装置、计算机设备及可读存储介质。


背景技术：

2.在现有的实时数据处理引擎中，通常采用并行处理的方法来处理数据，现有的实时数据处理引擎通常会根据所述实时数据的拆分顺序进行编号处理，并根据编号顺序对处理结果进行合并。
3.现有的实时数据处理引擎主要有两大问题：其一是同一类型数据的计算前后可能会有严格的时序要求，例如，用户的操作时序为登录-浏览-添加购物车-下单-登出，对应五条操作日志具有固定的时序。而当前的实时数据处理引擎如果放到不同的计算单元中并行执行时，数据处理结果的时序无法得到保证。如果将统一类型的数据在分组时全部交给一个计算单元执行，又往往会阻塞计算单元的处理进度。
4.其二是，现有的实时数据处理引擎在处理大模式的并行计算问题时往往将大量数据的字段存放在一个计算单元中进行计算，从而造成单条数据的计算时间长而阻塞后续数据的处理。
5.因此，亟需一种能够快速处理实时数据的数据并行处理方法来解决实时数据处理引擎在实际运行中的问题。


技术实现要素：

6.为了解决上述技术问题，本技术实施例提供了一种数据并行处理方法、装置、计算机设备及可读存储介质，具体方案如下：
7.第一方面，本技术实施例提供了一种数据并行处理方法，所述方法包括：
8.获取实时待处理数据；
9.生成与所述待处理数据对应的唯一标识信息；
10.根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据，其中，每条子数据均关联对应所述待处理数据的血缘元数据，各所述血缘元数据包括所述唯一标识信息；
11.根据预设分组规则，将全部子数据分配给不同的数据处理器进行并行计算；
12.根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果。
13.根据本技术实施例的一种具体实施方式，根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据的步骤，包括：
14.获取所述待处理数据关联的待处理任务，所述待处理任务包括数据输入输出模式和映射计算逻辑；
15.根据所述数据输入输出模式和所述映射计算逻辑生成具备分组序号的多个数据
处理器的并行计算模型；
16.根据所述并行计算模型对所述待处理数据进行划分，以得到所述待处理数据的属性分组组数以及多条具有属性分组序号的子数据。
17.根据本技术实施例的一种具体实施方式，根据预设分组规则，将全部子数据分配给不同的数据处理器进行并行计算的步骤，包括：
18.根据所述并行计算模型将计算逻辑相互依赖的子数据分配至同一个子数据组；
19.根据各子数据组对应的计算逻辑和各数据处理器的分组序号将全部子数据分配至不同的数据处理器，以使各数据处理器进行并行计算。
20.根据本技术实施例的一种具体实施方式，根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据的步骤，还包括：
21.为每一条子数据关联对应的血缘元数据，所述血缘元数据包括所属待处理数据的唯一标识、所述子数据对应的属性分组序号和所属待处理数据的分组组数。根据本技术实施例的一种具体实施方式，根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果的步骤，包括：
22.将各数据处理器反馈的处理结果集合至预设的有序字典，所述有序字典为具有预设存储容量的存储空间；
23.按照待处理数据的属性分组序号排列顺序以及分组组数对有序字典中的处理结果进行合并，以得到所述目标处理结果。
24.根据本技术实施例的一种具体实施方式，根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果的步骤，还包括：
25.若所述有序字典中的处理结果占用的存储空间超过预设容量阈值，合并所述有序字典中次序最前的处理结果。
26.第二方面，本技术实施例还提供了一种数据并行处理装置，所述装置包括：
27.获取模块，用于获取实时待处理数据；
28.生成模块，用于生成与所述待处理数据对应的唯一标识信息；
29.数据拆分模块，用于根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据，其中，每条子数据均关联对应所述待处理数据的血缘元数据，各所述血缘元数据包括所述唯一标识信息；
30.并行计算模块，用于根据预设分组规则，将全部子数据分配给不同的数据处理器进行并行计算；
31.数据合并模块，用于根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果。
32.根据本技术实施例的一种具体实施方式，所述数据拆分模块，具体用于获取所述待处理数据关联的待处理任务，所述待处理任务包括数据输入输出模式和映射计算逻辑；
33.根据所述数据输入输出模式和所述映射计算逻辑生成具备分组序号的多个数据处理器的并行计算模型；
34.根据所述并行计算模型对所述待处理数据进行划分，以得到所述待处理数据的属性分组组数以及多条具有属性分组序号的子数据。
35.第三方面，本技术实施例还提供了一种计算机设备，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行第一方面所述的数据并行处理方法。
36.第四方面，本技术实施例还提供了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程序，所述计算机程序在处理器上运行时执行第一方面所述的数据并行处理方法。
37.本技术实施例提供了一种数据并行处理方法、装置、计算机设备及可读存储介质，所述方法包括：获取实时待处理数据；生成与所述待处理数据对应的唯一标识信息；根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据，其中，每条子数据均关联对应所述待处理数据的血缘元数据，各所述血缘元数据包括所述唯一标识信息；根据预设分组规则，将全部子数据分配给不同的数据处理器进行并行计算；根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果。通过本技术的数据并行处理方法，能够快速、有序的并行处理大规模的实时数据。
附图说明
38.为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对本发明保护范围的限定。在各个附图中，类似的构成部分采用类似的编号。
39.图1示出了本技术实施例提供的一种数据并行处理方法的方法流程示意图；
40.图2示出了本技术实施例提供的一种数据并行处理装置的装置模块示意图。
具体实施方式
41.下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
42.通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
43.在下文中，可在本发明的各种实施例中使用的术语“包括”、“具有”及其同源词仅意在表示特定特征、数字、步骤、操作、元件、组件或前述项的组合，并且不应被理解为首先排除一个或更多个其它特征、数字、步骤、操作、元件、组件或前述项的组合的存在或增加一个或更多个特征、数字、步骤、操作、元件、组件或前述项的组合的可能性。
44.此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
45.除非另有限定，否则在这里使用的所有术语(包括技术术语和科学术语)具有与本发明的各种实施例所属领域普通技术人员通常理解的含义相同的含义。所述术语(诸如在一般使用的词典中限定的术语)将被解释为具有与在相关技术领域中的语境含义相同的含
义并且将不被解释为具有理想化的含义或过于正式的含义，除非在本发明的各种实施例中被清楚地限定。
46.参考图1，为本技术实施例提供的一种数据并行处理方法的方法流程示意图，本技术实施例提供的数据并行处理方法，如图1所示，所述数据并行处理方法包括：
47.步骤s101，获取实时待处理数据；
48.在具体实施例中，所述数据并行处理方法可以运用在各类实时数据处理引擎中，所述实时数据处理引擎可以在不同的计算单元中同时进行数据处理，最大化计算资源利用率。
49.通用的实时数据处理引擎能够根据用户定义实时数据处理逻辑，实现读取数据源中的数据，按照输入数据的模式对原始数据的类型进行解析和转换，执行映射计算逻辑得到输出数据，并将所述输出数据按照预设模式写入数据漏。
50.本实施例的实时数据处理器引擎同样能够从数据源中读取实时待处理数据，具体的，所述待处理数据关联有相对应的待处理任务。
51.所述数据源可以为现有技术中的任意数据库或者数据库服务器。
52.具体的，本实施例的实时数据处理引擎也可以根据待处理任务的类型从所述数据源中获取相对应的实时待处理数据。
53.所述实时待处理数据可以为一条数据，也可以为大规模的数据集，此处不对所述实时待处理数据的规模进行具体限定。
54.步骤s102，生成与所述待处理数据对应的唯一标识信息；
55.在具体实施例中，在获取实时待处理数据后，本实施例的实时数据处理引擎中的数据拆分器会自动为所述待处理数据生成相对应的唯一标识信息。
56.具体的，所述唯一标识信息可以为具有固定字节数的数据字段，对所述待处理数据进行拆分处理时，会为所述待处理数据拆分出的每一条子数据关联所述唯一标识信息，作为所述子数据的归属标识信息，使得所述数据处理引擎中其它的数据处理结构能够根据所述归属标识信息对所述子数据进行分类和合并处理。
57.步骤s103，根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据，其中，每条子数据均关联对应所述待处理数据的血缘元数据，各所述血缘元数据包括所述唯一标识信息；
58.在具体实施例中，本实施例的实时数据处理引擎中的数据拆分器在生成所述待处理数据的唯一标识信息后，开始对所述待处理数据进行预设拆分处理。
59.所述数据拆分器在拆分所述待处理数据前，首先需对实时数据处理引擎中的每个数据处理器的输入输出模型和映射计算逻辑进行分组，保证具有计算逻辑依赖的子数据能够被放入同一个数据处理器中。
60.所述数据拆分器按照不同分组的输入输出模型和映射计算逻辑对所述待处理数据进行拆分处理，并将拆分后的多条子数据分配到不同的数据处理器中并行执行。由于不同分组的输入输出模型和映射计算逻辑之间的属性相互独立，将所述待处理数据拆分为多条子数据后，每个数据处理器可以并行处理接收到的子数据。
61.根据本技术实施例的一种具体实施方式，根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据的步骤，包括：
62.获取所述待处理数据关联的待处理任务，所述待处理任务包括数据输入输出模式和映射计算逻辑；
63.根据所述数据输入输出模式和所述映射计算逻辑生成具备分组序号的多个数据处理器的并行计算模型；
64.根据所述并行计算模型对所述待处理数据进行划分，以得到所述待处理数据的属性分组组数以及多条具有属性分组序号的子数据。
65.在具体实施例中，本实施例的实时数据引擎是根据输入模式、输出模式以及所述输入模式和所述输出模式之间的映射关系构建计算模型的。
66.具体的，输入输出模式，即输入schema和输出schema，模式中包括了schema对象，所述schema对象可以是表、列、数据类型、视图、存储过程、关系、主键和外键等。输入schema和输出schema的组成成分包括元素声明、属性声明、简单与复杂数据类型、模型群与属性群、属性使用和元素粒子。
67.在本实施例中，通过实时数据引擎处理实时待处理数据前，需要先对所述实时数据引擎的输入schema和输出schema进行预设置，根据所述输入schema和所述输出schema之间的计算映射关系进行预分组。从而能够保证所述实时数据引擎在获取待处理数据的待处理任务后，能够根据预先设置的输入schema、输出schema和两者之间的映射计算逻辑，对待处理任务的计算逻辑进行分组拆分。
68.具体的，在进行实时数据处理过程中，所述实时数据处理引擎也可以根据实时待处理任务的输入输出模式和映射计算逻辑，生成具有多个具有分组序号的数据处理器的并行计算模型。
69.举例来说，输入输出模式和映射计算逻辑的定义可以如下表所示：
70.表1
[0071][0072]
表2
[0073][0074][0075]
在具体实施例中，如表1和表2所示，可以将待处理任务的输入模式根据属性声明以及属性类型进行拆分，将输入模式分为数字值对应的引用类型number、布尔值对应的引用类型boolean和字符串的对象包装类型string。
[0076]
根据输出模式的属性声明以及属性类型进行拆分，将输出模式分为数字值对应的引用类型number和字符串的对象包装类型string。
[0077]
根据待处理任务的计算逻辑进行分组拆分，在表2中，将所述待处理任务的完整计算逻辑拆分为两个计算规则，并为计算规则关联相应的序号。
[0078]
在为输入模式中各属性进行分组时，会将计算逻辑相互关联的属性分为一组。如表1和表2所示，输出属性x对应的计算规则，与输入属性a、b和c相互关联，所以为输入属性a、b和c均分配序号1。输出属性y对应的计算规则，与输入属性b、c、d和e相互关联，所以为输入属性b、c、d和e均分配序号2。
[0079]
在本实施例中，所述并行计算模型包括上述输入输出模式定义和映射计算逻辑，所述并行计算模型会生成对应序号数量的数据处理器。通过所述并行计算模型处理实时待处理数据，则能够根据输入模型的属性类型和分组序号对所述待处理数据进行分组划分，以得到所述待处理数据的分组组数和多条具有属性分组序号的子数据。
[0080]
根据本技术实施例的一种具体实施方式，根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据的步骤，还包括：
[0081]
为每一条子数据关联对应的血缘元数据，所述血缘元数据包括所属待处理数据的唯一标识、所述子数据对应的属性分组序号和所属待处理数据的分组组数。
[0082]
在具体实施例中，所述数据拆分器在对所述待处理数据进行拆分后，还会为每一条子数据关联对应的血缘元数据。在为每一条子数据关联对应的血缘元数据后，即能够根据各子数据进行血缘分析。
[0083]
所述血缘分析用于对数据处理过程的全面追踪，从而找到某个数据对象为起点的所有相关元数据对象以及这些元数据对象之间的关系。元数据对象之间的关系特指表示这些元数据对象的数据流输入输出关系。
[0084]
在本实施例中，所述血缘元数据中包括所述子数据所属于的待处理数据的唯一标
识信息、所述子数据对应的属性分组序号和所述子数据所属于的待处理数据的分组组数。从而，当各数据处理处理完子数据后，会根据处理结果中关联的血缘元数据对全部输出结果进行数据合并处理。
[0085]
需知的，在所述数据拆分器对所述待处理数据进行拆分时，拆分出的子数据中可能会出现空值子数据，对于拆分出的空值子数据，所述数据拆分器同样会为其关联血缘元数据。所述空值子数据跟随预设的分组进入数据处理器后，所述数据处理器输出的结果同样关联血缘元数据，从而保证数据合并时不会遗漏所述待处理数据的任一部分数据，保证并行处理输出结果的完整度与准确性。
[0086]
步骤s104，根据预设分组规则，将全部子数据分配给不同的数据处理器进行并行计算；
[0087]
在具体实施例中，所述数据拆分器在按照计算模型拆分所述待处理数据得到多条关联血缘元数据的子数据后，即根据所述子数据的数据归属标识和数据分组序号进行数据处理单元的分组。
[0088]
在对子数据的分组处理完成后，将不同分组的子数据组分散到不同的并行度下进行计算，即分配到不同的数据处理器进行并行计算。由于子数据组的规模小于待处理数据的规模，在数据处理并行度上并不会和待处理数据侵占相同的计算资源。
[0089]
根据本技术实施例的一种具体实施方式，根据预设分组规则，将全部子数据分配给不同的数据处理器进行并行计算的步骤，包括：
[0090]
根据所述并行计算模型将计算逻辑相互依赖的子数据分配至同一个子数据组；
[0091]
根据各子数据组对应的计算逻辑和各数据处理器的分组序号将全部子数据分配至不同的数据处理器，以使各数据处理器进行并行计算。
[0092]
在具体实施例中，所述并行计算模型的具体结构可以参考上述实施例中的描述，此处不再赘述。
[0093]
根据所述并行计算模型能够将计算逻辑相互依赖的多条子数据分配至同一个数据组，以得到多个对应数据处理器的分组序号的子数据组。
[0094]
在完成对子数据的分组处理后，所述数据拆分器会将各子数据组分配至不同的数据处理器，以供各数据处理器进行并行处理。
[0095]
通过将计算逻辑相互依赖的子数据分配至同一个数据处理器，并对各数据处理器进行标号，能够在增快数据处理速度的同时，保证整体数据处理逻辑不会混乱。
[0096]
步骤s105，根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果。
[0097]
在具体实施例中，本实施例的实时数据处理引擎中的数据处理单元计算出各组子数据组的输出结果后，会将各输出结果发送至数据合并器，以进行数据合并动作。
[0098]
具体的，所述数据合并器会预先建立一个有序字典作为数据合并器的存储空间，所述有序字典的键为数据的唯一标识，值为输出属性列表集合和预期组数组成的联合数据结构。当所述数据合并器接收到一条输出数据，会根据所述有序字典去到对应的值结构，将输出数据合并到属性列表集合中，然后检查所述属性列表包括的数据分组序号和预期组数是否和所述血缘元数据的分组组数相同，若所述属性列表包括的数据分组序号和预期组数和所述血缘元数据的分组组数相同，则输出数据合并结果。
[0099]
根据本技术实施例的一种具体实施方式，根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果的步骤，包括：
[0100]
将各数据处理器反馈的处理结果集合至预设的有序字典，所述有序字典为具有预设存储容量的存储空间；
[0101]
按照待处理数据的属性分组序号排列顺序以及分组组数对有序字典中的处理结果进行合并，以得到所述目标处理结果。
[0102]
在具体实施例中，所述数据合并器在接收所述数据处理器发送的输出结果后，会根据所述数据输出结果的血缘元数据将所述数据输出结果发送至所述有序字典，所述有序字典能够按照接收所述输出结果的时序为每一输出结果分配对应的时间戳。
[0103]
当所述有序字典中的数据输出结果满足相应的输出条件，即当所述有序字典中的数据输出结果数量和所述待处理数据的分组组数相同时，所述数据合并器对所述有序字典中的所有具有相同血缘元数据的数据输出结果进行数据合并，以得到待处理数据的处理结果。
[0104]
根据本技术实施例的一种具体实施方式，根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果的步骤，还包括：
[0105]
若所述有序字典中的处理结果占用的存储空间超过预设容量阈值，合并所述有序字典中次序最前的处理结果。
[0106]
在具体实施例中，考虑到不同的数据处理器处理的输出结果可能会分批到达数据合并器，所述数据合并器的状态如果没有一定的保护机制，需要暂存的未结算状态数据在短时间内可能激增，最终耗尽所述数据合并器中的有序字典的存储空间。
[0107]
在本实施例中，对实时数据处理引擎的数据合并器设置了一个应急处理规则，若所述有序字典中的输出结果占用的存储空间超过预设容量阈值，也就是说，当对于所述待处理数据的其中一个子数据组的计算结果始终未输出到数据合并器中时，所述数据合并器会提前合并所述有序字典中的数据。
[0108]
具体的，所述有序字典会自动调用存储空间中次序最前的处理结果，提前对所述次序最前的处理结果进行合并结算。其中，所述次序最前的处理结果为根据时间戳判断最早进入所述有序字典的数据输出结果，对于未得到的输出结果部分，以空值输出结果进行处理。
[0109]
从而，通过所述数据合并器的应急处理规则，能够保证所述数据处理器的有序字典空间处在有限稳定的范围，不会因为一条数据处理缓慢而造成整个实时数据处理引擎的计算被阻塞。
[0110]
本技术中的数据并行处理方法，能够通过预设的计算模型拆分方法，正确、有效的处理大规模的实时数据，且能够保证计算资源不会出现数据倾斜问题。通过结合血缘元数据的合并方法，能够正确、快速的进行并行处理，优化了传统的数据并行处理进程。
[0111]
参考图2，为本技术实施例提供的一种数据并行处理装置的装置模块200示意图，本技术实施例提供的数据并行处理装置200，如图2所示，所述数据并行处理装置200包括：
[0112]
获取模块201，用于获取实时待处理数据；
[0113]
生成模块202，用于生成与所述待处理数据对应的唯一标识信息；
[0114]
数据拆分模块203，用于根据预设计算模型拆分所述待处理数据，以得到对应所述待处理数据的多条子数据，其中，每条子数据均关联对应所述待处理数据的血缘元数据，各所述血缘元数据包括所述唯一标识信息；
[0115]
并行计算模块204，用于根据预设分组规则，将全部子数据分配给不同的数据处理器进行并行计算；
[0116]
数据合并模块205，用于根据预设的有序字典和所述血缘元数据，合并各数据处理器反馈的处理结果，以得到对应所述待处理数据的目标处理结果。
[0117]
根据本技术实施例的一种具体实施方式，所述数据拆分模块203，具体用于获取所述待处理数据关联的待处理任务，所述待处理任务包括数据输入输出模式和映射计算逻辑；
[0118]
根据所述数据输入输出模式和所述映射计算逻辑生成具备分组序号的多个数据处理器的并行计算模型；
[0119]
根据所述并行计算模型对所述待处理数据进行划分，以得到所述待处理数据的属性分组组数以及多条具有属性分组序号的子数据。
[0120]
另外，本技术实施例还提供了一种计算机设备，包括处理器和存储器，所述存储器存储有计算机程序，所述计算机程序在所述处理器上运行时执行上述实施例中的数据并行处理方法。
[0121]
本技术实施例还提供了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程序，所述计算机程序在处理器上运行时执行上述实施例中的数据并行处理方法。
[0122]
综上所述，本技术实施例提供了一种数据并行处理方法、装置、计算机设备及可读存储介质，能够根据预设的拆分与合并方法处理大规模的数据集合，且根据数据的属性类型进行序号排列，能够保证数据输出结果能够保留原有的时序；通过关联血缘元数据的方式，能够保证所述实时数据处理引擎能够正确处理部分属性数据的情况；在保证拆分和合并逻辑正确性的前提下有效控制实时数据处理引擎的存储空间稳定不溢出。另外，本技术实施例提供的数据并行处理装置、计算机设备及计算机可读存储介质的具体实施方式，可以参考上述方法实施例的具体实施方式，此处不再一一赘述。
[0123]
在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和结构图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，结构图和/或流程图中的每个方框、以及结构图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0124]
另外，在本发明各个实施例中的各功能模块或单元可以集成在一起形成一个独立
的部分，也可以是各个模块单独存在，也可以两个或更多个模块集成形成一个独立的部分。
[0125]
所述功能如果以软件功能模块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。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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，包括若干指令用以使得一台计算机设备(可以是智能手机、个人计算机、服务器、或者网络设备等)执行本发明各个实施例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。
[0126]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。