一种基于多纬度大数据的实时排行榜统计方法、系统和存储介质与流程

1.本技术属于计算机数据处理技术领域，更具体的，涉及一种基于多纬度大数据的实时排行榜统计方法、系统和存储介质。


背景技术：

2.排行榜存在于许多应用系统、活动和游戏中，数据多使用oracle和mysql等关系型数据库来存储。系统在计算实时排行榜数据时，常见有如下几种方案。方案一是将数据读取至内存，由程序脚本计算统计后返回结果；方案二是使用关系型数据库自身的查询语句进行聚合统计，并返回统计结果；方案三是在每次存入数据前，先行对存量数据计算统计结果，得出排行数据，再将新排行数据存入数据库作为直接查询使用。
3.以上三种方案在数据量级较小的排行榜应用中较为常见。然而，当数据量级较大的情况下，方案一会面临占用大量内存空间、计算缓慢的问题。方案二存在数据库curd缓慢，占用大量数据库计算资源，而导致程序性能明显下降的缺点。方案三较前两种方案具有一定优势，但是在高并发和增量数据迅速的前提下，依然会存在计算缓慢，且数据统计误差率高的问题。


技术实现要素：

4.有鉴于此，本技术提供了一种基于多纬度大数据的实时排行榜统计方法、系统和存储介质，可以解决大数据量、多纬度数据的实时聚合统计，具有相应速度快、稳定性强的优点。
5.本技术的具体技术方案如下：
6.本技术第一方面提供一种基于多纬度大数据的实时排行榜统计方法，包括如下步骤：
7.配置统计纬度信息，根据统计纬度信息建立多纬度统计表单；
8.采集平台内的用户数据，将用户数据根据数据类型插入至多纬度统计表单并保存在第一数据库中；
9.同步用户数据至第二数据库，配置第二数据库的聚合统计策略，将用户数据进行聚合统计生成排行榜数据并定期发送、更新排行榜数据得到缓存数据；
10.接收用户访问需求信息，根据用户访问需求信息调取最新的缓存数据发送至终端以排行榜列表的形式展示。
11.优选的，根据统计纬度信息建立多纬度统计表单具体为：
12.获取平台所产生的数据类型，所述数据类型包括时间信息、区域信息、频次信息、审核信息、评分信息和金额信息；
13.将数据类型中的一项或多项信息指标进行聚合分析，生成单一纬度聚合信息，所述纬度聚合包括时间聚合、用户聚合和组织聚合；
14.以不同纬度下纬度聚合信息的数据类型为模板建立各个纬度下的纬度统计表单。
15.优选的，采集平台内的用户数据具体为：
16.接收用户行为信号，采集平台内所有用户行为信号下的单一用户数据；
17.监测同一用户行为信号下相关联的数据类型中数据值的偏移程度是否超过预设值；
18.若超过预设值则对偏移程度超过预设值的数据值根据数据样本量进行加权矫正。
19.优选的，同步用户数据至第二数据库具体为：
20.将多纬度统计表单中的用户数据根据统计纬度信息进行分列处理；
21.监测单一数据类型中的数据样本量，当数据样本量超过预设列容量时，对该数据类型中的数据值进行聚合统计生成第一聚合统计结果并将其作为该数据类型下的数据值进行数据覆盖；
22.将分列处理后的用户数据以列数据的形式保存至第二数据库。
23.优选的，配置第二数据库的聚合统计策略具体为：
24.以第二数据库的分列为单位分别对所有数据类目下的数据值进行聚合统计；
25.针对每一类统计纬度信息分别筛选一项或几项关键数据类型引入权重系数，对该数据类型中的数据值进行加权计算生成第二聚合统计结果。
26.优选的，将用户数据进行聚合统计生成排行榜数据具体为：
27.根据应用场景设置对各个用户的聚合统计结果进行取值，取值范围为最大值、最小值、加和值、平均值或样本值；
28.根据应用场景设置将各个用户的聚合统计值按照预设方式进行排序生成排行榜数据。
29.优选的，定期发送、更新排行榜数据得到缓存数据具体为：
30.将生成的排行榜数据发送至服务器生成历史缓存数据；
31.以间隔时间设置的方式配置缓存数据的更新频率，根据更新频率定期向第二数据库获取最新的排行榜数据生成最新的缓存数据；
32.根据更新频率定期对历史缓存数据进行失效标记。
33.优选的，还包括：
34.将缓存数据根据生成时间、统计纬度信息以及用户数量设置标签进行标记；
35.将标记后的缓存数据定期发回至第一数据库，并建立标签与数据的链接模式。
36.本技术第二方面提供一种基于多纬度大数据的实时排行榜统计系统，包括存储器和处理器，所述存储器中包括基于多纬度大数据的实时排行榜统计程序，所述基于多纬度大数据的实时排行榜统计程序被所述处理器执行时，实现如下步骤：
37.配置统计纬度信息，根据统计纬度信息建立多纬度统计表单；
38.采集平台内的用户数据，将用户数据根据数据类型插入至多纬度统计表单并保存在第一数据库中；
39.同步用户数据至第二数据库，配置第二数据库的聚合统计策略，将用户数据进行聚合统计生成排行榜数据并定期发送、更新排行榜数据得到缓存数据；
40.接收用户访问需求信息，根据用户访问需求信息调取最新的缓存数据发送至终端以排行榜列表的形式展示。
41.优选的，根据统计纬度信息建立多纬度统计表单具体为：
42.获取平台所产生的数据类型，所述数据类型包括时间信息、区域信息、频次信息、审核信息、评分信息和金额信息；
43.将数据类型中的一项或多项信息指标进行聚合分析，生成单一纬度聚合信息，所述纬度聚合包括时间聚合、用户聚合和组织聚合；
44.以不同纬度下纬度聚合信息的数据类型为模板建立各个纬度下的纬度统计表单。
45.优选的，采集平台内的用户数据具体为：
46.接收用户行为信号，采集平台内所有用户行为信号下的单一用户数据；
47.监测同一用户行为信号下相关联的数据类型中数据值的偏移程度是否超过预设值；
48.若超过预设值则对偏移程度超过预设值的数据值根据数据样本量进行加权矫正。
49.优选的，同步用户数据至第二数据库具体为：
50.将多纬度统计表单中的用户数据根据统计纬度信息进行分列处理；
51.监测单一数据类型中的数据样本量，当数据样本量超过预设列容量时，对该数据类型中的数据值进行聚合统计生成第一聚合统计结果并将其作为该数据类型下的数据值进行数据覆盖；
52.将分列处理后的用户数据以列数据的形式保存至第二数据库。
53.优选的，配置第二数据库的聚合统计策略具体为：
54.以第二数据库的分列为单位分别对所有数据类目下的数据值进行聚合统计；
55.针对每一类统计纬度信息分别筛选一项或几项关键数据类型引入权重系数，对该数据类型中的数据值进行加权计算生成第二聚合统计结果。
56.优选的，将用户数据进行聚合统计生成排行榜数据具体为：
57.根据应用场景设置对各个用户的聚合统计结果进行取值，取值范围为最大值、最小值、加和值、平均值或样本值；
58.根据应用场景设置将各个用户的聚合统计值按照预设方式进行排序生成排行榜数据。
59.优选的，定期发送、更新排行榜数据得到缓存数据具体为：
60.将生成的排行榜数据发送至服务器生成历史缓存数据；
61.以间隔时间设置的方式配置缓存数据的更新频率，根据更新频率定期向第二数据库获取最新的排行榜数据生成最新的缓存数据；
62.根据更新频率定期对历史缓存数据进行失效标记。
63.优选的，还包括：
64.将缓存数据根据生成时间、统计纬度信息以及用户数量设置标签进行标记；
65.将标记后的缓存数据定期发回至第一数据库，并建立标签与数据的链接模式。
66.本技术第三方面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包括基于多纬度大数据的实时排行榜统计程序，所述基于多纬度大数据的实时排行榜统计程序被处理器执行时，实现所述基于多纬度大数据的实时排行榜统计方法的步骤。
67.综上所述，本技术提供了一种基于多纬度大数据的实时排行榜统计方法、系统和存储介质。本技术利用多纬度统计表单将用户数据保存在第一数据库中并同步用户数据至
第二数据库，通过配置第二数据库的聚合统计策略将用户数据进行聚合统计生成排行榜数据并定期发送、更新排行榜数据得到缓存数据；根据用户访问需求信息调取最新的缓存数据发送至终端以排行榜列表的形式展示。本技术通过建立多纬度统计表单对用户数据进行处理，可以解决大数据量、多纬度数据的实时聚合统计，数据响应速度快；排行榜数据的获取和计算分别由两个数据库完成，摆脱了传统的大量数据读入内存后由程序进行计算而导致系统内存占用率高的问题，也摆脱了由mysql聚合计算影响系统整体性能的现象；排行榜数据可自由更改聚合纬度，用户体验感增强。
附图说明
68.为了更清楚地说明本技术实施例或现有技术中的技术方案，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地介绍，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性的前提下，还可以根据这些附图获得其它的附图。
69.图1为本技术一种基于多纬度大数据的实时排行榜统计方法的流程图；
70.图2为本技术一种基于多纬度大数据的实时排行榜统计系统的框图。
具体实施方式
71.为使得本技术的目的、特征、优点能够更加的明显和易懂，对本技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本技术一部分实施例，而非全部的实施例。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它实施例，都属于本技术保护的范围。
72.请参照图1，图1为本技术一种基于多纬度大数据的实时排行榜统计方法的流程图。
73.本技术实施例第一方面提供一种基于多纬度大数据的实时排行榜统计方法，包括如下步骤：
74.s102:配置统计纬度信息，根据统计纬度信息建立多纬度统计表单；
75.s104:采集平台内的用户数据，将用户数据根据数据类型插入至多纬度统计表单并保存在第一数据库中；
76.s106:同步用户数据至第二数据库，配置第二数据库的聚合统计策略，将用户数据进行聚合统计生成排行榜数据并定期发送、更新排行榜数据得到缓存数据；
77.s108:接收用户访问需求信息，根据用户访问需求信息调取最新的缓存数据发送至终端以排行榜列表的形式展示。
78.需要说明的是，第一数据库是关系型数据库，例如mysql，作为业务应用的主数据库，承担应用中用户使用系统产生数据的存储工作,例如用户的答题分数，用户参与抽奖的记录等。第二数据库是olap关系数据库，例如clickhouse，是专门用以olap分析的列数据库，其本质上也是关系型数据库，它采用空间换时间的思路，承担聚合统计速度较mysql提高了100倍以上，可作为mysql的从库使用，例如按用户答题得分纬度得到的用户分数排行榜，按参与用户人数纬度得到的组织活跃度排行榜等。第二数据库只做增量操作，数据不可修改和删除。第二数据库的聚合查询任务异步进行，由独立进程进行计算，执行后生成每小
时排行榜，日排行榜，周排行榜。缓存数据可使用数据缓存服务器，例如redis，可用作每次聚合查询的排行榜数据缓存。
79.根据本技术实施例，根据统计纬度信息建立多纬度统计表单具体为：
80.获取平台所产生的数据类型，所述数据类型包括时间信息、区域信息、频次信息、审核信息、评分信息和金额信息；
81.将数据类型中的一项或多项信息指标进行聚合分析，生成单一纬度聚合信息，所述纬度聚合包括时间聚合、用户聚合和组织聚合；
82.以不同纬度下纬度聚合信息的数据类型为模板建立各个纬度下的纬度统计表单。
83.需要说明的是，数据类型的获取来源于平台内的历史用户数据或系统生成数据。在生成单一纬度聚合信息时，可根据纬度与数据类型的关联性确定，例如，采用时间纬度聚合获取以时间信息为主的源数据，采用用户聚合获取以区域信息、频次信息等为主的源数据，采用组织聚合获取以审核信息、评分信息、金额信息等为主的源数据。
84.根据本技术实施例，采集平台内的用户数据具体为：
85.接收用户行为信号，采集平台内所有用户行为信号下的单一用户数据；
86.监测同一用户行为信号下相关联的数据类型中数据值的偏移程度是否超过预设值；
87.若超过预设值则对偏移程度超过预设值的数据值根据数据样本量进行加权矫正。
88.需要说明的是，用户数据可以是平台内用户操作节点下产生的行为数据。同一用户行为信号下相关联的数据类型是指逻辑相互影响、具有连带作用的数据类型，例如用户信誉评价得分以及官方审核通过信息等。偏移程度的预设值可以自由设定，根据数据样本量进行加权矫正是指对数据值的样本量进行权重分析后引入权重系数对偏移程度较大的数据值做修正，用以排除样本量较少时产生大误差的风险。
89.根据本技术实施例，同步用户数据至第二数据库具体为：
90.将多纬度统计表单中的用户数据根据统计纬度信息进行分列处理；
91.监测单一数据类型中的数据样本量，当数据样本量超过预设列容量时，对该数据类型中的数据值进行聚合统计生成第一聚合统计结果并将其作为该数据类型下的数据值进行数据覆盖；
92.将分列处理后的用户数据以列数据的形式保存至第二数据库。
93.需要说明的是，第二数据库是以列数据形式进行运算，数据分列可以根据不同的统计纬度确定，每一个统计纬度中可包含一个或多个数据类型的源数据。对超出列容量的数据可以划定一个固定范围做预先聚合统计，再发送至第二数据库统计，可以处理大量数据统计运算、改善系统运行速度。第一聚合统计结果不仅包含数据值的运算结果，还可包含相应的样本量、权重比例等信息。
94.根据本技术实施例，配置第二数据库的聚合统计策略具体为：
95.以第二数据库的分列为单位分别对所有数据类目下的数据值进行聚合统计；
96.针对每一类统计纬度信息分别筛选一项或几项关键数据类型引入权重系数，对该数据类型中的数据值进行加权计算生成第二聚合统计结果。
97.需要说明的是，每一类统计纬度信息中的数据类型可以部分重复或相同，但关键数据类型的权重系数均不相同，可以根据该数据类型对纬度统计的影响程度确定权重系
数，一般为0.5～2之间。
98.根据本技术实施例，将用户数据进行聚合统计生成排行榜数据具体为：
99.根据应用场景设置对各个用户的聚合统计结果进行取值，取值范围为最大值、最小值、加和值、平均值或样本值；
100.根据应用场景设置将各个用户的聚合统计值按照预设方式进行排序生成排行榜数据。
101.需要说明的是，应用场景可以是用户自定义设置也可以是系统默认设置。排序的预设方式是指生成的排行榜数据升序或降序排列，也可以是用户自定义设置也可以是系统默认设置。
102.根据本技术实施例，定期发送、更新排行榜数据得到缓存数据具体为：
103.将生成的排行榜数据发送至服务器生成历史缓存数据；
104.以间隔时间设置的方式配置缓存数据的更新频率，根据更新频率定期向第二数据库获取最新的排行榜数据生成最新的缓存数据；
105.根据更新频率定期对历史缓存数据进行失效标记。
106.需要说明的是，缓存数据可根据设置的间隔时间实现自动统计、更新，间隔时间可为每日、每周、每月、每年。若产生新的排行榜数据便会将历史缓存数据封存，每次调取最新的缓存数据作为用户请求的排行榜数据。
107.根据本技术实施例，还包括：
108.将缓存数据根据生成时间、统计纬度信息以及用户数量设置标签进行标记；
109.将标记后的缓存数据定期发回至第一数据库，并建立标签与数据的链接模式。
110.需要说明的是，缓存数据存储于第一数据库用于数据溯源，数据管理稳定性更强。对缓存数据设置标签方便后续搜索查询和调取。发回的间隔时间可以与缓存数据的更新频率保持一致。
111.在本技术另一实施例中，将用户数据根据数据类型插入至多纬度统计表单具体为：
112.将用户数据按照数据类型对应地写入单一纬度统计表单对应的数据类目中；
113.监测单一纬度统计表单中各个数据类目下是否存在数据值，若不存在数据值则根据所属统计纬度信息调取该数据类型的初始值写入相应的数据类目中。
114.需要说明的是，如果出现数据获取不完整、或者数据类型不存在的情况，可以调取该数据类型的初始值做数据补齐。初始值可以根据系统历史大数据均值确定，也可以是根据行业经验进行自定义。
115.在本技术另一实施例中，根据用户访问需求信息调取最新的缓存数据具体为：
116.根据用户访问需求信息采集用户需求的统计纬度信息，以用户需求的统计纬度信息为搜索式在服务器中查询相应的排行榜数据；
117.根据用户访问需求信息采集用户需求的应用场景信息，根据用户需求的应用场景信息对排行榜数据进行修正并更新。
118.需要说明的是，用户访问需求信息来源于用户自选项，用户可以同时选择多项需求调取多纬度排行榜数据。根据用户需求的应用场景信息可以修改当前排行榜数据的取值规则。
119.在本技术另一实施例中，还包括：
120.监测接收的用户访问需求信息的数据类型和数据值，判断是否存在相匹配的统计纬度信息；
121.若不存在相匹配的统计纬度信息，则根据用户需求的数据类型和数据值进行聚合分析重新配置统计纬度信息。
122.需要说明的是，如果缓存数据中所属的统计纬度信息没有统计到用户需求的统计纬度，可以直接根据当前用户的需求信息重新配置统计纬度信息，可以满足不同用户的统计需求，提升用户体验感。
123.请参照图2，图2为本技术一种基于多纬度大数据的实时排行榜统计系统的框图。
124.本技术实施例第二方面提供一种基于多纬度大数据的实时排行榜统计系统，包括存储器21和处理器22，所述存储器21中包括基于多纬度大数据的实时排行榜统计程序，所述基于多纬度大数据的实时排行榜统计程序被所述处理器22执行时，实现如下步骤：
125.配置统计纬度信息，根据统计纬度信息建立多纬度统计表单；
126.采集平台内的用户数据，将用户数据根据数据类型插入至多纬度统计表单并保存在第一数据库中；
127.同步用户数据至第二数据库，配置第二数据库的聚合统计策略，将用户数据进行聚合统计生成排行榜数据并定期发送、更新排行榜数据得到缓存数据；
128.接收用户访问需求信息，根据用户访问需求信息调取最新的缓存数据发送至终端以排行榜列表的形式展示。
129.根据本技术实施例，根据统计纬度信息建立多纬度统计表单具体为：
130.获取平台所产生的数据类型，所述数据类型包括时间信息、区域信息、频次信息、审核信息、评分信息和金额信息；
131.将数据类型中的一项或多项信息指标进行聚合分析，生成单一纬度聚合信息，所述纬度聚合包括时间聚合、用户聚合和组织聚合；
132.以不同纬度下纬度聚合信息的数据类型为模板建立各个纬度下的纬度统计表单。
133.根据本技术实施例，采集平台内的用户数据具体为：
134.接收用户行为信号，采集平台内所有用户行为信号下的单一用户数据；
135.监测同一用户行为信号下相关联的数据类型中数据值的偏移程度是否超过预设值；
136.若超过预设值则对偏移程度超过预设值的数据值根据数据样本量进行加权矫正。
137.根据本技术实施例，同步用户数据至第二数据库具体为：
138.将多纬度统计表单中的用户数据根据统计纬度信息进行分列处理；
139.监测单一数据类型中的数据样本量，当数据样本量超过预设列容量时，对该数据类型中的数据值进行聚合统计生成第一聚合统计结果并将其作为该数据类型下的数据值进行数据覆盖；
140.将分列处理后的用户数据以列数据的形式保存至第二数据库。
141.根据本技术实施例，配置第二数据库的聚合统计策略具体为：
142.以第二数据库的分列为单位分别对所有数据类目下的数据值进行聚合统计；
143.针对每一类统计纬度信息分别筛选一项或几项关键数据类型引入权重系数，对该
数据类型中的数据值进行加权计算生成第二聚合统计结果。
144.根据本技术实施例，将用户数据进行聚合统计生成排行榜数据具体为：
145.根据应用场景设置对各个用户的聚合统计结果进行取值，取值范围为最大值、最小值、加和值、平均值或样本值；
146.根据应用场景设置将各个用户的聚合统计值按照预设方式进行排序生成排行榜数据。
147.根据本技术实施例，定期发送、更新排行榜数据得到缓存数据具体为：
148.将生成的排行榜数据发送至服务器生成历史缓存数据；
149.以间隔时间设置的方式配置缓存数据的更新频率，根据更新频率定期向第二数据库获取最新的排行榜数据生成最新的缓存数据；
150.根据更新频率定期对历史缓存数据进行失效标记。
151.根据本技术实施例，还包括：
152.将缓存数据根据生成时间、统计纬度信息以及用户数量设置标签进行标记；
153.将标记后的缓存数据定期发回至第一数据库，并建立标签与数据的链接模式。
154.在本技术另一实施例中，将用户数据根据数据类型插入至多纬度统计表单具体为：
155.将用户数据按照数据类型对应地写入单一纬度统计表单对应的数据类目中；
156.监测单一纬度统计表单中各个数据类目下是否存在数据值，若不存在数据值则根据所属统计纬度信息调取该数据类型的初始值写入相应的数据类目中。
157.在本技术另一实施例中，根据用户访问需求信息调取最新的缓存数据具体为：
158.根据用户访问需求信息采集用户需求的统计纬度信息，以用户需求的统计纬度信息为搜索式在服务器中查询相应的排行榜数据；
159.根据用户访问需求信息采集用户需求的应用场景信息，根据用户需求的应用场景信息对排行榜数据进行修正并更新。
160.在本技术另一实施例中，还包括：
161.监测接收的用户访问需求信息的数据类型和数据值，判断是否存在相匹配的统计纬度信息；
162.若不存在相匹配的统计纬度信息，则根据用户需求的数据类型和数据值进行聚合分析重新配置统计纬度信息。
163.本技术实施例第三方面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包括基于多纬度大数据的实时排行榜统计程序，所述基于多纬度大数据的实时排行榜统计程序被处理器执行时，实现所述基于多纬度大数据的实时排行榜统计方法的步骤，具体参见图1对方法步骤的描述，在此不再赘述。
164.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
165.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。
166.另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
167.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、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。
168.或者，本发明上述集成的单元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，也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，本发明实施例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，包括若干指令用以使得一台计算机设备(可以是个人计算机、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。而前述的存储介质包括：移动存储设备、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
169.以上所述，以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。