一种系统资源的监控方法、装置及存储介质与流程

1.本发明涉及云安全监控领域，特别是涉及一种系统资源的监控方法、装置及存储介质。


背景技术：

2.在云安全监控领域，服务提供方经常面临着向客户提供关于客户租用的云资源如主机或服务器资源的监控情况，具体地如平均使用的cpu使用率、内存使用率、硬盘使用率等等。通常情况下，服务提供方的系统服务器需要不断地接收海量数据，并计算海量数据的平均值。现有技术中，常见的平均值计算方法是根据数据求和计算平均值，即根据如下的均值定义来计算平均值，直接通过代码暴力计算，或者调用数据库的平均值算法实现。
3.其中均值定义为：(n为大于等于1的自然数)。
4.使用上述平均值定义法来计算平均值的缺点包括：当要计算大量数据的平均值时，需要把大量数据加载到内存中，从而导致内存使用过高，影响正常业务；其次，大量数据求和容易产生数据越界，造成结果错误；再有就是，如果将要求平均值的数据存储在第三方组件数据库，比如mysql，hbase等数据库中，则由于需要频繁的读取历史数据来计算而导致了资源浪费，或者如果直接用第三方组件的数据库平均值算法来计算，也会导致组件资源使用异常。


技术实现要素：

5.为克服上述现有技术存在的问题，本发明的实施例提供了一种系统资源的监控方法、装置及存储介质。
6.为了实现上述目的，一方面，提供了一种系统资源的监控方法，用于监控多台主机的资源使用情况，包括：
7.接收每一台主机定时采集并上报的预定业务参数x的预定业务参数值xn，所述预定业务参数与主机的资源使用情况相关，n为大于0的自然数，n指示上报的为第n个预定业务参数值；
8.针对每一台主机，分别计算所述预定业务参数当前的平均值en，保存计算所得的平均值en，并将所述平均值en上报至所需节点；其中，当n＝1时，所得平均值en＝x1；当n大于1时，获得前一次计算所得的平均值，并根据已接收的、未参与前一次平均值计算的预定业务参数值的个数来选择利用均值递推公式(a)或(b)计算所述预定业务参数当前的平均值en；
9.[0010][0011]
其中，e
n-1
为前n-1个预定业务参数值的平均值；ek为前k个预定业务参数值的平均值，为未参与前一次平均值计算的第k+1到第n个预定业务参数值的和。
[0012]
其中，所述监控方法，在计算所述预定业务参数当前的平均值en之前还包括：
[0013]
判断所述已接收的、未参与前一次平均值计算的预定业务参数值的个数是否不大于2；如是，则使用递推公式(a)来计算所述当前的平均值en；否则，使用递推公式(b)来计算所述当前的平均值en。
[0014]
其中，所述监控方法，当已接收的、未参与前一次平均值计算的预定业务参数值的个数是2时，使用递推公式(a)2次来计算所述当前的平均值en。
[0015]
其中，所述监控方法，当已接收的、未参与前一次平均值计算的预定业务参数值的个数大于2时，按照预先设定的数量阈值将所述未参与前一次平均值计算的预定业务参数值分成多个小组，所述每个小组中包含的预定业务参数值的个数不大于所述数量阈值；针对每个小组使用所述递推公式(b)计算平均值。
[0016]
其中，所述监控方法，所述数量阈值为20。
[0017]
其中，所述监控方法，所述预定业务参数包括如下参数中的一种或多种：cpu使用率、内存使用率及硬盘使用率。
[0018]
其中，所述监控方法，针对每个小组使用所述递推公式(b)计算平均值包括：将根据前一个小组计算得出的平均值和本小组包含的数据代入所述递推公式(b)来计算包含本小组数据的整体平均值。
[0019]
另一方面，提供了一种数据处理的方法，用于接收并处理来自多台客户端主机的数据，包括：
[0020]
接收每一台主机定时采集并上报的预定业务参数x的预定业务参数值xn，n为大于0的自然数，n指示上报的为第n个预定业务参数值；
[0021]
针对每一台主机，分别计算所述预定业务参数当前的平均值en，保存计算所得的平均值en，并将所述平均值en上报至下一节点；其中，当n＝1时，所得平均值en＝x1；当n大于1时，获得前一次计算所得的平均值，并根据已接收的、未参与前一次平均值计算的预定业务参数值的个数来选择利用均值递推公式(a)或(b)计算所述预定业务参数当前的平均值en；
[0022][0023][0024]
其中，e
n-1
为前n-1个预定业务参数值的平均值；ek为前k个预定业务参数值的平均值，为未参与前一次平均值计算的第k+1到第n个预定业务参数值的和。
[0025]
又一方面，提供了一种系统资源的监控装置，用于监控多台主机的资源使用情况，
包括存储器和处理器，所述存储器存储有至少一段程序，所述至少一段程序由所述处理器执行以实现如所述的系统资源的监控方法。
[0026]
又一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一段程序，所述至少一段程序由处理器执行以实现如所述的方法。
[0027]
上述技术方案具有如下技术效果：
[0028]
本发明实施例的技术方案在实现系统监控或数据处理时，在需要计算海量数据的平均值的情况下，利用迭代递推的方式来求平均值，避免了重复地将大量的历史数据读入内存，而是直接利用了上一次所求的平均值，只需将尚未来得及计算的若干数据及上一次的平均值读入内存来计算即可，从而可以将内存的使用量控制在预定的范围，如常数范围，从而避免了内存的耗尽；此外，通过减少对历史数据的依赖，降低了cpu资源的使用；由于求平均值时不需要将当前及之前接收的所有数据相加，从而可以降低数据越界的风险；另外，本发明实施例的技术方案由于充分使用了上一次的计算结果，与现有技术的平均值计算方案相比提高了计算性能。利用本发明实施例的技术方案来进行系统监控或数据处理，可以避免系统服务器由于系统过载，导致计算资源被用尽而出现故障或死机的情况，提高了系统安全性。
附图说明
[0029]
图1为本发明实施例的系统资源的监控方法的流程示意图；
[0030]
图2和图3为使用本发明实施例的系统资源监控方法进行安全监控的业务场景示例；
[0031]
图4为没有拥堵的情况下，利用现有技术的平均值计算方法和利用本发明实施例中的迭代计算平均值的方法进行数据处理的实例示意图；
[0032]
图5为有拥堵的情况下，利用现有技术的平均值计算方法和利用本发明实施例中的迭代计算平均值的方法进行数据处理的实例示意图；
[0033]
图6为本发明实施例中计算业务参数值的平均值的算法流程示意图；
[0034]
图7为本发明实施例的系统资源的监控装置的结构示意图。
具体实施方式
[0035]
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制，而类似的组件符号通常用来表示类似的组件。
[0036]
现结合附图和具体实施方式对本发明进一步说明。
[0037]
实施例一：
[0038]
图1为本发明一实施例的系统资源的监控方法的流程示意图。本发明一实施例的系统资源的监控方法用于监控多台主机的资源使用情况，该方法包括：
[0039]
步骤s1，接收每一台主机定时采集并上报的预定业务参数x的预定业务参数值xn，所述预定业务参数与主机的资源使用情况相关，n为大于0的自然数，n指示上报的为第n个预定业务参数值；
[0040]
步骤s2，针对每一台主机，分别计算所述预定业务参数当前的平均值en，保存计算所得的平均值en，并将所述平均值en上报至下一节点；其中，当n＝1时，所得平均值en＝x1；当n大于1时，获得前一次计算所得的平均值，并根据已接收的、未参与前一次平均值计算的预定业务参数值的个数来选择利用均值递推公式(a)或(b)计算所述预定业务参数当前的平均值en；
[0041][0042][0043]
其中，e
n-1
为前n-1个预定业务参数值的平均值；ek为前k个预定业务参数值的平均值，为未参与前一次平均值计算的第k+1到第n个预定业务参数值的和。
[0044]
其中上述公式(a)是由如下计算平均值的迭代递推公式(1)获得的，公式(b)是由如下计算平均值的迭代递推公式(2)获得的。其中：
[0045][0046][0047]
进一步地，在计算预定业务参数当前的平均值en之前还包括：判断所述已接收的、未参与前一次平均值计算的预定业务参数值的个数是否不大于2；如是，则使用递推公式(a)来计算所述当前的平均值en；否则，使用递推公式(b)来计算所述当前的平均值en。其中，当已接收的、未参与前一次平均值计算的预定业务参数值的个数是2时，使用递推公式(a)2次来计算所述当前的平均值en。当已接收的、未参与前一次平均值计算的预定业务参数值的个数大于2时，按照预先设定的数量阈值将所述未参与前一次平均值计算的预定业务参数值分成多个小组，所述每个小组中包含的预定业务参数值的个数不大于所述数量阈值；针对每个小组使用所述递推公式(b)计算平均值。优选地，数量阈值为20。
[0048]
图2和图3为使用本发明实施例的系统资源监控方法进行安全监控的业务场景示例。
[0049]
在实际的业务场景示例中，云服务提供方有向云服务使用方提供云服务使用方在租用或使用的系统资源的性能参数，例如，cpu使用率、内存使用率和/或硬盘使用率的平均值。云服务提供方的系统服务器利用在云服务使用方租用或使用的主机中安装的agent采集并上报的主机当前的cpu使用率、内存使用率和/或硬盘使用率，然后分别计算各相应主机的cpu使用率平均值、内存使用率平均值和/或硬盘使用率的平均值，然后将这个平均值推送给用户，如推送到各业务系统。如图2，示例性地，系统服务器通过消息组件接收各agent上报的业务参数值。示例性地，业务系统接收到平均值后通过图形用户界面向用户显示。
[0050]
如图2、图3所示，在该业务场景中，pc机或服务器的主机上安装有agent，该agent
每间隔一段时间不断地采集主机上操作系统实时的cpu使用率、内存使用率、硬盘使用率，并向系统服务器上报。示例性地，agent定时将采集的上述业务参数数据上报给系统服务器的消息组件。系统服务器接收agent上报的业务参数数据后，解析agent上报的数据，并实时计算当前agent所在环境的cpu使用率平均值、内存使用率平均值、硬盘使用率平均值。将这些平均值保存在数据库中，或者推送给其他业务系统。
[0051]
如图3，在具体的应用场景中，要监控的主机数量非常多，agent数量很多，而agent上报的频率比较快，有可能每隔1分钟或几分钟就上报。这样就导致了海量数据的数据被上报到系统服务器。利用现有技术的平均值计算方法，正常负载情况下，服务器上的处理能计算出平均值结果。但是，在高负载的情况下，服务器可能出现处理不及时，代码执行需要的cpu资源、内存资源会飙升，最终导致推送数据不及时，甚至无法获取计算资源，而导致无法继续推送数据。在异常情况下，如果系统服务器端停止运行一段时间，会积累很多历史数据未处理，此时就需要快速计算当前情况下的整体平均值。利用现有技术的平均值定义的方法来计算平均值通常无法实现快速计算平均值。而利用本发明实施例的监控方法，在计算资源平均值的时候使用基于迭代法的平均值计算方法，具体如公式(1)和公式(2)所示，可以使用上一次即先前计算的平均值，而不需要每次都将所有已接收的相应数据值都求和计算平均值；降低了系统服务器的负载，节省了相关系统资源，且提高了系统性能。
[0052]
图4、图5为利用现有技术的平均值计算方法和利用本发明实施例中的迭代计算平均值的方法的资源数据处理实例示意图。
[0053]
图4示出的是上报数据不拥堵的情况，即每次数据上报后都能即时计算平均值，没有由于未处理积攒下来的历史数据。如图4，avg表示现有算法的计算的平均值，avg表示利用本发明实施例中的迭代平均值计算方法公式(a)或(1)的计算的平均值。其中，关于avg的算式，算式右边avg的是上一次计算得到的平均值。an表示依次上报的数据,如a1、a2、a3、a4、a5和a6等。当只有数据a1时，avg＝a1,avg＝a1。当接收数据a2后，avg＝(a1+a2)/2，avg＝(a2-avg)/2+avg；即利用第一次计算得出的平均值来迭代计算两个数据的平均值；当接收数据a3后，avg＝(a1+a2+a3)/2，avg＝(a3-avg)/3+avg，该式右边的avg为上一次即第二次计算得出的平均值；当接收数据a4后，avg＝(a1+a2+a3+a4)/2，avg＝(a4-avg)/4+avg，该式右边的avg为上一次即第三次计算得出的平均值。其他依次类推，如图4所示。
[0054]
图4是没有数据拥堵的情况。实际的应用场景中，因为要处理的数据量巨大，系统服务器通常不可能即时计算各agent上报的cpu使用率、内存使用率、硬盘使用率的cpu使用率平均值、内存使用率平均值、硬盘使用率平均值，所以很多时候是存在数据拥堵的，即在agent上报数据后，系统服务器无法即时处理，而是先将这个数据暂时存储起来，留待后续处理。对于各agent来说，根据已接收的、未参与前一次平均值计算的预定业务参数值的个数，可以选择公式迭代平均值公式(1)或(2)来计算。如果这个个数是1，即对应了前面未拥堵的情况。如果个数为2可以使用公式(1)来计算，此时需要两次使用公式(1)。如果个数大于2，则可以使用公式(2)即公式(b)来计算。
[0055]
本技术的发明人通过对现有技术的算法、公式(1)和公式(2)所需的运算次数、空间使用、越界风险、算法时间进行了分析，以本发明实施例使用的平均值算法的优势和确定均值递推公式(1)和公式(2)的适用场景。具体地，参见下表1和表2。
[0056][0057]
表1
[0058]
表2是对算法时间的预估：1次乘除法计算时间＝10次加减法计算时间，
[0059]
表中的数字表示的是在这种情况下需要加减法的次数。次数越多则相应的所用的计算时间也越多。
[0060] 均值公式均值递推公式1均值递推公式2单次输入数据量111232单次输入数据量2112433单次输入数据量3123634单次输入数据量4134835单次输入数据量5145036
[0061]
表2
[0062]
由上述表格容易得出，现有技术的由均值定义来的均值公式需要的加减法次数少，但是其存在前文所提的性能问题。而在数据量为1和2的情况，用递推公式1加减法次数较少，适合用递推公式1。当数据量大于2的情况则适合用均值递推公式2。但是，通过运算实验可知，对于均值递推公式2，每组或每批的数据量大小也有限制，数据量越大，加法运算异常的风险也越大。优选地，20个数内的加减法，视为是正常的。即优选地，利用均值递推公式(2)计算平均值时，每次计算的数据个数即数据长度不超过20，如果超过了20，可以将数据分组成每组20个数据或小于20个数据。
[0063]
图5是出现数据拥堵情况下的资源数据处理实例。在该例中，给出了要计算平均值的业务参数数据超过20个的情况。对比了利用现有技术的方法和本发明实施例的均值递推公式(2)的方法的平均值计算过程。本发明的实施例中，将待处理的数据按20个一组划分，先利用递推公式(2)计算前20个数据的平均值，然后再利用这个平均值继续利用递推公式(2)去计算加上后一组20个数据后的整体平均值，依次类推，用上一次的平均值去计算加上再下一组20个数据后的整体平均值。
[0064]
如图5，在这种有拥堵数据的情况下，利用现有技术的方法计算平均值时，每一次计算avg都需要将已有的数据求和再除以数据长度即数据个数，利用本发明实施例的方法利用上一次得到的平均值只需要计算一次。以第一组为例，即n＝21，要计算21个数据的平
均值，拥堵数据有a2、a3到a21，现有技术的方法求avg先算一次(a1+a2)/2，再算(a1+a2+a3)/3，再算(a1+a2+a3+a4)/4,
……
(a1+a2+a3+a4+
……
a21)/21，要计算20次，而本发明实施例的方法只要算一次，avg＝(1/21)a1+(a2+
……
+a21)/21。随着数据量增多，现有技术的方法求avg，每次都要将所有的数据求和在算平均，对于n个数据一共要算n次所有数据求和。而本发明实施例的方法要计算的次数要少的多，而且不需要重复计算前面已经算过的数据,只需多次利用avg＝(k/n)avg+(a[k+1]+
……
+a[n])/n来计算。算式右边的avg为前面已经计算的k个数据的平均值，a[k+1]为第k+1个数据，a[n]为第n个数据。具体地，参见图5所示。
[0065]
由上面的分析可知，利用现有技术的方法计算平均值，每次求和的数据必须全部加载到内存中才能计算，耗费加载资源，且数据太多时，有可能出现加载全部数据所需的内存不足，这就导致无法进行计算了。而利用本发明实施例的平均值递推公式，不必一次性把所有数据加载到内存；且如果有上次计算得到的平均值可以直接计算出结果。内存只需要存储上次平均值结果和本次数据即可。如果没有上次的平均值结果，而有大量的数据，也可以分批计算平均值的结果。内存只需要存储每次分配数据和最后一次平均值即可。如果有上次的平均值结果，而且还拥堵了很多历史数据，则也可以采用上述分批计算的方法。
[0066]
对于cpu的使用来说。利用现有技术的方法每次需要计算全部数据总和，每次都要浪费重复的计算；随着数据不断上报，每次需要计算数量会比上次更多1个数据，每次需要cpu的资源都会比上次更多。而利用本发明实施例的平均值递推公式，每次计算量是固定的，可复用上次的平均值结果。所以利用本发明实施例的平均值递推公式，节省了cpu的使用。
[0067]
图6为本发明一实施例中计算业务参数值的平均值的算法流程示意图。该例中，算法变量定义如表3所示：
[0068]
变量名默认值说明n0迭代次数,每计算一次数据就自增1prev0存储上一次计算平均值batch_size20阈值，超过该值时，进行分批使用均值公式计算
[0069]
表3
[0070]
算法输入：输入数据
[0071]
算法输出：当前系统加入新数据后的平均值
[0072]
算法说明：输入n个数，计算当前系统整体平均值。
[0073]
步骤1，初始化prev＝0,n＝0；
[0074]
步骤2，判断输入数据量大小，即数据长度；
[0075]
当输入数据量＝0，则返回上一次平均值prev，默认为0，跳转步骤4；
[0076]
当输入数据量＝1，则采用均值递推公式1，计算平均值，跳转步骤3；
[0077]
当输入数据量＝2，则分成2次，采用均值递推公式1计算平均值，跳转步骤3；
[0078]
当输入数据量》2，先判断是否需要分组，即判断输入的数据量是否大于数据量阈值batch_size？如否，则不需要分组，直接采用均值递推公式(2)计算平均值；如果是，则需要分组，且先分组，再对每个分组采用均值递推公式(2)计算平均值，然后跳转步骤3；对每个分组采用均值递推公式(2)计算平均值时，后计算的一个分组利用前一个分组计算所得
的平均值和自己分组的数据来计算整体的平均值；
[0079]
步骤3，更新prev＝计算结果，n自增；
[0080]
步骤4，结束。
[0081]
实施例三：
[0082]
本发明的实施例还提供了一种数据处理的方法，用于接收并处理来自多台客户端主机的数据，包括：接收每一台主机定时采集并上报的预定业务参数x的预定业务参数值xn，n为大于0的自然数，n指示上报的为第n个预定业务参数值；针对每一台主机，分别计算所述预定业务参数当前的平均值en，保存计算所得的平均值en，并将所述平均值en上报至下一节点；其中，当n＝1时，所得平均值en＝x1；当n大于1时，获得前一次计算所得的平均值，并根据已接收的、未参与前一次平均值计算的预定业务参数值的个数来选择利用均值递推公式(a)或(b)计算所述预定业务参数当前的平均值en；
[0083][0084][0085]
其中，e
n-1
为前n-1个预定业务参数值的平均值；ek为前k个预定业务参数值的平均值，为未参与前一次平均值计算的第k+1到第n个预定业务参数值的和。
[0086]
进一步地，在计算预定业务参数当前的平均值en之前还包括：判断所述已接收的、未参与前一次平均值计算的预定业务参数值的个数是否不大于2；如是，则使用递推公式(a)来计算所述当前的平均值en；否则，使用递推公式(b)来计算所述当前的平均值en。具体地，当已接收的、未参与前一次平均值计算的预定业务参数值的个数是2时，使用递推公式(a)2次来计算所述当前的平均值en。优选地，当已接收的、未参与前一次平均值计算的预定业务参数值的个数大于2时，按照预先设定的数量阈值将所述未参与前一次平均值计算的预定业务参数值分成多个小组，所述每个小组中包含的预定业务参数值的个数不大于所述数量阈值；针对每个小组使用所述递推公式(b)计算平均值。优选地，数量阈值为20。其中，针对每个小组使用所述递推公式(b)计算平均值包括：将根据前一个小组计算得出的平均值和本小组包含的数据代入所述递推公式(b)来计算包含本小组数据的整体平均值。
[0087]
本发明实施例的数据处理方法，利用了均值递推公式来计算相应业务参数的平均值，重复使用了上一次的平均值，避免了现有技术的均值计算方法的重复求和计算。不必一次性把所有数据加载到内存；且如果有上次计算得到的平均值可以直接计算出结果。内存只需要存储上次平均值结果和本次数据即可。如果没有上次的平均值结果，而有大量的数据，也可以分批计算平均值的结果。内存只需要存储每次分配数据和最后一次平均值即可。如果有上次的平均值结果，而且还拥堵了很多历史数据，则也可以采用上述分批计算的方法。且本发明实施例的数据处理方法，每次计算量是固定的，可复用上次的平均值结果。所以利用本发明实施例的平均值递推公式，节省了cpu的使用。在需要动态计算不断增加的海量数据的均值时，利用本发明实施例的数据处理方法，可以避免系统服务器由于系统过载，导致计算资源被用尽而出现故障或死机的情况，提高了系统安全性。
[0088]
实施例四：
[0089]
本发明还提供一种系统资源的监控装置，用于监控多台主机的资源使用情况，如图7所示，该装置包括处理器701、存储器702、总线703、以及存储在所述存储器702中并可在所述处理器701上运行的计算机程序，处理器701包括一个或一个以上处理核心，存储器702通过总线703与处理器701相连，存储器602用于存储程序指令，所述处理器执行所述计算机程序时实现本发明的上述系统资源的监控方法实施例中的步骤。
[0090]
进一步地，作为一个可执行方案，所述系统资源的监控装置可以是计算机单元，该计算机单元可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机单元可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述计算机单元的组成结构仅仅是计算机单元的示例，并不构成对计算机单元的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件。例如所述计算机单元还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
[0091]
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述计算机单元的控制中心，利用各种接口和线路连接整个计算机单元的各个部分。
[0092]
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机单元的各种功能。所述存储器可主要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手机的使用所创建的数据等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0093]
实施例五：
[0094]
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
[0095]
所述计算机单元集成的模块/单元如果以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。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onny memory)、随机存取存储器(ram，random access memory)以及软件分发介质等。需要说明的是，所述计算机可读介
质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
[0096]
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。