验证请求的处理系统的制作方法

本发明涉及登录验证技术领域，尤其涉及验证请求的处理系统。

背景技术：

考虑到当多个用户在登录门户网站时，各大门户网站为了防止黑客登录他人账户并防范恶意的撞库行为等，可对用户当前发出的登录请求进行预先验证，以判断该登录请求为用户的正常登录行为还是为非法登录行为。当识别为正常登录行为时，才予以成功登录上门户网站的权限。

但是，由于各大门户网站可能存在海量的用户，而且，每日需要验证的登录请求的请求数量也为海量，这要求后台处理登录请求的服务器或者服务器集群具有较强的数据处理能力。

但是，常规的服务器集群并不具备处理海量登录请求的处理能力，所以，可认为存在数据处理能力较弱的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现要素：

本发明的主要目的在于提供一种验证请求的处理系统，旨在解决数据处理能力较弱的技术问题。

为实现上述目的，本发明提供一种验证请求的处理系统，所述验证请求的处理系统包括：客户端、代理服务器和redis节点；

所述客户端，用于获取第一登录验证请求，并将所述第一登录验证请求发送至所述kafka节点；

所述kafka节点，用于在接收到所述第一登录验证请求时，由broker组件将所述第一登录验证请求存储至第一预设存储区域；

所述kafka节点，还用于在接收到所述决策服务器中的consumer组件发送的第一拉取指令时，从所述第一预设存储区域中拉取所述第一登录验证请求，并将所述第一登录验证请求发送至所述决策服务器，所述broker组件与所述consumer组件属于kafka消息组件；

所述决策服务器，用于在sparkstreaming框架下通过预设验证方式对所述第一登录验证请求进行合法性验证，以获得与所述第一登录验证请求对应的验证结果。

优选地，所述验证请求的处理系统还包括：spark服务器；

所述kafka节点，还用于在接收到所述spark服务器中的consumer组件发送的第二拉取指令时，从所述第一预设存储区域中拉取所述第一登录验证请求，并将所述第一登录验证请求发送至所述spark服务器；

所述spark服务器，用于在sparkstreaming框架下对所述第一登录验证请求进行批处理拆分，以获得预设批间隔下的数据段，并将所述数据段发送至所述决策服务器；

所述决策服务器，还用于通过预设验证方式对所述数据段进行合法性验证，以获得与所述第一登录验证请求对应的验证结果。

优选地，所述决策服务器，还用于从所述数据段中提取目标行为特征，基于预设卷积神经网络对所述目标行为特征进行合法性验证，以获得与所述第一登录验证请求对应的验证结果。

优选地，所述验证请求的处理系统还包括：hdfs服务器；

所述kafka节点，还用于在接收到所述hdfs服务器中的consumer组件发送的第三拉取指令时，从所述第一预设存储区域中拉取所述第一登录验证请求，并将所述第一登录验证请求发送至所述hdfs服务器；

所述hdfs服务器，用于将所述第一登录验证请求进行块切分，以获得数据块，并在第二预设存储区域中保存所述数据块；

所述hdfs服务器，还用于在接收到所述决策服务器发送的数据块处理请求时，读取所述数据块，并将所述数据块发送至所述决策服务器；

所述决策服务器，还用于通过预设验证方式对所述数据块进行合法性验证，以获得与所述第一登录验证请求对应的验证结果。

优选地，所述决策服务器，还用于监测运行负载信息，在所述运行负载信息不处于预设稳定运行负载范围内时，生成处理调度指令，并向所述spark服务器发送所述处理调度指令；

所述spark服务器，还用于根据所述处理调度指令调整请求处理上限量；

所述spark服务器，还用于统计转发至所述决策服务器的登录验证请求的当前请求量，在所述当前请求量大于等于所述请求处理上限量时，暂停向所述决策服务器发送所述第一登录验证请求。

优选地，所述决策服务器，还用于在获得验证结果时，生成处理结束信息，并向所述hdfs服务器发送所述处理结束信息；

所述hdfs服务器，还用于在接收到所述处理结束信息时，在所述第二预设存储区域中查找与所述第一登录验证请求对应的数据块；

所述hdfs服务器，还用于在查找到所述数据块时，删除所述数据块。

优选地，所述kafka节点，还用于在接收到所述第一登录验证请求时，读取与所述spark服务器对应的第一优先级以及与所述hdfs服务器对应的第二优先级；

所述kafka节点，还用于在所述第一优先级大于等于所述第二优先级时，将所述第一登录验证请求发送至所述spark服务器；

所述kafka节点，还用于在所述第一优先级小于所述第二优先级时，将所述第一登录验证请求发送至所述hdfs服务器。

优选地，所述验证请求的处理系统还包括：flume服务器；

所述客户端，还用于获取第二登录验证请求，并将所述第二登录验证请求发送至所述flume服务器；

所述flume服务器，用于由flume组件将所述第二登录验证请求存储至预设转存存储区域；

所述flume服务器，还用于从所述预设转存存储区域中提取所述第二登录验证请求，并将所述第二登录验证请求发送至所述kafka节点，以使所述kafka节点将所述第二登录验证请求存储至所述第一预设存储区域。

优选地，所述验证请求的处理系统还包括：结果存储服务器；

所述决策服务器，还用于在获得所述验证结果时，将所述验证结果发送至所述结果存储服务器；

所述结果存储服务器，用于基于mongodb框架对所述验证结果进行存储。

优选地，所述结果存储服务器，还用于在预设评估周期内统计处于存储状态且验证结果为验证失败的结果数量，将所述结果数量发送至所述决策服务器；

所述决策服务器，还用于在所述结果数量大于等于预设数量阈值时，在预设规则引擎中读取临时验证方式，并将所述预设验证方式替换为所述临时验证方式，以通过所述临时验证方式进行合法性验证。

本发明中为了实现对于登录验证请求的验证操作，在获取到第一登录验证请求后，将先交付于kafka节点进行转存；当kafka节点接收到第一拉取指令时。将处于存储状态的第一登录验证请求转发至决策服务器，由决策服务器在sparkstreaming框架下对该第一登录验证请求进行合法性验证。明显地，本发明中通过结合kafka部署结构与sparkstreaming部署结构，不仅实现对于第一登录验证请求的及时存储，也异步化地实现了针对第一登录验证请求的合法性验证操作，同时，考虑到sparkstreaming框架增强了整体部署结构的实时吞吐量，使得整个部署结构具备处理日活数量上亿的登录请求的处理能力，并以毫秒级标准进行请求响应，也就解决了数据处理能力较弱的技术问题。

附图说明

图1为本发明验证请求的处理系统第一实施例的结构框图；

图2为本发明验证请求的处理系统第二实施例的结构框图；

图3为本发明验证请求的处理系统第三实施例的结构框图；

图4为本发明验证请求的处理系统第四实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明验证请求的处理系统第一实施例的结构框图。所述验证请求的处理系统包括：客户端100、kafka节点200和决策服务器300。

可以理解的是，为了如何处理日活数量上亿的登录请求，可重新搭建服务器集群，以建立出数据处理能力较强的服务器集群，从而具备处理日活数量上亿的登录请求的处理能力，并以毫秒级标准进行请求响应。

所述客户端100，用于获取第一登录验证请求，并将所述第一登录验证请求发送至所述kafka节点200。

在具体实现中，比如，若用户a欲登录某视频网站b，可在视频网站b的登录界面上输入账户名以及密码，当然，也可同时输入验证码。用户a在完成登录界面上的输入操作后，通过点击登录界面上的登录选项，即可生成第一登录验证请求，从而交付于后台完成对于第一登录验证请求的验证。

应当理解的是，kafka节点200作为一种分布式发布订阅消息系统可以实现对于实时数据的及时收集以及异步化多端消费，决策服务器300用于实施针对第一登录验证请求的实际验证操作。其中，kafka是由apache软件基金会开发的一个开源流处理平台。

所述kafka节点200，用于在接收到所述第一登录验证请求时，由broker组件将所述第一登录验证请求存储至第一预设存储区域。

可以理解的是，kafka系统主要由三种组件构成，分别为producer组件、broker组件以及consumer组件。producer组件用于产生数据，并将数据传递至broker组件；broker组件用于将传递到的数据进行本地存储；consumer组件用于在需要处理数据时，可主动到broker组件侧拉取数据。通过producer组件与consumer组件的分别设置，从而使得本部署方式更具自由度，不仅实现对于数据的及时存储，也通过异步化操作实现了实时数据的多端消费。毕竟，在部署决策服务器300时，可通过部署多台决策服务器300。

在具体实现中，本实例中可在客户端100侧部署producer组件，在kafka节点200侧部署broker组件以及在决策服务器300侧部署consumer组件。

所述kafka节点200，还用于在接收到所述决策服务器300中的consumer组件发送的第一拉取指令时，从所述第一预设存储区域中拉取所述第一登录验证请求，并将所述第一登录验证请求发送至所述决策服务器300，所述broker组件与所述consumer组件属于kafka消息组件。

在具体实现中，故而，当决策服务器300侧欲消费验证请求时，可输入第一拉取指令“pull”，以从kafka节点200的本地存储区域即第一预设存储区域中拉取出第一登录验证请求，从而实现在决策服务器300侧处理掉该第一登录验证请求。

所述决策服务器300，用于在sparkstreaming框架下通过预设验证方式对所述第一登录验证请求进行合法性验证，以获得与所述第一登录验证请求对应的验证结果。

可以理解的是，sparkstreaming框架是建立在spark上的一种实时计算框架，而spark是一种针对大规模数据处理的通用计算引擎。

在具体实现中，当决策服务器300欲处理掉该第一登录验证请求时，可基于sparkstreaming框架来实施合法性验证操作。由于sparkstreaming框架可将第一登录验证请求分化为流数据进行处理，可大大提高该服务器集群的实时吞吐量。在以sparkstreaming框架作为实施前提的基础上，将以预设验证方式来处理该第一登录验证请求。其中，预设验证方式可为验证码验证方式，比如，由于第一登录验证请求中包括用户输入的验证码，可对该验证码进行验证，判断其是否为真实系统实时提供的验证码，以给出验证失败或者验证成功的验证结果；预设验证方式可为登录次数验证方式，比如，由于第一登录验证请求中包括用户输入的账户名，可统计该账户名在2分钟内的登录次数，若该登录次数大于等于4次，则可认定为恶意登录行为，将验证结果认定为验证失败。

本实施例中为了实现对于登录验证请求的验证操作，在获取到第一登录验证请求后，将先交付于kafka节点200进行转存；当kafka节点200接收到第一拉取指令时。将处于存储状态的第一登录验证请求转发至决策服务器300，由决策服务器300在sparkstreaming框架下对该第一登录验证请求进行合法性验证。明显地，本实施例中通过结合kafka部署结构与sparkstreaming部署结构，不仅实现对于第一登录验证请求的及时存储，也异步化地实现了针对第一登录验证请求的合法性验证操作，同时，考虑到sparkstreaming框架增强了整体部署结构的实时吞吐量，使得整个部署结构具备处理日活数量上亿的登录请求的处理能力，并以毫秒级标准进行请求响应，也就解决了数据处理能力较弱的技术问题。

参照图2，图2为本发明基于验证请求的处理系统第二实施例的结构框图，基于上述图1所示的第一实施例，提出本发明验证请求的处理系统的第二实施例。

第二实施例中，所述验证请求的处理系统还包括：spark服务器400；

所述kafka节点201，还用于在接收到所述spark服务器400中的consumer组件发送的第二拉取指令时，从所述第一预设存储区域中拉取所述第一登录验证请求，并将所述第一登录验证请求发送至所述spark服务器400。

可以理解的是，本发明基于验证请求的处理系统第一实施例中将把consumer组件部署于决策服务器301侧，kafka节点201将与决策服务器301直连，决策服务器301不仅将运行sparkstreaming框架，还将完整地实现合法性验证操作。而在第二实施例中，可不将kafka节点201与决策服务器301进行直连，而在其间插入spark服务器400，可见图2。故而，将把consumer组件部署于spark服务器400侧。

所述spark服务器400，用于在sparkstreaming框架下对所述第一登录验证请求进行批处理拆分，以获得预设批间隔下的数据段，并将所述数据段发送至所述决策服务器301。

应当理解的是，spark服务器400在获得第一登录验证请求后，将基于sparkstreaming框架对第一登录验证请求进行预处理。具体而言，sparkstreaming框架将基于流式计算的方式来将第一登录验证请求分解成一系列较小的批处理数据段。其中，分解操作可依据预设批间隔(batchsize)，比如，分解出的数据段的处理时间可限于0.75秒。

所述决策服务器301，还用于通过预设验证方式对所述数据段进行合法性验证，以获得与所述第一登录验证请求对应的验证结果。

可以理解的是，在将第一登录验证请求拆分成一系列短小的批处理作业后，再将批处理数据段交付于决策服务器301去实施具体的验证操作，从而可以提高决策服务器301的数据处理能力。明显地，在本实施例中通过将consumer组件与sparkstreaming框架均交付于额外添加的spark服务器400来实施，可以协调并调度决策服务器301一侧的处理任务量，从而降低实际任务处理端的处理负担。

进一步地，所述决策服务器301，还用于从所述数据段中提取目标行为特征，基于预设卷积神经网络对所述目标行为特征进行合法性验证，以获得与所述第一登录验证请求对应的验证结果。

可以理解的是，预设验证方式除了验证码验证方式与登录次数验证方式外，还可通过预设卷积神经网络来实施合法性验证。

在具体实现中，卷积神经网络作为一种深度前馈人工神经网络，可先从数据段中提取出不同类型且不规则的目标行为特征，包括有表征用户身份的用户标识、页面标识、用户代理(useragent，ua)以及登录使用的设备的设备标识。

应当理解的是，在获得这些目标行为特征后，可将不规则的目标行为特征输入预设卷积神经网络中，而预设卷积神经网络可基于自适应矩估计(adaptivemomentestimation，adam)优化器来对无关联性的目标行为特征进行训练，以判断目标行为特征为正样本或为负样本。其中，正样本是指验证结果认定为验证成功的行为特征数值，负样本是指验证结果认定为验证失败的行为特征数值。比如，当判断目标行为特征为正样本时，则将第一待验证行为对应的验证结果认定为验证成功。

本实施例中通过添加spark服务器400，并由spark服务器400来运行consumer组件的拉取接收操作以及sparkstreaming框架下的批处理分解操作，可以降低决策服务器301侧的处理负担。同时，也提高了整体处理效率。

参照图3，图3为本发明基于验证请求的处理系统第三实施例的结构框图，基于上述图2所示的第二实施例，提出本发明验证请求的处理系统的第三实施例。

第三实施例中，所述验证请求的处理系统还包括：hadoop分布式文件系统(hadoopdistributedfilesystem，hdfs)服务器500。

可以理解的是，本实施例中额外设置hdfs服务器500，以进行登录验证请求的转存。通过在hdfs服务器500中部署hdfs框架，可以实现分布式地数据存储。

所述kafka节点202，还用于在接收到所述hdfs服务器500中的consumer组件发送的第三拉取指令时，从所述第一预设存储区域中拉取所述第一登录验证请求，并将所述第一登录验证请求发送至所述hdfs服务器500。

在具体实现中，hdfs服务器500侧可部署consumer组件，以便于拉取kafka节点202侧暂时不处理的登录验证请求，或者，在处理负担较大时拉取登录验证请求进行存储。

所述hdfs服务器500，用于将所述第一登录验证请求进行块切分，以获得数据块，并在第二预设存储区域中保存所述数据块。

可以理解的是，考虑到hdfs服务器500内的hdfs框架具备高容错性与高吞吐量的特性，可基于流数据模式将登录验证请求进行数据切分，以获得多个且连续的数据块(block)。比如，数据块的数据容量可预先设置为10m。

所述hdfs服务器500，还用于在接收到所述决策服务器302发送的数据块处理请求时，读取所述数据块，并将所述数据块发送至所述决策服务器302。

应当理解的是，通过在hdfs服务器500的本地存储区域即第二预设存储区域中间隔性地保存数据块，从而实现对于登录验证请求的分布式存储管理。而当欲读取并使用该数据时，考虑到一个登录验证请求的数据块存在多个，可连续性地读取数据块，在读完一个数据块的数据后，可关闭指向该数据块的节点连接，再读取下一个数据块的数据，呈现为连续不断的流处理模式。

所述决策服务器302，还用于通过预设验证方式对所述数据块进行合法性验证，以获得与所述第一登录验证请求对应的验证结果。

可以理解的是，在读取到一个登录验证请求的所有数据块后，可依据该数据块来实现针对登录验证请求的验证操作。明显地，正是因为可以以流形式来读取与处理登录验证请求，从而进一步地提高了吞吐量。

进一步地，所述决策服务器302，还用于监测运行负载信息，在所述运行负载信息不处于预设稳定运行负载范围内时，生成处理调度指令，并向所述spark服务器401发送所述处理调度指令；

所述spark服务器401，还用于根据所述处理调度指令调整请求处理上限量；

所述spark服务器401，还用于统计转发至所述决策服务器302的登录验证请求的当前请求量，在所述当前请求量大于等于所述请求处理上限量时，暂停向所述决策服务器302发送所述第一登录验证请求。

可以理解的是，参见图3，可将kafka节点202侧既可将第一登录验证请求转发至spark服务器401进以进行请求验证，也可将第一登录验证请求转发至hdfs服务器500以进行请求存储。但是，鉴于决策服务器302的处理能力有限，当待处理的登录验证请求过多时，可限制向spark服务器401发送第一登录验证请求的数量，以缓解处理负担。

在具体实现中，可监测决策服务器302侧的运行负载信息，运行负载信息用于描述服务器的处理负载现状，而预设稳定运行负载范围用于记录一个表征为稳定运行状态的处理负载现状。比如，运行负载信息可能记录了决策服务器302的物理利用率为80％，而预设稳定运行负载范围可能为从0到70％。明显地，80％不处于预设稳定运行负载范围内，则可调整spark服务器401的请求处理上限量。若请求处理上限量原本可能为每秒500个登录验证请求，该种情形下可降低该请求处理上限量为每秒300个登录验证请求；若此时spark服务器401的当前请求量为每秒400个登录验证请求，虽然，该当前请求量满足原本的每秒500个登录验证请求，但是，不满足评估并调整后的每秒300个登录验证请求，则可暂时停止向决策服务器302发送登录验证请求，以缓解决策服务器302的运行负担。

当然，spark服务器401也可在所述当前请求量大于等于所述请求处理上限量时，生成暂停转发指令，并将所述暂停转发指令发送至所述kafka节点202，以使所述kafka节点202暂停向所述spark服务器401发送所述第一登录验证请求。在暂停向spark服务器401发送登录验证请求后，还可将登录验证请求发送至hdfs服务器500，从而保证了hdfs服务器500可被及时转存，保证了数据的稳定性与安全性。

进一步地，所述决策服务器302，还用于在获得验证结果时，生成处理结束信息，并向所述hdfs服务器500发送所述处理结束信息；

所述hdfs服务器500，还用于在接收到所述处理结束信息时，在所述第二预设存储区域中查找与所述第一登录验证请求对应的数据块；

所述hdfs服务器500，还用于在查找到所述数据块时，删除所述数据块。

可以理解的是，考虑到spark服务器401与hdfs服务器500侧均可接受第一登录验证请求，从而存在第一登录验证请求同时既发送至spark服务器401也发送至hdfs服务器500的运行风险，造成了资源浪费。所以，可在决策服务器302处理完第一登录验证请求后，即时地删除掉hdfs服务器500侧可能仍旧存储的第一登录验证请求，提高存储资源的利用率。

在具体实现中，在决策服务器302侧处理完第一登录验证请求后，可生成记录了请求已处理结束的处理结束信息；当hdfs服务器500接收到该处理结束信息后，可触发请求删除操作，以删除掉本地存储区域可能存储的第一登录验证请求。

进一步地，所述kafka节点202，还用于在接收到所述第一登录验证请求时，读取与所述spark服务器401对应的第一优先级以及与所述hdfs服务器500对应的第二优先级；

所述kafka节点202，还用于在所述第一优先级大于等于所述第二优先级时，将所述第一登录验证请求发送至所述spark服务器401；

所述kafka节点202，还用于在所述第一优先级小于所述第二优先级时，将所述第一登录验证请求发送至所述hdfs服务器500。

可以理解的是，为了防止第一登录验证请求重复发送至spark服务器401与hdfs服务器500，可设置优先级，以规避该重复发送的情形。

在具体实现中，可设置两种优先级的数值1与2，比如，若将第一优先级设置为1，第二优先级设置为2，则可将第一登录验证请求发送至hdfs服务器500；若将第一优先级设置为2，第二优先级设置为1，则可将第一登录验证请求发送至spark服务器401。

本实施例中在增设用于存储请求的hdfs服务器500后，可能出现重复发送第一登录验证请求的意外情形，既可通过设置请求处理上限量来判定是否暂停发送该第一登录验证请求，也可通过设置自动删除操作来删除到重复存储的数据块，也可通过设置优先级来区别接收方。

参照图4，图4为本发明基于验证请求的处理系统第四实施例的结构框图，基于上述图1所示的第一实施例，提出本发明验证请求的处理系统的第四实施例。

第四实施例中，所述验证请求的处理系统还包括：flume服务器600；

所述客户端101，还用于获取第二登录验证请求，并将所述第二登录验证请求发送至所述flume服务器600。

所述flume服务器600，用于由flume组件将所述第二登录验证请求存储至预设转存存储区域。

可以理解的是，flume组件是一种可分布式的日志收集系统，可以收集日志、事件等数据，并将收集到的体量较大的数据进行集中存储。所以，在未处理登录验证请求之前，可先将登录验证请求存储至flume服务器600的本地存储区域即预设转存存储区域。而且，考虑到flume组件的特性，预设转存存储区域将为flume服务器600中就近选择的存储区域，从而保证了实时数据可被及时地就近存储。

所述flume服务器600，还用于从所述预设转存存储区域中提取所述第二登录验证请求，并将所述第二登录验证请求发送至所述kafka节点200，以使所述kafka节点200将所述第二登录验证请求存储至所述第一预设存储区域。

应当理解的是，当欲交由kafka节点200处理该登录验证请求以进行后续的请求验证操作时，可将该登录验证请求转存至kafka节点200侧。

进一步地，所述验证请求的处理系统还包括：结果存储服务器700；

所述决策服务器303，还用于在获得所述验证结果时，将所述验证结果发送至所述结果存储服务器700。

所述结果存储服务器700，用于基于mongodb框架对所述验证结果进行存储。

可以理解的是，mongodb框架作为一种基于分布式文件存储的数据库，可以基于自动分片机制来实现对于验证结果的存储。

进一步地，所述结果存储服务器700，还用于在预设评估周期内统计处于存储状态且验证结果为验证失败的结果数量，将所述结果数量发送至所述决策服务器303。

可以理解的是，考虑到在通过结果存储服务器700存储验证结果后，可通过验证结果来调度决策服务器303中的验证方式，以提高验证结果的准确率以及用户信息的安全性。其中，验证结果包括验证成功与验证失败。

所述决策服务器303，还用于在所述结果数量大于等于预设数量阈值时，在预设规则引擎中读取临时验证方式，并将所述预设验证方式替换为所述临时验证方式，以通过所述临时验证方式进行合法性验证。

在具体实现中，若预设评估周期为10秒，若在10秒内登录某个门户网站的验证失败的结果数量为1000次，而预设数量阈值为800次，则可认定为该门户网站当前处于异常状态，可能是处于持续不断地恶意攻击中。为了防范该种恶意攻击，可通过预设规则引擎暂时性地将当前使用的验证方式切换为其他的临时验证方式，以提高抗攻击能力。当然，该临时验证方式可为难度更高的验证方式，比如，预设验证方式可为验证码验证方式，临时验证方式可为通过预设卷积神经网络验证方式等。

可以理解的是，规则引擎作为一种嵌入应用程序中的软件组件，用于将应用程序中的业务规则剥离出来，在实际运行时，预设规则引擎内将包括触发条件部分与业务规则部分，通过触发触发条件以激活联动的业务规则。比如，可能存在触发条件a为“结果数量大于等于预设数量阈值”，而与触发条件a联动的验证规则为临时验证方式，则将以激活临时验证方式并替换掉该预设验证方式。

本实施例中通过部署结果存储服务器700可以存储实时的验证结果，并可基于该验证结果来评估门户网站当前的运行状态。比如，当验证失败的结果数量过多时，可暂时性地提高验证方式的难度，以提高门户网站的安全性。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为名称。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。