数据的分析方法及装置与流程

本发明涉及数据处理技术领域，尤其是涉及一种数据的分析方法及装置。

背景技术：

现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是当今高科技时代的产物。随着云时代的来临，大数据也吸引了越来越多的关注。对于企业来说，数据已经成为企业的财富，也是一种重要的战略资源。但在一个企业中，不同类型的数据通常是分布在若干个独立的信息系统中。

以运营商为例，用户的计费和账单信息由信息化或市场部门的经营分析系统生成和维护，而用户在网络中所产生的信令和上网行为记录则由网络运维部门的网络运维系统存储。由于种种历史和现实原因，这些独立的信息系统之间缺少统一的接口，且数据结构差异巨大，造成企业内部的数据融合困难，也无法充分挖掘数据所包含的经济和社会价值。以网络运维为例，运维指标涉及了网络设备、服务器、网络流量等各种不同的数据来源。通常情况下，在进行信息系统运行状况监控的过程中，需要各种不同的厂商或者服务商通过不同的方法收集、整理并分析kpi数据。

面对越来越大规模的数据，越来越多变的维度、越来越复杂的多维分析，通常情况下，在收集、整理数据时，面对各种信息孤岛，想将所有数据统一规划并分析数据，传统方法是借助bi系统架构，通过一系列的标准化etl流程，将数据清洗后统一放在bi系统内，其中，典型bi架构如图1所示。

典型的bi架构在不同场景应用时缺陷如下：需要搭建bi数据中心，额外投入大量硬件资源；业务数据从oltp数据库写入olap数据库，大量的标准化etl过程，数据转存资源消耗大；数据分析延迟较高，基本无法实现即席分析决策；bi架构专门面向olap场景，对oltp场景适应度较低；架构内对数据抽取、数据转换过程需要对数据全局具备相当程度的了解；虽然算法非常多，但需具备相当数学功底，可展示的方式方法匮乏。

技术实现要素：

有鉴于此，本发明的目的在于提供一种数据的分析方法及装置，以缓解现有的处理方法在对不同的数据来源进行分析时成本较高且处理效率较低的技术问题。

第一方面，本发明实施例提供了一种数据的分析方法，包括：通过预先构建的数据接入接口获取待处理的原始数据，其中，所述原始数据的数据来源至少为一个；基于预先设定的配置信息对所述原始数据进行重新定义配置，定义得到目标数据，其中，所述配置信息包括：数据维度信息和/或数据指标信息；控制所述目标数据按照预定的数据处理流程进行处理，得到数据处理结果；通过调用预先构建的数据展示接口将所述数据处理结果展示在显示界面上。

进一步地，控制所述目标数据按照预定的数据处理流程进行处理，得到数据处理结果包括：获取预先定义的kpi计算流程；控制所述目标数据按照所述kpi计算流程进行计算，得到kpi计算结果。

进一步地，控制所述目标数据按照预定的数据处理流程进行处理，得到数据处理结果还包括：获取预先定义的数据分析流程，其中，所述数据分析流程中包括至少一个数据分析节点，每个数据分析节点用于执行对应的数据分析任务；控制所述目标数据按照所述数据分析流程中的数据分析节点执行数据分析任务，得到数据分析结果。

进一步地，在控制所述目标数据按照所述数据分析流程中的数据分析节点执行数据分析任务，得到数据分析结果之后，所述方法还包括：获取预先设定的专题信息，所述专题信息用于表示所述数据分析结果所处的不同情况；基于所述专题信息对所述数据分析结果进行再次分析，得到专题数据，其中，所述专题数据用于表示所述数据分析结果在所述专题信息情况下的结果信息。

进一步地，所述目标数据包括第一数据集合和第二数据集合，所述原始数据包括原始数据表格，基于预先设定的配置信息对所述原始数据进行重新定义配置包括：获取预先设定的所述数据维度信息，并基于预先设定的所述数据维度信息对所述原始数据表格进行定义配置，得到所述第一数据集合；以及，获取预先设定的所述数据指标信息，并基于预先设定的所述数据指标信息对所述原始数据表格进行定义配置，得到所述第二数据集合。

进一步地，所述原始数据包括以下至少一种类型的数据：关系型数据库，文件格式的数据，来源于kafka的数据，来源于hadoop的数据。

第二方面，本发明实施例还提供一种数据的分析装置，包括：第一获取单元，用于通过预先构建的数据接入接口获取待处理的原始数据，其中，所述原始数据的数据来源至少为一个；定义配置单元，用于基于预先设定的配置信息对所述原始数据进行重新定义配置，定义得到目标数据，其中，所述配置信息包括：数据维度信息和/或数据指标信息；控制单元，用于控制所述目标数据按照预定的数据处理流程进行处理，得到数据处理结果；展示单元，用于通过调用预先构建的数据展示接口将所述数据处理结果展示在显示界面上。

进一步地，所述控制单元用于：获取预先定义的kpi计算流程；控制所述目标数据按照所述kpi计算流程进行计算，得到kpi计算结果。

进一步地，所述控制单元还用于：获取预先定义的数据分析流程，其中，所述数据分析流程中包括至少一个数据分析节点，每个数据分析节点用于执行对应的数据分析任务；控制所述目标数据按照所述数据分析流程中的数据分析节点执行数据分析任务，得到数据分析结果。

进一步地，所述方法还包括：第二获取单元，用于在控制所述目标数据按照所述数据分析流程中的数据分析节点执行数据分析任务，得到数据分析结果之后，获取预先设定的专题信息，所述专题信息用于表示所述数据分析结果所处的不同情况；分析单元，用于基于所述专题信息对所述数据分析结果进行再次分析，得到专题数据，其中，所述专题数据用于表示所述数据分析结果在所述专题信息情况下的结果信息。

在本发明实施例中，首先通过预先构建的数据接入接口获取待处理的原始数据；然后，基于预先设定的配置信息对所述原始数据进行重新定义配置，定义得到目标数据；接下来，控制所述目标数据按照预定的数据处理流程进行处理，得到数据处理结果；最后，通过调用预先构建的数据展示接口将所述数据处理结果展示在显示界面上。在本发明实施例中，在原有数据/硬件基础上，只投入极少的硬件资源，在不搭建专业bi平台(造价高，专业性强)，避免进行数据etl(硬件成本高)、不进行定制开发(时限长，投入大)的情况下，快速实现多维度、多数据源的融合展示，消除信息孤岛，且通过统一的算法、流程控制，能实现多数据源数据融合复杂分析的目的，进而缓解现有的处理方法在对不同的数据来源进行分析时成本较高且处理效率较低的技术问题。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中的一种商业智能系统架构的示意图；

图2是根据本发明实施例的一种数据的分析方法的流程图；

图3是根据本发明实施例的一种数据分析架构的示意图；

图4是根据本发明实施例的一种数据接入接口的处理流程的示意图；

图5是根据本发明实施例的一种数据配置层的数据处理流程的示意图；

图6是根据本发明实施例的一种数据展示接口的展示流程的示意图；

图7是根据本发明实施例的一种数据的分析装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。

实施例一：

根据本发明实施例，提供了一种数据的分析方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图2是根据本发明实施例的一种数据的分析方法的流程图，如图2所示，该方法包括如下步骤：

步骤s202，通过预先构建的数据接入接口获取待处理的原始数据，其中，原始数据的数据来源至少为一个；

步骤s204，基于预先设定的配置信息对原始数据进行重新定义配置，定义得到目标数据，其中，配置信息包括：数据维度信息和/或数据指标信息；

需要说明的是，在本发明实施例中，提出key-value泛化概念，将key泛化为维度概念(即，上述数据维度信息)，value泛化为指标或指标集合概念(即，上述数据指标信息)。各独立原有数据维护人员在统一的key-value需求下对原有数据进行重新定义并配置。其中，通过对key的再定义，可实现任意维度的切换，可以对原有的表切换维度来进行自由分析；通过对value的再定义，可实现添加计算指标的功能来实现对已存在的指标项进行再计算得到新的计算指标，也可以实现数据在新维度下的再聚合；避免数据抽取、转换过程，避免需要对全局数据有全局了解。

步骤s206，控制目标数据按照预定的数据处理流程进行处理，得到数据处理结果；

步骤s208，通过调用预先构建的数据展示接口将数据处理结果展示在显示界面上。

在本发明实施例中，首先通过预先构建的数据接入接口获取待处理的原始数据；然后，基于预先设定的配置信息对原始数据进行重新定义配置，定义得到目标数据；接下来，控制目标数据按照预定的数据处理流程进行处理，得到数据处理结果；最后，通过调用预先构建的数据展示接口将数据处理结果展示在显示界面上。在本发明实施例中，在原有数据/硬件基础上，只投入极少的硬件资源，在不需要搭建专业bi平台(造价高，专业性强)，避免进行数据etl(硬件成本高)、不进行定制开发(时限长，投入大)的情况下，快速实现多维度、多数据源的融合展示，消除信息孤岛，且通过统一的算法、流程控制，能实现多数据源数据融合复杂分析的目的，进而缓解现有的处理方法在对不同的数据来源进行分析时成本较高且处理效率较低的技术问题。

需要说明的是，上述步骤s202至步骤s208所描述的方法为一种数据分析架构的数据分析方法，该数据分析架构安装在服务器上，当数据分析人员对数据进行分析时，可以调用该数据分析架构对相应的数据进行分析。例如，运维人员在对多数据来源的数据进行分析时，可以调用该数据架构对其进行分析；又例如，运营人员在对对数据来源的数据进行分析时，可以调用该数据结构对其进行分析。

如图3所示的即为上述所描述的数据分析架构，从图3中可以看出，该数据分析架构包括数据接入接口，数据配置层和数据展示接口。

数据接入接口能够实现底层各种数据格式的原始数据的接入，原始数据包括以下至少一种类型的数据：关系型数据库，文件格式的数据，来源于kafka的数据，来源于hadoop的数据。

在本发明实施例中，数据接入接口可以实现底层各种数据格式的数据接入。包含但不限于各种关系型数据库、文件格式、来源于kafka的数据、来源于hadoop的数据等。通过通用的数据接入接口，适配各种数据格式的数据接入。接入的数据不进行etl，依然存在原有存储模式中，既避免再次投入大量硬件资源，又实现各种非标准化的原始数据接入，各个数据源在架构内独立管理，原有的数据维护人员无需对其他数据源进行了解。

如图4所示的为一种数据接入接口的功能和流程的示意图。如图4所示，原始数据在数据接入控件的控制下接入至数据接入接口，然后，就可以通过数据格式标准化转换模块对原始数据进行标准化处理，接下来，可以通过数据输出接口将所需数据输出至下一个分析层(即，数据配置层)。从图4中还可以看出，输入至数据配置层中的数据经过key-value配置定义之后，然后，通过标准化sql生成器将配置定义之后的数据转换为结构化查询语言；接下来，就可以通过标准化sql转换个数据源查询方式模块来对转换为结构化查询语言的数据进行查询。

如图3所示，数据配置层与数据接入接口相连接，数据配置层除了提出key-value泛化概念，还提供丰富的数据算法接口，支持原生的机器学习数据挖掘库madlib，可完成在数据不迁移的情况下、oltp的数据组织方式场景下，对数据进行olap的基本多维分析操作，含钻取、切片和切块、以及对数据进行深度数据挖掘等操作。

在一个可选的实施方式中，在目标数据包括第一数据集合和第二数据集合，原始数据包括原始数据表格的情况下，基于预先设定的配置信息对原始数据进行重新定义配置包括如下步骤：

步骤s2041，获取预先设定的数据维度信息，并基于预先设定的数据维度信息对原始数据表格进行定义配置，得到第一数据集合。

如图4所示，数据维度信息可以为独立维度定义或者组合维度定义，其中，独立维度定义可以为时间，组合维度定义时间和地点的组合。进一步地，独立维度定义中时间又可以分为分钟，小时，天，周和月；组合维度定义中又可以拆分为分钟和省会组合，以及天和市的组合。

步骤s2042，获取预先设定的数据指标信息，并基于预先设定的数据指标信息对原始数据表格进行定义配置，得到第二数据集合。

需要说明的是，数据指标信息又可以称为kpi信息，那么在通过数据指标信息对原始信息进行重新定义时，有可以称为kpi定义。在按照数据指标信息对原始数据进行重新配置定义之后，在一个可选的实施方式中，就可以按照预先定义的kpi计算流程对重新定义配置之后的原始数据(即，第二数据集合)进行kpi计算。

如图3所示，在数据配置层中，可以定义kpi算法，以及定义数据分析流程，以按照预先定义的kpi算法和数据分析流程对配置定义之后的数据进行分析，具体过程描述如下。

在一个可选的实施方式中，控制目标数据按照预定的数据处理流程进行处理，得到数据处理结果包括如下步骤：

步骤s11，获取预先定义的kpi计算流程；

步骤s12，控制目标数据按照kpi计算流程进行计算，得到kpi计算结果。

在本发明实施例中，能够在数据配置层中自由定义各种kpi计算流程，其中，如图5所示，kpi计算流程包括kpi列计算算法(例如，a+b，a+b/c)，kpi行计算算法(例如，聚合计算)，其他算法，例如，行列转换，多kpi形成一个kqi，数据挖掘等。

通过上述描述可知，本发明实施例与现有技术相比，简化了数据分析过程中算法的应用，同时开放数据算法接口，利用定义kpi算法可实现复合kpi的灵活定义，同时通过外置算法库接口，使得算法的扩展度得到极大的提升，不再像传统bi架构一样，拘泥于bi所提供的算法，受bi软件的算法约束。

在另一个可选的实施方式中，控制目标数据按照预定的数据处理流程进行处理，得到数据处理结果还包括如下步骤：

步骤s21，获取预先定义的数据分析流程，其中，数据分析流程中包括至少一个数据分析节点，每个数据分析节点用于执行对应的数据分析任务；

步骤s22，控制目标数据按照数据分析流程中的数据分析节点执行数据分析任务，得到数据分析结果。

在本发明实施例中，提供数据分析流程的编辑器，通过该编辑器，可定义数据分析流程，其中，该数据分析流程内包括至少一个数据分析节点。具体地，可以对流程内的数据分析节点进行节点定义，每个数据分析节点上的输入(含多维)均可定义，节点算法通过算法接口定义，可实现不同数据源的数据在同一个分析流程内完成协同分析，完成复杂数据分析功能，用数据得出结论，将重复的分析流程模块化，实现专业经验的程序化。

需要说明的是，目标数据在通过每个数据分析节点进行分析之后，将得到一个分析结论，该分析结论用于指示目标数据的下一个数据分析节点的流向。

在本发明实施例中，在控制目标数据按照数据分析流程中的数据分析节点执行数据分析任务，得到数据分析结果之后，还可以获取预先设定的专题信息，专题信息用于表示数据分析结果所处的不同情况；然后，基于专题信息对数据分析结果进行再次分析，得到专题数据，其中，专题数据用于表示数据分析结果在专题信息情况下的结果信息。

如图5所示，在通过数据分析流程对目标数据进行分析之后，还可以通过专题定义模块中预先定义的专题信息对上述分析结论进行归类分析，并得到在专题信息情况下的分析结果(即专题数据)。

如图6所示，在得到专题数据之后，就可以将专题数据通过数据显示接口输出至显示设备的显示界面上。具体地，如图6所示，首先，可以选择可视化控件，然后，在专题版面布局配置模块配置专题版面；接下来，在专题数据展示方式配置模块配置专题的显示方式(例如，表格或者图表)；再接下来，可以通过具体表格、图数据配置模块进行相关配置(例如，配置x/y轴定义，排序定义和topn等信息)，最后，就可以通过图表之间联动关系配置模块配置图表之间的联动关系。通过上述配置之后，就可以将专题数据显示在显示界面上。

通过上述描述可知，本发明与现有技术相比，在展示层开放，提供通用数据接口，可对接已经实现的各种可视化控件，摆脱常规bi架构绑定了输出控件的约束，极大丰富展示层的展示方式，提升了数据展示灵活度。

综上，本发明实施例提供的方法与现有技术相比，具有以下优点：

本发明无需专业、复杂的etl过程，节省大量etl时间，无需重复投入硬件资源，各个数据源之间独立存在，仅需数据源对外提供查询接口即可；在极少量增加硬件成本的情况下，既不影响现有系统，又可实现一份数据多种用途。

本发明采用创新的数据配置层完成以往bi架构层的数据清洗、转换过程。通过配置，可灵活、任意修改维度、指标算法，无需像bi架构一样，指标如果清洗、转换过程出错，必须重新etl后再清洗、转换数据。

本发明在展示层开放，提供通用数据显示接口，可对接已经实现的各种可视化控件，摆脱常规bi架构绑定了输出控件的约束，极大丰富展示层的展示方式，提升了数据展示灵活度。

本发明与现有技术相比，数据横向扩展难易程度大大降低，数据组织人员仅需了解需要何种数据，而无需像以往bi架构一样需对源数据的组织方式、存储结构有深入了解。

本发明采用创新的数据配置层灵活配置数据集市概念，针对不同用户，只需要针对用户需求配置数据维度和数据指标即可，无需像传统bi架构，需要通过大量etl过程创建面向不同对象的数据集市，新增一个数据集市需要重新在数据仓库内解析出集市所需数据etl成独立版本。而在本架构内，只需要新增一个配置即可完成新增一个数据集市。极大简化形成数据集市的过程，节省大量时间。

本发明简化了数据分析过程中算法的应用，同时开放数据算法接口，利用定义kpi算法可实现复合kpi的灵活定义，同时通过外置算法库接口，使得算法的扩展度得到极大的提升，不再像传统bi架构一样，拘泥于bi所提供的算法，受bi软件的算法约束。

本发明在展示层开放，提供通用数据接口，可对接已经实现的各种可视化控件，摆脱常规bi架构绑定了输出控件的约束，极大丰富展示层的展示方式，提升了数据展示灵活度。

实施例二：

本发明实施例还提供了一种数据的分析装置，该数据的分析装置主要用于执行本发明实施例上述内容所提供的数据的分析方法，以下对本发明实施例提供的数据的分析装置做具体介绍。

图7是根据本发明实施例的一种数据的分析装置的示意图，如图7所示，该数据的分析装置主要包括：第一获取单元71，定义配置单元72，控制单元73和展示单元74，其中：

第一获取单元，用于通过预先构建的数据接入接口获取待处理的原始数据，其中，原始数据的数据来源至少为一个；

定义配置单元，用于基于预先设定的配置信息对原始数据进行重新定义配置，定义得到目标数据，其中，配置信息包括：数据维度信息和/或数据指标信息；

控制单元，用于控制目标数据按照预定的数据处理流程进行处理，得到数据处理结果；

展示单元，用于通过调用预先构建的数据展示接口将数据处理结果展示在显示界面上。

在本发明实施例中，首先通过预先构建的数据接入接口获取待处理的原始数据；然后，基于预先设定的配置信息对原始数据进行重新定义配置，定义得到目标数据；接下来，控制目标数据按照预定的数据处理流程进行处理，得到数据处理结果；最后，通过调用预先构建的数据展示接口将数据处理结果展示在显示界面上。在本发明实施例中，在原有数据/硬件基础上，只投入极少的硬件资源，在不需要搭建专业bi平台(造价高，专业性强)，避免进行数据etl(硬件成本高)、不进行定制开发(时限长，投入大)的情况下，快速实现多维度、多数据源的融合展示，消除信息孤岛，且通过统一的算法、流程控制，能实现多数据源数据融合复杂分析的目的，进而缓解现有的处理方法在对不同的数据来源进行分析时成本较高且处理效率较低的技术问题。

可选地，控制单元用于：获取预先定义的kpi计算流程；控制目标数据按照kpi计算流程进行计算，得到kpi计算结果。

可选地，控制单元还用于：获取预先定义的数据分析流程，其中，数据分析流程中包括至少一个数据分析节点，每个数据分析节点用于执行对应的数据分析任务；控制目标数据按照数据分析流程中的数据分析节点执行数据分析任务，得到数据分析结果。

可选地，装置还包括：第二获取单元，用于在控制目标数据按照数据分析流程中的数据分析节点执行数据分析任务，得到数据分析结果之后，获取预先设定的专题信息，专题信息用于表示数据分析结果所处的不同情况；分析单元，用于基于专题信息对数据分析结果进行再次分析，得到专题数据，其中，专题数据用于表示数据分析结果在专题信息情况下的结果信息。

可选地，在目标数据包括第一数据集合和第二数据集合，原始数据包括原始数据表格的情况下，定义配置单元用于：获取预先设定的数据维度信息，并基于预先设定的数据维度信息对原始数据表格进行定义配置，得到第一数据集合；以及，获取预先设定的数据指标信息，并基于预先设定的数据指标信息对原始数据表格进行定义配置，得到第二数据集合。

可选地，原始数据包括以下至少一种类型的数据：关系型数据库，文件格式的数据，来源于kafka的数据，来源于hadoop的数据。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明实施例所提供的进行一种数据的分析方法及装置的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，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，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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能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，可以存储在一个处理器可执行的非易失的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-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。