本发明涉及服务器技术领域，特别是涉及服务器容量动态调整的方法、装置、服务器和存储介质。
背景技术：
服务器运行过程中，不同时段的用户访问量不同，故服务器负载有高峰和低谷。为节约成本，同时保证服务可用性，通常需要做服务器的动态扩容和缩容。在扩容和缩容方法中，通用的做法是获取服务器的单位时间负载量的大小，当达到设定指标时进行扩容，降低到另一指标时进行缩容。
在实现本发明的过程中，发明人发现现有技术中存在如下问题，上述服务器的动态扩容和缩容方法中，在发现需要调整服务器容量到实际完成服务器容量调整需要一定的时间，即存在服务器容量调整延迟的问题，而在此段过程中，易出现服务器负载过高或者过低的情况。
技术实现要素：
基于此，有必要针对现有方式服务器容量调整延迟的问题，提供一种服务器容量动态调整的方法、装置、服务器和存储介质。
根据本发明的第一方面，提供一种服务器容量动态调整的方法，包括：
获取服务器的单位时间负载量的历史值；
根据所述历史值计算在未来时间点所述服务器的单位时间负载量的预测值；
比对所述预测值和预设的负载阈值，根据比对结果调整所述服务器的容量。
在其中一个实施例中，根据所述历史值计算在未来时间点所述服务器的单位时间负载量的预测值的步骤，包括：
根据所述历史值建立服务器的负载预测模型；
获取设定的未来时间点，将所述未来时间点作为所述负载预测模型的输入，获取所述负载预测模型的输出结果，作为所述服务器的单位时间负载量的预测值。
在其中一个实施例中，获取服务器的单位时间负载量的历史值的步骤，包括：
实时记录服务器在各个时间点的单位时间负载量；
按照设定的时间周期，获取最近记录的设定数量的单位时间负载量，作为历史值。
在其中一个实施例中，根据所述历史值建立服务器的负载预测模型的步骤，包括：
根据所述历史值，以及各历史值对应的历史时间点，建立表征所述服务器的负载量变化特征的多项式，作为负载预测模型。
在其中一个实施例中，根据所述历史值，以及各历史值对应的历史时间点，建立表征所述服务器的负载量变化特征的多项式的步骤，包括：
根据所述历史值，以及各历史值对应的历史时间点，采用最小二乘法做多项式曲线拟合，得到表征所述服务器的负载量变化特征的多项式。
在其中一个实施例中，根据比对结果调整所述服务器的容量的步骤，包括：
若所述预测值大于或者等于预设的第一负载阈值，对所述服务器进行扩容；
若所述预测值小于或者等于预设的第二负载阈值，对所述服务器进行缩容；
其中，第一负载阈值大于第二负载阈值。
在其中一个实施例中，单位时间负载量包括：单位时间的请求量、单位时间的内存占用量或者单位时间的CPU负载量。
根据本发明的第二方面，提供一种服务器容量动态调整的装置，包括：
历史值获取模块，用于获取服务器的单位时间负载量的历史值；
预测模块，用于根据所述历史值计算在未来时间点所述服务器的单位时间负载量的预测值；以及，
容量调整模块，用于比对所述预测值和预设的负载阈值，根据比对结果调整所述服务器的容量。
根据本发明的第三方面，提供一种服务器，包括存储器以及处理器；
所述存储器，用于存储计算机程序；当所述计算机程序被所述处理器执行时，使得所述处理器实现上述任一实施例的方法的步骤。
根据本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被所述处理器执行时，使得所述处理器实现上述任一实施例的方法的步骤
实施本发明提供的实施例，通过获取服务器的单位时间负载量的历史值；根据历史值计算在未来时间点服务器的单位时间负载量的预测值；根据预测值和预设的负载阈值，对服务器的容量进行动态调整；由于可以提前进行容量调整准备，缓解了容量调整的延迟问题，可改善服务器的实际负载量相对于容量而言过大，导致系统不可用的情况，以及现服务器的实际负载量相对于容量而言过小，存在资源浪费的情况。
附图说明
图1为一个实施例中服务器容量动态调整的方法适用的系统架构图；
图2为一实施例的服务器容量动态调整的方法的示意性流程图；
图3为另一实施例的服务器容量动态调整的方法的示意性流程图；
图4为一实施例的负载预测模型构建及预测的示意图；
图5为一实施例的服务器容量动态调整的装置的示意性结构图；
图6为一个实施例中服务器的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请提供的服务器容量动态调整的方法，可以适用于部署在云端的服务器中。其中服务器可以用独立的服务器，也可以是多个服务器组成的服务器集群，服务器集群如图1所示，包括多个服务器100，多个服务器100之间可以互联互通；并且，多个服务器100可以为相同的服务器，也可以为不同的服务器，根据实际情况设定。
在服务器集群中，服务器100的数量可以根据实际情况进行增加或者减小，当服务器100的数量增加时，该服务器集群的容量扩大，当服务器100的数量减少时，该服务器集群的容量缩小。
上述服务器通常部署在云端环境，可根据实际的负载量进行扩容或者缩容；例如在进行扩容时，通常是对服务器做镜像，然后利用镜像开机，由此实现服务器扩容。
在一个实施例中，如图2所示，提供了一种服务器容量动态调整的方法，包括以下步骤S101～S103，具体说明如下：
S101，获取服务器的单位时间负载量的历史值。
其中，单位时间可以是每秒，也可以是每分、每小时或者每天等；若为后者，单位时间负载量既可以是对应时段的负载量均值，也可以是负载量累计值。
获取服务器的单位时间负载量的历史值的方式可以是，实时记录服务器的负载量并存储，由此得到服务器的单位时间负载量的历史值；此外，单位时间负载量的历史值还分别对应一个历史时间点，该历史时间点的计量单位与上述的单位时间的计量单位相同，例如当前时间的前一秒、前一分或者前一小时等。
需要说明的是，在本发明实施例中，历史时间点是广义上的时间概念，可以理解为当前时间点之前的时间点，例如当前时间点之前的任意一秒；此外，历史时间点还可以理解为包含当前时间点在内。
S102，根据所述历史值计算在未来时间点所述服务器的单位时间负载量的预测值。
其中，未来时间点是相对于当前时间点而言，指的是当前时间点之后的时间点；未来时间点的计量单位与上述的单位时间的计量单位相同，例如当前时间点之后的任意一秒、任意一分或者任意一小时等。
需要说明的是，未来时间点的选取，与服务器的单位时间负载量的预测值的准确度相关，一般地，未来时间点距离历史值对应的历史时间点越近，对应的预测值的准确度越高，反之，准确度越低。
此外，当选取的未来时间点距离当前时间点的时间差，需小于服务器容量调整的延迟时间(该延迟时间指的是从判定需要调整到容量调整完成的时间)时，服务器可能出现一个较小的容量调整延时，但较之于已有服务器容量调整方式，可缓解调整延时导致的服务器负载过高或者过低。
在一实施例中，未来时间点的选取满足条件：选取的未来时间点距离当前时间点的时间差，大于或者等于服务器容量调整的延迟时间，由此可更好的避免服务器负载过高或者过低的问题。
S103，比对所述预测值和预设的负载阈值，根据比对结果调整所述服务器的容量。
上述各步骤的执行主体可以是独立的服务器，也可以是多个服务器组成的服务器集群。可以理解的是，当为服务器集群时，步骤S101获取的是集群中全部处于工作状态的服务器的单位时间负载量的历史值，根据比对结果调整的是服务器集群的容量。
其中，对服务器的容量调整包括扩容和缩容，调整的方式可采用已有的任意方式，对此不作限定。例如，通过镜像扩容的方法中，由于云端环境的镜像是增量镜像，从准备镜像开机到完成扩容完成，一般需要5～10分钟，若按照传统的服务器容量调整放到，在这段时间内，服务器的负载量可能持续增加，导致服务器负载量超出服务器的容量，严重时甚至导致服务器无法工作。通过本发明实施例中，根据服务器单位时间负载量的预测值和预设的负载阈值的比对，由此确定调整所述服务器的容量的策略，由于可以提前进行容量调整准备，可防止出现服务器的实际负载量相对于容量而言过大，导致系统不可用，以及现服务器的实际负载量相对于容量而言过小，存在资源浪费的问题。
在一实施例中，若预测值大于或者等于预设的第一负载阈值，则对服务器进行扩容；若预测值小于或者等于预设的第二负载阈值，则对服务器进行缩容；其中，第一负载阈值大于第二负载阈值。此外，若预测值大于第二负载阈值，且小于第一负载阈值，则确定为不需要进行服务器容量调整，维持服务器的容量不变。
上述的单位时间负载量可以是能够反映服务器在单位时间需处理业务量的任意参数，例如，包括但不限于单位时间收到的请求量、单位时间的内存占用量或者单位时间的CPU负载量；在保证服务器负载处理能力的前提下，服务器单位时间负载量越高，需要的容量越大，反之，需要的容量越小。
在一实施例中，单位时间负载量优选为单位时间收到的请求量。一般来说，单位时间的内存占用量或者单位时间的CPU负载量等参数，是请求量变化导致的结果，相对于请求量而言，通常会有滞后性和随机波动性；此外，对于整个服务器集群的内存占用量/CPU负载量的收集，需要收集集群中所有机器的内存占用量/CPU负载量，然后整合计算，较难准确计算和度量；因此，选用单位时间收到的请求量作为扩容缩容的指标，可以更准确地找到扩容缩容的时机。其中，单位时间收到的请求量可以用每秒请求量qps表示。
在一实施例中，根据历史值计算在未来时间点所述服务器的单位时间负载量的预测值的方式可包括：根据历史值建立所述服务器的负载预测模型；获取设定的未来时间点，将未来时间点作为所述负载预测模型的输入，获取负载预测模型的输出结果，作为服务器的单位时间负载量的预测值。
例如，可每分钟记录服务器的qps，按照设定时间周期取出最近30分钟的qps，以此进行数学建模，通过数学模型预测10分钟后服务器的qps。需要说明的是，其中，最近30分钟的历史值仅仅是对历史值的时间跨度的举例，还可以根据实际情况，获取其他时间跨度的历史值；此外，基于模型得到的预测值，也不限于上述举例的10分钟后的qps。
下面请参考图3所示，通过另一实施例对本发明的服务器容量动态调整的方法进行举例说明，具体包括如下步骤：
S201，获取服务器在多个历史时间点的单位时间负载量，作为历史值。例如：实时记录服务器在各个时间点的单位时间负载量；按照设定的时间周期，获取最近记录的设定数量的单位时间负载量，作为历史值。
在一实施例中，可以每分钟记录一次线上服务器的单位时间负载量，线上服务器指的是工作中的服务器。定时(例如10分钟一次)取出最近一段时间记录的单位时间负载量，作为历史值。
在实施例中，以单位时间负载量为指标，相对于取指标的当前值，定时取出最近一段时间记录的单位时间负载量作为历史值，可消除指标当前值随机性较大的问题，例如，当前时刻有指标的突发变化，但很快又恢复原状，以指标的当前值作为参考，预测结果偏差较大，不利于准确得到扩容或者缩容的时机。
S202，根据所述历史值，以及各历史值对应的历史时间点，建立表征所述服务器的负载量变化特征的多项式，作为负载预测模型。
在一实施例中，根据单位时间负载量的历史值，可通过如下方式建立表征所述服务器的负载量变化特征的多项式：根据所述历史值，以及各历史值对应的历史时间点，采用最小二乘法做多项式曲线拟合，得到表征所述服务器的负载量变化特征的多项式。其实现过程例如：
1.每分钟记录一次线上服务器的qps，线上服务器指的是工作中的服务器。
2.定时(例如10分钟一次)取出最近30分钟记录的pqs(如表1)，在坐标轴上绘制30个散点(参见图4所示)，x轴是时间戳，y轴是pqs值。
表1：
3.利用最小二乘法做多项式曲线拟合，取得多项式系数，绘制多项式曲线。
4.利用求得的多项式，选取10分钟后的时间点作为待预测的未来时间点，代入多项式，可以得到10分钟后的pqs的预测值。
基于表1的历史值，可得二项式：
y＝-0.845334*x^2+0.4157*x+4383.69；
由此可绘制如图4所示的二项式曲线。预测10分钟后(即第40分钟)的qps为4694。
S203，获取待预测的未来时间点，将所述未来时间点作为所述负载预测模型的输入，获取所述负载预测模型的输出结果，作为所述服务器的单位时间负载量的预测值。
S204，比对所述预测值和预设的负载阈值，若预测值大于或者等于预设的第一负载阈值，执行步骤S205，若所述预测值小于或者等于预设的第二负载阈值，执行步骤S206；若预测值在第一负载阈值和第二负载阈值之间，则执行步骤S207。
S205，对服务器进行扩容。
在一实施例中，该步骤的具体实现方式可包括：根据预测值确定服务器的待扩容量，根据待扩容量制作服务器镜像；利用所述服务器镜像镜像对服务器开机，以使所述服务器的容量扩大所述待扩容量。具体例如：如果需要扩容，计算需要扩容的服务器数量，每个服务器对应一定的服务器容量，可根据待扩容量确定需要扩容的服务器数量；制作服务器镜像，利用镜像开机，等待服务器可用，通过调节负载均衡器，将新服务器加入，完成扩容。
S206，对服务器进行缩容。
在一实施例中，该步骤的具体实现方式可包括：根据预测值确定服务器的待缩容量；从所述服务器的容量中删除所述待缩容量。具体例如：如果需要缩容，计算需要缩容的服务器数量，调节负载均衡器，剔除需要下线的服务器，使流量不再进入这些服务器，然后关闭删除服务器，完成缩容。
S207，维持服务器的容量不变。
通过上述实施例，按照设定时间获取已记录的负载量的最近的多个历史值，基于此可定期更新负载预测模型，由此能够更准确的预测未来某时间点的负载情况；例如，以每秒请求量qps作为服务器容量调整的指标为例，在观察系统qps变化，发现qps变化符合一些数学曲线规律，利用过去一段时间的qps，做数学建模(最小二乘法的多项式)，以此来预测未来一段时间的qps；基于预测值提前准备服务器的容量调整，可防止出现服务器的实际负载量相对于容量而言过大，导致系统不可用，以及现服务器的实际负载量相对于容量而言过小，存在资源浪费的问题。
应该理解的是，对于前述的各方法实施例，虽然流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，方法实施例的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
基于与上述实施例中的服务器容量动态调整的方法相同的思想，本文还提供服务器容量动态调整的装置。
在一个实施例中，如图5所示，本实施例的服务器容量动态调整的装置包括：历史值获取模块501、预测模块502以及容量调整模块503，各模块详述如下：
上述的历史值获取模块501，用于获取服务器的单位时间负载量的历史值；
上述的预测模块502，用于根据所述历史值计算在未来时间点所述服务器的单位时间负载量的预测值；
上述的容量调整模块503，用于比对所述预测值和预设的负载阈值，根据比对结果调整所述服务器的容量。
在一实施例中，上述的预测模块502包括：
模型构建单元，用于根据所述历史值建立服务器的负载预测模型。
预测单元，用于获取设定的未来时间点，将所述未来时间点作为所述负载预测模型的输入，获取所述负载预测模型的输出结果，作为所述服务器的单位时间负载量的预测值。
在一实施例中，上述的历史值获取模块501，具体用于实时记录服务器在各个时间点的单位时间负载量；按照设定的时间周期，获取最近记录的设定数量的单位时间负载量，作为历史值。
在一实施例中，上述的模型构建单元，具体用于根据所述历史值，以及各历史值对应的历史时间点，建立表征所述服务器的负载量变化特征的多项式，作为负载预测模型。例如，根据所述历史值，以及各历史值对应的历史时间点，采用最小二乘法做多项式曲线拟合，得到表征所述服务器的负载量变化特征的多项式，作为负载预测模型。
在一实施例中，上述的容量调整模块503包括：
扩容单元，用于若所述预测值大于或者等于预设的第一负载阈值，对所述服务器进行扩容；以及，缩容单元，用于若所述预测值小于或者等于预设的第二负载阈值，对所述服务器进行缩容；其中，第一负载阈值大于第二负载阈值。
在一实施例中，上述装置的实施例中，提及的单位时间负载量包括：单位时间收到的请求量、单位时间的内存占用量或者单位时间的CPU负载量。
关于服务器容量动态调整的装置的具体限定可以参见上文中对于服务器容量动态调整的方法的限定，在此不再赘述。上述服务器容量动态调整的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
此外，上述示例的服务器容量动态调整的装置的实施方式中，各程序模块的逻辑划分仅是举例说明，实际应用中可以根据需要，例如出于相应硬件的配置要求或者软件的实现的便利考虑，将上述功能分配由不同的程序模块完成，即将所述服务器容量动态调整的装置的内部结构划分成不同的程序模块，以完成以上描述的全部或者部分功能。
在一个实施例中，提供了一种服务器，该服务器的内部结构图可以如图6所示。该服务器包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，处理器用于提供计算和控制能力；存储器包括非易失性存储介质、内存储器，该非易失性存储介质存储有操作系统、计算机程序和数据库，该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境；数据库用于存储相关的数据；网络接口用于与外部的终端通过网络连接通信；该计算机程序被处理器执行时以实现一种服务器容量动态调整的方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的服务器的限定，具体的服务器可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种服务器，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取服务器的单位时间负载量的历史值；根据所述历史值计算在未来时间点所述服务器的单位时间负载量的预测值；比对所述预测值和预设的负载阈值，根据比对结果调整所述服务器的容量。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述历史值建立服务器的负载预测模型；获取设定的未来时间点，将所述未来时间点作为所述负载预测模型的输入，获取所述负载预测模型的输出结果，作为所述服务器的单位时间负载量的预测值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
实时记录服务器在各个时间点的单位时间负载量；按照设定的时间周期，获取最近记录的设定数量的单位时间负载量，作为历史值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述历史值，以及各历史值对应的历史时间点，建立表征所述服务器的负载量变化特征的多项式，作为负载预测模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
根据所述历史值，以及各历史值对应的历史时间点，采用最小二乘法做多项式曲线拟合，得到表征所述服务器的负载量变化特征的多项式。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若所述预测值大于或者等于预设的第一负载阈值，对所述服务器进行扩容；若所述预测值小于或者等于预设的第二负载阈值，对所述服务器进行缩容；其中，第一负载阈值大于第二负载阈值。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取服务器的单位时间负载量的历史值；根据所述历史值计算在未来时间点所述服务器的单位时间负载量的预测值；比对所述预测值和预设的负载阈值，根据比对结果调整所述服务器的容量。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述历史值建立服务器的负载预测模型；获取设定的未来时间点，将所述未来时间点作为所述负载预测模型的输入，获取所述负载预测模型的输出结果，作为所述服务器的单位时间负载量的预测值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
实时记录服务器在各个时间点的单位时间负载量；按照设定的时间周期，获取最近记录的设定数量的单位时间负载量，作为历史值。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述历史值，以及各历史值对应的历史时间点，建立表征所述服务器的负载量变化特征的多项式，作为负载预测模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
根据所述历史值，以及各历史值对应的历史时间点，采用最小二乘法做多项式曲线拟合，得到表征所述服务器的负载量变化特征的多项式。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若所述预测值大于或者等于预设的第一负载阈值，对所述服务器进行扩容；若所述预测值小于或者等于预设的第二负载阈值，对所述服务器进行缩容；其中，第一负载阈值大于第二负载阈值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。上述各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
实施例中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或(模块)单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
实施例中提及的“第一\第二”仅仅是是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二”区分的对象在适当情况下可以互换，以使这里描述的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
以上实施例仅表达了本发明的几种实施方式，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。