一种处理高并发数据的方法及服务器与流程

本发明属于计算机技术领域，尤其涉及一种处理高并发数据的方法及服务器。

背景技术

随着互联网技术的发展与互联网应用的普及，越来越多的用户喜欢通过网络购物或通过网络办理业务，例如，购买实体商品、货物或购买保险产品等虚拟产品。

当某商品(实体商品或虚拟产品)较受欢迎时，例如，特别是在节假日或活动促销期间，订单并发量较高。这样一来，在生成订单的过程中，数据查询量以及数据流转频率将急剧增加，从而增加了服务器数据处理负荷。然而，服务器的在同一时刻的数据处理能力是有限，当订单并发量过大时，可能导致持续出单时间变长、访问时间过长甚至是不可访问。

现有技术中提供了一种解决方案，通过扩容应用服务器和数据库服务器，从而提高并发量处理能力，但是这种方式提升了部署成本和运维难度。

技术实现要素：

有鉴于此，本发明实施例提供了一种处理高并发数据的方法及服务器，以解决现有技术中由于服务器的在同一时刻的数据处理能力是有限，当订单并发量过大时，可能导致持续出单时间变长、访问时间过长甚至是不可访问的问题。

本发明实施例的第一方面提供了一种处理高并发数据的方法，包括：

获取高并发的订单数据处理请求；其中，所述订单数据处理请求包括用户信息、所述订单数据处理请求所请求办理的业务所属的业务类型信息；

获取与所述业务类型信息匹配的预先缓存的业务数据；其中，所述业务数据包括常量数据和/或临时变量数据；所述常量数据是服务器在处理所述订单数据处理请求时，需要用到的固定不变的源数据；所述临时变量数据是基于至少两个所述常量数据经过逻辑运算得到的结果数据，或基于所述常量数据以及所述结果数据进行逻辑运算得到的数据；

根据所述订单数据处理请求中的用户信息以及所述获取的业务数据对所述订单数据处理请求进行处理。

本发明实施例的第二方面提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取高并发的订单数据处理请求；其中，所述订单数据处理请求包括用户信息、所述订单数据处理请求所请求办理的业务所属的业务类型信息；

获取与所述业务类型信息匹配的预先缓存的业务数据；其中，所述业务数据包括常量数据和/或临时变量数据；所述常量数据是服务器在处理所述订单数据处理请求时，需要用到的固定不变的源数据；所述临时变量数据是基于至少两个所述常量数据经过逻辑运算得到的结果数据，或基于所述常量数据以及所述结果数据进行逻辑运算得到的数据；

根据所述订单数据处理请求中的用户信息以及所述获取的业务数据对所述订单数据处理请求进行处理。

本发明实施例的第三方面提供了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以下步骤：

获取高并发的订单数据处理请求；其中，所述订单数据处理请求包括用户信息、所述订单数据处理请求所请求办理的业务所属的业务类型信息；

获取与所述业务类型信息匹配的预先缓存的业务数据；其中，所述业务数据包括常量数据和/或临时变量数据；所述常量数据是服务器在处理所述订单数据处理请求时，需要用到的固定不变的源数据；所述临时变量数据是基于至少两个所述常量数据经过逻辑运算得到的结果数据，或基于所述常量数据以及所述结果数据进行逻辑运算得到的数据；

根据所述订单数据处理请求中的用户信息以及所述获取的业务数据对所述订单数据处理请求进行处理。

实施本发明实施例提供的一种处理高并发数据的方法及服务器具有以下有益效果：

本发明实施例，服务器在处理高并发的订单数据处理请求时，获取与订单数据处理请求所请求办理的业务所属的业务类型信息匹配的预先缓存的常量数据和/或临时变量数据，不需要从源数据库中重复下载常量数据以及不需要基于常量数据重复计算临时变量数据，能够节省下载常量数据所消耗的时间，由于临时变量数据是基于至少两个常量数据进行逻辑运算得到，预先缓存了临时变量数据能够减少服务器的计算负荷以及运算时间，提高订单数据处理请求的速度，进而提高订单数据处理请求的处理效率的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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发明的一些实施例，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他的附图。

图1是本发明一实施例提供的一种处理高并发数据的方法的实现流程图；

图2是本发明另一实施例提供的一种处理高并发数据的方法的实现流程图；

图3是本发明一实施例提供的一种服务器的结构框图；

图4是本发明另一实施例提供的一种服务器的示意图。

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。

请参见图1，图1是本发明一实施例提供的一种处理高并发数据的方法的实现流程图。本实施例中处理高并发数据的方法的执行主体为服务器。如图所示的处理高并发数据的方法可包括：

s101：获取高并发的订单数据处理请求；其中，所述订单数据处理请求包括用户信息、所述订单数据处理请求所请求办理的业务所属的业务类型信息。

用户信息可以包括用户的购买需求信息，还可以包括用户的个人信息。以购买保险为例，用户的购买需求信息可以包括订单数据所属的业务类型信息，还可以包括购买金额、购买年限等信息。用户的个人信息包括姓名、身份证号码、年龄、手机号码等信息。业务类型信息可以是业务类型标识。

在一实施方式中，服务器统计一段时间内接收到的订单数据处理请求的总数，并在该总数大于或等于预设阈值时，判定服务器当前处于高并发工作状态，获取高并发的订单数据处理请求。

在另一实施方式中，服务器统计一段时间内接收到的订单数据处理请求，并确定每个订单数据处理请求所请求办理的业务所属的业务类型，从而统计这段时间内每个业务类型的订单数据处理请求的总量。在任意业务类型的订单数据处理请求的总量大于或等于预设阈值时，判定服务器当前处于高并发工作状态，并将该业务类型识别为高并发的业务类型，获取高并发的业务类型的订单数据处理请求。

s102：获取与所述业务类型信息匹配的预先缓存的业务数据；其中，所述业务数据包括常量数据和/或临时变量数据；所述常量数据是服务器在处理所述订单数据处理请求时，需要用到的固定不变的源数据；所述临时变量数据是基于至少两个所述常量数据经过逻辑运算得到的结果数据，或基于所述常量数据以及所述结果数据进行逻辑运算得到的数据。

服务器可以根据订单数据处理请求所请求办理的业务所属的业务类型信息，获取与该业务类型信息匹配的订单处理流程。其中，服务器可以根据订单数据处理请求所请求办理的业务所属的业务类型信息(如业务类型标识等)确定该业务类型信息对应的业务类型，从而获取与该业务类型匹配的订单处理流程。

服务器在获取到与该业务类型信息匹配的订单处理流程时，基于该业务类型的订单处理流程，确定处理该业务类型的订单数据处理请求需要用到的常量数据和/或临时变量数据，从预设的缓存区中获取处理该业务类型的订单数据处理请求需要用到的常量数据和/或临时变量数据。

假设，常量数据包含a和b，那么，临时变量数据可以是a+b的运算结果、a-b的运算结果、a×b的运算结果、a/b的运算结果等。

可以理解的是，当常量数据、临时变量数据存储在不同的缓存区时，服务器可以根据缓存地址与缓存数据的信息(如缓存数据的标识等)之间的对应关系，分别确定需要获取的常量数据以及临时变量数据各自对应的缓存地址，并从常量数据的缓存地址中获取常量数据，从临时变量数据的缓存地址中获取临时变量数据。

s103：根据所述订单数据处理请求中的用户信息以及所述获取的业务数据对所述订单数据处理请求进行处理。

服务器基于获取到的与该业务类型信息匹配的订单处理流程、订单数据处理请求中的用户信息(用户的购买需求信息、用户的个人信息)以及获取到的业务数据，对订单数据处理请求进行处理。

在一应用场景中，假设，订单数据处理请求用于请求购买保险，用户信息包括用户的个人信息以及用户的购买需求信息，用户的个人信息包括姓名、身份证号码、年龄、手机号码等信息，用户的购买需求信息包括订单数据处理请求所请求办理的业务所属的业务类型信息、购买金额、购买年限等信息；那么，服务器可以获取与业务类型信息匹配的保险业务处理流程，并基于匹配的保险业务处理流程、购买需求信息中的购买年限、购买金额、获取到的业务数据包含的常量数据和/或临时变量数据，计算保费以及保额，在检测到用户已支付保费时，基于用户的个人信息、请求购买的保险的信息(例如，保险类型、保险年限、保费、保额等信息)生成保单。

上述方案，服务器在处理高并发的订单数据处理请求时，获取与订单数据处理请求所请求办理的业务所属的业务类型信息匹配的预先缓存的常量数据和/或临时变量数据，不需要从源数据库中重复下载常量数据以及不需要基于常量数据重复计算临时变量数据，能够节省下载常量数据所消耗的时间，由于临时变量数据是基于至少两个常量数据进行逻辑运算得到，预先缓存了临时变量数据能够减少服务器的计算负荷以及运算时间，提高订单数据处理请求的速度，进而提高订单数据处理请求的处理效率的目的，在高并发状态下，能够增加单位时间内所处理的订单数据处理请求的数量。

请参见图2，图2是本发明另一实施例提供的一种处理高并发数据的方法的实现流程图。本实施例中处理高并发数据的方法的执行主体为服务器。如图所示的处理高并发数据的方法可包括：

s201：获取高并发的订单数据处理请求；其中，所述订单数据处理请求包括用户信息、所述订单数据处理请求所请求办理的业务所属的业务类型信息。

本实施例中s201与上一实施例中的s101相同，具体请参阅上一实施例中s101的相关描述，此处不赘述。

s202：根据每种高并发的订单数据处理请求所请求办理的业务所属的业务类型信息，确定高并发的业务类型。

服务器可以按预设时间间隔统计在该预设时间间隔对应的时间内接收到的订单数据处理请求，并确定每个订单数据处理请求所请求办理的业务所属的业务类型，从而统计这段时间内每个业务类型的订单数据处理请求的总量。在任意业务类型的订单数据处理请求的总量大于或等于预设阈值时，判定该业务类型为高并发的业务类型。预设阈值用于判定某业务类型是否为高并发的业务类型，预设阈值可以是100，但并不限于此，具体可根据实际情况进行设置，此处不做限制。

订单数据处理请求包括用户信息、订单数据处理请求所请求办理的业务所属的业务类型信息。用户信息可以包括用户的个人信息，还可以包括用户的购买需求信息。以购买保险为例，用户的个人信息包括姓名、身份证号码、年龄、手机号码等信息；用户的购买需求信息可以包括订单数据所属的业务类型信息，还可以包括购买金额、购买年限等信息；业务类型信息可以是业务类型标识。

s203：获取并缓存与每种所述高并发的业务类型相关的业务数据。

与高并发的业务类型相关的业务数据包括常量数据和/或临时变量数据；常量数据是服务器在处理高并发的业务类型的订单数据处理请求时，需要用到的固定不变的源数据；临时变量数据是基于至少两个常量数据经过逻辑运算得到的结果数据，或基于常量数据以及结果数据进行逻辑运算得到的数据。

服务器可以获取与每种高并发的业务类型各自匹配的订单处理流程，基于每种业务类型的订单处理流程，确定处理每种业务类型各自的订单数据处理请求需要用到的常量数据和/或临时变量数据，并从存储常量数据的存储区域获取常量数据，基于获取到的常量数据计算临时变量数据，将获取到的常量数据以及计算得到的临时变量数据缓存至预设的缓存区域。其中，存储常量数据的存储区域可以是本地数据库中的存储区域，也可以是非本地数据库的存储区域，例如，云端数据库。

进一步地，为了提高缓存数据的获取效率，还可以按用户所在地分区域缓存业务数据。此时，订单数据处理请求中的用户信息还可以包括用户所在地点信息等，服务器可以将高并发的业务类型的订单数据处理请求需要用到的常量数据和/或临时变量数据，按订单数据处理请求中的用户所在地点信息所属的城市或省份进行分区域缓存。

进一步地，为了提高获取缓存数据的效率，s203可以包括s2031～s2033。具体如下：

s2031：获取并统计每种所述高并发的业务类型相关的所有常量数据以及所有临时变量数据各自对应的使用频率。

服务器根据常量数据的信息存储常量数据的存储区域获取常量数据，基于获取到的常量数据计算临时变量数据；并按常量数据的类型统计在预设时间间隔对应的时间内，每种高并发的业务类型的所有常量数据各自对应的使用频率；按临时变量数据的类型统计在预设时间间隔对应的时间内，每种高并发的业务类型的所有临时变量数据各自对应的使用频率。

可以理解的是，服务器也可以统计在预设时间间隔对应的时间内，每种高并发的业务类型的所有常量数据各自对应的使用频次，以及每种高并发的业务类型的所有临时变量数据各自对应的使用频次。

s2032：基于每个所述常量数据以及每个所述临时变量数据各自对应的使用频率，设置所述常量数据以及所述临时变量数据各自对应的优先级。

其中，使用频率越高，其对应的优先级越高。不同的使用频率对应的优先级可以不同，也可以相同。服务器可以设置多个不同的使用频率区间，并根据使用频率区间的值为每个使用频率区间设置优先级。使用频率区间的值越大，其对应的优先级越高。

当服务器统计常量数据或临时变量数据的使用频次时，使用频次越高，为其分配的优先级越高。

s2033：根据每个所述常量数据以及每个所述临时变量数据各自对应的优先级进行分级缓存。

分级缓存是指将业务数据按不同的优先级分区域缓存。

服务器可以根据每个常量数据以及每个临时变量数据各自对应的优先级，设置多个缓存区域，并为每个常量数据以及临时变量数据分配缓存区域。

其中，服务器可以为每个缓存区域设置优先级，每个缓存区域的优先级与其需要存储的业务数据的优先级相同。当服务器多个不同的使用频率区间时，还可以为每个使用频率区间分配缓存区域。

服务器可以根据每个常量数据各自对应的优先级，确定每个常量数据各自对应的缓存区域，并将其缓存至其对应的缓存区域；根据每个临时变量数据各自对应的优先级，确定每个临时变量数据各自对应的缓存区域，并将其缓存至其对应的缓存区域。

可以理解的是，相同优先级的常量数据以及临时变量数据可以缓存至同一缓存区域，也可以缓存至不同的缓存区域。当常量数据以及临时变量数据分开缓存时，相同优先级的常量数据以及临时变量数据缓存至不同的缓存区域。

例如，服务器可以将相同优先级或属于同一使用频率区间的常量数据以及临时变量数据缓存至该优先级或该使用频率区间对应的缓存区域。

进一步地，为了提高获取缓存数据的效率，s203可以包括s2034～s2035。s2031～s2033与s2034～s2035为并列步骤，服务器执行s2031～s2033时，不执行s2034～s2035；在执行s2034～s2035时，不执行s2031～s2033。s2034～s2035具体如下：

s2034：根据所述高并发的业务类型的热度对每类所述高并发的业务类型的业务数据设置优先级；其中，所述高并发的业务类型的热度根据每种所述高并发的业务类型的订单数据处理请求的数量统计得到。

服务器可以按预设时间间隔统计每种高并发的业务类型的订单数据处理请求的总数，并根据每种高并发的业务类型的订单数据处理请求的总数、订单数据处理请求的数量与热度值之间的预设对应关系，确定每种高并发的业务类型的热度，并根据每种高并发的业务类型的热度对每类高并发的业务类型的业务数据设置优先级。其中，一个订单数据处理请求数量区间对应一个热度值，一个热度值对应一个优先级。热度值越高，该热度值对应的优先级越高。

s2035：根据每类所述高并发的业务类型的业务数据的优先级对每类所述高并发的业务类型的业务数据进行分级缓存。

服务器可以根据每类高并发的业务类型的业务数据(常量数据和/或临时变量数据)各自对应的优先级，设置多个缓存区域，并为每类高并发的业务类型分配缓存区域。

可以理解的是，相同优先级的业务类型的业务数据可以缓存至同一缓存区域，也可以缓存至不同的缓存区域。当一个缓存区域用于缓存相同优先级的高并发的业务类型的业务数据时，相同优先级的业务类型的业务数据可以缓存至同一缓存区域；当一个缓存区域用于缓存属于同一个优先级区间的高并发的业务类型的业务数据时，属于同一个优先级区间的高并发的业务类型的业务数据缓存至该优先级区间对应的缓存区域。

可以理解的是，在其他实施例中，服务器还可以根据

进一步地，在s2033或s2035之后，服务器还可以基于每种高并发的业务类型对应的业务数据的使用频率，确定并更新需要缓存的目标数据，目标数据是指使用频率满足预设要求的业务数据。

其中，该预设要求可以是使用频率大于或等于预设使用频率阈值，或者使用频率属于某预设区间，此时需要预先设置多个使用频率区间，并定义需要缓存的数据所对应的使用频率区间。

例如，当某业务数据的使用频率大于或等于预设使用频率阈值时，将该业务数据加载到缓存区域进行存储；或者当业务数据的使用频率属于目标使用频率区间时，将该业务数据加载到缓存区域进行存储，目标使用频率区间为预设定义的需要缓存的目标数据所对应的使用频率区间。

s204：获取与所述业务类型信息匹配的预先缓存的业务数据；其中，所述业务数据包括常量数据和/或临时变量数据；所述常量数据是服务器在处理所述订单数据处理请求时，需要用到的固定不变的源数据；所述临时变量数据是基于至少两个所述常量数据经过逻辑运算得到的结果数据，或基于所述常量数据以及所述结果数据进行逻辑运算得到的数据。

本实施例中s204与上一实施例中的s102相同，具体请参阅上一实施例中s102的相关描述，此处不赘述。

s205：根据所述订单数据处理请求中的用户信息以及所述获取的业务数据对所述订单数据处理请求进行处理。

本实施例中s205与上一实施例中的s103相同，具体请参阅上一实施例中s103的相关描述，此处不赘述。

进一步地，为了提高获取缓存的业务数据的效率，在s204之后，还可以包括s206～s208：

s206：统计预设时间段内每种高并发的业务类型的业务数据中每个常量数据以及每个临时变量数据各自对应的使用次数。

常量数据的使用次数可以是服务器从缓存区域获取常量数据的次数，临时变量数据的使用次数是服务器从缓存区域获取临时变量的次数。

s207：根据预设时间段内每个常量数据以及每个临时变量数据各自对应的使用次数，筛选出使用次数小于或等于预设次数阈值的目标常量数据或目标临时变量数据。

在预设时间段内，任一常量数据或临时变量数据的使用次数小于或等于预设次数阈值时，服务器判定该常量数据或临时变量数据为不常用的业务数据，将该常量数据或临时变量数据识别为需要从缓存区域清除的目标数据。

预设次数阈值可以为0或5，但并不限于此，具体可根据实际需要进行设置，此处不做限制。

s208：清除已缓存的所述目标常量数据或所述目标临时变量数据。

服务器在筛选出需要清除的目标常量数据时，从目标常量数据对应的缓存区域删除该目标常量数据；在筛选出需要清除的目标临时变量数据时，从目标临时变量数据对应的缓存区域删除该目标临时变量数据。

上述方案，通过预先缓存需要重复使用的业务数据，在处理高并发的订单数据处理请求时，获取与订单数据处理请求所请求办理的业务所属的业务类型信息匹配的预先缓存的常量数据和/或临时变量数据，不需要从源数据库中重复下载常量数据以及不需要基于常量数据重复计算临时变量数据，能够节省下载常量数据所消耗的时间，由于临时变量数据是基于至少两个常量数据进行逻辑运算得到，预先缓存了临时变量数据能够减少服务器的计算负荷以及运算时间，提高订单数据处理请求的速度，进而提高订单数据处理请求的处理效率的目的，在高并发状态下，能够增加单位时间内所处理的订单数据处理请求的数量。

服务器可以根据业务数据的使用频率或预设时间段内的使用次数更新缓存区域中的业务数据，从而增加使用频率较高的业务数据以及删除缓存区域中不常用的业务数据，减少获取业务数据的时间，提高获取业务数据的效率。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

请参阅图3，图3是本发明一实施例提供的一种服务器的结构框图，服务器包括的各单元用于执行图1～图2对应的实施例中的各步骤。具体请参阅图1以及图2各自对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图3，服务器3包括：

请求获取单元310，用于获取高并发的订单数据处理请求；其中，所述订单数据处理请求包括用户信息、所述订单数据处理请求所请求办理的业务所属的业务类型信息；

缓存数据获取单元320，用于获取与所述业务类型信息匹配的预先缓存的业务数据；其中，所述业务数据包括常量数据和/或临时变量数据；所述常量数据是服务器在处理所述订单数据处理请求时，需要用到的固定不变的源数据；所述临时变量数据是基于至少两个所述常量数据经过逻辑运算得到的结果数据，或基于所述常量数据以及所述结果数据进行逻辑运算得到的数据；

处理单元330，用于根据所述订单数据处理请求中的用户信息以及所述获取的业务数据对所述订单数据处理请求进行处理。

可选地，服务器还可以包括：

确定单元，用于根据每种高并发的订单数据处理请求所请求办理的业务所属的业务类型信息，确定高并发的业务类型；

缓存单元，用于获取并缓存与每种所述高并发的业务类型相关的业务数据。

进一步地，缓存单元具体用于：

获取并统计每种所述高并发的业务类型相关的所有常量数据以及所有临时变量数据各自对应的使用频率；

基于每个所述常量数据以及每个所述临时变量数据各自对应的使用频率，设置所述常量数据以及所述临时变量数据各自对应的优先级；

根据每个所述常量数据以及每个所述临时变量数据各自对应的优先级进行分级缓存。

进一步地，缓存单元具体用于：

根据所述高并发的业务类型的热度对每类所述高并发的业务类型的业务数据设置优先级；其中，所述高并发的业务类型的热度根据每种所述高并发的业务类型的订单数据处理请求的数量统计得到；

根据每类所述高并发的业务类型的业务数据的优先级对每类所述高并发的业务类型的业务数据进行分级缓存。

可选地，服务器还可以包括：

统计单元，用于统计预设时间段内每种高并发的业务类型的业务数据中每个常量数据以及每个临时变量数据各自对应的使用次数；

筛选单元，用于根据预设时间段内每个常量数据以及每个临时变量数据各自对应的使用次数，筛选出使用次数小于或等于预设次数阈值的目标常量数据或目标临时变量数据；

清除单元，用于清除已缓存的所述目标常量数据或所述目标临时变量数据。

请参阅图4，图4是本发明另一实施例提供的一种服务器的示意图。如图4所示，该实施例的服务器4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42，例如服务器的控制程序。所述处理器40执行所述计算机程序42时实现上述各个处理高并发数据的方法实施例中的步骤，例如图1所示的s101至s104。或者，所述处理器40执行所述计算机程序42时实现上述各装置实施例中各单元的功能，例如图3所示单元310至330的功能。

示例性的，所述计算机程序42可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序42在所述服务器4中的执行过程。例如，所述计算机程序42可以被分割成请求获取单元、缓存数据获取单元、处理单元、统计单元、筛选单元以及清除单元等，各单元具体功能如上所述。

所述服务器可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是服务器4的示例，并不构成对服务器4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述服务器还可以包括输入输出设备、网络接入设备、总线等。

所称处理器40可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，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。

所述存储器41可以是所述服务器4的内部存储单元，例如服务器4的硬盘或内存。所述存储器41也可以是所述服务器4的外部存储设备，例如所述服务器4上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。进一步地，所述存储器41还可以既包括所述服务器4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述服务器所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；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：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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。