本申请涉及到计算机领域，特别是涉及到服务性能分析方法、装置、计算机设备及存储介质。
背景技术：
：：业内已有的监控平台多是面向基础开发、运维人员的，均以原始数据形式展示结果，但同一数据对于不同的业务具有不同的含义，非专业人士不能从展示结果直观明了的描述出服务性能，不适合非开发人员、非运维人员的管理层人员及时准确地了解各业务的服务现状，不便于做全局评估和规划。技术实现要素：本申请的主要目的为提供服务性能分析方法，旨在解决现有服务性能的展示结果均为原始数据形式，服务性能不直观的技术问题。本申请提出一种服务性能分析方法，包括：获取系统中记录的监控数据，其中所述监控数据包括服务性能参量；分析所述服务性能参量对应的服务类型，并根据所述服务类型确定与所述服务类型对应的模糊隶属函数；将所述服务性能参量代入所述模糊隶属函数中匹配对应的模糊语义，其中，所述模糊语义包含于所述服务类型对应的一组评价维度信息中，各组所述评价维度信息与各所述服务类型一一对应；得到所述模糊隶属函数输出的所述服务性能参量对应的模糊语义；将所述模糊语义按照预设转换方式转换为服务性能分析语言。优选地，所述获取系统中记录的监控数据的步骤之前，包括：按照预设方式获取指定服务性能的配置表，其中所述配置表中配置模糊匹配对应的分段和各所述分段分别对应的模糊语义；根据所述分段和各所述分段分别对应的模糊语义，生成所述模糊隶属函数。优选地，所述模糊隶属函数为一次函数，所述根据所述分段和各所述分段分别对应的模糊语义，生成所述模糊隶属函数的步骤，包括：获取第一分段对应的第一临界值和第一模糊语义，其中所述第一分段为各所述分段中的任意分段，各所述分段依次连接并接续分布，所述第一临界值包括起点临界值和终点临界值；将所述第一分段对应映射为纵坐标区间，并将所述第一模糊语义对应映射为横坐标区间；将所述起点临界值与所述横坐标区间的起点值组成第一坐标点，将所述终点临界值与所述横坐标区间的起点值组成第二坐标点；根据所述第一坐标点和所述第二坐标点的连线，生成以所述一次函数表达的所述模糊隶属函数。优选地，所述按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；获取所述第一部署层级对应的所述指定服务性能的第一历史数据，其中所述第一历史数据包括位于当前时刻之前的指定时间段的存储数据；将所述第一历史数据按照数据数值从小到大的顺序排布成第一数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第一数组；将所述第一数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第二配置表。优选地，所述按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；获取级别高于所述第一部署层级的第二部署层级，以及所述第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中所述第二历史数据包括位于当前时刻之前的指定时间段的存储数据，所述第二部署层级包括多个所述第一部署层级；将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第二数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组；将所述第二数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第三配置表。优选地，所述根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组的步骤，包括：获取所述预设模糊语义的种类数量；获取所述第二数组对应的平均数；以所述平均数为正态分布的中间峰值，并根据所述中间峰值所处的数据范围占比所述第二数组内所有数据范围的预设占比，对所述所述第二数组内所有数据范围进行分段划分，其中，所述分段的数量与所述种类数量相同。优选地，所述按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；分别获取所述第一部署层级对应的所述指定服务性能的第一历史数据，以及第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中，所述第二部署层级级别高于所述第一部署层级，所述第一历史数据和所述第二历史数据均包括位于当前时刻之前的指定时间段的存储数据；将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第三数组，并将所述第一历史数据中所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第四数组，其中，所述第一历史数据中的所述指定服务性能的数据，为所述指定服务性能在不同历史时刻对应的数据，所述不同历史时刻以及同一历史时刻均包含于当前时刻之前的指定时间段内，依据所述第二部署层级包含所述第一部署层级的数量，确定所述不同历史时刻的数量，使所述第三数组和第四数组包括相同的数据数量；将所述第三数组和第四数组中的各数据，分别按照从小到大的顺序按照预设权重比例一一对应拟合，形成第五数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第五数组；将所述第五数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第四配置表。本申请还提供了一种服务性能分析装置，包括：第一获取模块，用于获取系统中记录的监控数据，其中所述监控数据包括待模糊语义匹配的服务性能参量；分析模块，用于分析所述服务性能参量对应的服务类型，并根据所述服务类型确定与所述服务类型对应的模糊隶属函数；代入模块，用于将所述服务性能参量代入所述模糊隶属函数中匹配对应的模糊语义，其中，所述模糊语义包含于所述服务类型对应的一组评价维度信息中，各组所述评价维度信息与各所述服务类型一一对应；得到模块，用于得到所述模糊隶属函数输出的所述服务性能参量对应的模糊语义；转换模块，用于将所述模糊语义按照预设转换方式转换为服务性能分析语言。本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。本申请通过模糊隶属函数将服务性能参量对应的绝对特征值映射为相对值，可更直观地描述各服务性能，更加适合非开发人员、运维人员了解服务现状，且在一定程度上减少了不同应用场景下，服务性能参量对应的绝对特征值的物理意义偏差。本申请根据服务划定考察范围，统计所有相关特征值的均值，如95line，99line等均值属性，以便确定合理的考察数据范围，根据确定的考察数据范围再根据正态数据分布特点进行分段，形成各分段，并依据各分段对应的服务状态含义，匹配模糊语义。利用java代码或关系数据库sql的case语句，实现原始记录数据到模糊语义的自动映射，提高自动化效果。本申请的配置表可通过人工经验进行自主设定后存储，也可通过统计方法自主形成，以便满足用户的不同需求。本申请综合考虑第一部署层级对应的纵向数据和第一部署层级的上一部署层级的横向数据，增加获取隶属临界值的可靠性。附图说明图1本申请一实施例的服务性能分析方法流程示意图；图2本申请一实施例的服务性能分析装置结构示意图；图3本申请一实施例的计算机设备内部结构示意图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。参照图1，本申请一实施例的服务性能分析方法，包括：s1：获取系统中记录的监控数据，其中所述监控数据包括服务性能参量。s2：分析所述服务性能参量对应的服务类型，并根据所述服务类型确定与所述服务类型对应的模糊隶属函数。本实施例的监控数据包括服务治理中的特征数据，包括服务性能参量以及服务性能参量对应的服务类型，比如“耗时、数据总量、平均服务请求大小、异常率”等服务类型。本实施例中不同服务类型对应为不同的模糊规则，上述不同的模糊规则组成模糊规则库并存储，以便及时调用。举例地，耗时映射为服务的响应效率，模糊规则中对应的模糊语义包含：缓慢、正常、高速、极速四种状态；异常率映射为服务的稳定性，模糊规则中对应的模糊语义包含：高风险、普通、较稳定、极佳四个维度，等等，此处不一一列举各模糊规则。s3：将所述服务性能参量代入所述模糊隶属函数中匹配对应的模糊语义，其中，所述模糊语义包含于所述服务类型对应的一组评价维度信息中，各组所述评价维度信息与各所述服务类型一一对应。本实施例通过模糊隶属函数将服务性能参量对应的绝对特征值映射为相对值，可更直观地描述各服务性能，更加适合非开发人员、运维人员了解服务现状，且在一定程度上减少了不同应用场景下，服务性能参量对应的绝对特征值的物理意义偏差。比如，对于外调的系统a，平均耗时2000ms，那么200ms的服务a1，响应效率属于高速；对于内部服务b，平均耗时20ms，那么对于200ms的服务b1，其响应效率则属于缓慢。即映射服务的响应效率的“耗时”服务类型，对应的一组评价维度信息包含：缓慢、正常、高速、极速四种维度。s4：得到所述模糊隶属函数输出的所述服务性能参量对应的模糊语义。本实施例通过将服务性能参量对应的绝对特征值代入模糊隶属函数，以根据绝对特征值对应的模糊隶属函数的分段，并根据分段获取对应的模糊语义。举例地，bis(businessinformationsystem，商业信息系统)服务中，依据理论上网络延时极端小值约20毫秒，专线路由双端网络耗时约36毫秒，一次非空tcp请求至少三个来回的经验进行设定分段。网络延时性能对应的模糊规则中包括8个模糊语义，根据临界值的大小依次对应8个分段，相邻分段以对应的临界值进行分界并关联，上述8个模糊语义对应临界值从小到大分别对应8个分段分区，包括“极好、非常好、较好、正常、较慢、非常慢、极慢、异常”，对应的8个分段从小到大依次为(0,20)、[20,60)、[60,120)、[120,300)、[300,10000)、[10000,30000)、[30000,60000)、[60000,120000)，单位为毫秒，若当前网络延时对应的绝对特征值为45ms，则对应的分段为[20,60)，对应的模糊语义为“非常好”，以便更直观的了解当前服务状态。s5：将所述模糊语义按照预设转换方式转换为服务性能分析语言。本实施例在将模糊语义转换为服务性能分析语言，为将模糊语义匹配到分析语言对应的参数表的过程，上述参数表包括两部分参数，预设固定组成参数和用户自选的匹配参数，比如预设固定组成参数包括“公司、系统、服务、环境、时间段”等，上述匹配参数即可通过模糊规则获取对应的模糊语义的参量，比如“平均耗时”等，通过参数表更直观地展示当前服务性能。本申请另一实施例中，按照预设句式，将参数表中的各参数对应匹配到预设句式中，自动转换形成人类语言描述的报告。最终可以依赖前端页面或ireport报表工具，输出基于模糊语义描述的服务性能分析。ireport报表工具可以实现table表、交叉表、子报表、多数据源报表、导出word、excel、pdf等功能。进一步地，所述获取系统中记录的监控数据的步骤s1之前，包括：s11：按照预设方式获取指定服务性能的配置表，其中所述配置表中配置模糊匹配对应的分段和各分段分别对应的模糊语义。本实施例的配置表中包括分段的临界点数值，分段对应的模糊语义，临界点数值的代表意义等。首先根据服务划定考察范围，如考察对象为某一服务查询接口，它属于a业务功能的一个服务，那么就以a业务为背景，统计a业务内所有服务接口上述相关特征值的均值，如95line，99line等均值属性，以便确定合理的考察数据范围，根据确定的考察数据范围再根据正态数据分布特点进行分段，形成各分段，并依据各分段对应的服务状态含义，匹配模糊语义。利用java代码或关系数据库sql的case语句，实现原始记录数据到模糊语义的自动映射，提高自动化效果。sql语句中的case语句与高级语言中的switch语句，是标准sql的语法，适用与一个条件判断有多种取值的情况下分别执行不同的操作。s12：根据所述分段和各分段分别对应的模糊语义，生成所述模糊隶属函数。进一步地，所述模糊隶属函数为一次函数，所述根据所述分段和各分段分别对应的模糊语义，生成所述模糊隶属函数的步骤s12，包括：s121：获取第一分段对应的第一临界值和第一模糊语义，其中所述第一分段为各所述分段中的任意分段，各所述分段依次连接并接续分布，所述第一临界值包括起点临界值和终点临界值。s122：将所述第一分段对应映射为纵坐标区间，并将所述第一模糊语义对应映射为横坐标区间。s123：将所述起点临界值与所述横坐标区间的起点值组成第一坐标点，将所述终点临界值与所述横坐标区间的起点值组成第二坐标点。s124：根据所述第一坐标点和所述第二坐标点的连线，生成以一次函数表达的所述模糊隶属函数。本实施例通过采用线性函数作为模糊隶属函数，具有单调、易控、算法复杂度小的优点。因为业务属性是同趋向的，从功能和效率考虑，单调线性函数可较好的满足要求。上述同趋向的概念为数据的单调性趋势，比如平均耗时33ms小于66ms，代表33ms快，66ms小于99ms，代表66ms比99ms快，那么33ms一定代表比99ms快。本实施例的线性函数为一次函数，通过将各分段映射为函数值y,将各分段对应的模糊语义映射为模糊自变量x,对应相同跨度区间的模糊自变量x时，各分段对应的数据范围不同，各分段涵盖的数据量也不同，即相等的横坐标区间对应不同数据范围的分段，但总体呈正态分布状态，即对应“正常”模糊语义的数据量占比最大，以符合常规业务的自然规律，表现为“正常”模糊语义的线性变化斜率最小。进一步地，所述按照预设方式获取指定服务性能的配置表的步骤s11，包括：s111：识别用户输入的待模糊分析的所述指定服务性能。s112：判断是否存在预先通过人工匹配的，所述指定服务性能对应的第一配置表。s113：若存在预先通过人工匹配的所述指定服务性能对应的第一配置表，则调用所述第一配置表。本实施例的第一配置表通过人工经验进行自主设定后存储，以便及时调用。本实施例通过人工参与设置配置表，使模糊语义更贴合服务分析的需求，人工参与设置配置表通过存储地址的链接，供服务性能分析时自动根据服务性能的类别进行针对性调用。进一步地，所述按照预设方式获取指定服务性能的配置表的步骤s11，包括：s114：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级。s115：获取所述第一部署层级对应的所述指定服务性能的第一历史数据，其中所述第一历史数据包括位于当前时刻之前的指定时间段的存储数据。s116：将所述第一历史数据按照数据数值从小到大的顺序排布成第一数组。s117：根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第一数组。s118：将所述第一数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第二配置表。本实施例通过统计学方法进行数据的自动分析，自动实现数据的分段，并进而实现数据分段与模糊语义的对应映射。本实施例通过统计同一部署层级的纵向历史数据，依据同层属性实现数据统计，并获取数据的变化趋势。举例地，目标考察的时间为＝*年*月*日，单位是“天”；属性标签最小粒度为“bis服务系统”，当前的第一部署层级为“系统”，级别高于所述第一部署层级的第二部署层级为“公司”。统计bis服务在前30天内的耗时分布，原始记录数据如下表1，表中时间具体以第一天、第二天等依次代替，实际均为*年*月*日表示一天的数据对应的平均值。表1时间平均耗时/ms第一天55第二天50..略..略最后一天98原始记录的平均耗时，按照平均耗时数值从小到大排序后依次划分为五个临界值对应的分段，按正态分布比例的方式划分分段区域，比如按照3,6,12,6,3的正态分布比例进行划分，得到如下表2所示的各分段，然后依据表2的数据，得到线性隶属函数，然后根据得到的线性隶属函数，判断当前数据“平均耗时＝33”的模糊语义，根据线性隶属函数得知“平均耗时＝33”属于第二分段，对应的模糊语义为“较好”。表2进一步地，所述按照预设方式获取指定服务性能的配置表的步骤s11，包括：s1100：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级。s1101：获取级别高于所述第一部署层级的第二部署层级，以及所述第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中所述第二历史数据包括位于当前时刻之前的指定时间段的存储数据，所述第二部署层级包括多个第一部署层级。s1102：将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第二数组。s1103：根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组。s1104：将所述第二数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第三配置表。本实施例依据级别高于所述第一部署层级的第二部署层级的属性，统计第二部署层级下包括的第一部署层级的所有历史数据，比如第一部署层级为“系统”，第一部署层级的上一部署层级为“公司”，“公司”即为第二部署层级，“公司”包括多个“系统”，优势在于可以对各“系统”进行横向比较，更容易发觉问题的原因所在。比如各“系统”在同一时间维度内的各个系统服务的业务差异很大，比如存在文件传输等耗时本来就大的业务，会将整个系统的隶属临界值向上调整，导致部分性能要求高的业务不能得到客观的评价。数据统计和映射为第三配置表的过程，与形成第二配置表的过程类似，区别在于第三配置表中的数据为各系统在同一时间维度下的横向数据，第二配置表中的数据为同一系统在不同时间维度下的纵向数据，上述同一时间维度和不同时间维度均以“天”为单位。进一步地，根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组的步骤s1103，包括：s1103a:获取所述预设模糊语义的种类数量。s1103b:获取所述第二数组对应的平均数。s1103c:以所述平均数为正态分布的中间峰值，并根据所述中间峰值所处的数据范围占比所述第二数组内所有数据范围的预设占比，对所述所述第二数组内所有数据范围进行分段划分，其中，所述分段的数量与所述种类数量相同。本实施例的正态分布对应的分段的数量，与预设模糊语义的种类数量相同，且中间峰值所述的数据范围比所述第二数组内所有数据范围的预设占比为最大。举例地，比如按照3,6,12,6,3的正态分布比例进行划分具有5个评价维度的服务性能。进一步地，所述按照预设方式获取指定服务性能的配置表的步骤，包括：s1105：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级。s1106：分别获取所述第一部署层级对应的所述指定服务性能的第一历史数据，以及第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中，所述第二部署层级级别高于所述第一部署层级，所述第一历史数据和所述第二历史数据均包括位于当前时刻之前的指定时间段的存储数据。s1107：将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第三数组，并将所述第一历史数据中所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第四数组，其中，所述第一历史数据中的所述指定服务性能的数据，为所述指定服务性能在不同历史时刻对应的数据，所述不同历史时刻以及同一历史时刻均包含于当前时刻之前的指定时间段内，依据所述第二部署层级包含所述第一部署层级的数量，确定所述不同历史时刻的数量，使所述第三数组和第四数组包括相同的数据数量。s1108：将所述第三数组和第四数组中的各数据，分别按照从小到大的顺序按照预设权重比例一一对应拟合，形成第五数组。s1109：根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第五数组。s1110：将所述第五数组对应的各分段分别与所述预设模糊语义的种类对应映射为第四配置表。本实施例同时结合第二配置表和第三配置表，按照不同的权重比例形成第四配置表中的数据，先按照第二配置表、第三配置表的形成过程，获取各自对应的隶属临界值，再根据预先设定的权重参数进行融合，比如第一部署层级权重为0.8,第二部署层级权重为0.2，得到第四配置表对应的隶属临界值。举例地，第一部署层级对应的第一历史数据的各上临界值从小至大依次为：20、60、150、200、220；第二部署层级对应的第二历史数据的各上临界值从小至大依次为：40、80、230、300、330；依据上述权重可得到第四配置表对应的各上临界值从小至大依次为：24、64、166、220、242，其中24＝20*0.8+40*0.2，通过综合考虑第一部署层级对应的纵向数据和第一部署层级的上一部署层级的横向数据，增加获取隶属临界值的可靠性。本申请其他实施例当需要加入第二部署层级的上一部署层级时，通过再增加一个权重设置的方式可同样实现，比如第一部署层级权重为0.7,第二部署层级权重为0.2，第二部署层级的上一部署层级的权重为0.1，过程同上，不赘述。本实施例的临界值算法可以根据需要进行调整，开发人员将各种临界值算法做成工具包，用户根据需要进行选择使用，通过临界值算法工具包可以动态的生成配置表，通过变更的配置表调整上述线性隶属函数，然后再根据线性隶属函数，可以得到适于非开发用户理解的语言描述，让更多的非开发人员、运维人员更直观的了解系统当前的各项性能。本实施例通过模糊隶属函数将服务性能参量对应的绝对特征值映射为相对值，可更直观地描述各服务性能，更加适合非开发人员、运维人员了解服务现状，且在一定程度上减少了不同应用场景下，服务性能参量对应的绝对特征值的物理意义偏差。本实施例根据服务划定考察范围，统计所有相关特征值的均值，如95line，99line等均值属性，以便确定合理的考察数据范围，根据确定的考察数据范围再根据正态数据分布特点进行分段，形成各分段，并依据各分段对应的服务状态含义，匹配模糊语义。利用java代码或关系数据库sql的case语句，实现原始记录数据到模糊语义的自动映射，提高自动化效果。本实施例的配置表可通过人工经验进行自主设定后存储，也可通过统计方法自主形成，以便满足用户的不同需求。本实施例综合考虑第一部署层级对应的纵向数据和第一部署层级的上一部署层级的横向数据，增加获取隶属临界值的可靠性。参照图2，本申请一实施例的服务性能分析装置，包括：第一获取模块1，用于获取系统中记录的监控数据，其中所述监控数据包括服务性能参量。分析模块2，用于分析所述服务性能参量对应的服务类型，并根据所述服务类型确定与所述服务类型对应的模糊隶属函数。本实施例的监控数据包括服务治理中的特征数据，包括服务性能参量以及服务性能参量对应的服务类型，比如“耗时、数据总量、平均服务请求大小、异常率”等服务类型。本实施例中不同服务类型对应为不同的模糊规则，上述不同的模糊规则组成模糊规则库并存储，以便及时调用。举例地，耗时映射为服务的响应效率，模糊规则中对应的模糊语义包含：缓慢、正常、高速、极速四种状态；异常率映射为服务的稳定性，模糊规则中对应的模糊语义包含：高风险、普通、较稳定、极佳四个维度，等等，此处不一一列举各模糊规则。代入模块3，用于将所述服务性能参量代入所述模糊隶属函数中匹配对应的模糊语义，其中，所述模糊语义包含于所述服务类型对应的一组评价维度信息中，各组所述评价维度信息与各所述服务类型一一对应。本实施例通过模糊隶属函数将服务性能参量对应的绝对特征值映射为相对值，可更直观地描述各服务性能，更加适合非开发人员、运维人员了解服务现状，且在一定程度上减少了不同应用场景下，服务性能参量对应的绝对特征值的物理意义偏差。比如，对于外调的系统a，平均耗时2000ms，那么200ms的服务a1，响应效率属于高速；对于内部服务b，平均耗时20ms，那么对于200ms的服务b1，其响应效率则属于缓慢。即映射服务的响应效率的“耗时”服务类型，对应的一组评价维度信息包含：缓慢、正常、高速、极速四种维度。得到模块4，用于得到所述模糊隶属函数输出的所述服务性能参量对应的模糊语义。本实施例通过将服务性能参量对应的绝对特征值代入模糊隶属函数，以根据绝对特征值对应的模糊隶属函数的分段，并根据分段获取对应的模糊语义。举例地，bis(businessinformationsystem，商业信息系统)服务中，依据理论上网络延时极端小值约20毫秒，专线路由双端网络耗时约36毫秒，一次非空tcp请求至少三个来回的经验进行设定分段。网络延时性能对应的模糊规则中包括8个模糊语义，根据临界值的大小依次对应8个分段，相邻分段以对应的临界值进行分界并关联，上述8个模糊语义对应临界值从小到大分别对应8个分段分区，包括“极好、非常好、较好、正常、较慢、非常慢、极慢、异常”，对应的8个分段从小到大依次为(0,20)、[20,60)、[60,120)、[120,300)、[300,10000)、[10000,30000)、[30000,60000)、[60000,120000)，单位为毫秒，若当前网络延时对应的绝对特征值为45ms，则对应的分段为[20,60)，对应的模糊语义为“非常好”，以便更直观的了解当前服务状态。转换模块5，用于将所述模糊语义按照预设转换方式转换为服务性能分析语言。本实施例在将模糊语义转换为服务性能分析语言，为将模糊语义匹配到分析语言对应的参数表的过程，上述参数表包括两部分参数，预设固定组成参数和用户自选的匹配参数，比如预设固定组成参数包括“公司、系统、服务、环境、时间段”等，上述匹配参数即可通过模糊规则获取对应的模糊语义的参量，比如“平均耗时”等，通过参数表更直观地展示当前服务性能。本申请另一实施例中，按照预设句式，将参数表中的各参数对应匹配到预设句式中，自动转换形成人类语言描述的报告。最终可以依赖前端页面或ireport报表工具，输出基于模糊语义描述的服务性能分析。ireport报表工具可以实现table表、交叉表、子报表、多数据源报表、导出word、excel、pdf等功能。进一步地，所述服务性能分析装置，包括：第二获取模块，用于按照预设方式获取指定服务性能的配置表，其中所述配置表中配置模糊匹配对应的分段和各分段分别对应的模糊语义。本实施例的配置表中包括分段的临界点数值，分段对应的模糊语义，临界点数值的代表意义等。首先根据服务划定考察范围，如考察对象为某一服务查询接口，它属于a业务功能的一个服务，那么就以a业务为背景，统计a业务内所有服务接口上述相关特征值的均值，如95line，99line等均值属性，以便确定合理的考察数据范围，根据确定的考察数据范围再根据正态数据分布特点进行分段，形成各分段，并依据各分段对应的服务状态含义，匹配模糊语义。利用java代码或关系数据库sql的case语句，实现原始记录数据到模糊语义的自动映射，提高自动化效果。sql语句中的case语句与高级语言中的switch语句，是标准sql的语法，适用与一个条件判断有多种取值的情况下分别执行不同的操作。生成模块，用于根据所述分段和各分段分别对应的模糊语义，生成所述模糊隶属函数。进一步地，所述生成模块，包括：第一获取单元，用于获取第一分段对应的第一临界值和第一模糊语义，其中所述第一分段为各所述分段中的任意分段，各所述分段依次连接并接续分布，所述第一临界值包括起点临界值和终点临界值。映射单元，用于将所述第一分段对应映射为纵坐标区间，并将所述第一模糊语义对应映射为横坐标区间。组成单元，用于将所述起点临界值与所述横坐标区间的起点值组成第一坐标点，将所述终点临界值与所述横坐标区间的起点值组成第二坐标点。生成单元，用于根据所述第一坐标点和所述第二坐标点的连线，生成以一次函数表达的所述模糊隶属函数。本实施例通过采用线性函数作为模糊隶属函数，具有单调、易控、算法复杂度小的优点。因为业务属性是同趋向的，从功能和效率考虑，单调线性函数可较好的满足要求。上述同趋向的概念为数据的单调性趋势，比如平均耗时33ms小于66ms，代表33ms快，66ms小于99ms，代表66ms比99ms快，那么33ms一定代表比99ms快。本实施例的线性函数为一次函数，通过将各分段映射为函数值y,将各分段对应的模糊语义映射为模糊自变量x,对应相同跨度区间的模糊自变量x时，各分段对应的数据范围不同，各分段涵盖的数据量也不同，即相等的横坐标区间对应不同数据范围的分段，但总体呈正态分布状态，即对应“正常”模糊语义的数据量占比最大，以符合常规业务的自然规律，表现为“正常”模糊语义的线性变化斜率最小。进一步地，所述第二获取模块，包括：识别单元，用于识别用户输入的待模糊分析的所述指定服务性能。第一判断单元，用于判断是否存在预先通过人工匹配的，所述指定服务性能对应的第一配置表。调用单元，用于若存在预先通过人工匹配的所述指定服务性能对应的第一配置表，则调用所述第一配置表。本实施例的第一配置表通过人工经验进行自主设定后存储，以便及时调用。本实施例通过人工参与设置配置表，使模糊语义更贴合服务分析的需求，人工参与设置配置表通过存储地址的链接，供服务性能分析时自动根据服务性能的类别进行针对性调用。进一步地，所述第二获取模块，包括：第二判断单元，用于判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级。第二获取单元，用于获取所述第一部署层级对应的所述指定服务性能的第一历史数据，其中所述第一历史数据包括位于当前时刻之前的指定时间段的存储数据。第一排布单元，用于将所述第一历史数据按照数据数值从小到大的顺序排布成第一数组。第一划分单元，用于根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第一数组。第一映射单元，用于将所述第一数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第二配置表。本实施例通过统计学方法进行数据的自动分析，自动实现数据的分段，并进而实现数据分段与模糊语义的对应映射。本实施例通过统计同一部署层级的纵向历史数据，依据同层属性实现数据统计，并获取数据的变化趋势。举例地，目标考察的时间为＝*年*月*日，单位是“天”；属性标签最小粒度为“bis服务系统”，当前的第一部署层级为“系统”，级别高于所述第一部署层级的第二部署层级为“公司”。统计bis服务在前30天内的耗时分布，原始记录数据如下表1，表中时间具体以第一天、第二天等依次代替，实际均为*年*月*日表示一天的数据对应的平均值。表1时间平均耗时/ms第一天55第二天50..略..略最后一天98原始记录的平均耗时，按照平均耗时数值从小到大排序后依次划分为五个临界值对应的分段，按正态分布比例的方式划分分段区域，比如按照3,6,12,6,3的正态分布比例进行划分，得到如下表2所示的各分段，然后依据表2的数据，得到线性隶属函数，然后根据得到的线性隶属函数，判断当前数据“平均耗时＝33”的模糊语义，根据线性隶属函数得知“平均耗时＝33”属于第二分段，对应的模糊语义为“较好”。表2进一步地，所述第二获取模块，包括：第三判断单元，用于判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级。第三获取单元，用于获取级别高于所述第一部署层级的第二部署层级，以及所述第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中所述第二历史数据包括位于当前时刻之前的指定时间段的存储数据，所述第二部署层级包括多个第一部署层级。第二排布单元，用于将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第二数组。第二划分单元，用于根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组。第二映射单元，用于将所述第二数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第三配置表。本实施例依据级别高于所述第一部署层级的第二部署层级的属性，统计第二部署层级下包括的第一部署层级的所有历史数据，比如第一部署层级为“系统”，第一部署层级的上一部署层级为“公司”，“公司”即为第二部署层级，“公司”包括多个“系统”，优势在于可以对各“系统”进行横向比较，更容易发觉问题的原因所在。比如各“系统”在同一时间维度内的各个系统服务的业务差异很大，比如存在文件传输等耗时本来就大的业务，会将整个系统的隶属临界值向上调整，导致部分性能要求高的业务不能得到客观的评价。数据统计和映射为第三配置表的过程，与形成第二配置表的过程类似，区别在于第三配置表中的数据为各系统在同一时间维度下的横向数据，第二配置表中的数据为同一系统在不同时间维度下的纵向数据，上述同一时间维度和不同时间维度均以“天”为单位。进一步地，第二划分单元，包括：第一获取子单元，用于获取所述预设模糊语义的种类数量。第二获取子单元，用于获取所述第二数组对应的平均数。划分子单元，用于以所述平均数为正态分布的中间峰值，并根据所述中间峰值所处的数据范围占比所述第二数组内所有数据范围的预设占比，对所述所述第二数组内所有数据范围进行分段划分，其中，所述分段的数量与所述种类数量相同。本实施例的正态分布对应的分段的数量，与预设模糊语义的种类数量相同，且中间峰值所述的数据范围比所述第二数组内所有数据范围的预设占比为最大。举例地，比如按照3,6,12,6,3的正态分布比例进行划分具有5个评价维度的服务性能。进一步地，所述第二获取模块，包括：第四判断单元，用于判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级。第四获取单元，用于分别获取所述第一部署层级对应的所述指定服务性能的第一历史数据，以及第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中，所述第二部署层级级别高于所述第一部署层级，所述第一历史数据和所述第二历史数据均包括位于当前时刻之前的指定时间段的存储数据。第三排布单元，用于将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第三数组，并将所述第一历史数据中所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第四数组，其中，所述第一历史数据中的所述指定服务性能的数据，为所述指定服务性能在不同历史时刻对应的数据，所述不同历史时刻以及同一历史时刻均包含于当前时刻之前的指定时间段内，依据所述第二部署层级包含所述第一部署层级的数量，确定所述不同历史时刻的数量，使所述第三数组和第四数组包括相同的数据数量。拟合单元，用于将所述第三数组和第四数组中的各数据，分别按照从小到大的顺序按照预设权重比例一一对应拟合，形成第五数组。第三划分单元，用于根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第五数组。第三映射单元，用于将所述第五数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第四配置表。本实施例同时结合第二配置表和第三配置表，按照不同的权重比例形成第四配置表中的数据，先按照第二配置表、第三配置表的形成过程，获取各自对应的隶属临界值，再根据预先设定的权重参数进行融合，比如第一部署层级权重为0.8,第二部署层级权重为0.2，得到第四配置表对应的隶属临界值。举例地，第一部署层级对应的第一历史数据的各上临界值从小至大依次为：20、60、150、200、220；第二部署层级对应的第二历史数据的各上临界值从小至大依次为：40、80、230、300、330；依据上述权重可得到第四配置表对应的各上临界值从小至大依次为：24、64、166、220、242，其中24＝20*0.8+40*0.2，通过综合考虑第一部署层级对应的纵向数据和第一部署层级的上一部署层级的横向数据，增加获取隶属临界值的可靠性。本申请其他实施例当需要加入第二部署层级的上一部署层级时，通过再增加一个权重设置的方式可同样实现，比如第一部署层级权重为0.7,第二部署层级权重为0.2，第二部署层级的上一部署层级的权重为0.1，过程同上，不赘述。本实施例的临界值算法可以根据需要进行调整，开发人员将各种临界值算法做成工具包，用户根据需要进行选择使用，通过临界值算法工具包可以动态的生成配置表，通过变更的配置表调整上述线性隶属函数，然后再根据线性隶属函数，可以得到适于非开发用户理解的语言描述，让更多的非开发人员、运维人员更直观的了解系统当前的各项性能。参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备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，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的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。该计算机设备的数据库用于存储服务性能分析过程需要的所有数据。该计算机设备的网络接口用于与外部的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服务性能分析方法。上述处理器执行上述服务性能分析方法，包括：获取系统中记录的监控数据，其中所述监控数据包括服务性能参量；分析所述服务性能参量对应的服务类型，并根据所述服务类型确定与所述服务类型对应的模糊隶属函数；将所述服务性能参量代入所述模糊隶属函数中匹配对应的模糊语义，其中，所述模糊语义包含于所述服务类型对应的一组评价维度信息中，各组所述评价维度信息与各所述服务类型一一对应；得到所述模糊隶属函数输出的所述服务性能参量对应的模糊语义；将所述模糊语义按照预设转换方式转换为服务性能分析语言。上述计算机设备，通过模糊隶属函数将服务性能参量对应的绝对特征值映射为相对值，可更直观地描述各服务性能，更加适合非开发人员、运维人员了解服务现状，且在一定程度上减少了不同应用场景下，服务性能参量对应的绝对特征值的物理意义偏差。根据服务划定考察范围，统计所有相关特征值的均值，如95line，99line等均值属性，以便确定合理的考察数据范围，根据确定的考察数据范围再根据正态数据分布特点进行分段，形成各分段，并依据各分段对应的服务状态含义，匹配模糊语义。利用java代码或关系数据库sql的case语句，实现原始记录数据到模糊语义的自动映射，提高自动化效果。上述配置表可通过人工经验进行自主设定后存储，也可通过统计方法自主形成，以便满足用户的不同需求。通过综合考虑第一部署层级对应的纵向数据和第一部署层级的上一部署层级的横向数据，增加获取隶属临界值的可靠性。在一个实施例中，上述处理器获取系统中记录的监控数据的步骤之前，包括：按照预设方式获取指定服务性能的配置表，其中所述配置表中配置模糊匹配对应的分段和各所述分段分别对应的模糊语义；根据所述分段和各所述分段分别对应的模糊语义，生成所述模糊隶属函数。在一个实施例中，所述模糊隶属函数为一次函数，上述处理器根据所述分段和各所述分段分别对应的模糊语义，生成所述模糊隶属函数的步骤，包括：获取第一分段对应的第一临界值和第一模糊语义，其中所述第一分段为各所述分段中的任意分段，各所述分段依次连接并接续分布，所述第一临界值包括起点临界值和终点临界值；将所述第一分段对应映射为纵坐标区间，并将所述第一模糊语义对应映射为横坐标区间；将所述起点临界值与所述横坐标区间的起点值组成第一坐标点，将所述终点临界值与所述横坐标区间的起点值组成第二坐标点；根据所述第一坐标点和所述第二坐标点的连线，生成以所述一次函数表达的所述模糊隶属函数。在一个实施例中，上述处理器按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；获取所述第一部署层级对应的所述指定服务性能的第一历史数据，其中所述第一历史数据包括位于当前时刻之前的指定时间段的存储数据；将所述第一历史数据按照数据数值从小到大的顺序排布成第一数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第一数组；将所述第一数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第二配置表。在一个实施例中，上述处理器按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；获取级别高于所述第一部署层级的第二部署层级，以及所述第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中所述第二历史数据包括位于当前时刻之前的指定时间段的存储数据，所述第二部署层级包括多个所述第一部署层级；将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第二数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组；将所述第二数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第三配置表。在一个实施例中，上述处理器根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组的步骤，包括：获取所述预设模糊语义的种类数量；获取所述第二数组对应的平均数；以所述平均数为正态分布的中间峰值，并根据所述中间峰值所处的数据范围占比所述第二数组内所有数据范围的预设占比，对所述所述第二数组内所有数据范围进行分段划分，其中，所述分段的数量与所述种类数量相同。在一个实施例中，上述处理器按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；分别获取所述第一部署层级对应的所述指定服务性能的第一历史数据，以及第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中，所述第二部署层级级别高于所述第一部署层级，所述第一历史数据和所述第二历史数据均包括位于当前时刻之前的指定时间段的存储数据；将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第三数组，并将所述第一历史数据中所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第四数组，其中，所述第一历史数据中的所述指定服务性能的数据，为所述指定服务性能在不同历史时刻对应的数据，所述不同历史时刻以及同一历史时刻均包含于当前时刻之前的指定时间段内，依据所述第二部署层级包含所述第一部署层级的数量，确定所述不同历史时刻的数量，使所述第三数组和第四数组包括相同的数据数量；将所述第三数组和第四数组中的各数据，分别按照从小到大的顺序按照预设权重比例一一对应拟合，形成第五数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第五数组；将所述第五数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第四配置表。本领域技术人员可以理解，图3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计算机设备的限定。本申请一实施例还提供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服务性能分析方法，包括：获取系统中记录的监控数据，其中所述监控数据包括服务性能参量；分析所述服务性能参量对应的服务类型，并根据所述服务类型确定与所述服务类型对应的模糊隶属函数；将所述服务性能参量代入所述模糊隶属函数中匹配对应的模糊语义，其中，所述模糊语义包含于所述服务类型对应的一组评价维度信息中，各组所述评价维度信息与各所述服务类型一一对应；得到所述模糊隶属函数输出的所述服务性能参量对应的模糊语义；将所述模糊语义按照预设转换方式转换为服务性能分析语言。上述计算机可读存储介质，通过模糊隶属函数将服务性能参量对应的绝对特征值映射为相对值，可更直观地描述各服务性能，更加适合非开发人员、运维人员了解服务现状，且在一定程度上减少了不同应用场景下，服务性能参量对应的绝对特征值的物理意义偏差。根据服务划定考察范围，统计所有相关特征值的均值，如95line，99line等均值属性，以便确定合理的考察数据范围，根据确定的考察数据范围再根据正态数据分布特点进行分段，形成各分段，并依据各分段对应的服务状态含义，匹配模糊语义。利用java代码或关系数据库sql的case语句，实现原始记录数据到模糊语义的自动映射，提高自动化效果。上述配置表可通过人工经验进行自主设定后存储，也可通过统计方法自主形成，以便满足用户的不同需求。通过综合考虑第一部署层级对应的纵向数据和第一部署层级的上一部署层级的横向数据，增加获取隶属临界值的可靠性。在一个实施例中，上述处理器获取系统中记录的监控数据的步骤之前，包括：按照预设方式获取指定服务性能的配置表，其中所述配置表中配置模糊匹配对应的分段和各所述分段分别对应的模糊语义；根据所述分段和各所述分段分别对应的模糊语义，生成所述模糊隶属函数。在一个实施例中，所述模糊隶属函数为一次函数，上述处理器根据所述分段和各所述分段分别对应的模糊语义，生成所述模糊隶属函数的步骤，包括：获取第一分段对应的第一临界值和第一模糊语义，其中所述第一分段为各所述分段中的任意分段，各所述分段依次连接并接续分布，所述第一临界值包括起点临界值和终点临界值；将所述第一分段对应映射为纵坐标区间，并将所述第一模糊语义对应映射为横坐标区间；将所述起点临界值与所述横坐标区间的起点值组成第一坐标点，将所述终点临界值与所述横坐标区间的起点值组成第二坐标点；根据所述第一坐标点和所述第二坐标点的连线，生成以所述一次函数表达的所述模糊隶属函数。在一个实施例中，上述处理器按照预设方式获取指定服务性能的配置表的步骤，包括：识别用户输入的待模糊分析的所述指定服务性能；判断是否存在预先通过人工匹配的，所述指定服务性能对应的第一配置表；若是，则调用所述第一配置表。在一个实施例中，上述处理器按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；获取所述第一部署层级对应的所述指定服务性能的第一历史数据，其中所述第一历史数据包括位于当前时刻之前的指定时间段的存储数据；将所述第一历史数据按照数据数值从小到大的顺序排布成第一数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第一数组；将所述第一数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第二配置表。在一个实施例中，上述处理器按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；获取级别高于所述第一部署层级的第二部署层级，以及所述第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中所述第二历史数据包括位于当前时刻之前的指定时间段的存储数据，所述第二部署层级包括多个所述第一部署层级；将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第二数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组；将所述第二数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第三配置表。在一个实施例中，上述处理器根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第二数组的步骤，包括：获取所述预设模糊语义的种类数量；获取所述第二数组对应的平均数；以所述平均数为正态分布的中间峰值，并根据所述中间峰值所处的数据范围占比所述第二数组内所有数据范围的预设占比，对所述所述第二数组内所有数据范围进行分段划分，其中，所述分段的数量与所述种类数量相同。在一个实施例中，上述处理器按照预设方式获取指定服务性能的配置表的步骤，包括：判断用户输入的待模糊分析的所述指定服务性能对应的第一部署层级；分别获取所述第一部署层级对应的所述指定服务性能的第一历史数据，以及第二部署层级中包括的各所述第一部署层级分别对应的第二历史数据，其中，所述第二部署层级级别高于所述第一部署层级，所述第一历史数据和所述第二历史数据均包括位于当前时刻之前的指定时间段的存储数据；将各所述第二历史数据中同一历史时刻对应的所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第三数组，并将所述第一历史数据中所述指定服务性能的数据，按照数据数值从小到大的顺序排布成第四数组，其中，所述第一历史数据中的所述指定服务性能的数据，为所述指定服务性能在不同历史时刻对应的数据，所述不同历史时刻以及同一历史时刻均包含于当前时刻之前的指定时间段内，依据所述第二部署层级包含所述第一部署层级的数量，确定所述不同历史时刻的数量，使所述第三数组和第四数组包括相同的数据数量；将所述第三数组和第四数组中的各数据，分别按照从小到大的顺序按照预设权重比例一一对应拟合，形成第五数组；根据预设模糊语义的种类数量，按照预设正态分布比例依次对应划分所述第五数组；将所述第五数组对应的各分段，分别与所述预设模糊语义的种类对应映射为第四配置表。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，上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，本申请所提供的和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。非易失性存储器可以包括只读存储器(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)、双速据率sdram(ssrsdram)、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。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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。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、装置、物品或者方法中还存在另外的相同要素。以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请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：
：，均同理包括在本申请的专利保护范围内。当前第1页12当前第1页12