分布式AI应用的打包部署方法、系统、设备及存储介质与流程

分布式ai应用的打包部署方法、系统、设备及存储介质
技术领域
1.本发明涉及分布式集群技术领域，特别是涉及一种分布式ai应用的打包部署方法、系统、设备及存储介质。


背景技术：

2.随着微服务理念的不断普及，以及云原生技术的不断成熟，单体ai(artificial intelligence，人工智能)应用已经不能满足用户的业务需求，并且运维难度高。不同的领域中，ai业务的复杂度也越来越高，依赖的组件越来越多，组件之间的协作也越来越复杂，因此分布式的ai应用成为目前的发展趋势。
3.docker是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的linux或windows操作系统的机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。
4.docker可以解决单个应用的打包问题，实现应用的快速部署，但是docker无法做到分布式ai应用的编排，因此传统方案中通常仍然需要手动进行分布式ai应用的部署。此外，目前在进行分布式ai应用的打包部署时，操作较为复杂，对于技术人员的要求较高，使得目前无法高效地，快捷地进行分布式ai应用的打包部署。
5.综上所述，如何方便，高效地实现分布式ai应用的打包部署，是目前本领域技术人员急需解决的技术问题。


技术实现要素：

6.本发明的目的是提供一种分布式ai应用的打包部署方法、系统、设备及存储介质，以方便，高效地实现分布式ai应用的打包部署。
7.为解决上述技术问题，本发明提供如下技术方案：
8.一种分布式ai应用的打包部署方法，包括：
9.根据ai应用的打包配置文件，判断所述ai应用的应用镜像是否从模型文件开始构建；
10.如果是，则基于所述ai应用的运行框架，构建出所述ai应用的应用镜像；
11.如果否，则获取所述ai应用的应用镜像；
12.根据所述打包配置文件，判断所述ai应用的依赖镜像是否为自动发现；
13.如果是，则启动容器集群运行所述ai应用，并下载所述ai应用的各个依赖镜像；
14.如果否，则获取所述ai应用的各个依赖镜像；
15.将所述ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包；
16.基于所述ai应用包，将ai应用迁移至目标集群中并运行所述ai应用。
17.优选的，所述启动容器集群运行所述ai应用，包括：
18.启动一个单节点的容器集群运行所述ai应用。
19.优选的，所述启动一个单节点的容器集群运行所述ai应用，包括：
20.启动一个单节点的轻量级容器集群运行所述ai应用。
21.优选的，所述获取所述ai应用的各个依赖镜像，包括：
22.从所述打包配置文件中获取所述ai应用的各个依赖镜像。
23.优选的，所述将ai应用迁移至目标集群中，包括：
24.将ai应用迁移至目标集群的各个分布式节点中。
25.优选的，所述基于所述ai应用包，将ai应用迁移至目标集群中并运行所述ai应用，包括：
26.解析所述ai应用包，确定出所述ai应用的应用镜像，各个依赖镜像，以及部署文件；
27.基于目标集群的镜像仓库配置文件，对接所述目标集群的镜像仓库，以进行镜像的上传并调整所述部署文件中的镜像地址；
28.基于所述目标集群的容器集群配置文件，对接所述目标集群的运行环境，并运行所述ai应用。
29.优选的，还包括：
30.将所述目标集群的镜像仓库的证书路径添加至所述部署文件中。
31.一种分布式ai应用的打包部署系统，包括：
32.第一判断模块，用于根据ai应用的打包配置文件，判断所述ai应用的应用镜像是否从模型文件开始构建，如果是，则触发应用镜像构建模块，如果否，则触发应用镜像获取模块；
33.所述应用镜像构建模块，用于基于所述ai应用的运行框架，构建出所述ai应用的应用镜像；
34.所述应用镜像获取模块，用于获取所述ai应用的应用镜像；
35.第一判断模块，用于根据所述打包配置文件，判断所述ai应用的依赖镜像是否为自动发现，如果是，则触发依赖镜像自动发现模块，如果否，则触发依赖镜像手动发现模块；
36.所述依赖镜像自动发现模块，用于启动容器集群运行所述ai应用，并下载所述ai应用的各个依赖镜像；
37.所述依赖镜像手动发现模块，用于获取所述ai应用的各个依赖镜像；
38.打包模块，用于将所述ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包；
39.迁移模块，用于基于所述ai应用包，将ai应用迁移至目标集群中并运行所述ai应用。
40.一种分布式ai应用的打包部署设备，包括：
41.存储器，用于存储计算机程序；
42.处理器，用于执行所述计算机程序以实现如上述所述的分布式ai应用的打包部署方法的步骤。
43.一种计算机可读存储介质，所述计算机可读存储介质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如上述所述的分布式ai应用的打包部署方法的步骤。
44.应用本发明实施例所提供的分布式ai应用的打包部署方法，允许直接从ai模型开始打包，降低了用户的使用门槛。即本技术可以根据ai应用的打包配置文件，判断ai应用的
应用镜像是否从模型文件开始构建，如果是，可以基于ai应用的运行框架，构建出ai应用镜像，当然，如果不需要进行ai应用镜像的构建，则可以直接获取ai应用镜像。得到了ai应用镜像之后，便可以根据打包配置文件，判断ai应用的依赖镜像是否为自动发现。如果是手动发现，则可以直接获取ai应用的各个依赖镜像。如果是自动发现，本技术会启动容器集群，通过暂时运行ai应用，使得可以下载ai应用的各个依赖镜像。可以看出，本技术的方案支持两种得到ai应用的各个依赖镜像的方式。得到了ai应用的各个依赖镜像之后，可以将ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包，最后再基于ai应用包，将ai应用迁移至目标集群中并运行ai应用，也即实现了ai应用的迁移。综上所述，本技术的方案可以方便，高效地实现分布式ai应用的打包部署。
附图说明
45.为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
46.图1为本发明中一种分布式ai应用的打包部署方法的实施流程图；
47.图2为本发明中一种分布式ai应用的打包部署系统的结构示意图；
48.图3为本发明中一种分布式ai应用的打包部署设备的结构示意图。
具体实施方式
49.本发明的核心是提供一种分布式ai应用的打包部署方法，可以方便，高效地实现分布式ai应用的打包部署。
50.为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅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。
51.请参考图1，图1为本发明中一种分布式ai应用的打包部署方法的实施流程图，该分布式ai应用的打包部署方法可以包括以下步骤：
52.步骤s101：根据ai应用的打包配置文件，判断ai应用的应用镜像是否从模型文件开始构建；如果是，则执行步骤s102，如果否，则执行步骤s103。
53.具体的，人工智能，即ai，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
54.ai应用的范围非常广，包括计算机科学，金融贸易，医药，诊断，重工业，运输，远程通讯，在线和电话服务，法律，科学发现，玩具和游戏，音乐等诸多方面
55.相较于一些普通的分布式应用，ai应用的一个特征是ai应用可以为模型状态，即在部分场合中，需要用户从ai模型开始打包，这对于相关工作人员或者用户的要求就较高。本技术考虑到了该种情况，为了降低本技术方案的使用门槛，会判断ai应用的应用镜像是否从模型文件开始构建，即本技术的方案支持从模型文件开始构建ai应用的应用镜像。
56.ai应用的打包配置文件即为ai应用的appfile，ai应用的打包配置文件中可以配置有ai应用的打包方式，即表明是否需要从模型文件开始构建。并且ai应用的打包配置文件中还可以配置有依赖镜像的发现方式，即后文描述的依赖镜像是手动发现还是自动发现。此外，其他具体场合中，ai应用的打包配置文件appfile中，还可以根据实际需要配置有其他具体内容，根据实际需要进行设定即可，并不影响本发明的实施。
57.步骤s102：基于ai应用的运行框架，构建出ai应用的应用镜像；
58.步骤s103：获取ai应用的应用镜像。
59.如果根据ai应用的打包配置文件，判断出ai应用的应用镜像需要从模型文件开始构建，便可以执行步骤s102的操作。具体的，本技术可以基于ai应用的运行框架，例如tf，pytorch等运行框架，自动构建出ai应用的应用镜像。相应的，如果根据ai应用的打包配置文件，判断出ai应用的应用镜像不需要从模型文件开始构建，则说明可以直接获取到应用的应用镜像。
60.具体的，如果判断出ai应用的应用镜像不需要从模型文件开始构建，说明ai应用的应用镜像已经准确好了，因此可以直接执行步骤s103的操作，即可以直接获取ai应用的应用镜像。对于已经准确好的ai应用的应用镜像，具体存放位置可以根据需要进行设定和调整，并不影响本发明的实施，只要能够在确定出不需要从模型文件开始构建ai应用的应用镜像之后，获取已经备好的ai应用的应用镜像即可。例如一种具体场合中，工作人员预先将备好的ai应用的应用镜像放置在指定的镜像仓库中。
61.步骤s104：根据打包配置文件，判断ai应用的依赖镜像是否为自动发现；如果是，则执行步骤s105，如果否，则执行步骤s106。
62.无论是从模型文件开始构建出ai应用的应用镜像，还是直接获取ai应用的应用镜像，在得到ai应用的应用镜像之后，便可以执行步骤s104以及后续的操作，以得到ai应用的各个依赖镜像。
63.由于是分布式的ai应用，因此除了ai应用的应用镜像之外，还需要ai应用的依赖镜像。并且可以理解的是，对于一个ai应用而言，具体所需要的依赖镜像的数量可以根据需要进行设定和调整，可能是一个，也可能是多个，并不影响本发明的实施。
64.本技术的方案中，在得到ai应用的各个依赖镜像时，支持两种方式，一种是自动发现的方式，另一种是手动发现的方式。
65.具体的，打包配置文件中可以携带有用于表示ai应用的依赖镜像是否为自动发现的相关配置信息，从而使得根据打包配置文件，便可以直接判断出ai应用的依赖镜像是否为自动发现。
66.步骤s105：启动容器集群运行ai应用，并下载ai应用的各个依赖镜像。
67.如果根据打包配置文件，判断ai应用的依赖镜像为自动发现，本技术的方案中便会启动容器集群来运行ai应用，即建立一个运行ai应用的临时环境，以在ai应用的运行过程中，通过该容器集群下载ai应用的各个依赖镜像。
68.所启动的用于运行ai应用的容器集群的具体参数可以根据实际需要进行设定和调整，只要能够有效地下载ai应用的各个依赖镜像即可。在本发明的一种具体实施方式中，步骤s105中描述的启动容器集群运行ai应用，可以具体包括：
69.启动一个单节点的容器集群运行ai应用。
70.该种实施方式考虑到，在启动容器集群运行ai应用时，可以是单节点也可以是多节点的集群。如果设置为单节点集群，直接通过观察该节点的镜像列表，就可以确定出ai应用的所有的依赖镜像，而如果设置为多节点集群，便需要观察多个节点的镜像列表，才能够确定出ai应用的所有的依赖镜像。可以看出，启动一个单节点的容器集群运行ai应用，可以快速且准确地定位出ai应用所依赖的镜像。
71.进一步的，在本发明的一种具体实施方式中，上述的启动一个单节点的容器集群运行ai应用，可以具体包括：
72.启动一个单节点的轻量级容器集群运行ai应用。
73.该种实施方式中，设置单节点的容器集群具体为单节点的轻量级容器集群，由于是轻量级容器集群，使得该轻量级容器集群的部署非常简单并且省时。
74.在实际应用中，具体的单节点的轻量级容器集群的类型可以根据需要进行选取，例如可以选取为k3s。即可以在容器中启动一个单节点的k3s环境(k3sin docker)，从而在该容器中可以快速地搭建ai应用的运行环境，并且可以在该单节点上下载ai应用的各个依赖镜像。借助k3s临时集群实现ai应用的依赖镜像的自动发现，可以又快又准确地定位出ai应用所依赖的镜像。此外，k3s也兼容k8s的版本。
75.步骤s106：获取ai应用的各个依赖镜像。
76.如果根据打包配置文件，判断ai应用的依赖镜像不为自动发现，说明ai应用的依赖镜像为手动发现，则可以执行步骤s106的操作，即可以直接获取ai应用的各个依赖镜像。当ai应用的依赖镜像为手动发现时，ai应用的依赖镜像的具体存放位置可以由工作人员预先设定，并可以根据需要进行调整，并不影响本发明的实施，只要能够有效地获取ai应用的各个依赖镜像即可。
77.例如在本发明的一种具体实施方式中，考虑到ai应用的各个依赖镜像可以均直接存储在ai应用的打包配置中，即ai应用的appfile中，使得当ai应用的依赖镜像为手动发现时，可以方便、快速地获取到ai应用的各个依赖镜像。即在本发明的一种具体实施方式中，步骤s106可以具体包括：从打包配置文件中获取ai应用的各个依赖镜像。
78.步骤s107：将ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包。
79.在确定出了ai应用的应用镜像，各个依赖镜像，以及部署文件之后，便可以打包为ai应用包。此外，在其他具体场合中，可以根据实际需要，将更多内容打包在ai应用包中，并不影本发明的实施。
80.ai应用的部署文件即为ai应用的yaml部署文件，yaml部署文件可以是单个部署文件，例如deployment+service的方式，也可以是helm chart包等方式。
81.步骤s108：基于ai应用包，将ai应用迁移至目标集群中并运行ai应用。
82.通过将ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包之后，可以根据需要，将ai应用迁移至所需要的目标集群中，目标集群可以是任一集群，例如将原本是运行在生产集群中的ai应用，迁移至研发集群中运行。
83.在将ai应用迁移至目标集群中并运行ai应用时，可以将ai应用迁移至目标集群的单个节点中，也可以迁移至目标集群的各个分布式节点中。而考虑到本技术的方案主要针对的是分布式ai应用，因此，实际应用中，在将ai应用迁移至目标集群中时，通常可以将ai应用迁移至目标集群的各个分布式节点中。
84.在本发明的一种具体实施方式中，步骤s108可以具体包括以下步骤：
85.第一个步骤：解析ai应用包，确定出ai应用的应用镜像，各个依赖镜像，以及部署文件；
86.第二个步骤：基于目标集群的镜像仓库配置文件，对接目标集群的镜像仓库，以进行镜像的上传并调整部署文件中的镜像地址；
87.第三个步骤：基于目标集群的容器集群配置文件，对接目标集群的运行环境，并运行ai应用。
88.该种实施方式中，通过对接目标集群的镜像仓库以及对接目标集群的运行环境，使得ai应用可以方便，快速地迁移至任意集群。
89.具体的，由于是将ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包，因此，在解析ai应用包时，便可以确定出ai应用的应用镜像，各个依赖镜像，以及yaml部署文件。当然，如上文的描述，如果根据实际需要，将更多内容打包在ai应用包中，则此处也能够有效地解析出这些内容。
90.由于不同的集群使用的是不同的镜像仓库，因此，需要将ai应用的应用镜像，以及各个依赖镜像，上传至目标集群的镜像仓库。要能够实现该上传，即要将解析出的各个镜像进行上传，便需要对接目标集群的镜像仓库。并且，还需要调整部署文件中的镜像地址，即调整yaml部署文件中的镜像地址，以使得后续在目标集群的分布式节点中部署ai应用时，这些节点能够基于yaml部署文件中的镜像地址，从目标集群的镜像仓库中下载所需要的镜像进而实现ai应用的分布式部署。
91.在对接目标集群的镜像仓库时，可以基于目标集群的镜像仓库配置文件进行对接，即基于目标集群的config配置文件，对接目标集群的镜像仓库。
92.此外，考虑到安全性问题，部分目标集群的镜像仓库有自建的证书，因此，为了有效地完成与目标集群的镜像仓库的对接，在本发明的一种具体实施方式中，还可以包括：将目标集群的镜像仓库的证书路径添加至部署文件中，从而使得按照证书路径可以取得目标集群的镜像仓库的证书，进而通过证书成功与目标集群的镜像仓库对接。
93.由于不同的集群有不同的运行环境，因此，在完成与目标集群的镜像仓库的对接之后，还需要基于目标集群的容器集群配置文件，对接目标集群的运行环境，进而可以运行ai应用。
94.本技术描述的集群通常可以为kubernetes集群，因此，目标集群的容器集群配置文件便是kube-config配置文件。通过告知kubernetes的kubeconfig路径，便可以对接目标集群的运行环境，也就使得ai应用包可以部署在目标集群中。目标集群可以是预设的任意集群。
95.应用本发明实施例所提供的分布式ai应用的打包部署方法，允许直接从ai模型开始打包，降低了用户的使用门槛。即本技术可以根据ai应用的打包配置文件，判断ai应用的应用镜像是否从模型文件开始构建，如果是，可以基于ai应用的运行框架，构建出ai应用镜
像，当然，如果不需要进行ai应用镜像的构建，则可以直接获取ai应用镜像。得到了ai应用镜像之后，便可以根据打包配置文件，判断ai应用的依赖镜像是否为自动发现。如果是手动发现，则可以直接获取ai应用的各个依赖镜像。如果是自动发现，本技术会启动容器集群，通过暂时运行ai应用，使得可以下载ai应用的各个依赖镜像。可以看出，本技术的方案支持两种得到ai应用的各个依赖镜像的方式。得到了ai应用的各个依赖镜像之后，可以将ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包，最后再基于ai应用包，将ai应用迁移至目标集群中并运行ai应用，也即实现了ai应用的迁移。综上所述，本技术的方案可以方便，高效地实现分布式ai应用的打包部署。
96.相应于上面的方法实施例，本发明实施例还提供了一种分布式ai应用的打包部署系统，可与上文相互对应参照。
97.参见图2所示，为本发明中一种分布式ai应用的打包部署系统的结构示意图，包括：
98.第一判断模块201，用于根据ai应用的打包配置文件，判断ai应用的应用镜像是否从模型文件开始构建，如果是，则触发应用镜像构建模块202，如果否，则触发应用镜像获取模块203；
99.应用镜像构建模块202，用于基于ai应用的运行框架，构建出ai应用的应用镜像；
100.应用镜像获取模块203，用于获取ai应用的应用镜像；
101.第二判断模块204，用于根据打包配置文件，判断ai应用的依赖镜像是否为自动发现，如果是，则触发依赖镜像自动发现模块205，如果否，则触发依赖镜像手动发现模块206；
102.依赖镜像自动发现模块205，用于启动容器集群运行ai应用，并下载ai应用的各个依赖镜像；
103.依赖镜像手动发现模块206，用于获取ai应用的各个依赖镜像；
104.打包模块207，用于将ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包；
105.迁移模块208，用于基于ai应用包，将ai应用迁移至目标集群中并运行ai应用。
106.在本发明的一种具体实施方式中，启动容器集群运行ai应用，包括：
107.启动一个单节点的容器集群运行ai应用。
108.在本发明的一种具体实施方式中，启动一个单节点的容器集群运行ai应用，包括：
109.启动一个单节点的轻量级容器集群运行ai应用。
110.在本发明的一种具体实施方式中，获取ai应用的各个依赖镜像，包括：
111.从打包配置文件中获取ai应用的各个依赖镜像。
112.在本发明的一种具体实施方式中，将ai应用迁移至目标集群中，包括：
113.将ai应用迁移至目标集群的各个分布式节点中。
114.在本发明的一种具体实施方式中，迁移模块208，具体用于：
115.解析ai应用包，确定出ai应用的应用镜像，各个依赖镜像，以及部署文件；
116.基于目标集群的镜像仓库配置文件，对接目标集群的镜像仓库，以进行镜像的上传并调整部署文件中的镜像地址；
117.基于目标集群的容器集群配置文件，对接目标集群的运行环境，并运行ai应用。
118.在本发明的一种具体实施方式中，迁移模块208，还用于：
119.将目标集群的镜像仓库的证书路径添加至部署文件中。
120.应用本发明实施例所提供的分布式ai应用的打包部署系统，允许直接从ai模型开始打包，降低了用户的使用门槛。即本技术可以根据ai应用的打包配置文件，判断ai应用的应用镜像是否从模型文件开始构建，如果是，可以基于ai应用的运行框架，构建出ai应用镜像，当然，如果不需要进行ai应用镜像的构建，则可以直接获取ai应用镜像。得到了ai应用镜像之后，便可以根据打包配置文件，判断ai应用的依赖镜像是否为自动发现。如果是手动发现，则可以直接获取ai应用的各个依赖镜像。如果是自动发现，本技术会启动容器集群，通过暂时运行ai应用，使得可以下载ai应用的各个依赖镜像。可以看出，本技术的方案支持两种得到ai应用的各个依赖镜像的方式。得到了ai应用的各个依赖镜像之后，可以将ai应用的应用镜像，各个依赖镜像，以及部署文件打包为ai应用包，最后再基于ai应用包，将ai应用迁移至目标集群中并运行ai应用，也即实现了ai应用的迁移。综上所述，本技术的方案可以方便，高效地实现分布式ai应用的打包部署。
121.相应于上面的方法和系统实施例，本发明实施例还提供了一种分布式ai应用的打包部署设备以及一种计算机可读存储介质，可与上文相互对应参照。这里所说的计算机可读存储介质包括随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述任一实施例中的分布式ai应用的打包部署方法的步骤。
122.可参阅图3，为一种分布式ai应用的打包部署设备的结构示意图，该分布式ai应用的打包部署设备可以包括：
123.存储器301，用于存储计算机程序；
124.处理器302，用于执行计算机程序以实现如上述任一项的分布式ai应用的打包部署方法的步骤。
125.还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
126.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
127.本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些
改进和修饰也落入本发明的保护范围内。