设备调度方法、装置、电子设备及可读存储介质

1.本公开涉及计算机技术领域，尤其涉及一种设备调度方法、装置、电子设备及可读存储介质。


背景技术：

2.在分布式系统进行机器学习等任务处理时，需要执行多个任务。但在任务被执行前不清楚每个任务需要的任务时长以及占用的计算资源，难以预先为每个任务预先调度对应的计算资源，导致出现任务冲突或浪费资源的情况。


技术实现要素：

3.有鉴于此，本公开提出了一种设备调度方法、装置、电子设备及可读存储介质，旨在提高任务处理效率并降低计算成本。
4.根据本公开的第一方面，提供了一种设备调度方法，用于包括多个处理设备的分布式系统，所述方法包括：确定多个待处理任务对应的任务属性；根据对应的所述任务属性匹配所述待处理任务的相关历史任务参数；根据对应的相关历史任务参数确定所述待处理任务的预测处理参数；根据所述分布式系统中包括的处理设备数量、每个所述处理设备的参数、以及所述多个待处理任务的预测处理参数确定任务处理方案，所述任务处理方案中包括所述分布式系统能够并行处理的最多待处理任务数量；所述根据所述分布式系统中包括的处理设备数量、每个所述处理设备的参数、以及所述多个待处理任务的预测处理参数确定任务处理方案，包括：根据所述分布式系统中包括的处理设备数量和每个所述处理设备的参数确定资源空间；根据所述多个待处理任务的预测处理参数和所述资源空间生成希尔伯特曲线；根据所述希尔伯特曲线确定任务处理方案。
5.在一种可能的实现方式中，所述根据对应的所述任务属性匹配所述待处理任务的相关历史任务参数，包括：根据所述待处理任务对应的任务属性匹配至少一个相关历史任务；根据所述至少一个相关历史任务对应的任务时间和占用资源确定历史任务参数。
6.在一种可能的实现方式中，所述根据对应的相关历史任务参数确定所述待处理任务的预测处理参数，包括：根据所述相关历史任务参数训练分类模型得到参数预测模型；将所述待处理任务的任务属性输入所述参数预测模型，输出对应的预测处理参数。
7.在一种可能的实现方式中，所述分类模型为逻辑回归模型。
8.在一种可能的实现方式中，所述资源空间为包括多个子空间的网格形空间，每个所述子空间表征所述分布式系统中的一个处理设备，所述希尔伯特曲线占用所述资源空间中全部子空间。
9.在一种可能的实现方式中，所述根据所述希尔伯特曲线确定任务处理方案，包括：确定所述希尔伯特曲线在每个所述子空间位置对应的待处理任务；根据所述希尔伯特曲线对应不同的待处理任务数量确定任务处理方案。
10.在一种可能的实现方式中，所述任务处理方案中还包括所述分布式系统中每个所述处理设备对应的待处理任务，所述处理设备对应的待处理任务为所述处理设备所在子空间位置对应的待处理任务。
11.在一种可能的实现方式中，所述预测处理参数包括预测处理时长和预测占用资源。
12.根据本公开的第二方面，提供了一种设备调度装置，用于包括多个处理设备的分布式系统，所述装置包括：属性确定模块，用于确定多个待处理任务对应的任务属性；第一参数确定模块，用于根据对应的所述任务属性匹配所述待处理任务的相关历史任务参数；第二参数确定模块，用于根据对应的相关历史任务参数确定所述待处理任务的预测处理参数；方案生成模块，用于根据所述分布式系统中包括的处理设备数量、每个所述处理设备的参数、以及所述多个待处理任务的预测处理参数确定任务处理方案，所述任务处理方案中包括所述分布式系统能够并行处理的最多待处理任务数量；所述方案生成模块，包括：资源空间确定子模块，用于根据所述分布式系统中包括的处理设备数量和每个所述处理设备的参数确定资源空间；曲线绘制子模块，用于根据所述多个待处理任务的预测处理参数和所述资源空间生成希尔伯特曲线；处理方案生成子模块，用于根据所述希尔伯特曲线确定任务处理方案。
13.在一种可能的实现方式中，所述第一参数确定模块，包括：相关任务匹配子模块，用于根据所述待处理任务对应的任务属性匹配至少一个相关历史任务；历史参数确定子模块，用于根据所述至少一个相关历史任务对应的任务时间和占用资源确定历史任务参数。
14.在一种可能的实现方式中，所述第二参数确定模块，包括：模型训练子模块，用于根据所述相关历史任务参数训练分类模型得到参数预测模型；预测参数确定子模块，用于将所述待处理任务的任务属性输入所述参数预测模型，输出对应的预测处理参数。
15.在一种可能的实现方式中，所述分类模型为逻辑回归模型。
16.在一种可能的实现方式中，所述资源空间为包括多个子空间的网格形空间，每个
所述子空间表征所述分布式系统中的一个处理设备，所述希尔伯特曲线占用所述资源空间中全部子空间。
17.在一种可能的实现方式中，所述处理方案生成子模块，包括：任务确定单元，用于确定所述希尔伯特曲线在每个所述子空间位置对应的待处理任务；处理方案生成单元，用于根据所述希尔伯特曲线对应不同的待处理任务数量确定任务处理方案。
18.在一种可能的实现方式中，所述任务处理方案中还包括所述分布式系统中每个所述处理设备对应的待处理任务，所述处理设备对应的待处理任务为所述处理设备所在子空间位置对应的待处理任务。
19.在一种可能的实现方式中，所述预测处理参数包括预测处理时长和预测占用资源。
20.根据本公开的第三方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
21.根据本公开的第四方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
22.根据本公开的第五方面，提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
23.在本公开实施例中，通过确定多个待处理任务对应的任务属性，根据对应的任务属性匹配得到每个待处理任务的相关历史任务参数。根据对应的相关历史任务参数确定待处理任务的预测处理参数，再根据分布式系统中的处理设备数量、每个处理设备的参数、以及多个待处理任务的预测处理参数确定包括最多并行处理任务数量的任务处理方案。本公开实施例通过相关的历史任务预测每个待处理任务处理过程的情况，得到据预测处理参数并生成任务处理方案，以根据任务处理方案进行处理设备调度，提高分布式系统的任务处理效率、降低计算成本。
24.根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
25.包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
26.图1示出根据本公开实施例的一种设备调度方法的流程图。
27.图2示出根据本公开实施例的一种希尔伯特曲线的示意图。
28.图3示出根据本公开实施例的一种设备调度装置的示意图。
29.图4示出根据本公开实施例的一种电子设备的示意图。
30.图5示出根据本公开实施例的另一种电子设备的示意图。
具体实施方式
31.以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
32.在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
33.另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
34.在一种可能的实现方式中，本公开实施例的设备调度方法可以通过终端设备或服务器等电子设备执行。其中，终端设备可以为用户设备（user equipment，ue）、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字助理（personal digital assistant，pda）、手持设备、计算设备、车载设备、可穿戴设备等任意固定或移动终端。服务器可以为单独的服务器或者多个服务器组成的服务器集群。电子设备可以通过处理器调用存储器中存储的计算机可读指令的方式来实现本公开实施例的设备调度方法。
35.可选地，本公开实施例的设备调度方法用于包括多个处理设备的分布式系统，分布式系统为建立在网络之上的软件系统，可以为多个处理设备对应的分散物理和逻辑资源组成的统一的系统，分布式系统中不同处理设备的物理和逻辑资源通过计算机网络实现信息交换。执行本公开实施例设备调度方法的电子设备可以为分布式系统中的任意一个处理设备，或者还可以为分布式系统以外的其他设备。
36.图1示出根据本公开实施例的一种设备调度方法的流程图。如图1所示，本公开实施例的设备调度方法可以包括如下步骤s10-s40。
37.步骤s10、确定多个待处理任务对应的任务属性。
38.在一种可选地实现方式中，电子设备确定分布式系统需要处理的多个待处理任务，以及每个待处理任务对应的任务属性。待处理任务可以为任意任务，例如可以包括图像处理任务、图像分类任务、图像分割任务和对象识别任务等深度神经网络应用任务。或者，还可以包括任意类型的深度神经网络训练任务。任务属性可以包括任务类型，处理任务需要的深度神经网络模型框架，以及任务参数等任务相关的属性信息。可选地，电子设备可以接收分布式系统中任意处理设备发送的待处理任务对应的任务属性。
39.步骤s20、根据对应的所述任务属性匹配所述待处理任务的相关历史任务参数。
40.在一种可能的实现方式中，电子设备在确定每个待处理任务对应的任务属性后，根据对应的任务属性匹配待处理任务的相关历史任务参数。其中，相关历史任务为该分布式系统历史执行的与待处理任务相关的任务，可以包括与待处理任务相同类型的任务或相似类型的历史任务，还可以包括与待处理任务应用相同类型深度神经网络模型框架的历史任务，或者与待处理任务应用相似类型深度神经网络模型框架的历史任务。例如，在待处理任务为人脸识别任务的情况下，电子设备可以确定该分布式系统历史执行的人脸识别任务为相关历史任务，并确定该分布式系统历史执行的人脸识别任务、用于识别物品的物品识别任务、用于识别植物的植物识别任务以及用于识别动物的宠物识别任务等任务。或者，在待处理任务为人脸识别任务，且应用的深度神经网络框架为tensorflow框架的情况下，电
子设备可以确定分布式系统历史执行的人脸识别任务、用于识别物品的物品识别任务、用于识别植物的植物识别任务以及用于识别动物的宠物识别任务中应用tensorflow框架、pytorch框架、以及keras框架的任务为相关历史任务。
41.可选地，电子设备可以在确定每个待处理任务的相关历史任务后，确定相关历史任务对应的相关历史任务参数。其中，相关历史任务参数可以包括任务时间和占用资源等整个历史任务执行过程对应的参数。即电子设备可以先根据待处理任务对应的任务属性匹配至少一个相关历史任务，再根据至少一个相关历史任务对应的任务时间和占用资源确定历史任务参数。任务时间为执行该相关历史任务过程的时长，占用资源为执行该相关历史任务所需的资源大小，即需要占用的分布式系统中物理和逻辑资源。每个待处理任务的相关历史参数中可以包括至少一个对应相关历史任务的任务时长和占用资源。
42.步骤s30、根据对应的相关历史任务参数确定所述待处理任务的预测处理参数。
43.在一种可能的实现方式中，电子设备在确定每个待处理任务的相关历史参数后，根据对应的相关历史参数确定待处理任务的预测处理参数。预测处理参数用于预测待处理任务执行过程所需的时间和占用的资源，可以包括预测处理时长和预测占用资源。可选地，电子设备可以通过深度学习模型预测的方式确定预测处理参数，深度学习模型可以包括分类模型。即电子设备可以先根据相关历史任务参数训练分类模型得到参数预测模型，将待处理任务的任务属性输入参数预测模型，输出对应的预测处理参数。其中，分类模型可以包括逻辑回归模型。
44.可选地，电子设备可以将每个待处理任务对应的相关历史任务的历史任务属性作为分类模型的输入，对应的历史处理参数作为分类模型的标注结果训练分类模型，训练得到参数预测模型。在分类模型为逻辑回归模型的情况下，可以通过梯度下降的方式求解逻辑回归模型的参数，完成模型训练。该梯度下降的方式为构造凸函数作为代价函数，在每次训练过程中沿着偏导方向迈进一小部分，直到多次迭代后到底最低点时完成模型训练。基于逻辑回归模型的特性，训练得到的参数预测模型能够准确的对不同的待处理任务进行分类，得到准确的预测处理参数。
45.步骤s40、根据所述分布式系统中包括的处理设备数量、每个所述处理设备的参数、以及所述多个待处理任务的预测处理参数确定任务处理方案。
46.在一种可能的实现方式中，电子设备可以在确定每个待处理任务对应的预测处理参数后，可以根据分布式系统中包括的处理设备数量、每个处理设备的参数、以及多个待处理任务的预测处理参数，确定分布式系统处理多个待处理任务的任务处理方案。其中，任务处理方案中可以包括分布式系统能够并行处理的最多待处理任务数量，即分布式系统同时处理的最多待处理任务。可选地，任务处理方案中还可以包括分布式系统中每个处理设备对应的待处理任务，即其中包括并行处理多个待处理任务时，每个待处理任务占用的物理以及逻辑资源对应的处理设备。
47.可选地，电子设备可以通过希尔伯特算法确定任务处理方案。希尔伯特算法为选择函数绘制一条连续的参数曲线作为希尔伯特曲线。希尔伯特曲线的约束条件为当参数在0，1区间取值时，曲线遍历单位正方形中所有的子空间，充满整个单位正方形空间。其中，希尔伯特曲线为一条连续不可导曲线。
48.图2示出根据本公开实施例的一种希尔伯特曲线的示意图。如图2所示，参数在0,1
区间内取值的单位正方形中包括多个网格区域（网格区域的编号为1、2、3、4、
……
、64，如图2所示），每个网格区域为一个子空间。通过希尔伯特算法选择的函数绘制连续的希尔伯特曲线充满单位正方形中每个子空间。
49.在一种可能的实现方式中，电子设备在通过希尔伯特算法确定任务处理方案的情况下，可以通过单位正方形表征整个分布式系统的资源，划分单位正方形得到与分布式系统中处理设备数量相同的子空间，使每个子空间表征一个处理设备对应的资源。电子设备可以通过在单位正方形中绘制希尔伯特曲线的方式确定分布式系统中能够并行处理的最多待处理任务数量，得到任务处理方案。即电子设备可以根据分布式系统中包括的处理设备数量和每个处理设备的参数确定资源空间，根据多个待处理任务的预测处理参数和资源空间生成希尔伯特曲线，最终根据希尔伯特曲线确定任务处理方案。其中，每个处理设备的参数可以表征提供的物理及逻辑资源，资源空间为包括多个子空间的网格形空间，每个子空间表征分布式系统中的一个处理设备，希尔伯特曲线占用资源空间中全部子空间。电子设备绘制希尔伯特曲线应用的函数中包括预测处理参数，使最终绘制得到的希尔伯特曲线根据每个待处理任务的预测处理时长和预测占用资源、以及每个处理设备对应的资源确定。
50.可选地，在绘制得到希尔伯特曲线后，电子设备可以确定希尔伯特曲线在每个子空间位置对应的待处理任务，根据希尔伯特曲线对应不同的待处理任务数量确定任务处理方案。其中，希尔伯特曲线中在每两个子空间位置对应的待处理任务可以相同或不同，电子设备可以统计希尔伯特曲线中不同的待处理任务数量，得到能够同时处理的待处理任务数量，生成任务处理方案。进一步地，电子设备还可以确定资源空间中每个子空间中的待处理任务为对应处理设备执行的任务，即每个处理设备对应的待处理任务为处理设备所在子空间位置对应的待处理任务。因此，电子设备可以通过希尔伯特曲线确定执行每个待处理任务的处理设备，即每个待处理任务对应的物理及逻辑资源，并可以每个处理设备对应的该待处理任务与待处理任务数量一同确定任务处理方案。
51.进一步地，电子设备还可以进一步确定当前希尔伯特曲线对应待处理任务以外的其他待处理任务，并根据其他待处理任务再次绘制希尔伯特曲线，直到不存在未被希尔伯特曲线包括的待处理任务。同时，根据每个希尔伯特曲线中待处理任务对应的预测处理时长以及对应的处理设备，确定分布式系统中每个处理设备执行的待处理任务顺序，并将每个处理设备的待处理任务顺序也加入对应的任务处理方案。
52.基于上述技术特征，本公开实施例可以通过相关的历史任务预测每个待处理任务处理过程需要的处理时间和占用资源，得到据预测处理参数。进一步根据预测处理参数绘制能够表征其中最多并行处理任务数量的希尔伯特曲线，根据绘制的希尔伯特曲线预先生成用于调度分布式系统中处理设备的任务处理方案，降低分布式系统执行任务过程中部分资源未占用的可能性，提高分布式系统的任务处理效率并降低计算成本。
53.图3示出根据本公开实施例的一种设备调度装置的示意图。如图3所示，本公开实施例的设备调度装置可以包括属性确定模块30、第一参数确定模块31、第二参数确定模块32和方案生成模块33。
54.属性确定模块30，用于确定多个待处理任务对应的任务属性；第一参数确定模块31，用于根据对应的所述任务属性匹配所述待处理任务的相关
历史任务参数；第二参数确定模块32，用于根据对应的相关历史任务参数确定所述待处理任务的预测处理参数；方案生成模块33，用于根据所述分布式系统中包括的处理设备数量、每个所述处理设备的参数、以及所述多个待处理任务的预测处理参数确定任务处理方案，所述任务处理方案中包括所述分布式系统能够并行处理的最多待处理任务数量；所述方案生成模块33，包括：资源空间确定子模块，用于根据所述分布式系统中包括的处理设备数量和每个所述处理设备的参数确定资源空间；曲线绘制子模块，用于根据所述多个待处理任务的预测处理参数和所述资源空间生成希尔伯特曲线；处理方案生成子模块，用于根据所述希尔伯特曲线确定任务处理方案。
55.在一种可能的实现方式中，所述第一参数确定模块31，包括：相关任务匹配子模块，用于根据所述待处理任务对应的任务属性匹配至少一个相关历史任务；历史参数确定子模块，用于根据所述至少一个相关历史任务对应的任务时间和占用资源确定历史任务参数。
56.在一种可能的实现方式中，所述第二参数确定模块32，包括：模型训练子模块，用于根据所述相关历史任务参数训练分类模型得到参数预测模型；预测参数确定子模块，用于将所述待处理任务的任务属性输入所述参数预测模型，输出对应的预测处理参数。
57.在一种可能的实现方式中，所述分类模型为逻辑回归模型。
58.在一种可能的实现方式中，所述资源空间为包括多个子空间的网格形空间，每个所述子空间表征所述分布式系统中的一个处理设备，所述希尔伯特曲线占用所述资源空间中全部子空间。
59.在一种可能的实现方式中，所述处理方案生成子模块，包括：任务确定单元，用于确定所述希尔伯特曲线在每个所述子空间位置对应的待处理任务；处理方案生成单元，用于根据所述希尔伯特曲线对应不同的待处理任务数量确定任务处理方案。
60.在一种可能的实现方式中，所述任务处理方案中还包括所述分布式系统中每个所述处理设备对应的待处理任务，所述处理设备对应的待处理任务为所述处理设备所在子空间位置对应的待处理任务。
61.在一种可能的实现方式中，所述预测处理参数包括预测处理时长和预测占用资源。
62.在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
63.本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
64.本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述方法。
65.本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述方法。
66.图4示出根据本公开实施例的一种电子设备800的示意图电子设备800。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
67.参照图4，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出接口812，传感器组件814，以及通信组件816。
68.处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
69.存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（sram），电可擦除可编程只读存储器（eeprom），可擦除可编程只读存储器（eprom），可编程只读存储器（prom），只读存储器（rom），磁存储器，快闪存储器，磁盘或光盘。
70.电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
71.多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器（lcd）和触摸面板（tp）。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
72.音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风（mic），当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
73.输入/输出接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
74.传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
75.通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信（nfc）模块，以促进短程通信。例如，在nfc模块可基于射频识别（rfid）技术，红外数据协会（irda）技术，超宽带（uwb）技术，蓝牙（bt）技术和其他技术来实现。
76.在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路（asic）、数字信号处理器（dsp）、数字信号处理设备（dspd）、可编程逻辑器件（pld）、现场可编程门阵列（fpga）、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
77.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
78.图5示出根据本公开实施例的另一种电子设备1900的示意图电子设备1900。例如，电子设备1900可以被提供为一服务器或终端设备。参照图5，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
79.电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如windows servertm，mac os xtm，unixtm, linuxtm，freebsdtm或类似。
80.在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
81.本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
82.计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形
设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（ram）、只读存储器（rom）、可擦式可编程只读存储器（eprom或闪存）、静态随机存取存储器（sram）、便携式压缩盘只读存储器（cd-rom）、数字多功能盘（dvd）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
83.这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
84.用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（isa）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（fpga）或可编程逻辑阵列（pla），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
85.这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
86.这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
87.也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产
生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
88.附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
89.以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。