一种服务评估的方法、装置及介质与流程

1.本技术涉及服务评估技术领域，特别是涉及一种服务评估的方法、装置及介质。


背景技术：

2.随着科技的不断发展，如何评估不同软件，以及人工智能中不同模型等不同场景下服务的优劣，对科技的革新与发展来说至关重要。对服务优劣进行评估时，评估的准确性是关键指标，同时，需要兼顾评估效率及评估方法易用性。
3.目前，主要通过将测试集结果和验证集结果进行拟合以评估模型服务的优劣，这样的方式在一定程度上可反应模型服务的好坏，但是数据集不同时，评估结果存在较大的偏差，进而导致评估结果准确性较低。
4.此外，还可以采用支持不同类型监控指标的prometheus监控的方式对服务进行评估，通过采集指标，并对指标进行分析得到得到结果后存入实时序据库，由此可以解决数据集来源的问题。然而，prometheus监控只能存储时序数据，并没有服务评估功能，若需要进行服务评估，则需要进行额外封装，会带来成本的上升，或采用预先内置一批指标对存储的时序数据进行评估，显然，通过内置指标的方式会降低评估准确性。
5.由此可见，如何提高服务评估准确性，进而提升用户体验感，是本领域技术人员亟待解决的问题。


技术实现要素：

6.本技术的目的是提供一种服务评估的方法、装置及介质，提升服务评估的准确性，进而提升用户体验感。
7.为解决上述技术问题，本技术提供一种服务评估的方法，包括：
8.获取各待评估服务的模拟测试流量和真实流量得到目标流量数据；
9.从所述目标流量数据中提取多维度的指标数据；
10.按照预设规则为不同维度的指标分配对应的权重；
11.根据不同维度的所述指标数据和对应的权重计算各所述待评估服务的评估得分，以便推选最优服务。
12.优选地，所述从所述目标流量数据中提取多维度的指标数据包括：
13.触发多个子线程；
14.各所述子线程并行提取不同维度的所述指标数据。
15.优选地，在所述按照预设规则为不同维度的所述指标数据分配对应的权重之前还包括：
16.从所述目标流量数据中分别提取预先内置的指标对应的指标数据，以及自定义指标对应的指标数据。
17.优选地，所述推选最优服务包括：
18.对各所述待评估服务中目标关注指标的评估得分按照预设指标评估方向进行排
序得到排序结果；其中，所述目标关注指标为一个；
19.根据所述预设指标评估方向从所述排序结果中确定所述最优服务。
20.优选地，当所述目标关注指标为多个时，所述推选最优服务包括：
21.对各所述待评估服务中目标关注指标的各评估得分按照预设指标评估方向进行排序得到排序结果；
22.基于所述指标评估方向为所述排序结果中不同名次的指标设置对应的分数，并为不同目标关注指标按照关注等级分配对应的权重；
23.根据所述排序结果中不同名次对应的分数和不同目标关注指标对应的权重计算各所述待评估服务的最终得分；
24.将所述最终得分最高者作为所述最优服务。
25.优选地，在所述从所述目标流量数据中提取多维度的指标数据之后还包括：
26.剔除未落在各维度指标数据对应的预设范围内的数据。
27.优选地，所述从所述目标流量数据中提取多维度的指标数据包括：
28.判断所述真实流量是否达到预设值；
29.若达到所述预设值，则仅从所述目标流量数据中提取所述真实流量对应的指标数据；
30.若未达到所述预设值时，则从所述目标流量数据中按照预设比例提取所述模拟测试流量和所述真实流量对应的指标数据。
31.为了解决上述技术问题，本技术还提供了一种服务评估的装置，包括：
32.获取模块，用于获取各待评估服务的模拟测试流量和真实流量得到目标流量数据；
33.提取模块，用于从所述目标流量数据中提取多维度的指标数据；
34.分配模块，用于按照预设规则为不同维度的指标分配对应的权重；
35.计算模块，用于根据不同维度的所述指标数据和对应的权重计算各所述待评估服务的评估得分，以便推选最优服务。
36.为了解决上述技术问题，本技术还提供了一种服务评估的装置，包括存储器，用于存储计算机程序；
37.处理器，用于执行所述计算机程序时实现所述的服务评估的方法的步骤。
38.为了解决上述技术问题，本技术还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所述的服务评估的方法的步骤。
39.本发明所提供的一种服务评估的方法，包括：获取各待评估服务的模拟测试流量和真实流量得到目标流量数据，并从目标流量数据中提取多维度的指标数据，然后按照预设规则为不同维度的指标分配对应的权重，并根据不同维度的指标数据和对应的权重计算各待评估服务的评估得分，进而根据评估得分推选出最优服务。由此可见，本技术所提供的技术方案，引入模拟测试流量，避免当服务产生的真实流量数据较少时，降低服务评估不准确。此外，在提取指标数据时，从目标流量数据中提取多个维度的指标数据，以多维度进一步提升服务评估的准确性。同时，在计算服务评估得分时，为不同维度的指标数据按照预设规则分配对应的权重，由此基于权重算法得到评估得分以提升服务评估准确性，进而提升
用户体验感。
40.此外，本技术还提供一种服务评估的装置和介质，与上述的服务评估的方法相对应，效果同上。
附图说明
41.为了更清楚地说明本技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，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。
42.图1为本技术实施例所提供的一种服务评估的方法的流程图；
43.图2为本技术实施例所提供的另一种服务评估的方法的流程图；
44.图3为本技术实施例所提供的一种服务评估的装置的结构图；
45.图4为本技术另一实施例提供的一种服务评估的装置的结构图。
具体实施方式
46.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部实施例。基于本技术中的实施例，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，都属于本技术保护范围。
47.本技术的核心是提供一种服务评估的方法、装置及介质，引入模拟测试流量，将模块测试流量和真实流量相结合进行服务评估，避免服务产生的真实流量较少时影响评估准确性，同时，基于多维度获取指标数据，并为不同维度指标数据按照预设规则分配对应的权重，进一步提升服务评估准确性，以便提升用户体验感。
48.为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。
49.随着科技的不断发展，如何评估不同软件，以及人工智能中不同模型等不同场景下服务的优劣，对科技的革新与发展来说至关重要。对服务优劣进行评估时，评估的准确性是关键指标，同时，需要兼顾评估效率及评估方法易用性。
50.目前，主要通过将测试集结果和验证集结果进行拟合以评估模型服务的优劣，这样的方式在一定程度上可反应模型服务的好坏，但是数据集不同时，评估结果存在较大的偏差，进而导致评估结果准确性较低。
51.此外，还可以采用支持不同类型监控指标的prometheus监控的方式对服务进行评估，通过采集指标，并对指标进行分析得到得到结果后存入实时序据库，由此可以解决数据集来源的问题。然而，prometheus监控只能存储时序数据，并没有服务评估功能，若需要进行服务评估，则需要进行额外封装，会带来成本的上升，或采用预先内置一批指标对存储的时序数据进行评估，显然，通过内置指标的方式会降低评估准确性。
52.为了提高服务评估准确性，本技术实施例提供了一种服务评估方法，该方法将待评估服务的模拟测试流量和真实流量相结合，避免服务产生的真实流量较少时影响评估准确信，同时，从多个维度获取流量数据中的指标数据，并为不同维度的指标数据分配对应的权重，进一步提升评估准确信，进而提升用户体验感。
53.图1为本技术实施例所提供的一种服务评估的方法的流程图，如图1所示，该方法包括：
54.s10：获取各待评估服务的模拟测试流量和真实流量得到目标流量数据；
55.在具体实施例中，待评估服务可能产生的真实流量较少，例如，使用http服务时，由于用户真实点击访问互联网产生的流量数据较少，则会较低评估准确性，因此，本技术实施例引入模拟测试流量数据，根据实际业务进行模拟得到的测试流量，测试时，获取各待评估服务对应的模拟测试流量和真实流量得到目标流量数据，进而保证测试流量入口的多样化。
56.s11：从目标流量数据中提取多维度的指标数据；
57.本步骤的核心在于基于步骤s10所获取的目标流量数据提取多维度指标数据，其中，多维度指标可以包括基础指标、性能指标和slo指标等，例如，当待评估服务为http服务时，提取的指标数据可以包括响应时间、错误率、请求数量、延迟百分比等，当待评估服务为人工智能场景的模型评估时，提取的指标可以包括准确率、错误率、精确率、召回率、roc曲线、auc曲线、pr曲线、决定系数和方差等。需要说明的是，对于具体提取的维度种类和数量，可以依据实际业务需求进行设定，本技术不作限定。
58.s12：按照预设规则为不同维度的指标分配对应的权重；
59.提取不同维度的指标后，按照预设规则为不同维度的指标分配对应的权重，其中，预设规则可以是用户根据实际业务对不同指标的关注程度预先设定不同比例的权重。例如，待评估服务为http服务时，若用户对响应时间、错误率和请求数量的关注度依次降低，则对响应时间设定0.6的权重，错误率设定0.3的权重，请求数量0.1的权重。当然，也可以是根据不同指标对服务质量影响度进行设定，本技术对预设规则不作限定。
60.s13：根据不同维度的指标数据和对应的权重计算各待评估服务的评估得分，以便推选最优服务。
61.根据步骤s11和步骤s12中得到的不同维度的指标数据及对应的权重后，计算各待评估服务的评估得分，并依据评估得分推选最后服务。事实上，在提取得到指标数据后，先对各指标数据进行排序，并为排序结果中不同名次的指标数据分配对应的分值，然后基于分配的分值和权重计算评估得分。为了便于理解，下面将举例说明。
62.例如，在http服务中，若用户最关心的指标为响应时间，且响应时间对应的权重为0.6，当服务a的响应时间为t1，服务b的响应时间为t2，服务c的响应时间为t3时，可以理解的是，在http服务中响应时间越短越好，因此，若t1＞t2＞t3时，为服务a分配6分，为服务b分配8分，并为服务c分配10分，则服务a的评估得分为0.6*6＝3.6分，服务b的评估得分为0.6*8＝4.8分，服务c的评估得分为0.6*10＝6分。然后，将评估得分按照从高到低的顺序进行排序，进而将评估得分最高者作为最优服务。
63.本技术实施例所提供的服务评估的方法，包括：获取各待评估服务的模拟测试流量和真实流量得到目标流量数据，并从目标流量数据中提取多维度的指标数据，然后按照预设规则为不同维度的指标分配对应的权重，并根据不同维度的指标数据和对应的权重计算各待评估服务的评估得分，进而根据评估得分推选出最优服务。由此可见，本技术所提供的技术方案，引入模拟测试流量，避免当服务产生的真实流量数据较少时，降低服务评估不准确。此外，在提取指标数据时，从目标流量数据中提取多个维度的指标数据，以多维度进
一步提升服务评估的准确性。同时，在计算服务评估得分时，为不同维度的指标数据按照预设规则分配对应的权重，由此基于权重算法得到评估得分以提升服务评估准确性，进而提升用户体验感。
64.在具体实施例中，从目标流量数据中提取多维度的指标数据时，若目标流量数据量大时，提取多维度指标数据时可能会耗时较长，进而导致整体服务效率较低，影响用户体验感。因此，本技术实施例所提供的技术方案中，从目标流量数据中提取多维度的指标数据包括：
65.触发多个子线程；
66.各子线程并行提取不同维度的指标数据。
67.实施中，将整个评估服务作为主线程，在主线程获取各待评估服务的模拟测试流量和真实流量得到目标流量数据后，触发多个子线程，各子线程并行提取不同维度的指标数据。可以理解的是，触发的子线程数量与指标数据的维度数量相同，在获取到目标流量数据后，并行运行各子线程提取不同维度指标的数据。
68.本技术实施例所提供的服务评估的方法，提取多维度的指标数据时，调用多个子线程并行提取，由此节约提取指标数据的时间，提升提取效率，进而提升服务评估的整体评估效率，提升用户体验感。
69.作为优选的实施例，在按照预设规则为不同维度的指标数据分配对应的权重之前还包括：
70.从目标流量数据中分别提取预先内置的指标对应的指标数据，以及自定义指标对应的指标数据。
71.为了保证服务评估的易用性，预先内置一批指标，从目标流量数据中提取指标数据时，除了提取系统默认指标对应的数据外，同时提取预设内置指标对应的指标数据。当然，需要说明的是，对于预先内置的指标类型和数量本技术不作限定。
72.此外，为了保证服务评估的灵活性，用户可自行设定需要关注的指标，即，本技术实施例所提供的技术方案可自定义指标，因此从目标流量数据中提取指标数据时，还需同时提取用户自定指标对应的指标数据。
73.本技术实施例所提供的服务评估方法，在按照预设规则为不同维度的指标数据分配对应的权重之前，为了提升评估易用性，提取指标数据时同时提取预设内置的一批指标所对应的指标数据。此外，为了提升评估灵活性，提取指标数据时同时提取用户自定义指标对应的指标数据。由此，在提升评估易用性和灵活性的同时，提升服务评估准确性，进而提升用户体验感。
74.实施中，推选最优服务时，若用户所关心的指标为一个，即，目标关注指标为一个时，先对各待评估服务中目标关注指标的评估得分按照预设指标评估方向进行排序得到排序结果，其中，预设评估方向值得是，指标走向更优的方向，例如，在http服务场景中，响应时间指标的评估方向为时间越短越优。
75.得到排序结果后，根据预设指标方向从排序结果中确定最优服务，例如，响应时间指标，将响应时间最短的服务作为最优服务。
76.本技术实施例所提供的服务评估的方法，当目标关注指标为一个时，对各待评估服务中目标关注指标的评估得分按照预设指标评估方向进行排序得到排序结果，并根据预
设指标评估方向从排序结果中确定最优服务。由此基于指标评估方向快速确定最优服务，提升服务评估效率的同时，提升评估准确性，进而提升用户体验感。
77.图2为本技术实施例所提供的另一种服务评估的方法的流程图，实施中，若目标关注指标为多个时，作为优选的实施例，如图2所示，推选最优服务包括：
78.s20：对各待评估服务中目标关注指标的各评估得分按照预设指标评估方向进行排序得到排序结果；
79.s21：基于指标评估方向为排序结果中不同名次的指标设置对应的分数。并为不同目标关注指标按照关注等级分配对应的权重；
80.在计算得到各评估得分后，按照预设指标评估方向对目标关注指标对应的各评估得分进行排序得到排序结果，可以理解的是，不同目标关注指标所期待的评估趋势不同，因此，按照不同指标的预设评估方向对评估得分进行排序。
81.排序后，基于指标评估方向为排序结果中不同名次的指标设置对应的分数，例如，第一名赋值10分，第二名赋值9分，依次类推为不同的名次赋值不同的分数，当然，需要说明的是，本技术实施例对不同的名次设定的分数大小本技术实施例不作限定。此外，对不同目标关注指标按照关注等级分配对应的权重，其中，关注度等级为用户自行设定，具体关注度等级及权重分配本技术不作限定，但需要注意的是，所有目标关注指标对应的权重之和为1。
82.s22：根据排序结果中不同名次对应的分数和不同目标关注指标对应的权重计算各待评估服务的最终得分；
83.s23：将最终得分最高者作为最优服务。
84.基于步骤s20和步骤s21得到排序结果中不同名次对应的分数和不同目标关注指标对应的权重计算各待评估服务的最终得分，并将最终得分最高者作为最优服务。为了便于理解，下面将举例说明。
85.例如，在hppt服务场景中，目标关注指标包括响应时间、错误率和请求数量，用户对目标关注指标的关注度依次降低，且响应时间权重设定为0.6，错误率权重为0.4，为排序结果第一名设置10分，第二名8分，第三名6分。
86.若服务a、服务b和服务c的响应时间按照时间越短越优的评估方向排序结果依次为服务a、服务c、服务b，则在响应时间指标下服务a的分数为10分，服务c的分数为8分，且服务b的分数为6分。此外，服务a、服务b和服务c的错误率按照越少越优的评估方向排序结果依次为服务b、服务c、服务a，则在错误率指标下服务b的分数为10分，服务c的分数为8分，且服务a的分数为6分。
87.由此，可计算服务a的最终得分为：10*0.6+6*0.4＝8.4分，服务b的最终得分为：6*0.6+10*0.4＝7.6分，服务c的最终得分为：8*0.6+8*0.4＝8分，因此，将得分最高的服务a作为最优服务。
88.本技术实施例所提供的服务评估的方法，当目标关注指标为多个时，先对各待评估服务中目标关注指标的各评估得分按照预设指标评估方向进行排序得到排序结果，然后，基于指标评估方向为排序结果中不同名次的指标设置对应的分数，并为不同目标关注指标按照关注等级分配对应的权重。最后，根据排序结果中不同名次对应的分数和不同目标关注指标对应的权重计算各待评估服务的最终得分，并将最终得分最高者作为最优服
务。由此，基于权重算法、关注度等级和指标评估方向，在多个目标关注指标时也能推选最优服务，保证服务评估易用性的同时，提升服务评估准确性。
89.作为优选的实施例，为了进一步提升评估效率和评估准确性，从目标流量数据中提取多维度的指标数据之后，剔除未落在各维度指标数据对应的预设范围内的数据，例如，当代评估服务为http服务时，将响应时间为零的指标数据剔除，本技术对各维度指标数据的限制条件不进行设定，可依据实际业务需求进行设定。
90.本技术实施例所提供的服务评估的方法，在从目标流量数据中提取多维度的指标数据之后，将未落在各维度指标数据对应的预设范围内的数据进行剔除，由此提升服务评估的准确性和效率，进而提升用户体验感。
91.在具体实施例中，若待评估服务产生的流量较多时，为避免评估效率降低，本技术实施例中，从目标流量数据中提取多维度的指标数据包括：
92.判断真实流量是否达到预设值；
93.若达到预设值，则仅从目标流量数据中提取真实流量对应的指标数据；
94.若未达到预设值时，则从目标流量数据中按照预设比例提取模拟测试流量和真实流量对应的指标数据。
95.实施中，提取多维度的指标数据时，先判断真实流量是否达到预设值，若达到预设值，则确定当前待评估服务产生的真实流量较多，为保证评估结果的准确性，同时提高评估效率，仅从产生的真实流量中提取对应的指标数据。
96.若产生的真实流量较少时，则引入模拟测试流量，从目标流量数据中按照预设比例提取模拟测试流量和真实流量对应的指标数据，其中，预设比例根据待评估服务实际产生真实流量的量进行设定，由此避免真实流量较少时降低评估准确性。
97.本技术实施例所提供的服务评估的方法，从目标流量数据中提取多维度的指标数据时，若真实流量达到预设值时，仅从目标流量数据中提取真实流量对应的指标数据，若未达到预设值时，则从目标流量数据中按照预设比例提取模拟测试流量和真实流量对应的指标数据，由此避免真实流量数据较多时，依旧引入模拟测试流量导致评估效率较低，同时，在真实流量较少时，引入模拟测试流量以提高评估准确性，进而提升用户体验感。
98.在上述实施例中，对于服务评估的方法进行了详细描述，本技术还提供服务评估的装置对应的实施例。需要说明的是，本技术从两个角度对装置部分的实施例进行描述，一种是基于功能模块的角度，另一种是基于硬件结构的角度。
99.图3为本技术实施例所提供的一种服务评估的装置的结构图，如图3所示，该装置包括：
100.获取模块10，用于获取各待评估服务的模拟测试流量和真实流量得到目标流量数据；
101.提取模块11，用于从目标流量数据中提取多维度的指标数据；
102.分配模块12，用于按照预设规则为不同维度的指标分配对应的权重；
103.计算模块13，用于根据不同维度的指标数据和对应的权重计算各待评估服务的评估得分，以便推选最优服务。
104.由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
105.本发明所提供的服务评估的装置，包括：获取各待评估服务的模拟测试流量和真实流量得到目标流量数据，并从目标流量数据中提取多维度的指标数据，然后按照预设规则为不同维度的指标分配对应的权重，并根据不同维度的指标数据和对应的权重计算各待评估服务的评估得分，进而根据评估得分推选出最优服务。由此可见，本技术所提供的技术方案，引入模拟测试流量，避免当服务产生的真实流量数据较少时，降低服务评估不准确。此外，在提取指标数据时，从目标流量数据中提取多个维度的指标数据，以多维度进一步提升服务评估的准确性。同时，在计算服务评估得分时，为不同维度的指标数据按照预设规则分配对应的权重，由此基于权重算法得到评估得分以提升服务评估准确性，进而提升用户体验感。
106.图4为本技术另一实施例提供的一种服务评估的装置的结构图，如图4所示，服务评估的装置包括：存储器20，用于存储计算机程序；
107.处理器21，用于执行计算机程序时实现如上述实施例所提到的服务评估的方法的步骤。
108.本实施例提供的服务评估的装置可以包括但不限于智能手机、平板电脑、笔记本电脑或台式电脑等。
109.其中，处理器21可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器21可以采用数字信号处理器(digital signal processor，简称dsp)、现场可编程门阵列(field－programmable gate array，简称fpga)、可编程逻辑阵列(programmable logic array，简称pla)中的至少一种硬件形式来实现。处理器21也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称中央处理器(central processing unit，简称cpu)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器21可以集成有图像处理器(graphics processing unit，简称gpu)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器21还可以包括人工智能(artificial intelligence，简称ai)处理器，该ai处理器用于处理有关机器学习的计算操作。
110.存储器20可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器20还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。本实施例中，存储器20至少用于存储以下计算机程序201，其中，该计算机程序被处理器21加载并执行之后，能够实现前述任一实施例公开的服务评估的方法的相关步骤。另外，存储器20所存储的资源还可以包括操作系统202和数据203等，存储方式可以是短暂存储或者永久存储。其中，操作系统202可以包括windows、unix、linux等。数据203可以包括但不限于服务评估的方法等。
111.在一些实施例中，服务评估的装置还可包括有显示屏22、输入输出接口23、通信接口24、电源25以及通信总线26。
112.本领域技术人员可以理解，图4中示出的结构并不构成对服务评估的装置的限定，可以包括比图示更多或更少的组件。
113.本技术实施例提供的服务评估的装置，包括存储器和处理器，处理器在执行存储器存储的程序时，能够实现如下方法：服务评估的方法。
114.本发明所提供的服务评估的装置，引入模拟测试流量，避免当服务产生的真实流
量数据较少时，降低服务评估不准确。此外，在提取指标数据时，从目标流量数据中提取多个维度的指标数据，以多维度进一步提升服务评估的准确性。同时，在计算服务评估得分时，为不同维度的指标数据按照预设规则分配对应的权重，由此基于权重算法得到评估得分以提升服务评估准确性，进而提升用户体验感。
115.最后，本技术还提供一种计算机可读存储介质对应的实施例。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方法实施例中记载的步骤。
116.可以理解的是，如果上述实施例中的方法以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等各种可以存储程序代码的介质。
117.以上对本技术所提供的一种服务评估的方法、装置及介质进行了详细介绍。说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些改进和修饰也落入本技术权利要求的保护范围内。
118.还需要说明的是，在本说明书中，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。