大数据计算平台监控系统及方法与流程

本发明涉及分布式计算技术领域，具体而言，尤其涉及针对Storm和Hadoop大数据计算平台的监控系统。

背景技术：

社会信息化技术的不断提高，诸多业务领域产生海量、实时的数据，而不同领域对数据处理又各有需求。当前大数据分析逐渐以非结构化为主，单机器存储空间和运算能力已经不能满足，于是分布式环境中分别面向海量数据和实时数据计算的Apache Hadoop和Apache Storm系统，广泛应用于业务领域的应用中，逐步成为业界主流，也成为当前事实上的标准。

业界商用的Hadoop和Storm集群数目从几百台到上千台不等，使得管理规模和难度越来越大，不仅对集群中节点资源配置、实时资源占用和服务部署等获取困难，在计算作业的提交、调度和撤销等也需要耗费管理者大量精力维护。例如，各个集群的配置、集群主控节点位置、作业的计算类型和作业的启动类的配置，都大大增加了管理的难度。现有技术中公开了一些Hadoop集群的分布式监测系统，但尚未出现支持Storm集群的监控系统。如公开号为CN 102130950A的专利文献《基于Hadoop集群的分布式监控系统及其监控方法》；公开号为CN 103678521 A的专利文献《一种基于Hadoop框架的分布式文件监控系统》；公开号为CN 104615526 A的专利文献《一种大数据平台的监控系统》等。分析其中的技术细节可知，其对大数据计算平台的监控系统并不完整和完善，主要体现在以下几个方面：

第一方面：当前工作缺乏对批处理计算和流处理计算一体化管理和监控。的当前工作都是针对海量离线数据处理的Hadoop计算平台的监控系统，而针对实时在线数据处理的Storm计算平台的监控依然存在空白，而后者已然是大数据流式计算的业界主流和事实上的标准。

第二方面：当前工作对集群计算资源的细粒度监控支持不足。当前工作多针对Hadoop集群的作业状态或文件系统状态进行监控，而对集群中计算资源细粒度的监控，如CPU、内存、带宽和硬盘资源等，缺乏有效支持。

第三方面：当前工作对计算节点的服务管理支持不足。大数据计算平台中，计算节点是通过相关服务支撑计算的不同功能角色。例如，Hadoop存在name-node、data-node、job-tracker和task-tracker四种服务，分别对应数据和作业的后台服务；Storm存在nimbus、ui、supervisor三种服务，分别对应主控、控制台和工作服务。当前工作很少从服务管理的角度，对集群中的计算节点进行监控。

第四方面：当前工作普遍缺乏图形化管理界面和智能辅助支持。这使得不了解计算集群环境安装的业务人员，很难操作集群中机器和服务的启停、作业的提交和撤销等功能；对于不太了解开发细节的业务人员，很难短时间熟记各种配置和启动类名称等参数。

技术实现要素：

本发明的目的是为了克服上述监控管理缺陷，从而针对大数据计算平台的一体化监控及管理，减少操作流程复杂性，提供智能、直观、易用和快速响应的监控系统。

本发明通过对Hadoop和Storm计算平台的一体化监控，可以实时查看两类集群机器的运行时状态、机器上各个服务的运行时状态，以及作业在集群中的运行状态，可以对针对机器、服务和作启动和停止，可以针对批处理和流处理两类作业，实现提交、撤销和调度操作，图形化的监控界面和智能辅助支撑，使得非专业人士可以很快上手和掌握。

具体而言，本发明提供了以下的技术方案：

首先，本发明提供了一种大数据计算平台监控系统，所述监控系统从大数据计算平台获取数据，所述系统包括：

数据采集模块，实时获取和存储大数据计算平台中计算环境的监控指标和计算作业监控的监控指标，并为环境监测模块和作业监控模块开放查询接口；

环境监控模块，对大数据计算平台的计算环境进行实时监控，从所述数据采集模块中获取大数据计算平台的计算环境的监控指标，并将这些计算环境的监控指标进行可视化展示；

作业监控模块，对大数据计算平台的计算作业进行实时监控，从数据采集模块中获取大数据计算平台的计算作业的监控指标，并将计算作业的监控指标进行可视化展示。

优选地，所述数据采集模块采集来自大数据计算平台的数据，所述数据采集模块包含代理单元、关系数据库单元；

所述系统封装了关系数据库及代理的功能，提供JDBC接口和Restful接口，并从所述关系数据库单元及代理单元查询监控指标数据；

所述监控指标数据包括环境监控指标和作业监控指标。环境监控指标指涉及到所监控的大数据计算平台的计算环境相关联的指标，主要是指环境监控模块所监控或关注的各个指标；作业监控指标指所监控的各作业所涉及到的指标，主要是指作业监控模块所监控或关注的各个指标。上述两指标之间可以是存在相互重复或相同的部分指标，也可以是相互不同的各个指标。

优选地，所述环境监控模块包含计算平台监控模块、机器监控模块、服务监控模块，用于实现对计算环境的监控指标进行监控，具体包括：

所述计算平台监控模块用于对每个计算平台的平台信息数据进行监控；

所述机器监控模块，监控计算平台中的每个计算节点，监控计算节点关联的监控指标；

所述服务监控模块，对计算平台中的服务进行监控，并针对每种服务，监控服务的节点列表；针对服务的节点列表中的每一个节点，所述服务监控模块可配置服务命令在该节点路径，可以启动服务、停止服务和重启服务。

优选地，所述机器监控模块的所述计算节点关联的监控指标包括节点标识、IP地址、节点的服务列表、CPU负载、内存使用率、带宽占用、硬盘使用率；所述机器监控模块针对节点的服务列表中的每一项服务，可配置服务命令在该节点路径，并可以启动服务、停止服务和重启服务。

优选地，所述计算平台监控模块监控的平台信息数据包括多个监控指标，具体包括：针对每个Hadoop计算平台，监控指标包括平台标识、版本号、job-tracker节点IP地址、已启动时间、计算节点数量、计算作业数量、Map任务数量、Reduce任务数量、Map任务的进程数量、Reduce任务占用的进程数量、Map任务容量、Reduce任务容量、平均节点任务容量等；针对每个Storm计算平台，监控指标包括平台标识、版本号、nimbus节点IP地址、已启动时间、计算节点数量、计算作业数量、进程数量、空闲进程数量、线程数量、任务数量等。

优选地，所述作业监控模块包括新作业提交模块和作业管理模块，用于实现对计算作业的监控指标进行监控，具体包括：

所述新作业提交模块用于用户上传计算作业包，并在线配置参数后，经系统分析后，将所述计算作业包分配至合适的计算平台；

所述作业管理模块，用于监控计算平台的作业的指标数据，所述作业包括批处理计算作业、流处理计算作业、流计算作业的组件列表的组件、任务列表的任务。

优选地，所述作业管理模块所监控的指标数据具体包括：

针对Hadoop计算平台的批处理计算作业，监控指标包括平台标识、作业名称、作业标识、作业状态、启动时间、用户名、优先权等；

针对Storm计算平台的流处理计算作业，监控指标包括平台标识、作业名称、作业标识、作业状态、启动时间、占用进程数量、占用线程数量、计算任务数量、组件列表等；

针对Storm流计算作业的组件列表的组件，监控指标包括每一个组件的占用进程数量、任务数量、发送数据量、传输数据量、完成延迟、处理数据量、处理延迟、响应数量、失败数量、所在节点的节点标识、最近错误日志、任务列表等；

针对Storm流计算作业的组件列表的组件，对其中任务列表的任务，监控指标包括任务标识、启动时间、所在计算节点的节点标识、端口、发送数据量、传输数据量、完成延迟、处理数据量、处理延迟、响应数量、失败数量等。

优选地，所述代理单元设置在计算平台中的计算节点，其余的所述数据采集模块部分，设置在监控服务器中；设置在计算节点处的代理单元与设置在监控服务器中的数据采集模块部分进行通信，实现对数据的获取和存储。

优选地，所述关系数据库模块设置在监控服务器中，存储来自设置于计算节点中的代理单元获取的各监控指标数据。

优选地，所述环境监控模块、作业监控模块，均设置在监控服务器中。

优选地，所述计算平台的每一计算节点，在所述机器监控模块中注册，注册信息包括：节点标识、IP地址、用户名、密码、节点的服务等。

优选地，所述计算节点中存在的任一服务，在节点的服务列表中注册，服务的注册信息至少包括：服务类型、服务命令所在路径；所述服务命令所在路径，是指服务的命令程序在节点的位置。

此外，本发明还提供了一种大数据计算平台监控方法，应用于上述的系统中，所述方法包括：

步骤1、用户上传计算作业包；

步骤2、分析作业的类型：根据计算作业包中的特征，判断该作业是批处理计算作业、流处理计算作业或者异常作业；对于判断为异常作业的计算作业包，返回提示，并终止新作业提交的过程；

步骤3、确认集群：根据所述步骤2获得的作业类型，确认可分配的计算平台；所确认的计算平台须有足够处理所述作业的空闲进程数量，当不存在这样的计算平台时，返回提示，并终止新作业提交的过程；

步骤4、分析作业的启动类：针对用户上传的计算作业包，分析作业的所有Java类，向用户返回其中可能是启动类的Java类列表；

步骤5、用户配置参数：在完成作业的启动类的分析后，用户须在启动类的Java类列表中选择唯一的一项，并配置启动类的参数；

步骤6、提交作业：针对上传的计算作业包，向确认的计算平台提交计算作业包。

此外，本发明还提供了一种大数据计算平台监控方法，应用于上述的系统中，所述方法实现对作业管理的监控，包括：

步骤1、客户端向所述监控系统发送请求，获取大数据计算平台的作业列表；

步骤2、所述监控系统的作业管理模块，向数据采集模块发送查询请求，获取大数据计算平台中所有作业的监控指标；

步骤3、数据采集模块，从大数据计算平台获取所有作业的监控指标，向所述系统的作业管理模块返回；

步骤4、所述作业管理模块，向客户端返回大数据计算平台的作业列表；作业列表中的每一批处理计算作业，监控指标包括平台标识、作业名称、作业标识、作业状态、启动时间、用户名、优先权；作业列表中的每一流处理计算作业，监控指标包括平台标识、作业名称、作业标识、作业状态、启动时间、占用进程数量、占用线程数量、计算任务数量、组件列表。

此外，本发明还提供了一种大数据计算平台监控方法，应用于上述的系统中，所述方法实现对作业管理的监控，所述方法包括：

步骤1、客户端向所述系统发送请求，针对大数据计算平台中指定的一个计算作业进行撤销操作；

步骤2、所述系统的作业管理模块，向数据采集模块发送请求，请求撤销指定的计算作业；

步骤3、所述数据采集模块，请求在大数据计算平台中撤销指定的计算作业，并将结果向作业管理模块返回；

步骤4、所述作业管理模块，向客户端返回大数据计算平台的操作结果；撤销操作若成功，作业管理模块可监控到该指定计算作业的状态改为对应撤销成功的状态；撤销操作若失败，向客户端返回撤销失败的提示。

此外，本发明还提供了一种大数据计算平台监控方法，应用于上述的系统中，所述方法实现对作业管理的监控，所述方法包括：

步骤1、客户端，向所述系统发送请求，针对大数据计算平台中指定的一个计算作业进行重新调度操作；

步骤2、所述系统的作业管理模块，向所述系统的数据采集模块的发送请求，请求在大数据计算平台中重新调度指定的计算作业；

步骤3、所述数据采集模块，请求在大数据计算平台中重新调度指定的计算作业，并将结果向所述作业管理模块返回；

步骤4、所述作业管理模块，向客户端返回大数据计算平台的操作结果；重新调度操作若成功，向客户端返回重调度成功的提示；重新调度操作若失败，向客户端返回重调度失败的提示。

与现有技术相比，本发明技术方案，实现对批处理计算和流处理计算一体化管理和监控；实现对集群计算资源的细粒度监控；支持对计算节点的服务管理；并可方便地提供图形化管理界面和智能辅助支持。本发明可以减少针对大数据计算平台管理操作流程的复杂性，提供智能、直观、易用和快速响应的监控系统。

附图说明

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它的附图。

图1为本发明实施例的大数据计算平台的监控系统的架构；

图2为本发明实施例的部署和模块间的交互；

图3为本发明实施例中在新作业提交时的流程图。

具体实施方式

下面结合附图对本发明实施例进行详细描述。应当明确，所描述的实施例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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本领域技术人员应当知晓，下述具体实施例或具体实施方式，是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式，而该些设置方式之间均是可以相互结合或者相互关联使用的，除非在本发明明确提出了其中某些或某一具体实施例或实施方式无法与其他的实施例或实施方式进行关联设置或共同使用。同时，下述的具体实施例或实施方式仅作为最优化的设置方式，而不作为限定本发明的保护范围的理解。

实施例1：

在一个具体的实施例中，本发明是建立在大数据计算平台上的，主要包括了三个模块。结合图1详细说明大数据计算平台以及大数据计算平台的监控系统的各个模块。其中：

在一个具体的实施方式中，本发明所针对的大数据计算平台，包含Hadoop计算平台、Storm计算平台和计算平台所属的分布式集群。Hadoop计算平台用于海量数据的离线处理，Storm计算平台用于实时数据的在线处理。两类计算平台所属的分布式集群，由被称作计算节点的机器组成。

本发明包含数据采集模块，实时获取和存储大数据计算平台中计算环境的监控指标和计算作业监控的监控指标，并为环境监测模块和作业监控模块开放查询接口。其中，采集模块中的代理单元(即附图1中的代理程序)可采用Zabbix、Yarn Restful服务、Hadoop客户端代理、Storm客户端代理和Storm Restful服务等；关系数据库单元(即附图1中的关系数据库)可以采用MySQL、SQL Server或Oracle等。系统封装了关系数据库的相关功能，提供JDBC接口，从关系数据库查询的监控指标数据；系统封装了代理程序的相关功能，提供Restful接口，从代理程序查询监控指标数据。

本发明包含环境监控模块，对大数据计算平台的计算环境进行实时监控，从数据采集模块中获取大数据计算平台的计算环境的监控指标，并将这些指标可视化展示，并基于ExtJs实现了图形用户界面，供用户通过界面获取监控信息并综合展示，当然，此处的图形用户界面的实现工具仅作为一个优选的可实施方式，而不是唯一的方式，本领域技术人员可以通过其他的常用工具实现该交互界面/图形用户界面，以实现可视化及用户交互功能。具体的，包括计算平台监控、机器监控和服务监控。其中，

(1)计算平台监控：针对每个Hadoop计算平台，监控指标包括平台标识、版本号、job-tracker节点IP地址、已启动时间、计算节点数量、计算作业数量、Map任务数量、Reduce任务数量、Map任务的进程数量、Reduce任务占用的进程数量、Map任务容量、Reduce任务容量、平均节点任务容量；针对每个Storm计算平台，监控指标包括平台标识、版本号、nimbus节点IP地址、已启动时间、计算节点数量、计算作业数量、进程数量、空闲进程数量、线程数量、任务数量；(2)机器监控：针对计算平台中的每个计算节点，监控指标包括节点标识、IP地址、节点的服务列表、CPU负载、内存使用率、带宽占用、硬盘使用率；针对节点的服务列表中的每一项服务，可配置服务命令在该节点路径，可以启动服务、停止服务和重启服务；(3)服务监控：面向计算平台中的8种服务的监控，包括zookeeper、nimbus、supervisor、storm-ui、name-node、data-node、job-tracker、task-tracker；针对计算平台中的每种服务，监控指标是服务的节点列表；针对服务的节点列表中的每一个节点，可配置服务命令在该节点路径，可以启动服务、停止服务和重启服务。

本发明包含作业监控模块，对大数据计算平台的计算作业进行实时监控，从数据采集模块中获取大数据计算平台的计算作业的监控指标，并将这些指标可视化展示。具体的，包括新作业提交和作业管理，并基于ExtJs实现了图形用户界面，供用户通过界面获取监控信息并综合展示，该图形用户界面的可用实现方式如上所述。其中，(1)新作业提交：用户上传计算作业程序包，并在线配置参数，经系统智能分析后自动分配至合适的计算平台；(2)作业管理：针对Hadoop计算平台的每一个批处理计算作业，监控指标包括平台标识、作业名称、作业标识、作业状态、启动时间、用户名、优先权；针对Storm计算平台的每一个流处理计算作业，监控指标包括平台标识、作业名称、作业标识、作业状态、启动时间、占用进程数量、占用线程数量、计算任务数量、组件列表；针对Storm流计算作业的组件列表的每一个组件，监控指标包括每一个组件的占用进程数量、任务数量、发送数据量、传输数据量、完成延迟、处理数据量、处理延迟、响应数量、失败数量、所在节点的节点标识、最近错误日志、任务列表；针对Storm流计算作业的组件列表的组件，对其中任务列表的每一个任务，监控指标包括任务标识、启动时间、所在计算节点的节点标识、端口、发送数据量、传输数据量、完成延迟、处理数据量、处理延迟、响应数量、失败数量等。

需要指出的是，上述的该些各类监控指标，是可以灵活调整的，并不限于上述列出的各项指标，本领域技术人员可以根据具体的设置需求、精度要求、监控重点方向等需要，进行组合、删减或增加，而该些更改，均应视为落入本发明的保护范围之内。

实施例2：

在一个具体的实施例中，本发明所提供的监控系统可以采用以下的优选部署方式，结合图2说明本发明各个模块部署和模块交互关系。关于大数据计算平台的监控系统的部署，具体包括：

(1)部署大数据计算平台：对于Hadoop计算平台和Storm计算平台，各个平台各自独立部署。

(2)部署大数据计算平台的监控系统：具体包括，

a)数据采集模块的代理程序，一部分部署在大数据计算平台中的每一个计算节点，其它部分部署在监控服务器；计算节点上部署的数据采集模块的代理程序，与监控服务器上部署的数据采集模块进行通信，进行获取和存储数据。

b)数据采集模块的关系数据库，部署在监控服务器，存储来自计算节点数据采集模块的代理程序的监控指标；

c)环境监控模块，部署在监控服务器，从部署在监控服务器的数据采集模块获取数据，用于可视化展示计算环境相关的监控指标；

d)作业监控模块，部署在监控服务器，从部署在监控服务器的数据采集模块获取数据，用于可视化展示计算作业相关的监控指标。

(3)注册大数据计算平台：具体包括，

a)大数据计算平台涉及的每一个计算节点，在大数据计算平台的监控系统的机器监控模块中注册，计算节点的注册信息包括，节点标识、IP地址、用户名、密码、节点的服务；

b)计算节点中存在的任何一个服务，在节点的服务列表中注册，服务的注册信息包括：服务类型、服务命令所在路径；其中，服务类型存在8种，包括zookeeper、nimbus、supervisor、storm-ui、name-node、data-node、job-tracker、task-tracker；服务命令所在路径，是指服务的命令程序在节点的位置，用于定位服务命令程序。

(4)部署客户端：部署在客户机，即用户使用的机器；客户端是用户使用的浏览器，用于访问大数据计算平台的监控系统，返回环境监控和作业监控的可视化结果；也用于向大数据计算平台提交计算作业程序包，进行大数据计算；也用于大数据计算平台的作业管理，包括暂停、停止和重新调度等操作。

实施例3：

在一个具体的优选实施例中，结合图3对提交作业的流程进行说明。作业监控模块封装了相关命令行程序，智能化分析使得用户无需关注作业和计算平台的不同类型，也无需熟记不同类型计算平台的配置和诸多参数，简化了用户提交作业的复杂度。作业监控模块负责接收用户上传的计算作业包(即计算作业程序包)，并进行智能分析后提交。具体包括如下步骤：

(1)用户上传计算作业包：计算作业包是jar文件格式，是用户基于Hadoop编程实现的批处理计算作业的程序封装，或者是用户基于Storm编程实现的流处理计算作业的程序封装；用户选择指定的一个计算作业包后，系统上传该计算作业包；

(2)系统分析作业的类型：系统根据计算作业包中的程序特征，判断该作业是批处理计算作业、流处理计算作业或者异常作业；对于判断为异常作业的计算作业包，返回提示，并终止新作业提交的过程；

(3)系统确认集群：针对用户上传的计算作业包，根据所分析的作业类型，系统确认可分配的计算平台：批处理计算作业分配至Hadoop计算平台，流处理计算作业分配至Storm计算平台；所确认的计算平台须有足够的空闲进程数量，当不存在这样的计算平台时，返回提示，并终止新作业提交的过程；

(4)系统分析作业的启动类：针对用户上传的计算作业包，系统分析作业的所有Java类，向用户返回其中可能是启动类的Java类列表；

(5)用户配置参数：在系统完成作业的启动类的分析后，用户须在启动类的Java类列表中选择唯一的一项；用户在线配置启动类的参数；

(6)系统提交作业：针对用户上传的计算作业包，系统向确认的计算平台提交计算作业包。

实施例4：

在作业监控模块中，对作业的管理可以通过以下的不同实施方式来实现，需要指出的是，下述的实施方式仅作为优选的实施方式进行例举，而不作为限定本发明的保护范围理解。

在一个具体的优选实施例中，在作业监控模块中，对作业管理的一个具体实施方式可以采用如下方式实现：

(1)客户机上的客户端，向监控服务器的大数据计算平台的监控系统，发送请求，获取大数据计算平台的作业列表；

(2)大数据计算平台的监控系统的作业管理模块，向大数据计算平台的监控系统的数据采集模块发送查询请求，获取大数据计算平台中所有作业的监控指标；

(3)大数据计算平台的监控系统的数据采集模块，通过代理程序(即代理单元)的Restful接口和关系数据库的JDBC接口，从大数据计算平台获取所有作业的监控指标，向大数据计算平台的监控系统的作业管理模块返回；

(4)大数据计算平台的监控系统的作业管理模块，向客户机上的客户端返回大数据计算平台的作业列表；作业列表中的每一个批处理计算作业，监控指标包括平台标识、作业名称、作业标识、作业状态、启动时间、用户名、优先权；作业列表中的每一个流处理计算作业，监控指标包括平台标识、作业名称、作业标识、作业状态、启动时间、占用进程数量、占用线程数量、计算任务数量、组件列表等。

此外，在一个具体的优选实施例中，对作业管理的一个具体的实施方式还可

采用如下方式：

(1)客户机上的客户端，向监控服务器的大数据计算平台的监控系统发送请求，针对大数据计算平台中指定的一个计算作业进行撤销操作；

(2)大数据计算平台的监控系统的作业管理模块，向大数据计算平台的监控系统的数据采集模块的代理程序(即代理单元)发送请求，请求在大数据计算平台中撤销指定的计算作业；

(3)大数据计算平台的监控系统的数据采集模块，通过代理程序(即代理单元)的Restful接口，请求在大数据计算平台中撤销指定的计算作业，并将结果向大数据计算平台的监控系统的作业管理模块返回；

(4)大数据计算平台的监控系统的作业管理模块，向客户机上的客户端返回大数据计算平台的操作结果；撤销操作若成功，作业管理模块可监控到该指定计算作业的状态改为“已撤销”；撤销操作若失败，向客户端返回“撤销失败”的提示。

此外，在一个具体的优选实施例中，对作业管理的一个具体实施方式还可以采用如下方式实现：

(1)客户机上的客户端，向监控服务器的大数据计算平台的监控系统发送请求，针对大数据计算平台中指定的一个计算作业进行重新调度操作；

(2)大数据计算平台的监控系统的作业管理模块，向大数据计算平台的监控系统的数据采集模块的代理程序(即代理单元)发送请求，请求在大数据计算平台中重新调度指定的计算作业；

(3)大数据计算平台的监控系统的数据采集模块，通过代理程序(即代理单元)的Restful接口，请求在大数据计算平台中重新调度指定的计算作业，并将结果向大数据计算平台的监控系统的作业管理模块返回；

(4)大数据计算平台的监控系统的作业管理模块，向客户机上的客户端返回大数据计算平台的操作结果；重新调度操作若成功，向客户端返回“重调度成功”的提示；重新调度操作若失败，向客户端返回“重调度失败”的提示。

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，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。