负荷调整方法、装置、设备及存储介质与流程

本发明涉及通信技术领域，尤其涉及一种负荷调整方法、装置、设备及存储介质。

背景技术：

nb-iot(narrowbandinternetofthings，窄带物联网)聚焦于低功耗广覆盖物联网市场，是一种可在全球范围内广泛应用的新兴技术。相比2\3\4g，一个nb-iot小区能够支持10万个连接，能够提供现有无线技术50-100倍的接入数。

无线侧存在大量连接的情况下，一个行业用户下的大量iot终端可能在很短的时间内同时发起业务，集中接入到移动网络，这非常容易导致nb-iotepc(evolvedpacketcorenetwork，演进型分组核心网)设备(如mme(mobilitymanagemententity，移动性管理实体)\sgw(servinggateway，服务网关)拥塞，甚至整个网络宕机。比如，一个电力公司下的所有电表在很短的时间内同时发起业务，上报数据到电力公司；又比如，当自然灾害发生(如地震，海啸)时，自然灾害监测与预防系统下大量的iot终端同时发起业务，上报海量信息到核心网等，都可能使核心网在短时间受到高流量的冲击。

在lte(longtermevolution，长期演进)-epc/iot-epc融合组网阶段，整个核心侧设备(例如mme\sgw)被两个无线网络(4glte和nb-iot物联网)共用。引起核心侧设备负荷波动的因素主要有：nb-iot物联网终端行为、4glte用户行为、设备自身承载能力等。其中，mme主要负责非接入层信令的加密、完整性保护和安全控制，并对空闲状态下的移动台进行移动性管理(简单点说就是控制面的相关工作)。s-gw主要负责用户面数据包及用户平面切换(简单点说就是用户面的相关工作)。在lte-epc/iot-epc融合组网场景下，mme接收和处理lte基站和nb-iot基站的信令消息，无法识别新接入的是lte用户还是nb-iot终端，也不能时时感知新接入的用户或终端对设备的运行状态和承载能力的影响。

现有技术中，对iot-epc来说，降低负荷波动的方法为：对某一类特定的业务提前配置请求门限，在特定时间内该业务的请求次数大于或等于配置的门限时，判断请求的终端为异常终端，并拒绝该终端接入，以达到拥塞控制、降低负荷的目的。该降低负荷的方式，只能通过维护人员一方面对容易短时间产生高信令流的nb-iot业务提前手动配置拥塞控制功能，对已知高信令负荷能够进行提前处理，但是对于突发的信令风暴无法解决。

对lte-epc来说，降低负荷波动的方法为：不断的调整设备的用户分发比例和权重，或通过命令手动迁移用户到其他设备上。对融合组网环境中的负荷波动问题，没有解决办法。该方式主要是通过手动迁移驻留在高负荷设备的用户到其他设备上，来达到降低该设备负荷的目的，效率和准确性都十分低下，特别是在融合组网的情况下。

综上所述，在lte-epc/iot-epc融合组网场景下，如何快速准确降低设备负荷波动，是需要解决的问题。

技术实现要素：

本发明实施例提供了一种负荷调整方法、装置、设备及存储介质，用以快速准确降低设备的负荷波动，提高负荷调整的灵活性，提高客户满意度，降低人工分析成本。

第一方面，本发明实施例提供了一种负荷调整方法，该负荷调整方法包括：

预测网络设备在设定时间的负荷期望值，并采样获得所述网络设备在所述设定时间的实际负荷值；

根据所述实际负荷值以及所述负荷期望值，确定所述网络设备需要进行负荷调整；

确定所述网络设备的各项负荷影响因素各自的相关系数，根据所述各项负荷影响因素各自的相关系数，从所述各项负荷影响因素中选择首要负荷影响因素；

按照所述首要负荷影响因素调整所述网络设备的负荷。

可能的实施方式中，预测网络设备在设定时间的负荷期望值，包括：

获取记录的所述网络设备在所述设定时间之前的连续n个采样周期的负荷采样值，所述n为大于1的整数；

计算获取的n个负荷采样值的平均值，将所述平均值作为所述网络设备在所述设定时间的负荷期望值。

可能的实施方式中，所述根据所述实际负荷值以及所述负荷期望值，确定所述网络设备需要进行负荷调整，包括：

计算所述实际负荷值与所述负荷期望值的差值的绝对值，若确定所述差值的绝对值大于或等于预设门限值，则确定所述网络设备需要进行负荷调整。

可能的实施方式中，确定所述网络设备的各项负荷影响因素各自的相关系数，包括：

对于所述各项负荷影响因素中的每一项，根据在不同时间点采样获得的所述网络设备的所述负荷影响因素的取值以及对应的负荷值，确定所述负荷影响因素的相关系数。

可能的实施方式中，根据所述各项负荷影响因素各自的相关系数，从所述各项负荷影响因素中选择首要负荷影响因素，包括：

从所述各项负荷影响因素中选择相关系数的绝对值大于设定值的负荷影响因素，将选择的负荷影响因素作为备选因素；

从所述备选因素中选择相关系数的绝对值最大的负荷影响因素，将所述相关系数的绝对值最大的负荷影响因素确定为所述首要负荷影响因素。

可能的实施方式中，若所述首要负荷影响因素为窄带物联网终端信令流，所述按照所述首要负荷影响因素调整所述网络设备的负荷，包括：

对所述窄带物联网终端已产生的信令流进行流量控制；和/或，

基于小区全局标识符ecgi确定小区，在确定的所述小区寻呼所述窄带物联网终端；和/或，

取消核心网的周期位置更新定时器。

可能的实施方式中，若所述首要负荷影响因素为移动通信用户数，所述按照所述首要负荷影响因素调整所述网络设备的负荷，包括：

确定移动通信系统池组内各设备的用户数的平均值，从所述池组中选择用户数高于所述平均值且与所述平均值的差值最大的设备；

根据选择的设备的用户数以及所述平均值，确定所述选择的设备需要搬迁的用户数。

可能的实施方式中，若所述首要负荷影响因素为告警量，所述按照所述首要负荷影响因素调整所述网络设备的负荷，包括：

按照告警等级从高到低的顺序，依次进行故障处理。

第二方面，本发明实施例提供了一种负荷调整装置，该负荷调整装置包括：

第一处理模块，用于预测网络设备在设定时间的负荷期望值，并采样获得所述网络设备在所述设定时间的实际负荷值；

第二处理模块，用于根据所述实际负荷值以及所述负荷期望值，确定所述网络设备需要进行负荷调整；

第三处理模块，用于确定所述网络设备的各项负荷影响因素各自的相关系数，根据所述各项负荷影响因素各自的相关系数，从所述各项负荷影响因素中选择首要负荷影响因素；

第四处理模块，用于按照所述首要负荷影响因素调整所述网络设备的负荷。

第三方面，本发明实施例提供了一种负荷调整设备，包括处理器和存储器，所述存储器中保存有预设的程序，所述处理器读取所述存储器中的程序，按照所述程序执行所述的负荷调整方法。

第四方面，本发明实施例提供了一种存储介质，所述存储介质中存储有计算机程序，所述计算机程序用于被处理器加载后按照所述计算机程序执行所述的负荷调整方法。

基于以上技术方案，本发明实施例中，根据网络设备在设定时间的负荷期望值以及实际负荷值，判断该网络设备是否需要进行负荷调整，并在确定该网络设备需要进行负荷调整后，确定该网络设备各项负荷影响因素各自的相关系数，进而从各项负荷影响因素中选择首要负荷影响因素，并按照该首要负荷影响因素调整该网络设备的负荷，从而使得网络设备通过监测负荷情况，及时获知是否需要进行负荷调整，并在需要负荷调整的情况下找到首要影响因素，并进行有针对性的调整，实现了网络负荷的动态调整，增强了网络设备在面对突发冲击时的自动调整能力，并且能够有针对性的进行调整，避免了不明原因的盲目操作。综上，本发明实施例实现了快速准确降低设备的负荷波动，提高负荷调整的灵活性，提高客户满意度，降低了人工分析成本。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，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。

图1示出了本发明实施例中负荷调整的方法流程示意图；

图2示出了本发明实施例中负荷调整装置的结构示意图；

图3示出了本发明实施例中负荷调整设备的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，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……”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。

为了能够快速准确降低设备的负荷波动，提高负荷调整的灵活性，提高客户满意度，降低人工分析成本，本发明实施例中提供了一种负荷调整方法，该方法可以应用于核心网设备，如mme中，需要说明的是，这并不意味着该方法仅能应用于mme中。以下实施例中仅以应用于mme为例进行具体说明。

如图1所示，该方法的具体实施过程如下：

步骤101：预测网络设备在设定时间的负荷期望值，并采样获得该网络设备在该设定时间的实际负荷值。

一个具体实施方式中，预测网络设备在设定时间的负荷期望值的过程包括：获取记录的网络设备在设定时间之前的连续n个采样周期的负荷采样值，n为大于1的整数；计算获取的n个负荷采样值的平均值，将该平均值作为该网络设备在该设定时间的负荷期望值。

例如，以采样周期为一天(24小时)为例，假设网络设备的负荷期望值用e(x)表示，假设x1、x2、x3、……、xn为前n天中每天在同一时间点采用获得的该网络设备的负荷采样值，p(x1),p(x2),p(x3)，……p(xn)为该n个负荷采样值各自对应的概率函数，这里假设每个概率函数为1/n。则：

需要说明的是，这里仅是以采样周期为24小时为例进行说明，实际应用中可以根据需要设置采样周期为其他值，此处仅为举例说明，并不用于限制本发明实施例的保护范围。

步骤102：根据该实际负荷值以及该负荷期望值，确定该网络设备需要进行负荷调整。

具体地，计算实际负荷值与负荷期望值的差值的绝对值，若确定该差值的绝对值大于或等于预设门限值，则确定该网络设备需要进行负荷调整。

假设在设定时间进行采样获得的该网络设备的实际负荷值表示为e(x)’，预设门限值表示为α，则确定网络设备需要进行负荷调整需要满足的条件可表示为：

|e(x)-e(x)’|≥α。

步骤103：确定该网络设备的各项负荷影响因素各自的相关系数，根据各项负荷影响因素各自的相关系数，从各项负荷影响因素中选择首要负荷影响因素。

本发明实施例中，可以利用统计学简单相关系数(又称皮尔逊相关系数)来确定负荷影响因素与设备负荷异常联系的紧密程度，即相关系数。

一个具体实施方式中，对于各项负荷影响因素中的每一项，确定该负荷影响因素的相关系数的具体过程如下：根据在不同时间点采样获得的该网络设备的该负荷影响因素的取值以及对应的负荷值，确定该负荷影响因素的相关系数。采用相同的方式可以确定每项负荷影响因素各自的相关系数。

具体地，假设相关系数表示为r，相关系数可以通过以下公式计算得到：

其中，xi表示在第i个时间点测量得到的影响因素的测量值，yi表示在第i个时间点测量得到的网络设备的负荷值，表示在各个时间点测量得到的影响因素的测量值的平均值，表示在各个时间点测量得到的网络设备的负荷值的平均值。

相关系数的取值在-1～+1范围内波动，相关系数的绝对值越接近于1，则表示该相关系数对应的负荷影响因素与设备负荷的关系愈密切，反之，相关系数的绝对值越接近于0，则表示该相关系数对应的负荷影响因素与设备负荷的关系愈不密切。

需要说明的是，本发明实施例中仅是提供一种相关系数的确定方式，但这并不意味着本发明实施例中仅能采用该相关系数的确定方式，对于其它相关系数的确定方式也可以应用于本发明实施例中，本发明实施例的保护范围并不以此为限制。

一个具体实施方式中，确定首要负荷影响因素的方式为：从各项负荷影响因素中选择相关系数的绝对值大于设定值的负荷影响因素，将选择的负荷影响因素作为备选因素；从该备选因素中选择相关系数的绝对值最大的负荷影响因素，将该相关系数的绝对值最大的负荷影响因素确定为首要负荷影响因素。

具体地，假设相关系数的绝对值大于0.7，表示该相关系数所对应的负荷影响因素与网络设备负荷的相关程度高，则将该负荷影响因素列为备选因素之一。将备选因素中相关系数的绝对值最大的负荷影响因素，作为首要负荷影响因素，即影响网络设备负荷的最主要原因。

例如，负荷影响因素一，窄带物联网终端终端信令流与网络设备负荷的相关性分析：以小时为粒度，采集发送信令请求的窄带物联网终端数(即x)，以及在同一时间点采集网络设备的负荷值(即y)，按照相关系数的计算公式计算得到相关系数，当该相关系数的绝对值大于0.7时，将该负荷影响因素列为备选因素，否则不考虑该负荷影响因素；

负荷影响因素二，lte用户数与网络设备负荷的相关性分析：以小时为粒度，采集驻留在网络设备的lte用户数据(即x)，以及在同一时间点采集网络设备的负荷值(即y)，按照相关系数的计算公式计算得到相关系数，当该相关系数的绝对值大于0.7时，将该负荷影响因素列为备选因素，否则不考虑该负荷影响因素；

负荷影响因素三，告警量与网络设备负荷的相关性分析：以小时为粒度，采集网络设备产生的告警量(即x)，以及在同一时间点采集网络设备的负荷值(即y)，按照相关系数的计算公式计算得到相关系数，当该相关系数的绝对值大于0.7时，将该负荷影响因素列为备选因素，否则不考虑该负荷影响因素；

从备选因素中，选择相关系数的绝对值最大的负荷影响因素作为导致网络设备负荷高的首要原因。

步骤104：按照首要负荷影响因素调整该网络设备的负荷。

本发明实施例中，根据首要负荷影响因素的不同，对网络设备的负荷进行调整所采用的方式也不相同。以下通过列举a、b、c三种情况，对不同的首要负荷影响因素所对应的负荷调整过程进行举例说明。

a、若首要负荷影响因素为窄带物联网终端信令流，调整该网络设备的负荷的方式可以是以下三种方式中的任意一种或多种的组合，优选地，在以下三种方式组合实施时，最优的实施顺序从前到后依次为方式一、方式二、方式三，具体如下：

方式一，对窄带物联网终端已产生的信令流进行流量控制，即对已经产生的信令流进行缓冲控制。

由于窄带物联网终端的时延敏感度较lte终端低得多，由mme对收到的信令消息进行分组，将业务传送依赖程度高的会话性消息划分至业务消息组，将业务传送以来程度低的移动性消息划分至非业务消息组。移动性消息可以为附着请求(attachrequest)消息、跟踪区更新(trackingareaupdate，tau)请求消息、分离(detach)请求消息等。移动性消息为窄带物联网终端提供位置信息服务，会话性消息(除移动性消息之外的消息)用于进行承载管理和数据传送服务。进行流量控制可以是，优先处理m条业务消息组中的消息，然后处理n条非业务消息组中的消息，其中m≥5n。同一个组内的消息按照队列原理进行管理，即先进先出，分批处理。

需要指出的是，在进行流量控制之后，终端会延后收到原定的信令消息，如果终端侧的定时器超时导致消息重传，将会给网络带来更大的信令风暴，为了避免这一结果，在启动流量控制后，mme将向终端侧发送定时器更新消息，以延长定时器的定时时长，例如，若定时器原来的定时时长为p，则延时后该定时器的时长为q，q≥5p。

方式二，基于小区全局标识符(e-utrancellglobalidentifier，ecgi)确定小区，在确定的小区寻呼窄带物联网终端，即实施精准寻呼。该方式在方式一之后实施，能够收缩流控后信令的触发面积，以减少次生灾害。

由于窄带物联网终端大多处于静止状态，移动性要求相较于lte用户低得多，通过跟踪区域码(tac)区域进行窄带物联网终端寻呼的方式会消耗大量的网络信令，鉴于此，将窄带物联网终端的寻呼方式从基于tac区域寻呼，转变为优先根据mme中存储的ecgi进行单个小区寻呼，在寻呼失败后，再转变为通过tac区域寻呼的方式，并在通过tac区域寻呼到相应的小区后，更新mme中存储的相应的窄带物联网终端的ecgi小区标识，以便于下一次能够精准寻呼该窄带物理网终端。采用该方式后，网络寻呼信令开销能够减少99％。

方式三，取消核心网的周期位置更新定时器，包括路由区更新(rau)的定时器，和/或跟踪区更新(tau)的定时器。该方式可以避免产生不必要的信令开销。

在网络受到大量信令冲击时，由mme核心网侧取消周期位置更新定时器(rau/tau)，以减少对窄带物联网终端非业务使用的唤醒次数，直至确定不需要进行负荷调整位置，即确定当前时间点采集的网络设备的负荷值偏离该当前时间点的负荷期望值小于预设门限，恢复周期性位置更新定时器。

b、若首要负荷影响因素为移动通信用户数，调整该网络设备的负荷的方式为：确定移动通信系统池组内各设备的用户数的平均值，从该池组中选择用户数高于该平均值且与该平均值的差值最大的设备；根据选择的设备的用户数以及该平均值，确定该选择的设备需要搬迁的用户数。

以lte池组为例，使用lte池组内多个设备的用户数方差(表示为s²)来判断池组内是单个设备的用户数升高，还是池组内多个设备的用户数升高。如果方差小于设定值，表示池组内多个设备的用户数升高，属于用户量增加导致，需要维护部分扩充容量；如果方差大于设定值，表示个别设备的用户数据增加，需要通过迁移用户的方式降低该设备的负荷。其中，用户数方差的计算公式为：

其中，x1......xn表示在某个时间点测量得到的池组内n个设备的用户数，表示池组内n个设备的用户数的平均值。

在一个时间点，统计统一池组内n个设备的用户数，若该设备的用户数偏离该平均值最多，则需要将设备的用户按照比例搬迁到其它设备上，若该设备不是用户数偏离该平均值最多的设备，则暂时不对该设备的用户数进行搬迁。

其中，设备需搬迁的用户数等于该设备登记的用户数减去该池组内各设备登记的用户数的平均值。设备需搬迁的用户比例等于需搬迁的用户数除以该设备登记的用户数。

c、若首要负荷影响因素为告警量，调整该网络设备的负荷的方式为：按照告警等级从高到低的顺序，依次进行故障处理。

如果设备负荷升高与设备故障密切相关，优先通过处理故障来降低负荷，在进行故障处理时，按照告警等级进行处理，即处理告警的顺序为：紧急告警>重要告警>一般告警>提示告警。

本发明实施例中，在执行步骤104之后，返回执行步骤101，即预测网络设备的负荷期望值，如果预测值与采样的实际负荷值的差值的绝对值小于预设门限值，则认为该网络设备负荷正常，系统稳定；否则，则继续按照以上负荷调整过程进行负荷调整。

一般情况下，按照步骤101至步骤104，重复执行2至3次负荷调整流程后，该网络设备的负荷即可达到稳定状态。

基于以上技术方案，本发明实施例中，根据实际负荷值和负荷期望值的差值作为衡量设备是否需要进行负荷调整的依据，而不是以单个采样的负荷值作为依据，提高了判断的准确性，并且使得运营商能够对设备负荷进行动态调整，增强了网络在面对突发冲击时的自动调整能力，实现了网络设备的最优化管控。

并且，本发明实施例中，对网络设备的负荷值、lte用户数、窄带物联网终端的信令流、告警数等每间隔时长t1检测一遍，并根据记录的历史值，预测出该网络设备的负荷期望值，确定网络设备的负荷偏离状态，从而判断该网络设备的负荷是否需要调整，通过相关性分析选择从首要负荷影响因素，避免了不明原因的盲目操作。

综上，本发明实施例能够自动调节设备负荷，防止出现设备负荷过高的情况，并且实施效率和准确度稿，能够快速准确降低设备的负荷波动，提高负荷调整的灵活性，大大提高了维护效率，提高客户满意度，降低维护人员的工作量，以及降低人工分析成本。

基于同一发明构思，本发明实施例中还提供了一种负荷调整装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图2所示，该装置主要包括：

第一处理模块201，用于预测网络设备在设定时间的负荷期望值，并采样获得所述网络设备在所述设定时间的实际负荷值；

第二处理模块202，用于根据所述实际负荷值以及所述负荷期望值，确定所述网络设备需要进行负荷调整；

第三处理模块203，用于确定所述网络设备的各项负荷影响因素各自的相关系数，根据所述各项负荷影响因素各自的相关系数，从所述各项负荷影响因素中选择首要负荷影响因素；

第四处理模块204，用于按照所述首要负荷影响因素调整所述网络设备的负荷。

基于同一发明构思，本发明实施例中还提供了一种负荷调整设备，该设备的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图3所示，该设备主要包括处理器301和存储器302，存储器中保存有预设的程序，处理器读取存储器中的程序，按照该程序执行以下过程：

预测网络设备在设定时间的负荷期望值，并采样获得所述网络设备在所述设定时间的实际负荷值；

根据所述实际负荷值以及所述负荷期望值，确定所述网络设备需要进行负荷调整；

确定所述网络设备的各项负荷影响因素各自的相关系数，根据所述各项负荷影响因素各自的相关系数，从所述各项负荷影响因素中选择首要负荷影响因素；

按照所述首要负荷影响因素调整所述网络设备的负荷。

具体实施中，存储器和处理器采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将包括由处理器代表的一个或多个处理器和存储器代表的存储器的各种电路链接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。

处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。

可选的，处理器可以是cpu(中央处埋器)、asic(applicationspecificintegratedcircuit，专用集成电路)、fpga(field－programmablegatearray，现场可编程门阵列)或pld(complexprogrammablelogicdevice，复杂可编程逻辑器件)。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，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，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。