mcs下动态调整存储容量的方法、系统、终端及存储介质与流程

1.本发明涉及文件存储系统技术领域，具体涉及一种mcs下动态调整存储容量的方法、系统、终端及存储介质。


背景技术：

2.存储技术浪潮的核心是基于网络的存储技术。目前，流行的网络存储系统主要有两种：附网存储(nas)和存储区域网(san)。按照存储网络工业协会(snia)的定义：nas是可以直接联到网络上向用户提供文件级服务的存储设备，而san是一种利用fibrechannel等互联协议连接起来的可以在服务器和存储系统之间直接传送数据的网络。nas是一种存储设备，有其自己简化的实时操作系统，它将硬件和软件有效地集成在一起，用以提供文件服务，具有良好的共享性、开放性、可扩展性。san技术的存储设备是用专用网络相连的，这个网络是一个基于光纤通道协议的网络。由于光纤通道的存储网和lan分开，性能就很高。在san中，容量扩展、数据迁移、数据本地备份和远程容灾数据备份都比较方便，整个san成为一个统一管理的存储池(storagepool)。由于具有这些优异的性能，san已成为企业存储的重要技术。
3.随着网络应用的迅速发展，网络信息数据量越来越大，pb级别的海量数据存储变得越来越重要，大容量、高性能文件系统显得尤为重要。在mcs统一存储中，向用户提供nas服务的架构是底层的统一san存储+上层的kvm虚拟机，由kvm虚拟机向外提供xfs文件系统的nfs、cifs、ftp服务。mcs多控制器系统是一款高度集成的处理器系统，面向控制器应用。数据和程序存在一个本地存储器中，调试通过microblaze调试模块(mdm)实现。此外，还配套提供各种标准外设，从而可提供各种基本功能，如中断控制器、uart、定时器和通用输入输出等。而基于mcs多控制器系统的文件存储系统服务的现有架构为在mcs卷创建完成通过iscsi协议映射给虚拟机，虚拟机进行xfs格式化后向客户端提供文件存储服务。
4.由于网络信息数据量存在不稳定性，当网络信息数据量较大时，很可能导致mcs卷容量不足，导致存储数据丢失。而人工进行容量调整时需要更改整个存储架构，操作复杂，效率较低。若是在构建存储架构时就创建大容量的mcs卷及虚拟机文件存储系统，在网络信息数据量较小时就会造成存储资源的浪费。


技术实现要素：

5.针对现有技术存在的容量无法动态调整，无法适应网络信息数据的高并发性，容易导致数据丢失或存储资源浪费的问题，本发明提供一种mcs下动态调整存储容量的方法、系统、终端及存储介质，以解决上述技术问题。
6.第一方面，本发明提供一种mcs下动态调整存储容量的方法，包括：
7.定期采集客户端访问共享存储服务的数据流量，并根据数量流量的采集时间先后顺序生成流量时间序列；
8.将流量时间序列输入预先构建的流量预测模型，得到流量预测结果；
9.根据流量预测结果调用容量调整命令调整多控制器系统卷的容量，并同步调整虚拟机文件系统容量。
10.进一步的，将流量时间序列输入预先构建的流量预测模型，得到流量预测结果，包括：
11.预先构建结构风险最小化函数和约束条件；
12.采用对偶式原理将结构风险最小化函数转化为规划函数，并利用拉格朗日系数方法结合所述规划函数生成支持向量机预测函数，将所述支持向量机预测函数构成流量预测模型；
13.利用粒子群算法优化所述流量预测模型的参数。
14.进一步的，预先构建结构风险最小化函数和约束条件，包括：
15.构建结构风险最小化函数为满足约束条件其中x
i
为流量时间序列中的第i次采集流量的时间，y
i
为流量时间序列中的第i次采集的流量，ω为权值向量，c为惩罚参数，b为偏置量，ε为不敏感系数，为松弛变量。
16.进一步的，采用对偶式原理将结构风险最小化函数转化为规划函数，并利用拉格朗日系数方法结合所述规划函数生成支持向量机预测函数，包括：
17.生成的支持向量机预测函数为其中α
i
和为拉格朗日乘子，k(x,x
i
)为核函数，m为流量时间序列中的流量数据数量。
18.进一步的，利用粒子群算法优化所述流量预测模型的参数，包括：
19.预先初始化粒子群算法的粒子位置向量和速度向量，并设定粒子数、迭代次数和学习因子；
20.取支持向量机预测的平均相对误差为适应度函数，计算每个粒子的适应度；
21.根据公式更新粒子速度不超过限制值，其中，v为速度向量，r为0,1之间的随机数，c为加速系数，p为粒子适应度，n为粒子数；
22.根据公式更新粒子位置，直至迭代次数达到设定的迭代次数，输出最优的惩罚参数c和不敏感系数ε。
23.进一步的，根据流量预测结果调用容量调整命令调整多控制器系统卷的容量，并同步调整虚拟机文件系统容量，包括：
24.采集多控制器系统卷的当前流量，计算当前流量与流量预测结果的流量差；
25.计算流量差对应的容量差，根据所述容量差调用扩容缩容命令对多控制器系统的卷容量进行调整，并根据所述容量差同步调整虚拟机的文件系统容量。
26.进一步的，根据所述容量差同步调整虚拟机的文件系统容量，包括：
27.利用虚拟模块进行逻辑卷组调整，并在卷组层和逻辑卷层调整文件系统的容量参数；
28.在文件系统的服务层调整可用容量。
29.第二方面，本发明提供一种mcs下动态调整存储容量的系统，包括：
30.数据采集单元，用于定期采集客户端访问共享存储服务的数据流量，并根据数量流量的采集时间先后顺序生成流量时间序列；
31.流量预测单元，用于将流量时间序列输入预先构建的流量预测模型，得到流量预测结果；
32.容量调整单元，用于根据流量预测结果调用容量调整命令调整多控制器系统卷的容量，并同步调整虚拟机文件系统容量。
33.进一步的，容量预测单元用于：
34.预先构建结构风险最小化函数和约束条件；
35.采用对偶式原理将结构风险最小化函数转化为规划函数，并利用拉格朗日系数方法结合所述规划函数生成支持向量机预测函数，将所述支持向量机预测函数构成流量预测模型；
36.利用粒子群算法优化所述流量预测模型的参数。
37.进一步的，预先构建结构风险最小化函数和约束条件，包括：
38.构建结构风险最小化函数为满足约束条件其中x
i
为流量时间序列中的第i次采集流量的时间，y
i
为流量时间序列中的第i次采集的流量，ω为权值向量，c为惩罚参数，b为偏置量，ε为不敏感系数，为松弛变量。
39.进一步的，采用对偶式原理将结构风险最小化函数转化为规划函数，并利用拉格朗日系数方法结合所述规划函数生成支持向量机预测函数，包括：
40.生成的支持向量机预测函数为其中α
i
和为拉格朗日乘子，k(x,x
i
)为核函数，m为流量时间序列中的流量数据数量。
41.进一步的，利用粒子群算法优化所述流量预测模型的参数，包括：
42.预先初始化粒子群算法的粒子位置向量和速度向量，并设定粒子数、迭代次数和学习因子；
43.取支持向量机预测的平均相对误差为适应度函数，计算每个粒子的适应度；
44.根据公式更新粒子速度不超过限制值，其中，v为速度向量，r为0,1之间的随机数，c为加速系数，p为粒子适应度，n为粒子数；
45.根据公式更新粒子位置，直至迭代次数达到设定的迭代次数，输出最优的惩罚参数c和不敏感系数ε。
46.进一步的，容量调整单元用于：
47.采集多控制器系统卷的当前流量，计算当前流量与流量预测结果的流量差；
48.计算流量差对应的容量差，根据所述容量差调用扩容缩容命令对多控制器系统的卷容量进行调整，并根据所述容量差同步调整虚拟机的文件系统容量。
49.进一步的，根据所述容量差同步调整虚拟机的文件系统容量，包括：
50.利用虚拟模块进行逻辑卷组调整，并在卷组层和逻辑卷层调整文件系统的容量参数；
51.在文件系统的服务层调整可用容量。
52.第三方面，提供一种终端，包括：
53.处理器、存储器，其中，
54.该存储器用于存储计算机程序，
55.该处理器用于从存储器中调用并运行该计算机程序，使得终端执行上述的终端的方法。
56.第四方面，提供了一种计算机存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
57.本发明的有益效果在于，
58.本发明提供的mcs下动态调整存储容量的方法、系统、终端及存储介质，通过定期采集客户端访问共享存储服务的数据流量，并根据数量流量的采集时间先后顺序生成流量时间序列，然后将流量时间序列输入预先构建的流量预测模型，得到流量预测结果，再根据流量预测结果调用容量调整命令调整多控制器系统卷的容量，并同步调整虚拟机文件系统容量，从而实现了mcs下的存储容量的动态调整。本发明可以有效的预测统一存储中文件系统的实时网络带宽流量，并通过流量预测模型根据流量时间序列预估出文件系统所预留的空间，通过动态分区的算法动态进行调整xfs文件系统，使存储空间利用率得到有效提升。
59.此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。
附图说明
60.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，对于本领域普通技术人员而言，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。
61.图1是本发明一个实施例的方法的示意性流程图。
62.图2是本发明一个实施例的方法的另一示意性流程图。
63.图3是本发明一个实施例的系统的示意性框图。
64.图4为本发明实施例提供的一种终端的结构示意图。
具体实施方式
65.为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明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，都应当属于本发明保护的范围。
66.下面对本发明中出现的关键术语进行解释。
67.lvm(逻辑分区管理)中的几个概念：
68.(1)pv(physical volume)：物理卷在逻辑卷管理系统最底层，可为整个物理硬盘或实际物理硬盘上的分区。
69.(2)vg(volume group)：卷组建立在物理卷上，一卷组中至少要包括一物理卷，卷组建立后可动态的添加卷到卷组中，一个逻辑卷管理系统工程中可有多个卷组。
70.(3)lv(logical volume)：逻辑卷建立在卷组基础上，卷组中未分配空间可用于建立新的逻辑卷，逻辑卷建立后可以动态扩展和缩小空间。
71.pe(physical extent)：物理区域是物理卷中可用于分配的最小存储单元，物理区域大小在建立卷组时指定，一旦确定不能更改，同一卷组所有物理卷的物理区域大小需一致，新的pv加入到vg后，pe的大小自动更改为vg中定义的pe大小。
72.(4)le(logical extent)：逻辑区域是逻辑卷中可用于分配的最小存储单元，逻辑区域的大小取决于逻辑卷所在卷组中的物理区域的大小。
73.卷组描述区域：卷组描述区域存在于每个物理卷中，用于描述物理卷本身、物理卷所属卷组、卷组中逻辑卷、逻辑卷中物理区域的分配等所有信息，它是在使用pvcreate建立物理卷时建立的。
74.粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟，粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解，并将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。
75.结构风险最小化(structural risk minimization)是指把函数集构造为一个函数子集序列,使各个子集按照vc维的大小排列；在每个子集中寻找最小经验风险,在子集间折中考虑经验风险和置信范围，取得实际风险的最小化。即srm准则。实现srm的思路之一就是设计函数集的某种结构使每个子集中都能取得最小的经验风险(如使训练误差为0)，然后只需选择适当的子集使置信范围最小，则这个子集中使经验风险最小的函数就是最优函数。svm方法实际上就是这种思想的具体实现。
76.图1是本发明一个实施例的方法的示意性流程图。其中，图1执行主体可以为一种mcs下动态调整存储容量的系统。
77.如图1所示，该方法包括：
78.步骤110，定期采集客户端访问共享存储服务的数据流量，并根据数量流量的采集时间先后顺序生成流量时间序列；
79.步骤120，将流量时间序列输入预先构建的流量预测模型，得到流量预测结果；
80.步骤130，根据流量预测结果调用容量调整命令调整多控制器系统卷的容量，并同步调整虚拟机文件系统容量。
81.为了便于对本发明的理解，下面以本发明mcs下动态调整存储容量的方法的原理，结合实施例中对mcs下存储容量进行动态调整的过程，对本发明提供的mcs下动态调整存储容量的方法做进一步的描述。
82.具体的，请参考图2，所述mcs下动态调整存储容量的方法包括：
83.s1、定期采集客户端访问共享存储服务的数据流量，并根据数量流量的采集时间先后顺序生成流量时间序列。
84.本实施例每隔1min采集一次流量，得到一组由流量和流量采集时间组成的流量时间序列，如[(x1,y1),(x2,y2),
…
,(x
i
,y
i
)]，其中，x为采集流量的时间，y为采集的流量值。
[0085]
s2、将流量时间序列输入预先构建的流量预测模型，得到流量预测结果。
[0086]
(1)预先构建结构风险最小化函数和约束条件。
[0087]
svm用于时间序列预测，即每个时间点的流量为一个样本xi时间，yi流量即x为自变量，y为因变量。结构风险最小化表示为：
[0088][0089]
满足约束条件
[0090]
其中x
i
为流量时间序列中的第i次采集流量的时间，y
i
为流量时间序列中的第i次采集的流量，ω为权值向量，c为惩罚参数，b为偏置量，ε为不敏感系数，为松弛变量。
[0091]
(2)采用对偶式原理将结构风险最小化函数转化为规划函数，并利用拉格朗日系数方法结合所述规划函数生成支持向量机预测函数，将所述支持向量机预测函数构成流量预测模型。
[0092]
采用对偶式原理将(1)转化为规划问题，并利用拉格朗日系数方法解决(1)式最优问题，得到支持向量机预测函数为:
[0093][0094]
其中α
i
和为拉格朗日乘子，k(x,x
i
)为核函数，m为流量时间序列中的流量数据数量。
[0095]
(3)利用粒子群算法优化所述流量预测模型的参数。
[0096]
pso粒子群算法是一种基于群体智能的优化算法，它用无质量无体积的粒子作为个体，并为每个粒子规定简单的行为规则，从而使整个粒子群表现出复杂的特性，通过个体之间的协作来寻找最优解。由于pso概念简单，易于实现，且能搜索全局最优解。粒子群算法中，每个粒子代表问题的一个潜在解。本专利采用该算法为svm的预测时所需的参数进行取最优解
[0097]
用粒子群算法进行svm参数寻优的步骤为:
[0098]
步骤1置迭代次数t＝0；初始化各个粒子(j)位置向量和速度向量设定相关参数:粒子数n＝20，迭代次数t＝200，学习因子c1＝1.5，c2＝1.7。
[0099]
步骤2取支持向量机预测的平均相对误差为适应度函数，如式所示，计算每个粒子的适应度p。其中y
i
为第i期io流量实际观测值，为第i期支持向量机预测值，
[0100]
步骤3根据公式更新粒子速度不超过限制值,其中v为速度向量，r为0,1之间的随机数，c为加速系数，p为粒子适应度，n为粒子数。
[0101]
步骤4根据公式更新粒子位置
[0102]
步骤5t＝t+1不断更新粒子适应度，直至迭代次数达到设定的迭代次数，最终得到
最优解的惩罚参数c和不敏感系数ε提供给支持向量机进行有效预测。
[0103]
s3、根据流量预测结果调用容量调整命令调整多控制器系统卷的容量，并同步调整虚拟机文件系统容量。
[0104]
采集多控制器系统卷的当前流量，计算当前流量与流量预测结果的流量差；计算流量差对应的容量差，根据所述容量差调用扩容缩容命令对多控制器系统的卷容量进行调整，并根据所述容量差同步调整虚拟机的文件系统容量。
[0105]
根据流量预测模型输出的流量预测结果，实时调整mcs卷的容量，掉用扩容缩容命令expandvdisksize、shrinkvdisksize将两种操作集成到io预测模块里，即时掉用。
[0106]
利用虚拟模块进行逻辑卷组调整，并在卷组层和逻辑卷层调整文件系统的容量参数；在文件系统的服务层调整可用容量。
[0107]
例如，当查询到mcs卷扩容量为g，虚机内原本使用的文件系统容量为h，mcs端为虚机提供一个扩展后容量为h+g的卷，虚机内的lvm模块首先进行pv逻辑卷组增加，其次在vg、lv层进行相应容量的扩展，最后进行fs层使用lvm新增容量更新可用大小为扩容后的h+g；当mcs卷要做缩容量为g，首先在fs层将未使用的容量g的部分删除，此时对外提供业务的可用容量缩小，其次在lvm模块的pv逻辑卷组中删除容量为g的逻辑卷，vg、lv层相应的容量缩减，最后在mcs端将原卷缩小为h
‑
g。
[0108]
如图3所示，该系统300包括：
[0109]
数据采集单元310，用于定期采集客户端访问共享存储服务的数据流量，并根据数量流量的采集时间先后顺序生成流量时间序列；
[0110]
流量预测单元320，用于将流量时间序列输入预先构建的流量预测模型，得到流量预测结果；
[0111]
容量调整单元330，用于根据流量预测结果调用容量调整命令调整多控制器系统卷的容量，并同步调整虚拟机文件系统容量。
[0112]
可选地，作为本发明一个实施例，容量预测单元用于：
[0113]
预先构建结构风险最小化函数和约束条件；
[0114]
采用对偶式原理将结构风险最小化函数转化为规划函数，并利用拉格朗日系数方法结合所述规划函数生成支持向量机预测函数，将所述支持向量机预测函数构成流量预测模型；
[0115]
利用粒子群算法优化所述流量预测模型的参数。
[0116]
可选地，作为本发明一个实施例，预先构建结构风险最小化函数和约束条件，包括：
[0117]
构建结构风险最小化函数为满足约束条件其中x
i
为流量时间序列中的第i次采集流量的时间，y
i
为流量时间序列中的第i次采集的流量，ω为权值向量，c为惩罚参数，b为偏置量，ε为不敏感系数，为松弛变量。
[0118]
可选地，作为本发明一个实施例，采用对偶式原理将结构风险最小化函数转化为规划函数，并利用拉格朗日系数方法结合所述规划函数生成支持向量机预测函数，包括：
[0119]
生成的支持向量机预测函数为其中α
i
和为拉格朗日乘子，k(x,x
i
)为核函数，m为流量时间序列中的流量数据数量。
[0120]
可选地，作为本发明一个实施例，利用粒子群算法优化所述流量预测模型的参数，包括：
[0121]
预先初始化粒子群算法的粒子位置向量和速度向量，并设定粒子数、迭代次数和学习因子；
[0122]
取支持向量机预测的平均相对误差为适应度函数，计算每个粒子的适应度；
[0123]
根据公式更新粒子速度不超过限制值，其中，v为速度向量，r为0,1之间的随机数，c为加速系数，p为粒子适应度，n为粒子数；
[0124]
根据公式更新粒子位置，直至迭代次数达到设定的迭代次数，输出最优的惩罚参数c和不敏感系数ε。
[0125]
可选地，作为本发明一个实施例，容量调整单元用于：
[0126]
采集多控制器系统卷的当前流量，计算当前流量与流量预测结果的流量差；
[0127]
计算流量差对应的容量差，根据所述容量差调用扩容缩容命令对多控制器系统的卷容量进行调整，并根据所述容量差同步调整虚拟机的文件系统容量。
[0128]
可选地，作为本发明一个实施例，根据所述容量差同步调整虚拟机的文件系统容量，包括：
[0129]
利用虚拟模块进行逻辑卷组调整，并在卷组层和逻辑卷层调整文件系统的容量参数；
[0130]
在文件系统的服务层调整可用容量。
[0131]
图4为本发明实施例提供的一种终端400的结构示意图，该终端400可以用于执行本发明实施例提供的mcs下动态调整存储容量的方法。
[0132]
其中，该终端400可以包括：处理器410、存储器420及通信单元430。这些组件通过一条或多条总线进行通信，本领域技术人员可以理解，图中示出的服务器的结构并不构成对本发明的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0133]
其中，该存储器420可以用于存储处理器410的执行指令，存储器420可以由任何类型的易失性或非易失性存储终端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。当存储器420中的执行指令由处理器410执行时，使得终端400能够执行以下上述方法实施例中的部分或全部步骤。
[0134]
处理器410为存储终端的控制中心，利用各种接口和线路连接整个电子终端的各个部分，通过运行或执行存储在存储器420内的软件程序和/或模块，以及调用存储在存储器内的数据，以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(integrated circuit，简称ic)组成，例如可以由单颗封装的ic所组成，也可以由连接多颗相同功能或不同功能的封装ic而组成。举例来说，处理器410可以仅包括中央处理器(central processing unit，简称cpu)。在本发明实施方式中，cpu可以是单运算核心，也可
以包括多运算核心。
[0135]
通信单元430，用于建立通信信道，从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
[0136]
本发明还提供一种计算机存储介质，其中，该计算机存储介质可存储有程序，该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文：read
‑
only memory，简称：rom)或随机存储记忆体(英文：random access memory，简称：ram)等。
[0137]
因此，本发明通过定期采集客户端访问共享存储服务的数据流量，并根据数量流量的采集时间先后顺序生成流量时间序列，然后将流量时间序列输入预先构建的流量预测模型，得到流量预测结果，再根据流量预测结果调用容量调整命令调整多控制器系统卷的容量，并同步调整虚拟机文件系统容量，从而实现了mcs下的存储容量的动态调整。本发明可以有效的预测统一存储中文件系统的实时网络带宽流量，并通过流量预测模型根据流量时间序列预估出文件系统所预留的空间，通过动态分区的算法动态进行调整xfs文件系统，使存储空间利用率得到有效提升，本实施例所能达到的技术效果可以参见上文中的描述，此处不再赘述。
[0138]
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明实施例中的技术方案本质上或者说对现有技术做出贡献的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如u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质，包括若干指令用以使得一台计算机终端(可以是个人计算机，服务器，或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。
[0139]
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其，对于终端实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例中的说明即可。
[0140]
在本发明所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0141]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0142]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0143]
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述，但本发明并不限于此。在不脱离本发明的精神和实质的前提下，本领域普通技术人员可以对本发明
的实施例进行各种等效的修改或替换，而这些修改或替换都应在本发明的涵盖范围内/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所述以权利要求的保护范围为准。