一种异构体系服务器的能效评估方法、装置、设备及介质

技术领域

本发明涉及服务器能效评估技术领域，具体涉及一种异构体系服务器的能效评估方法、装置、设备及介质。

背景技术

生成式AI(Artificial Intelligence，人工智能)、量子计算、虚拟现实等技术的发展对数据中心的算力提出更高的要求。然而伴随着数据算力的增长，数据中心的能耗问题日益严重。数据中心在2022年使用的电力已达到200T瓦时，这一电量已经占到全球电力使用量的2％，预计到2030年，全球数据中心耗费的电量将占到全球总电量的5％，达到576T瓦时。因此，如何在保证服务器性能的基础上降低服务器的功耗成为近些年研究的热点。

但是，由于相关CPU能效模型的预测结果与实测结果相差较大，导致对服务器能效的能效评估精度较差，进而影响对服务器功耗的研究。

发明内容

有鉴于此，本发明提供了一种异构体系服务器的能效评估方法、装置、设备及介质，以解决相关CPU能效模型的预测结果与实测结果相差较大，导致对服务器能效的能效评估精度较差的问题。

第一方面，本发明提供了一种异构体系服务器的能效评估方法，该方法包括：

获取服务器能效影响因素和初始模型参数，基于服务器能效影响因素和初始模型参数构建初始能效模型；

对初始能效模型进行参数优化，生成异构体系服务器能效模型；

利用异构体系服务器能效模型对异构体系服务器进行能效评估，生成异构体系服务器能效评估结果。

本实施例提供的一种异构体系服务器的能效评估方法，通过服务器能效影响因素构建初始能效模型，并通过对初始能效模型进行参数优化，提高了异构体系服务器能效模型的预测精度，实现了对异构体系服务器能效的评估以及服务器设计的指导优化。

在一种可选的实施方式中，对初始能效模型进行参数优化，生成异构体系服务器能效模型，包括：

获取异构体系服务器执行性能事件的功耗值与性能事件的性能值；

基于异构体系服务器执行性能事件的功耗值与性能事件的性能值计算异构服务器与性能事件之间的相关性值；

基于异构服务器与性能事件之间的相关性值确定异构体系服务器下的性能事件个数；

对初始能效模型进行能效测试，生成当前模型参数；

利用回归测试对当前模型参数进行优化，生成能效模型参数；

获取其他功耗器件的影响数据，基于其他功耗器件的影响数据确定能效影响补充因子；

将异构体系服务器下的性能事件个数、能效模型参数和能效影响补充因子输入初始能效模型中，生成异构体系服务器能效模型；其中，异构体系服务器能效模型包括第一架构服务器能效模型和第二架构服务器能效模型。

本实施例提供的一种异构体系服务器的能效评估方法，通过能效测试与当前模型参数的优化，保证了异构体系服务器能效模型的精度，并通过能效影响补充因子考虑了异构体系服务器之外的影响因素，进一步地提高了异构体系服务器能效模型的精度，针对不同的异构体系服务器分别构建模型，使得异构体系服务器能效模型更加符合不同的应用场景，利用异构体系服务器能效模型可以对异构服务器的能效进行精准预测，可利用异构体系服务器能效模型指导服务器系统设计，以降低整机功耗。

在一种可选的实施方式中，基于异构体系服务器执行性能事件的功耗值与性能事件的性能值计算异构服务器与性能事件之间的相关性值，包括：

基于异构体系服务器执行性能事件的功耗值确定平均功耗值；

基于性能事件的性能值确定性能平均值；

基于异构体系服务器执行性能事件的功耗值与、性能事件的性能值、平均功耗值和性能平均值计算异构服务器与性能事件之间的相关性值。

本实施例提供的一种异构体系服务器的能效评估方法，针对不同的架构服务器选择正相关的性能事件，进一步保障了异构体系服务器能效模型的精度。

在一种可选的实施方式中，对初始能效模型进行能效测试，生成当前模型参数，包括：

基于服务器能效影响因素确定服务器频率和服务器使用率，并基于服务器频率、服务器使用率和异构体系服务器下的性能事件个数，利用控制变量法对初始能效模型进行能效测试，生成当前模型参数。

本实施例提供的一种异构体系服务器的能效评估方法，基于服务器频率、服务器使用率和异构体系服务器下的性能事件个数，充分考虑了性能事件对异构体系服务器能效的影响，有效提升了异构体系服务器能效模型的精度。

在一种可选的实施方式中，利用回归测试对当前模型参数进行优化，生成能效模型参数，包括：

基于当前模型参数，对初始能效模型进行回归测试，生成功耗计算值；

获取实际功耗测量值，将功耗计算值与实际功耗测量值进行比较，基于比较结果优化当前模型参数，生成能效模型参数。

本实施例提供的一种异构体系服务器的能效评估方法，在确认当前模型参数的基础上对初始能效模型进行回归测试，使得生成的能效模型参数更加准确。

在一种可选的实施方式中，将性能事件个数、能效模型参数和能效影响补充因子输入初始能效模型中，生成异构体系服务器能效模型，异构体系服务器能效模型的表达式如下所示：

上式中，η

在一种可选的实施方式中，异构体系服务器包括第一架构服务器和第二架构服务器，第一架构服务器采用X86架构服务器，第二架构服务器采用ARM架构服务器。

第二方面，本发明提供了一种异构体系服务器的能效评估装置，该装置包括：

构建模块，用于获取服务器能效影响因素和初始模型参数，基于服务器能效影响因素和初始模型参数构建初始能效模型；

优化模块，用于对初始能效模型进行参数优化，生成异构体系服务器能效模型；

能效评估模块，用于利用异构体系服务器能效模型对异构体系服务器进行能效评估，生成异构体系服务器能效评估结果。

第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的异构体系服务器的能效评估方法。

第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的异构体系服务器的能效评估方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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是根据本发明实施例的一种异构体系服务器的能效评估方法的流程示意图；

图2是根据本发明实施例的另一种异构体系服务器的能效评估方法的流程示意图；

图3是根据本发明实施例的异构体系服务器能效模型构建过程中各模块的结构框图；

图4是根据本发明实施例的异构体系服务器能效模型的搭建流程示意图；

图5是根据本发明实施例的一种异构体系服务器的能效评估装置的结构框图；

图6是本发明实施例的计算机设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，都属于本发明保护的范围。

相关CPU(Central Processing Unit，中央处理器)能效模型方案将运行频率和使用率作为参数进行能耗模型构建，其中通过以下公式计算CPU能效：

η＝c

上式中，η为CPU能效，C

该CPU能效模型虽然把CPU使用率和CPU频率考虑在内，但是存在下述几个问题：(1)能效与频率为线性关系：根据实验数据总结，CPU功耗与CPU频率应该为3次方关系而不是线性关系；(2)没有考虑到性能事件对CPU能耗的影响，CPU在运行浮点型数据和整型数据时能效运行特征有明显差异；因此该模型的预测值与实测值存在较大差异。

为解决上述技术问题，本发明实施例提供了一种异构体系服务器的能效评估方法。

根据本发明实施例，提供了一种异构体系服务器的能效评估方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种异构体系服务器的能效评估方法，可用于上述的移动终端，如手机、平板电脑等，图1是根据本发明实施例的异构体系服务器的能效评估方法的流程图，如图1所示，该流程包括如下步骤：

步骤S101，获取服务器能效影响因素和初始模型参数，基于服务器能效影响因素和初始模型参数构建初始能效模型。

具体地，根据CPU运行特征，选取CPU能效影响因素(即服务器能效影响因素)，例如CPU运行频率、CPU使用率、性能事件、DVFS(Dynamic voltage and frequency scaling动态电压频率调整)，进而根据上述CPU能效影响因素构建初始能效模型，如下所示：

上式中，η

进一步地，因为在CPU实际运行期间，不方便连续取样，为方便测试，将上述公式(2)的积分方式优化为求和方式，将初始能效模型转换为以下的表达式：

其中，j表示时间点，Δt为测试时间隔间，根据测试设备的不同，可自定义，可选择2秒～10秒等不同，时间间隔越小，测试准确度与实时性越高。

步骤S102，对初始能效模型进行参数优化，生成异构体系服务器能效模型。

步骤S103，利用异构体系服务器能效模型对异构体系服务器进行能效评估，生成异构体系服务器能效评估结果。

具体地，异构体系服务器包括第一架构服务器和第二架构服务器，第一架构服务器采用X86架构(X86 architecture，是微处理器执行的计算机语言指令集)服务器，第二架构服务器采用ARM架构(Advanced RISC Machine，是一个32位精简指令集处理器架构)服务器。

本实施例提供的一种异构体系服务器的能效评估方法，通过服务器能效影响因素构建初始能效模型，并通过对初始能效模型进行参数优化，提高了异构体系服务器能效模型的预测精度，实现了对异构体系服务器能效的评估以及服务器设计的指导优化。

在本实施例中提供了一种异构体系服务器的能效评估方法，可用于上述的移动终端，如手机、平板电脑等，图2是根据本发明实施例的异构体系服务器的能效评估方法的流程图，如图2所示，该流程包括如下步骤：

步骤S201，获取服务器能效影响因素和初始模型参数，基于服务器能效影响因素和初始模型参数构建初始能效模型。详细请参见图1所示实施例的步骤S101，在此不再赘述。

步骤S202，对初始能效模型进行参数优化，生成异构体系服务器能效模型。

具体地，上述步骤S202包括：

步骤S2021，获取异构体系服务器执行性能事件的功耗值与性能事件的性能值。

步骤S2022，基于异构体系服务器执行性能事件的功耗值与性能事件的性能值计算异构服务器与性能事件之间的相关性值。

在一些可选的实施方式中，上述步骤S2022包括：

步骤a1，基于异构体系服务器执行性能事件的功耗值确定平均功耗值。

步骤a2，基于性能事件的性能值确定性能平均值。

步骤a3，基于异构体系服务器执行性能事件的功耗值与、性能事件的性能值、平均功耗值和性能平均值计算异构服务器与性能事件之间的相关性值。

具体地，CPU在执行整型运算和浮点型运算时表现出不同的能效特征，浮点型运算的能耗明显要高于整型运算的能耗；由于指令集与硬件设计的不同，X86架构和ARM架构CPU在执行不同性能事件时也体现出不同的能效运行特性；基于上述原因，在执行能效测试时首先要选择合适的性能事件。

进一步地，第一相关性值r(x,y)的计算公式如下所示：

上式中，x

进一步地，r(x,y)表示所选性能事件与异构体系服务器的相关性，介于[-1，1]之间，r(x,y)越接近1说明正相关性越大；越接近-1说明负相关性越大，接近零说明不相干，因此，可以根据r(x,y)选择相关的性能事件，为保障模型的精度，选择r(x,y)接近1的相关性能事件设定的性能事件。

步骤S2023，基于异构服务器与性能事件之间的相关性值确定异构体系服务器下的性能事件个数。

具体地，将异构服务器与性能事件之间的相关性值进行排序，基于排序结果选取符合条件的性能事件，进而确定该性能事件的个数。

步骤S2024，对初始能效模型进行能效测试，生成当前模型参数。

具体地，基于服务器能效影响因素确定服务器频率和服务器使用率，并基于服务器频率、服务器使用率和异构体系服务器下的性能事件个数，利用控制变量法对初始能效模型进行能效测试，生成当前模型参数。

进一步地，针对X86架构服务器和ARM架构服务器，根据步骤S2021分别选用不同的性能事件；服务器(即CPU)频率采用0.5GHz(吉赫)、1GHz、1.5GHz、2.0GHz，CPU最高设定频率五个频率测试点；服务器使用率采用0％、10％、20％、30％、40％、50％、60％、70％、80％、90％、100％共十一个测试点。

进一步地，基于上述服务器频率、服务器使用率和性能事件，通过外接功耗测试仪记录不同CPU运行状态下的功耗，进而通过对多组数据的拟合计算确定当前模型参数。

步骤S2025，利用回归测试对当前模型参数进行优化，生成能效模型参数。

在一些可选的实施方式中，上述步骤S2023包括：

步骤b1，基于当前模型参数，对初始能效模型进行回归测试，生成功耗计算值。

步骤b2，获取实际功耗测量值，将功耗计算值与实际功耗测量值进行比较，基于比较结果优化当前模型参数，生成能效模型参数。

具体地，在异构体系服务器下的性能事件中任意选取性能事件，并获取该性能事件对应的服务器运行频率、服务器使用率和实际功耗测量值，通过模型计算值与实际功耗测量值进行比对以验证模型精度；若功耗计算值与实际功耗测量值差距较大，则需重新选择性能事件，重复进行回归测试，直至功耗计算值与实际功耗测量值之间的差值符合预设阈值，将此时的当前模型参数b

步骤S2026，获取其他功耗器件的影响数据，基于其他功耗器件的影响数据确定能效影响补充因子。

其中，其他功耗器件为除异构体系服务器外的剩余功耗器件。

具体地，通过实际测试，补充或完善服务器下其他功耗器件对模型测试精度的影响，确认能效影响因子的数值，给出通用服务器能效影响因子的取值范围。

进一步地，利用输入能效模型参数后的初始能效模型对异构体系服务器的功耗进行评测，同时通过功耗测试仪进行实测，比较模型评测结果与实测结果的差，如果该差值为整数的几倍大，说明模型预测值偏大，此时可以设置能效影响补充因子为负值，以便对模型预测结果进行调整；同理预测值偏小的话则设置能效影响补充因子为正值。

进一步地，通过测试大量不同配置的服务器，对每个服务器进行能效影响补充因子测试，进而确定能效影响补充因子的取值范围。

步骤S2027，将异构体系服务器下的性能事件个数、能效模型参数和能效影响补充因子输入初始能效模型中，生成异构体系服务器能效模型；其中，异构体系服务器能效模型包括第一架构服务器能效模型和第二架构服务器能效模型。

具体地，针对X86架构和ARM架构服务器，分别计算模型参数，确认能效模型。

进一步地，异构体系服务器能效模型的表达式如下所示：

上式中，η

本实施例提供的一种异构体系服务器的能效评估方法，针对不同的架构服务器选择正相关的性能事件，进一步保障了异构体系服务器能效模型的精度；基于服务器频率、服务器使用率和异构体系服务器下的性能事件个数，充分考虑了性能事件对异构体系服务器能效的影响，有效提升了异构体系服务器能效模型的精度。

步骤S203，利用异构体系服务器能效模型对异构体系服务器进行能效评估，生成异构体系服务器能效评估结果。详细请参见图1所示实施例的步骤S103，在此不再赘述。

本实施例提供的一种异构体系服务器的能效评估方法，通过能效测试与当前模型参数的优化，保证了异构体系服务器能效模型的精度，并通过能效影响补充因子考虑了异构体系服务器之外的影响因素，进一步地提高了异构体系服务器能效模型的精度，针对不同的异构体系服务器分别构建模型，使得异构体系服务器能效模型更加符合不同的应用场景，利用异构体系服务器能效模型可以对异构服务器的能效进行精准预测，可利用异构体系服务器能效模型指导服务器系统设计，以降低整机功耗。

下面通过具体实施例来说明异构体系服务器能效模型的构建过程。

实施例1：

异构体系服务器能效模型充分考虑影响CPU能效的各种因素，并通过实验进行回归测试，以提高模型的精度，异构体系服务器能效模型的构建过程可分为如图3所示的六个模块(即服务器部件能效模型、性能事件测试模块、确认模型参数、回归测试、其他功耗补充和完成模型构建)，六个模块搭建异构体系服务器能效模型的具体步骤如图4所示，包括以下步骤：

步骤1：根据服务器CPU能效影响因素如CPU频率、使用率、性能事件、DVFS构建带参数的能效模型(即初始能效模型)；

步骤2：根据CPU体系结构的不同(X86架构或ARM架构)，选择合适的性能事件；

步骤3：通过基于CPU频率、CPU使用率等因素控制变量法性能测试，确定模型的参数(即当前模型参数)；

步骤4：在确定模型参数之后进行回归测试，确认模型精度；同时通过能效模型的计数值与测量值进行比较，进一步对模型参数进行优化；

步骤5：通过实际测试，补充或完善服务器下其他功耗器件对模型测试精度的影响，确认能效影响因子的数值，给出通用服务器能效影响因子的取值范围；

步骤6：确认能效模型各个参数(即能效模型参数)，完成异构体系服务器能效模型的构建。

上述实施例1中，与传统方式相比，本实施例1综合考虑影响CPU能效的各个因素如CPU使用率、CPU频率、性能事件、DVFS等搭建CPU能效模型，可有效提高能效模型的精度；针对CPU之外的影响因素，通过能效补充因子综合体现，并通过实验给出通用服务器系统设计下的取值范围；针对不同的CPU架构选择r值接近1的正相关性能事件，进一步保障了模型的精度；针对ARM和X86架构CPU在指令集、硬件设计、运行特征方法的差异，采用分别建模的方式，以提高模型精度；与传统方式相比，本实施例1构建的能效模型在精度方面有较大改善，可精确预测CPU能效，后期可指导服务器系统设计，以降低整机功耗。

在本实施例中还提供了一种异构体系服务器的能效评估装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种异构体系服务器的能效评估装置，如图5所示，包括：

构建模块501，用于获取服务器能效影响因素和初始模型参数，基于服务器能效影响因素和初始模型参数构建初始能效模型；

优化模块502，用于对初始能效模型进行参数优化，生成异构体系服务器能效模型；

能效评估模块503，用于利用异构体系服务器能效模型对异构体系服务器进行能效评估，生成异构体系服务器能效评估结果。

在一些可选的实施方式中，优化模块502包括：

获取单元，用于获取异构体系服务器执行性能事件的功耗值与性能事件的性能值；

计算单元，用于基于异构体系服务器执行性能事件的功耗值与性能事件的性能值计算异构服务器与性能事件之间的相关性值；

第一确定单元，用于基于异构服务器与性能事件之间的相关性值确定异构体系服务器下的性能事件个数；

能效测试单元，用于对初始能效模型进行能效测试，生成当前模型参数；

优化单元，用于利用回归测试对当前模型参数进行优化，生成能效模型参数；

第二确定单元，用于获取其他功耗器件的影响数据，基于其他功耗器件的影响数据确定能效影响补充因子；

生成单元，用于将异构体系服务器下的性能事件个数、能效模型参数和能效影响补充因子输入初始能效模型中，生成异构体系服务器能效模型；其中，异构体系服务器能效模型包括第一架构服务器能效模型和第二架构服务器能效模型。

在一些可选的实施方式中，计算单元包括：

第一确定子单元，用于基于异构体系服务器执行性能事件的功耗值确定平均功耗值；

第二确定子单元，用于基于性能事件的性能值确定性能平均值；

计算子单元，用于基于异构体系服务器执行性能事件的功耗值与、性能事件的性能值、平均功耗值和性能平均值计算异构服务器与性能事件之间的相关性值。

在一些可选的实施方式中，能效测试单元具体用于基于服务器能效影响因素确定服务器频率和服务器使用率，并基于服务器频率、服务器使用率和异构体系服务器下的性能事件个数，利用控制变量法对初始能效模型进行能效测试，生成当前模型参数。

在一些可选的实施方式中，优化单元包括：

回归测试子单元，用于基于当前模型参数，对初始能效模型进行回归测试，生成功耗计算值；

生成子单元，用于获取实际功耗测量值，将功耗计算值与实际功耗测量值进行比较，基于比较结果优化当前模型参数，生成能效模型参数。

在一些可选的实施方式中，生成单元中异构体系服务器能效模型的表达式如下所示：

上式中，η

在一些可选的实施方式中，异构体系服务器包括第一架构服务器和第二架构服务器，第一架构服务器采用X86架构服务器，第二架构服务器采用ARM架构服务器。

上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

本实施例中的一种异构体系服务器的能效评估装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

本发明实施例还提供一种计算机设备，具有上述图5所示的一种异构体系服务器的能效评估装置。

请参阅图6，图6是本发明可选实施例提供的一种计算机设备的结构示意图，如图6所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器10为例。

处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。

其中，所述存储器20存储有可由至少一个处理器10执行的指令，以使所述至少一个处理器10执行实现上述实施例示出的方法。

存储器20可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。

该计算机设备还包括输入装置30和输出装置40。处理器10、存储器20、输入装置30和输出装置40可以通过总线或者其他方式连接，图6中以通过总线连接为例。

输入装置30可接收输入的数字或字符信息，以及产生与该计算机设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等。输出装置40可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。上述显示设备包括但不限于液晶显示器，发光二极管，显示器和等离子体显示器。在一些可选的实施方式中，显示设备可以是触摸屏。

本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。