大数据实时处理方法、装置和设备

技术领域

本申请涉及计算机技术，尤其涉及一种大数据实时处理方法、装置和设备。

背景技术

随着互联网的发展，电商在日常消费中的占比逐渐增大。并且随着电商的发展，业务平台上产生的业务数据和日志信息也会不断增加。

现有技术中，对数据访问信息、日志信息的实时分析，通常通过kettle获取数据库中数据，进而实现数据分析。

然而，随着业务信息和访问数据的增加，现有数据分析方式存在数据库访问压力大的问题，进而容易导致分析速度慢。

发明内容

本申请提供一种大数据实时处理方法、装置和设备，用以解决现有数据分析方式存在数据库访问压力大，进而容易导致分析速度慢的问题。

第一方面，本申请提供一种大数据实时处理方法，包括：

获取目标数据，所述目标数据为业务平台上产生的业务数据；

将所述目标数据加入消费消息队列，所述消费消息队列用于存储所述目标数据；

处理所述消费队列中的目标数据，得到处理结果。

可选地，所述获取目标数据，包括：

监控数据库中平台业务数据；

当所述数据库中的平台业务中数据发生变化时，获取所述发生变化的业务数据。

可选地，所述将所述目标数据加入消费消息队列，所述消费消息队列用于存储所述目标数据，包括：

根据所述目标数据，确定所述目标的业务类型；

根据所述业务类型，将所述目标数据加入所述业务类型对应的消费消息队列中。

可选地，所述处理所述消费队列中的目标数据，包括：

获取待处理数据，所述待处理数据为消费消息队列中根据先进先出规则从所述消费消息队列中获取；

处理所述待处理数据，得到处理结果；

将所述处理结果加入第二消息队列，所述第二消息队列用于存储消费队列中数据的处理结果。

可选地，所述方法，还包括：

展示所述第二消息队列中的处理结果。

可选地，所述方法，还包括：

判断所述处理结果是否存在异常；

当所述处理结果存在异常时，发送异常预警。

第二方面，本申请提供一种大数据实时处理装置，包括：

获取模块，用于获取目标数据，所述目标数据为业务平台上产生的业务数据；

队列模块，用于将所述目标数据加入消费消息队列，所述消费消息队列用于存储所述目标数据；

处理模块，用于处理所述消费队列中的目标数据，得到处理结果。

可选地，所述获取目标数据，包括：

监控子模块，用于监控数据库中平台业务数据；

第一获取子模块，用于当所述数据库中的平台业务中数据发生变化时，获取所述发生变化的业务数据。

可选地，所述将所述目标数据加入消费消息队列，所述消费消息队列用于存储所述目标数据，包括：

确定子模块，用于根据所述目标数据，确定所述目标的业务类型；

分配子模块，用于根据所述业务类型，将所述目标数据加入所述业务类型对应的消费消息队列中。

可选地，所述处理所述消费队列中的目标数据，包括：

第二获取子模块，用于获取待处理数据，所述待处理数据为消费消息队列中根据先进先出规则从所述消费消息队列中获取；

处理子模块，用于处理所述待处理数据，得到处理结果；

存储子模块，用于将所述处理结果加入第二消息队列，所述第二消息队列用于存储消费队列中数据的处理结果。

可选地，所述装置，还包括：展示模块，具体用于展示所述第二消息队列中的处理结果。

可选地，所述装置，还包括：报警模块，具体用于判断所述处理结果是否存在异常；当所述处理结果存在异常时，发送异常预警。

第三方面，本申请提供一种服务器，包括：服务器和显示屏；

服务器，用于监控业务平台的数据库，并通过执行第一方面及第一方面任一种可能的设计中的大数据实时处理方法，实现大数据的实时处理，得到实时处理结果；

显示屏，用于显示所述实时处理结果。

第四方面，本申请提供一种可读存储介质，可读存储介质中存储有计算机程序，当服务器的至少一个处理器执行该程序时，服务器执行第一方面及第一方面任一种可能的设计中的大数据实时处理方法。

第五方面，本申请提供一种计算机程序产品，计算机程序产品包括计算机程序，所述计算机程序被处理器执行时用于实现第一方面及第一方面任一种可能的设计中的大数据实时处理方法。

本申请提供的大数据实时处理方法、装置和设备，通过使用DTS监控业务平台；当业务平台中产生业务数据时，通过DTS获取该业务数据；将通过DTS获取的业务数据，并将该业务数据加入消费消息队列中；使用Flink框架实现对该消费消息队列中目标数据的消费，得到处理结果的手段，实现提高数据分析速度，提高数据的实时处理效率的效果。

附图说明

为了更清楚地说明本申请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一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例提供的一种大数据实时处理系统的系统架构示意图；

图2为本申请一实施例提供的一种大数据实时处理方法的流程图；

图3为本申请一实施例提供的另一种大数据实时处理方法的流程图；

图4为本申请一实施例提供的一种大数据实时处理装置的结构示意图；

图5为本申请一实施例提供的另一种大数据实时处理装置的结构示意图；

图6为本申请一实施例提供的一种大数据实时处理系统的硬件结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

随着互联网的发展，电商在日常消费中的占比逐渐增大。并且随着电商的发展，业务平台上产生的业务数据和日志信息也会不断增加。目前，用户通常通过数据分析实现对业务平台上业务数据的分析。例如，阿里的双11销量大屏。通过实时大屏(real-timedashboard)呈现业务数据分析结果的方式，正在被越来越多的企业采用。

目前，服务器通常采用离线分析的方式，实现对业务平台上业务数据的分析。即，大屏展示的数据指标通常为前一天的业务数据的分析结果。显然，该分析方式不满足用户对于实时性的要求。现有技术中，数据的采集通常使用kettle从数据库中获取。然而，随着业务量的增加，数据库中数据写入时的访问量本身已经很大。此时，如果使用kettle实时的检索数据库，显然会增加数据库的访问压力，进而影响数据库的性能。上述实时分析方法不仅容易导致数据库异常，还存在分析速度慢等问题。

针对上述问题，本申请提出了一种大数据实时处理方法。本申请通过使用DTS、消息队列、Flink、kvStore相结合的架构体系，实现异步消息入库和数据实时同步，从而减少数据库访问量，保证数据库性能，提高数据分析速度。

本申请中，当业务平台产生业务数据后，服务器可以使用数据转换服务(DataTransformation Service，DTS)在将数据写入数据库的同时，将数据同步到消费消息队列中。其中，DTS为一组应用于数据传输和同步处理工具。DTS可以将不同源的数据抽取、转换和合并到一个或多个目标位置。并且，DTS还具有高性能、高可靠、高扩展的性能优势。其中，消费消息队列为分布式队列。

具体地，服务器可以通过DTS获取业务平台产生的业务数据。服务器根据该业务数据的业务类型，将该业务数据发送到对应主题的消费消息队列中。此时服务器不需要关心消费消息队列中的业务数据是否被消费。因此，即便业务平台产生大量业务数据，消费消息队列也不会出现堵塞现象，从而保证业务平台中数据的处理效率。

消费消息队列的监控进程会对消费消息队列进行监控，当业务数据被保存到消费消息队列时，服务器获取对应主题的业务日志消息，并将业务数据插入到数据库中。

本申请中，服务器通过使用Flink框架，实现对消费消息队列中数据进行实时消费。其中，Flink是一个框架和分布式处理引擎，用于对无界和有界数据流进行有状态计算，具备低延迟和高吞吐的特性。服务器利用Flink流式计算/批处理计算的功能，通过控制数据分析计算的时间窗口，实现对消费消息队列中数据的实时消费，得到处理结果。

本申请中，服务器还使用分布式内存数据库(kvStore)，实时更新处理结果。服务器将该更新消息通知给前端web程序。大屏通过该web程序的页面，实现实时展示指标数据或者异常预警的效果。

下面以具体地实施例对本申请的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1示出了本申请一实施例提供的一种大数据实时处理系统的系统架构示意图。如图所示，DTS实时监业务平台中业务数据的变化。当业务平台的业务数据发生变化时，DTS将该变化的业务数据发送到消费消息队列中。Flink消费消费消息队列中的数据，并通过流处理实现数据的实时处理。Flink将处理结果发送到第二消息队列中。该第二消息队列用于存储业务数据的处理结果。大屏展示第二消费队列中的处理结果。

本申请中，以服务器为执行主体，执行如下实施例的大数据实时处理方法。具体地，该执行主体可以为服务器的硬件装置，或者为服务器中实现下述实施例的软件应用，或者为安装有实现下述实施例的软件应用的计算机可读存储介质。

图2示出了本申请一实施例提供的一种大数据实时处理方法的流程图。在图1所示实施例的基础上，如图2所示，以服务器为执行主体，本实施例的方法可以包括如下步骤：

S101、获取目标数据，目标数据为业务平台上产生的业务数据。

本实施例中，服务器使用DTS监控业务平台。当业务平台中产生业务数据时，服务器通过DTS获取该业务数据。该业务平台可以为电商平台。该业务数据可以为该业务平台中的交易数据、访问数据、评论数据等业务数据。

S102、将目标数据加入消费消息队列，消费消息队列用于存储目标数据。

本实施例中，服务器将通过DTS获取的业务数据，并将该业务数据加入消费消息队列中。为了便于S103对目标数据进行处理，该服务器中可以包括多个消费消息队列。其中，每一消费消息队列可以具有对应的业务类型。或者，每一消费队列中的数据用于计算一种数据指标。

S103、处理消费队列中的目标数据，得到处理结果。

本实施例中，服务器还包括用于监控消费消息队列的进程。当该监控进程监控到某一消费消息队列中存在未被消费的目标数据时，该监控进程提醒服务器对该目标数据进行处理。服务器可以使用Flink框架实现对该消费消息队列中目标数据的消费。该消费消息队列中的数据采用先进先出的方式进行读取。被读出的数据通过预设的数据指标计算方法进行消费，即处理。服务器通过预设的数据指标计算方法，对消费队列中的数据进行计算，得到处理结果。

例如，当该数据指标的计算方式为统计订单总数时，服务器在获取一个目标数据，即业务订单后，可以通过累加的方式，将该订单累加到当前订单总数中。

在完成该目标数据的处理后，服务器还使用kvStore对处理结果进行实时更新。服务器将该更新消息通知给前端web程序。大屏通过该web程序的页面，实现实时展示指标数据或者异常预警的效果。

本申请提供的大数据实时处理方法，服务器使用DTS监控业务平台。当业务平台中产生业务数据时，服务器通过DTS获取该业务数据。服务器将通过DTS获取的业务数据，并将该业务数据加入消费消息队列中。服务器可以使用Flink框架实现对该消费消息队列中目标数据的消费，得到处理结果。本申请中，通过使用DTS和消费消息队列配合的方式，实现对数据库的异步操作，在保证业务平台中数据处理的基础上，提高数据分析速度，保证数据的实时处理。

图3示出了本申请一实施例提供的另一种大数据实时处理方法的流程图。在图1至图2所示实施例的基础上，如图3所示，以服务器为执行主体，本实施例的方法可以包括如下步骤：

S201、监控数据库中平台业务数据。

本实施例中，服务器使用DTS监控业务平台。

S202、当数据库中的平台业务中数据发生变化时，获取发生变化的业务数据。

本实施例中，服务器在监控到业务平台的数据发生变化时，服务器获取该发生变化的业务数据。该业务凭条的数据变化可以包括业务平台产生新的数据，或者该业务平台中的数据发生改变。该发生改变的业务数据可以包括交易数据、访问数据、评论数据等业务数据。

S203、根据目标数据，确定目标的业务类型。

本实施例中，服务器在获取目标数据后，根据该目标数据的内容，判断该目标数据的业务类型。该业务类型可以根据产品类型确定，或者该业务类型还可以根据消费金额确定，或者该业务类型还可以根据用户确定，或者该业务类型还可以根据数据指标确定。服务器在生成消费消息队列时，可以根据该业务类型，生成多个消费消息队列，以便于后续对目标数据进行计算。

S204、根据业务类型，将目标数据加入业务类型对应的消费消息队列中。

本实施例中，服务器在确定目标数据的业务类型后，服务器将该目标数据加入到对应的消费消息队列中。

S205、获取待处理数据，待处理数据为消费消息队列中根据先进先出规则从消费消息队列中获取。

本实施例中，当消费消息队列中存在未处理的数据时，服务器使用Flink框架从该消费消息队列中获取待处理数据。该待处理数据为加入到消费消息队列中的目标数据。

S206、处理待处理数据，得到处理结果。

本实施例中，服务器获取该待处理数据后，根据预设的数据指标计算方法，使用该待处理数据，计算数据指标。数据指标可以为在原数据指标的基础上对数据指标进行更新。或者，该数据指标还可以为根据该数据指标计算方法计算得到的新的数据指标。

在服务器获取一个待处理数据后，服务器可以同时获取多个与该待处理数据相关的数据指标计算方法。服务器将该待处理数据逐一加入到各个数据指标计算方法中，计算得到多个新的数据指标。

例如，一个待处理数据为一个业务订单，该业务订单为用户A购买商品B的订单。其中，用户A购买了5个商品B，总额为10元。此时，数据指标计算方法可以包括订单统计的计算方法、用户A消费总额的计算方法、商品B销售总额的计算方法、商品B总销售量的计算方法、商品B的平均价格的计算方法等。

S207、将处理结果加入第二消息队列，第二消息队列用于存储消费队列中数据的处理结果。

本实施例中，服务器在计算得到处理结果后，将该处理结果加入到第二消费队列中。第二消费队列用于存储处理结果，并等待前端web程序读取该处理结果。

其中，该第二消费队列可以存储在kvStore框架下。

S208、展示第二消息队列中的处理结果。

本实施例中，服务器还包括监控进程，该监控进程用于监控第二消息队列中的数据是否更新。当第二消息队列中的数据被更新时，该监控进程向web程序发送通知。服务器的前端web程序根据该通知，从第二消息队列中读取处理结果。前端web程序根据该处理结果，将该处理结果存储到对应的位置，实现该处理结果在该web页面中的展示。

S209、判断处理结果是否存在异常。

本实施例中，服务器在根据S205计算得到处理结果后，还可以根据预设的指标阈值，判断处理结果是否存在异常。其中，服务器针对每一数据指标具有不同的指标阈值。服务器在获取处理结果后，可以根据该处理结果确定该处理结果对应的指标阈值。

S210、当处理结果存在异常时，发送异常预警。

本实施例中，当该处理结果存在异常时，该异常可以包括该处理结果异常大、该处理结果异常小、该处理结果的数值超过指标阈值、该处理结果的数值小于指标阈值等。服务器根据该异常，向用户发送异常报警。该用户为使用该服务器对业务数据进行分析的用户。该异常报警的信息可以包括出现异常的数据指标、异常值、计算得到该处理结果的目标数据等。

本申请提供的大数据实时处理方法，服务器使用DTS监控业务平台。服务器在监控到业务平台的数据发生变化时，服务器获取该发生变化的业务数据。服务器在获取目标数据后，根据该目标数据的内容，判断该目标数据的业务类型。服务器在确定目标数据的业务类型后，将该目标数据加入到对应的消费消息队列中。当消费消息队列中存在未处理的数据时，服务器使用Flink框架从该消费消息队列中获取待处理数据。服务器获取该待处理数据后，根据预设的数据指标计算方法，使用该待处理数据，计算数据指标。服务器获取该待处理数据后，根据预设的数据指标计算方法，使用该待处理数据，计算数据指标。当第二消息队列中的数据被更新时，该监控进程向web程序发送通知，实现该处理结果在该web页面中的展示。服务器还可以根据预设的指标阈值，判断处理结果是否存在异常。当处理结果存在异常时，服务器发送异常预警。本申请中，通过使用DTS和消费消息队列配合的方式，实现对数据库的异步操作，在保证业务平台中数据处理的基础上，提高数据分析速度，保证数据的实时处理。同时，本申请还通过异常预警的方式在处理结果出现异常时发送报警信息，帮助用户提高数据监控效率。

图4示出了本申请一实施例提供的一种大数据实时处理装置的结构示意图，如图4所示，本实施例的大数据实时处理装置10用于实现上述任一方法实施例中对应于服务器的操作，本实施例的大数据实时处理装置10包括：

获取模块11，用于获取目标数据，目标数据为业务平台上产生的业务数据。

队列模块12，用于将目标数据加入消费消息队列，消费消息队列用于存储目标数据。

处理模块13，用于处理消费队列中的目标数据，得到处理结果。

一种示例中，大数据实时处理装置10还包括：报警模块14，具体用于判断处理结果中是否存在异常。当处理结果中存在异常时，发送异常预警。

一种示例中，大数据实时处理装置10还包括：展示模块15，具体用于展示第二消息队列中的处理结果。

本申请实施例提供的大数据实时处理装置10，可执行上述方法实施例，其具体实现原理和技术效果，可参见上述方法实施例，本实施例此处不再赘述。

图5示出了本申请一实施例提供的另一种大数据实时处理装置的结构示意图，在图4所示实施例的基础上，如图5所示，本实施例的大数据实时处理装置10用于实现上述任一方法实施例中对应于服务器的操作，本实施例的大数据实时处理装置10中各个模块分别包括：

监控子模块111，用于监控数据库中平台业务数据。

第一获取子模块112，用于当数据库中的平台业务中数据发生变化时，获取发生变化的业务数据。

确定子模块121，用于根据目标数据，确定目标的业务类型。

分配子模块122，用于根据业务类型，将目标数据加入业务类型对应的消费消息队列中。

第二获取子模块131，用于获取待处理数据，待处理数据为消费消息队列中根据先进先出规则从消费消息队列中获取。

处理子模块132，用于处理待处理数据，得到处理结果。

存储子模块133，用于将处理结果加入第二消息队列，第二消息队列用于存储消费队列中数据的处理结果。

本申请实施例提供的大数据实时处理装置10，可执行上述方法实施例，其具体实现原理和技术效果，可参见上述方法实施例，本实施例此处不再赘述。

图6示出了本申请实施例提供的一种大数据实时处理系统的硬件结构示意图。如图6所示，该大数据实时处理系统20，用于实现上述任一方法实施例中的大数据实时处理方法，本实施例的大数据实时处理系统20可以包括：服务器和显示屏。

服务器21，用于监控业务平台的数据库，并通过使用上述实施例中的大数据实时处理方法，实现大数据的实时处理，得到实时处理结果。

显示屏22，用于显示实时处理结果。该显示屏可以为实时大屏。

其中，服务器中可以包括存储器，处理器和通信接口。

其中，存储器用于存储计算机程序。存储器可能包含高速随机存取存储器(RandomAccess Memory，RAM)，也可能还包括非易失性存储(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。

其中，处理器用于执行存储器存储的计算机程序，以实现上述实施例中的大数据实时处理方法。具体可以参见前述方法实施例中的相关描述。

可选地，存储器既可以是独立的，也可以跟处理器集成在一起。

当存储器是独立于处理器之外的器件时，服务器21还可以包括总线。该总线用于连接存储器和处理器。总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component Interconnect，PCI)总线或扩展工业标准体系结构(Extended Industry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。

其中，通信接口可以通过总线与处理器连接，用于根据将处理器的实时处理结果发送到显示屏。

本实施例提供的服务器可用于执行上述的大数据实时处理方法，其实现方式和技术效果类似，本实施例此处不再赘述。

本申请还提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。

其中，计算机可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，计算机可读存储介质耦合至处理器，从而使处理器能够从该计算机可读存储介质读取信息，且可向该计算机可读存储介质写入信息。当然，计算机可读存储介质也可以是处理器的组成部分。处理器和计算机可读存储介质可以位于专用集成电路(Application Specific Integrated Circuits，ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和计算机可读存储介质也可以作为分立组件存在于通信设备中。

上述计算机可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(Static Random-Access Memory，SRAM)，电可擦除可编程只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)，可编程只读存储器(Programmable read-only memory，PROM)，只读存储器(Read-OnlyMemory，ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。

本申请还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在计算机可读存储介质中。设备的至少一个处理器可以从计算机可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。

本申请实施例还提供一种芯片，包括存储器和处理器，存储器用于存储计算机程序，处理器用于从存储器中调用并运行计算机程序，使得安装有芯片的设备执行如上各种可能的实施方式中的方法。

应理解，上述处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅是示意性的，例如，模块的划分，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，例如多个模块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，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器执行本申请各个实施例方法的部分步骤。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤。而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制。尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换。而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。