无线网络智能化的通信方法、装置、电子设备和可读介质

背景技术

目前，5G(5th Generation Mobile Communication Technology，第五代移动通信技术)、B5G(超5代移动通信系统)和6G(6th Generation Mobile CommunicationTechnology，第六代移动通信技术)的无线网络将引入人工智能和大数据技术，来应对更加复杂的异构网络以及更加多样的通信场景。数据可以从终端、网络设备、外部设备等获得，AI算法可以基于这些数据进行分类、统计和推理，进而给出分析、预测和推荐等结论。

在相关技术中，3GPP(Third generation partnership project第三代合作伙伴计划)RAN3(无线网络架构和接口)工作组目前也正在研究无线网络大数据和智能化，旨在通过用例研究RAN的智能化框架，并分析对现有协议接口的影响，讨论无线网络数据的收集，并基于AI技术讨论系统优化方案，主要应用场景包含网络节能、移动性优化和负载均衡等。

但是，AI模型的过程需要对大量的网络数据进行分类、清洗和训练，要求网络节点具备较强的算力，这就对网络节点造成了较大的数据运算压力和交互压力，且导致AI模型的更新效率低下，可能难以适用于预期的通信场景中。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种无线网络智能化的通信方法、装置、电子设备和可读介质，用于至少在一定程度上克服由于相关技术的限制和缺陷而导致的无线网络中AI模型使用效果差问题。

根据本公开实施例的第一方面，提供一种无线网络智能化的通信方法，包括：响应于AI功能初始化请求，与OAM侧设备交互AI用例指示信息；根据AI用例指示信息向终端发送测量配置信令，OAM侧设备接收终端响应于测量配置信令反馈的测量报告，并基于测量报告和相关的数据集进行AI模型训练；接收OAM侧设备训练好的AI模型参数并进行AI模型部署；接收终端发送的实时测量报告；根据实时测量报告和部署的AI模型进行AI模型推理，输出AI模型运行的信息，信息包含无线网络相关预测信息或AI模型推荐策略和/或配置参数；根据信息调整网络配置信息或执行相应的网络动作。

在本公开的一种示例性实施例中，无线网络智能化的通信方法还包括：确定基于AI模型输出信息调整网络配置信息或执行相应的网络动作后系统的性能指标；将性能指标反馈至OAM侧设备，OAM侧设备根据性能指标对AI模型进行优化。

在本公开的一种示例性实施例中，无线网络智能化的通信方法还包括：判断是否能够在本地运行接收到的AI模型；若判定能够在本地运行的接收到的AI模型，则向OAM侧设备反馈AI模型部署成功信息；若判定不能够在本地运行接收到的AI模型，则向OAM侧设备反馈AI模型部署失败信令。

在本公开的一种示例性实施例中，若判定不能够在本地运行的接收到的AI模型，则向OAM侧设备反馈AI模型部署失败信令包括：若判定不能识别接收到的AI模型，或判定接收到的模型参数与AI模型的配置不匹配，则确定不能够在本地运行待部署的AI模型；向OAM侧设备反馈AI模型部署失败信令。

在本公开的一种示例性实施例中，无线网络智能化的通信方法还包括：向OAM侧设备发送AI功能请求；接收OAM侧设备响应于AI功能请求反馈的AI功能响应信息；接收OAM侧设备反馈的AI功能初始化成功信息或AI功能初始化失败信息，AI功能初始化成功信息用于指示OAM侧设备完成AI功能的初始化，AI功能初始化失败信令用于指示OAM侧设备对AI功能的初始化失败。

在本公开的一种示例性实施例中，无线网络智能化的通信方法还包括：接收OAM侧设备发送AI功能请求信息；向OAM侧设备发送响应于AI功能请求反馈的AI功能响应信息；向OAM侧设备反馈的AI功能初始化成功信息或AI功能初始化失败信息，AI功能初始化成功信息用于指示完成AI功能的初始化，AI功能初始化失败信令用于指示对AI功能的初始化失败。

在本公开的一种示例性实施例中，AI模型输出的预测信息包括终端的移动方向和速度、和/或终端的位置和轨迹预测、和/或预测的已接入基站的运行负载信息、和/或基站能耗、和/或终端的能耗。

在本公开的一种示例性实施例中，AI模型输出的推荐策略包括建议接入的基站标识、和/或建议配置的切换模式、和/或切换基站的阈值条件、和/或基站节能策略。

在本公开的一种示例性实施例中，AI功能的请求中包括一个或多个请求的AI用例。

在本公开的一种示例性实施例中，AI用例被配置为实现移动性优化、网络节能和负载均衡中的一种或多种功能的用例。

根据本公开实施例的第二方面，提供一种无线网络智能化的通信装置，包括：交互模块，设置为响应于AI功能初始化请求，与OAM侧设备交互AI用例指示信息；训练模块，设置为根据AI用例指示信息向终端发送测量配置信令，OAM侧设备接收终端响应于测量配置信令反馈的测量报告，并基于测量报告和相关的数据集进行AI模型训练；接收模块，设置为接收OAM侧设备训练好的AI模型参数并进行AI模型部署；接收模块，设置为接收终端发送的实时测量报告；推理模块，设置为根据实时测量报告和部署的AI模型进行AI模型推理，输出AI模型运行的信息，信息包含无线网络相关预测信息或AI模型推荐策略和/或配置参数；调整模块，设置为根据信息调整网络配置信息或执行相应的网络动作。

根据本公开的第三方面，提供一种电子设备，包括：存储器；以及耦合到存储器的处理器，处理器被配置为基于存储在存储器中的指令，执行如上述任意一项的方法。

根据本公开的第四方面，提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如上述任意一项的无线网络智能化的通信方法。

本公开实施例，在构建模型训练(Model training)功能实体部署于OAM且模型推理(Model Inference)功能实体部署于RAN节点的架构下，通过设计与AI管理相关的网络信令流程来支持无线网络的智能化，进而使无线网络能够借助AI算法在预测和推荐等方面的优势提升运算性能，优化了无线网络的配置效率，降低了无线网络的交互压力和运算压力，提高了无线网络的系统性能。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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他的附图。

图1是本公开示例性实施例中一种无线网络智能化的通信方法的流程图；

图2是本公开示例性实施例中另一种无线网络智能化的通信方法的流程图；

图3是本公开示例性实施例中另一种无线网络智能化的通信方法的流程图；

图4是本公开示例性实施例中另一种无线网络智能化的通信方法的流程图；

图5是本公开示例性实施例中另一种无线网络智能化的通信方法的流程图；

图6是本公开示例性实施例中一种无线网络智能化的通信方法的NG-RAN初始化AI功能的示意图；

图7是本公开示例性实施例中一种无线网络智能化的通信方案的交互过程的示意图；

图8是本公开示例性实施例中另一种无线网络智能化的通信方法的OAM初始化AI功能的示意图；

图9是本公开示例性实施例中一种无线网络智能化的通信平台的架构示意图；

图10是本公开示例性实施例中一种无线网络智能化的通信平台的交互示意图；

图11是本公开示例性实施例中一种无线网络智能化的通信装置的方框图；

图12是本公开示例性实施例中一种电子设备的方框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

下面结合附图对本公开示例实施方式进行详细说明。

图1是本公开示例性实施例中无线网络智能化的通信方法的流程图。

参考图1，无线网络智能化的通信方法可以包括：

步骤S102，响应于AI功能初始化请求，与OAM侧设备交互AI用例指示信息；

步骤S104，根据AI用例指示信息向终端发送测量配置信令，OAM侧设备接收终端响应于测量配置信令反馈的测量报告，并基于测量报告和相关的数据集进行AI模型训练；

步骤S106，接收OAM侧设备训练好的AI模型参数并进行AI模型部署；

步骤S108，接收终端发送的实时测量报告；

步骤S110，根据实时测量报告和部署的AI模型进行AI模型推理，输出AI模型运行的信息，信息包含无线网络相关预测信息或AI模型推荐策略和/或配置参数；

步骤S112，根据信息调整网络配置信息或执行相应的网络动作。

本公开实施例在构建模型训练(Model training)功能实体部署于OAM且模型推理(Model Inference)功能实体部署于RAN节点的架构下，通过设计与AI管理相关的网络信令流程来支持无线网络的智能化，进而使无线网络能够借助AI算法在预测和推荐等方面的优势提升运算性能，优化了无线网络的配置效率，降低了无线网络的交互压力和运算压力，提高了无线网络的系统性能。

在本公开的一种示例性实施例中，NG-RAN节点是指5G接入网的节点设备。

在本公开的一种示例性实施例中，OAM(Operation Administration andMaintenance，操作维护管理)，根据运营商网络运营的实际需要，通常将网络的管理工作划分为3大类:操作(Operation)、管理(Administration)、维护(Maintenance)，简称OAM。操作主要完成日常网络和业务进行的分析、预测、规划和配置工作；维护主要是对网络及其业务的测试和故障管理等进行的日常操作活动。

在本公开的一种示例性实施例中，RRC(Radio Resource Control)是指无线资源控制。RRC处理UE(User Equipment)和eNodeB(Evolved Node-B)之间控制平面的第三层信息。RRC对无线资源进行分配并发送相关信令，UE和UTRAN之间控制信令的主要部分是RRC消息，RRC消息承载了建立、修改和释放层2和物理层协议实体所需的全部参数。

下面结合图2至图8，对无线网络智能化的通信方法的各步骤进行详细说明。

在本公开的一种示例性实施例中，如图2所示，无线网络智能化的通信方法还包括：

步骤S202，确定基于AI模型输出信息调整网络配置信息或执行相应的网络动作后系统的性能指标。

步骤S204，将性能指标反馈至OAM侧设备，OAM侧设备根据性能指标对AI模型进行优化。

在本公开的一种示例性实施例中，如图3所示，无线网络智能化的通信方法还包括：

步骤S302，判断是否能够在本地运行接收到的AI模型，若是，则执行步骤S304，若否，则执行步骤S306。

步骤S304，若判定能够在本地运行的接收到的AI模型，则向OAM侧设备反馈AI模型部署成功信息。

步骤S306，若判定不能够在本地运行接收到的AI模型，则向OAM侧设备反馈AI模型部署失败信令。

在本公开的一种示例性实施例中，如图4所示，若判定不能够在本地运行的接收到的AI模型，则向OAM侧设备反馈AI模型部署失败信令包括：

步骤S402，若判定不能识别接收到的AI模型，或判定接收到的模型参数与AI模型的配置不匹配，则确定不能够在本地运行待部署的AI模型。

步骤S404，向OAM侧设备反馈AI模型部署失败信令。

在本公开的一种示例性实施例中，如图5所示，无线网络智能化的通信方法还包括：

步骤S502，向OAM侧设备发送AI功能请求。

步骤S504，接收OAM侧设备响应于AI功能请求反馈的AI功能响应信息。

步骤S506，接收OAM侧设备反馈的AI功能初始化成功信息或AI功能初始化失败信息，AI功能初始化成功信息用于指示OAM侧设备完成AI功能的初始化，AI功能初始化失败信令用于指示OAM侧设备对AI功能的初始化失败。

如图6所示，AI功能初始化可由NG-RAN节点604触发，对于NG-RAN-initiated AI功能初始化，NG-RAN节点604向OAM 606发送AI功能请求信令，该信令中携带本次申请的用例，用例包括但不限于：移动性增强、负载均衡和网络节能，一次请求可申请一个用例，也可以根据需求申请多个用例。

OAM 606收到请求后若可以接收本次AI功能请求，则反馈AI功能响应信令并在该信令中携带接受请求的用例。

若OAM 606不支持AI function或OAM 606根据资源情况判断无法接受本次AI请求时，反馈AI功能失败信令给NG-RAN节点604。

在本公开的一种示例性实施例中，如图7所示，无线网络智能化的通信方法还包括：

步骤S702，接收OAM侧设备发送AI功能请求信息。

步骤S704，向OAM侧设备发送响应于AI功能请求反馈的AI功能响应信息。

步骤S707，向OAM侧设备反馈的AI功能初始化成功信息或AI功能初始化失败信息，AI功能初始化成功信息用于指示完成AI功能的初始化，AI功能初始化失败信令用于指示对AI功能的初始化失败。

如图8所示，AI功能初始化可由NG-RAN节点804触发，对于NG-RAN-initiated AI功能初始化，NG-RAN节点804向OAM 806发送AI功能请求信令，该信令中携带本次申请的用例，用例包括但不限于：移动性增强、负载均衡和网络节能，一次请求可申请一个用例，也可以根据需求申请多个用例。

OAM 806收到请求后若可以接收本次AI功能需求，则反馈AI功能命令信令并在该信令中携带接受请求的用例。

若OAM 806不支持AI function或OAM 806根据资源情况判断无法接受本次AI请求时，反馈AI功能失败信令给NG-RAN节点804。

对应于上述方法实施例，本公开还提供一种无线网络智能化的通信装置，可以用于执行上述方法实施例。

在本公开的一种示例性实施例中，AI模型输出的预测信息包括终端的移动方向和速度、和/或终端的位置和轨迹预测、和/或预测的已接入基站的运行负载信息、和/或基站能耗、和/或终端的能耗。

在本公开的一种示例性实施例中，AI模型输出的推荐策略包括建议接入的基站标识、和/或建议配置的切换模式、和/或切换基站的阈值条件、和/或基站节能策略。

在本公开的一种示例性实施例中，AI功能的请求中包括一个或多个请求的AI用例。

在本公开的一种示例性实施例中，AI用例被配置为实现移动性优化、网络节能和负载均衡中的一种或多种功能的用例。

如图9所示，无线网络智能化的通信框架包括数据收集902、模型训练904、模型推理906和执行器908，具体通信交互过程如下：

(1)数据收集(Data Collection)902是为模型训练(Model Training)904和模型推理(Model inference)906提供输入数据的功能模块。输入数据的可能包括来自UE或不同网络实体的测试、性能反馈、AI/ML模型输出。数据类型包含训练数据(model training所需的信息)和推断数据(model inference所需的输入信息)

(2)模型训练(model training)904是执行ML模型训练的功能模块。Modeltraining还可根据需求完成数据准备(例如数据预处理和清理、格式化和原始数据转换)工作.

(3)模型推理(model Inference)906是提供AI/ML模型推理输出(例如预测或决策)的功能模块。Model inference功能还可根据需求还完成数据准备(例如数据预处理和清理、格式化和原始数据的转换)工作。

(4)执行器(Actor)908是接收来自Model推理函数的输出，并触发或执行相应的操作的功能模块，可触发其他实体或自身的动作。

(5)反馈(Feedback)：获取培训或推断数据或绩效反馈可能需要的信息。

其中，Model training过程需要对大量的网络数据进行分类，清洗并训练，因此需要相应的节点具备较强的算力，并且考虑到数据收集的广泛性，可以将Model training部署OAM。Model inference主要是基于网络实时数据和训练好的AI模型，推理出相应的输出(例如预测或决策等)，考虑到数据收集和决策实施的及时性，一般将Model Inference功能部署在RAN节点。

如图10所示，无线网络智能化的通信方案中包括终端1002、NG-RAN节点1004和OAM1006，包括以下交互步骤：

步骤1：AI功能初始化，可由NG-RAN节点1004触发也可由OAM 1006触发，主要用于NG-RAN节点1004和OAM 1006请求或确认启动AI功能，在该步骤中，NG-RAN节点1004和OAM1006间交互支持的用例(Use Case)。

步骤2：测试配置，NG-RAN节点1004向终端1002下发测试配置，相关测试配置根据用例不同可差异化配置，该步骤可结合MDT机制。

步骤3：测试结果上报，终端1002根据收到指示的测试信息，统计并上报OAM 1006相关测试数据/信息。

步骤4：AI模型训练，OAM 1006根据不同场景所需的信息进行AI模型训练。

步骤5：AI模型部署，OAM 1006将训练好的模型下发至NG-RAN节点1004。

步骤5a：若NG-RAN节点1004成功接收到训练好的AI模型，并能正确理解和使用该模型时，NG-RAN节点1004向OAM 1006反馈AI模型部署成功信令。

步骤5b：若NG-RAN节点1004对于接收到的AI模型无法识别，或出现参数配置不匹配，或其他导致NG-RAN节点1004无法进行model inference步骤的情况发生时，NG-RAN节点1004向OAM 1006反馈AI模型部署失败信令。

步骤6：终端1002上报网络实时测试报告给NG-RAN节点1004。

步骤7：AI模型推理，NG-RAN节点1004基于所需的实时信息和训练好的AI模型进行推理，输出预测或推荐等信息(例如推荐的目标基站，或基站在未来一段时间内的负载情况等)。

步骤8：基于AI推理的输出，NG-RAN节点1004可调整自身配置(如切换门限值)/策略(基站节能策略，如是否关段基站)，或通过RRC信令指示终端1002进行相关的动作(例如指示终端1002进行切换)。

步骤9：NG-RAN节点1004将本次AI模型的性能反馈给OAM 1006，如预测的准确度，算法的执行时间等，以便OAM 1006及时对AI模型进行优化和更新。

对应于上述方法实施例，本公开还提供一种无线网络智能化的通信装置，可以用于执行上述方法实施例。

图装置图编号是本公开示例性实施例中一种无线网络智能化的通信装置的方框图。

参考图装置图编号，无线网络智能化的通信装置装置图编号00可以包括：

交互模块1102，设置为响应于AI功能初始化请求，与OAM侧设备交互AI用例指示信息。

训练模块1104，设置为根据AI用例指示信息向终端发送测量配置信令，OAM侧设备接收终端响应于测量配置信令反馈的测量报告，并基于测量报告和相关的数据集进行AI模型训练。

接收模块1106，设置为接收OAM侧设备训练好的AI模型参数并进行AI模型部署。

接收模块1108，设置为接收终端发送的实时测量报告。

推理模块1110，设置为根据实时测量报告和部署的AI模型进行AI模型推理，输出AI模型运行的信息，信息包含无线网络相关预测信息或AI模型推荐策略和/或配置参数。

调整模块1112，设置为根据信息调整网络配置信息或执行相应的网络动作。

在本公开的一种示例性实施例中，无线网络智能化的通信方法还包括：

确定基于AI模型输出信息调整网络配置信息或执行相应的网络动作后系统的性能指标；将性能指标反馈至OAM侧设备，OAM侧设备根据性能指标对AI模型进行优化。

在本公开的一种示例性实施例中，无线网络智能化的通信方法还包括：

判断是否能够在本地运行接收到的AI模型；

若判定能够在本地运行的接收到的AI模型，则向OAM侧设备反馈AI模型部署成功信息；

若判定不能够在本地运行接收到的AI模型，则向OAM侧设备反馈AI模型部署失败信令。

在本公开的一种示例性实施例中，若判定不能够在本地运行的接收到的AI模型，则向OAM侧设备反馈AI模型部署失败信令包括：

若判定不能识别接收到的AI模型，或判定接收到的模型参数与AI模型的配置不匹配，则确定不能够在本地运行待部署的AI模型；

向OAM侧设备反馈AI模型部署失败信令。

在本公开的一种示例性实施例中，无线网络智能化的通信方法还包括：

向OAM侧设备发送AI功能请求；

接收OAM侧设备响应于AI功能请求反馈的AI功能响应信息；

接收OAM侧设备反馈的AI功能初始化成功信息或AI功能初始化失败信息，AI功能初始化成功信息用于指示OAM侧设备完成AI功能的初始化，AI功能初始化失败信令用于指示OAM侧设备对AI功能的初始化失败。

在本公开的一种示例性实施例中，无线网络智能化的通信方法还包括：

接收OAM侧设备发送AI功能请求信息；

向OAM侧设备发送响应于AI功能请求反馈的AI功能响应信息；

向OAM侧设备反馈的AI功能初始化成功信息或AI功能初始化失败信息，AI功能初始化成功信息用于指示完成AI功能的初始化，AI功能初始化失败信令用于指示对AI功能的初始化失败。

在本公开的一种示例性实施例中，AI模型输出的预测信息包括终端的移动方向和速度、和/或终端的位置和轨迹预测、和/或预测的已接入基站的运行负载信息、和/或基站能耗、和/或终端的能耗。

由于装置1100的各功能已在其对应的方法实施例中予以详细说明，本公开于此不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图12来描述根据本发明的这种实施方式的电子设备1200。图12显示的电子设备1200仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图12所示，电子设备1200以通用计算设备的形式表现。电子设备1200的组件可以包括但不限于：上述至少一个处理单元1210、上述至少一个存储单元1220、连接不同系统组件(包括存储单元1220和处理单元1210)的总线1230。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元1210执行，使得所述处理单元1210执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元1210可以执行如本公开实施例所示的方法。

存储单元1220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)12201和/或高速缓存存储单元12202，还可以进一步包括只读存储单元(ROM)12203。

存储单元1220还可以包括具有一组(至少一个)程序模块12205的程序/实用工具12204，这样的程序模块12205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线1230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备1200也可以与一个或多个外部设备1240(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备1200交互的设备通信，和/或与使得该电子设备1200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口1250进行。并且，电子设备1200还可以通过网络适配器1260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器1260通过总线1230与电子设备1200的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备1200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

根据本发明的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和构思由权利要求指出。