一种服务器的负载均衡方法、系统及计算机可读存储介质与流程

1.本发明涉及分布式存储技术领域，尤其涉及一种服务器的负载均衡方法、系统及计算机可读存储介质。


背景技术：

2.现有的负载均衡策略是当客户端请求服务时，对域名系统(domain name system，简称dns)服务器的运行状态进行判断，然后将客户端发送来的请求分配到某一台dns服务器上，而接收到请求的服务器独立地回应客户端的请求，客户端通过域名解析找到服务器的ip地址。这种负载均衡方法区分服务器差异和运行状态的能力比较差，会造成一些服务器的负载很高，对业务处理缓慢的问题发生，影响业务的正常运行。


技术实现要素：

3.有鉴于此，本发明提出了一种服务器的负载均衡方法、系统及计算机可读存储介质，实现了基于bp神经网络(back propagation neural network，反向传播神经网络)的负载均衡方法，提高了服务器的可靠性和处理客户端请求的效率，避免了由于dns流量大导致的网络问题。
4.基于上述目的，本发明实施例的一方面提供了一种服务器的负载均衡方法，具体包括如下步骤：
5.基于若干服务器的运行状态信息获取服务器的训练样本数据，并对所述训练样本数据进行归一化处理；
6.基于归一化处理后的训练样本数据对bp神经网络进行训练以得到负载均衡模型；
7.响应于接收到客户端发送的域名解析请求，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端。
8.在一些实施方式中，所述服务器为域名系统服务器。
9.在一些实施方式中，基于若干服务器的运行状态信息获取服务器的训练样本数据，包括：
10.按预设时间周期，基于所述域名系统服务器的运行状态信息获取服务器的训练样本数据。
11.在一些实施方式中，所述训练样本数据为时序状态数据，所述时序状态数据包括cpu利用率、连接数、内存和带宽中的任意一个或多个。
12.在一些实施方式中，对所述训练样本数据进行归一化处理，包括：
13.使用线性归一化方法，对所述训练样本数据进行线性变换，得到映射到[0，1]之间的训练样本数据。
[0014]
在一些实施方式中，基于归一化处理后的训练样本数据对bp神经网络进行训练，包括：
[0015]
将同一预设时间周期内的归一化处理后的所述训练样本数据输入到所述bp神经
网络中，得到对应的域名系统服务器的编号；
[0016]
基于所述对应的域名系统服务器的编号，得到对应的域名系统服务器的ip。
[0017]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip，包括：
[0018]
基于负载均衡模型得到用于域名解析的域名系统服务器的编号；
[0019]
基于所述编号得到对应的域名系统服务器的ip。
[0020]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端，还包括：
[0021]
基于所述负载均衡模型获取所述域名系统服务器的ip；
[0022]
将所述域名系统服务器的ip发送给所述客户端，使所述客户端根据所述域名系统服务器的ip向对应的服务器发送服务请求。
[0023]
本发明实施例的另一方面，还提供了一种服务器的负载均衡系统，包括：
[0024]
数据获取模块，所述数据获取模块配置为基于若干服务器的运行状态信息获取服务器的训练样本数据，并对所述训练样本数据进行归一化处理；
[0025]
训练模块，所述训练模块配置为基于归一化处理后的训练样本数据对bp神经网络进行训练以得到负载均衡模型；
[0026]
获取模块，所述获取模块配置为响应于接收到客户端发送的域名解析请求，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端。
[0027]
在一些实施方式中，所述服务器为域名系统服务器。
[0028]
在一些实施方式中，基于若干服务器的运行状态信息获取服务器的训练样本数据，包括：
[0029]
按预设时间周期，基于所述域名系统服务器的运行状态信息获取服务器的训练样本数据。
[0030]
在一些实施方式中，所述训练样本数据为时序状态数据，所述时序状态数据包括cpu利用率、连接数、内存和带宽中的任意一个或多个。
[0031]
在一些实施方式中，对所述训练样本数据进行归一化处理，包括：
[0032]
使用线性归一化方法，对所述训练样本数据进行线性变换，得到映射到[0，1]之间的训练样本数据。
[0033]
在一些实施方式中，基于归一化处理后的训练样本数据对bp神经网络进行训练，包括：
[0034]
将同一预设时间周期内的归一化处理后的所述训练样本数据输入到所述bp神经网络中，得到对应的域名系统服务器的编号；
[0035]
基于所述对应的域名系统服务器的编号，得到对应的域名系统服务器的ip。
[0036]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip，包括：
[0037]
基于负载均衡模型得到用于域名解析的域名系统服务器的编号；
[0038]
基于所述编号得到对应的域名系统服务器的ip。
[0039]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端，还包括：
[0040]
基于所述负载均衡模型获取所述域名系统服务器的ip；
[0041]
将所述域名系统服务器的ip发送给所述客户端，使所述客户端根据所述域名系统
服务器的ip向对应的服务器发送服务请求。
[0042]
本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如下方法步骤的计算机程序：
[0043]
基于若干服务器的运行状态信息获取服务器的训练样本数据，并对所述训练样本数据进行归一化处理；
[0044]
基于归一化处理后的训练样本数据对bp神经网络进行训练以得到负载均衡模型；
[0045]
响应于接收到客户端发送的域名解析请求，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端。
[0046]
在一些实施方式中，所述服务器为域名系统服务器。
[0047]
在一些实施方式中，基于若干服务器的运行状态信息获取服务器的训练样本数据，包括：
[0048]
按预设时间周期，基于所述域名系统服务器的运行状态信息获取服务器的训练样本数据。
[0049]
在一些实施方式中，所述训练样本数据为时序状态数据，所述时序状态数据包括cpu利用率、连接数、内存和带宽中的任意一个或多个。
[0050]
在一些实施方式中，对所述训练样本数据进行归一化处理，包括：
[0051]
使用线性归一化方法，对所述训练样本数据进行线性变换，得到映射到[0，1]之间的训练样本数据。
[0052]
在一些实施方式中，基于归一化处理后的训练样本数据对bp神经网络进行训练，包括：
[0053]
将同一预设时间周期内的归一化处理后的所述训练样本数据输入到所述bp神经网络中，得到对应的域名系统服务器的编号；
[0054]
基于所述对应的域名系统服务器的编号，得到对应的域名系统服务器的ip。
[0055]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip，包括：
[0056]
基于负载均衡模型得到用于域名解析的域名系统服务器的编号；
[0057]
基于所述编号得到对应的域名系统服务器的ip。
[0058]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端，还包括：
[0059]
基于所述负载均衡模型获取所述域名系统服务器的ip；
[0060]
将所述域名系统服务器的ip发送给所述客户端，使所述客户端根据所述域名系统服务器的ip向对应的服务器发送服务请求。
[0061]
本发明实施例的另一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，所述存储器存储有可在所述处理器上运行的计算机程序，所述计算机程序由所述处理器执行时实现如下方法的步骤：
[0062]
基于若干服务器的运行状态信息获取服务器的训练样本数据，并对所述训练样本数据进行归一化处理；
[0063]
基于归一化处理后的训练样本数据对bp神经网络进行训练以得到负载均衡模型；
[0064]
响应于接收到客户端发送的域名解析请求，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端。
[0065]
在一些实施方式中，所述服务器为域名系统服务器。
[0066]
在一些实施方式中，基于若干服务器的运行状态信息获取服务器的训练样本数据，包括：
[0067]
按预设时间周期，基于所述域名系统服务器的运行状态信息获取服务器的训练样本数据。
[0068]
在一些实施方式中，所述训练样本数据为时序状态数据，所述时序状态数据包括cpu利用率、连接数、内存和带宽中的任意一个或多个。
[0069]
在一些实施方式中，对所述训练样本数据进行归一化处理，包括：
[0070]
使用线性归一化方法，对所述训练样本数据进行线性变换，得到映射到[0，1]之间的训练样本数据。
[0071]
在一些实施方式中，基于归一化处理后的训练样本数据对bp神经网络进行训练，包括：
[0072]
将同一预设时间周期内的归一化处理后的所述训练样本数据输入到所述bp神经网络中，得到对应的域名系统服务器的编号；
[0073]
基于所述对应的域名系统服务器的编号，得到对应的域名系统服务器的ip。
[0074]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip，包括：
[0075]
基于负载均衡模型得到用于域名解析的域名系统服务器的编号；
[0076]
基于所述编号得到对应的域名系统服务器的ip。
[0077]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端，还包括：
[0078]
基于所述负载均衡模型获取所述域名系统服务器的ip；
[0079]
将所述域名系统服务器的ip发送给所述客户端，使所述客户端根据所述域名系统服务器的ip向对应的服务器发送服务请求。
[0080]
本发明具有以下有益技术效果：利用获取到的dns服务器运行状态参数对bp神经网络进行训练，得到负载均衡模型，当客户端发出域名解析请求时，存储系统使用负载均衡模型选取合适的dns服务器，然后由该dns服务器回应客户端的请求，此时客户端通过域名解析找到了服务器的确切ip地址，基于bp神经网络的负载均衡方法提高了服务器的可靠性和处理客户端请求的效率，避免了由于dns流量大导致的网络问题。
附图说明
[0081]
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，下面描述中的附图仅仅是本发明的一些实施例，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实施例。
[0082]
图1为本发明提供的服务器的负载均衡方法的一实施例的框图；
[0083]
图2为本发明提供的服务器的负载均衡系统的一实施例的示意图；
[0084]
图3为本发明提供的计算机可读存储介质的一实施例的结构示意图。
具体实施方式
[0085]
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
[0086]
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
[0087]
基于上述目的，本发明实施例的第一个方面，提出了一种服务器的负载均衡方法的实施例。如图1所示，其包括如下步骤：
[0088]
步骤s101、基于若干服务器的运行状态信息获取服务器的训练样本数据，并对所述训练样本数据进行归一化处理；
[0089]
步骤s103、基于归一化处理后的训练样本数据对bp神经网络进行训练以得到负载均衡模型；
[0090]
步骤s105、响应于接收到客户端发送的域名解析请求，基于所述负载均衡模型获取服务器的ip并返回所述客户端。
[0091]
上述方案中，利用获取到的dns服务器运行状态参数对bp神经网络进行训练，得到负载均衡模型，当客户端发出域名解析请求时，存储系统使用负载均衡模型选取合适的dns服务器，然后dns服务器回应客户端的请求，此时客户端通过域名解析找到了服务器的确切ip地址，基于bp神经网络的负载均衡方法提高了服务器的可靠性和处理客户端请求的效率，避免了由于dns流量大导致的网络问题。
[0092]
在一些实施方式中，所述服务器为域名系统服务器。
[0093]
具体的，服务器为域名系统服务器，域名系统连接有若干域名系统服务器。
[0094]
在一些实施方式中，基于若干服务器的运行状态信息获取服务器的训练样本数据，包括：
[0095]
按预设时间周期，基于所述域名系统服务器的运行状态信息获取服务器的训练样本数据。
[0096]
在一些实施方式中，所述训练样本数据为时序状态数据，所述时序状态数据包括cpu利用率、连接数、内存和带宽中的任意一个或多个。
[0097]
在一些实施方式中，对所述训练样本数据进行归一化处理，包括：
[0098]
使用线性归一化方法，对所述训练样本数据进行线性变换，得到映射到[0，1]之间的训练样本数据。
[0099]
在一些实施方式中，基于归一化处理后的训练样本数据对bp神经网络进行训练，包括：
[0100]
将同一预设时间周期内的归一化处理后的所述训练样本数据输入到所述bp神经网络中，得到对应的域名系统服务器的编号；
[0101]
基于所述对应的域名系统服务器的编号，得到对应的域名系统服务器的ip。
[0102]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip，包括：
[0103]
基于负载均衡模型得到用于域名解析的域名系统服务器的编号；
[0104]
基于所述编号得到对应的域名系统服务器的ip。
[0105]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip并返回所述客户
端，还包括：
[0106]
基于所述负载均衡模型获取所述域名系统服务器的ip；
[0107]
将所述域名系统服务器的ip发送给所述客户端，使所述客户端根据所述域名系统服务器的ip向对应的服务器发送服务请求。
[0108]
下面通过一个具体的实施方式对本发明进行说明。
[0109]
设置相同的时间周期，采集dns服务器在每个时间周期内的数据作为训练样本数据，这些训练样本数据包括cpu利用率、连接数、内存以及带宽，以此得到维度为4*1的训练样本数据。对上述的训练样本数据进行归一化处理，使用线性归一化方法，对所述训练样本数据进行线性变换，将训练样本数据映射到[0，1]之间，以使数据输入到bp神经网络后能提高运算速度。上述维度的dns服务器状态样本数据可以表示为x
i
＝[x
1 x
2 x3…
x
n
]，其中x
i
表示第i个维度的特征，[x
1 x
2 x3…
x
n
]可以表示为在dns服务器获取的同一个特征的时序状态数据，获取这些特征的时间间隔是相同的；将dns服务器的输出表示为o
j
。将上述相同时间周期内的cpu利用率、连接数、内存和带宽4个维度的数据输入进bp神经网络中，并将输出o
j
对应到相应的dns服务器的编号，基于对应的dns服务器的编号，得到对应的域名系统服务器的ip，经过上述对bp神经网络的训练得到用于dns服务器的负载均衡模型。当客户端请求dns服务器进行域名解析时，基于bp神经网络的负载均衡模型会计算得到对应的用于域名解析的dns服务器的编号，dns服务器的编号与用于域名解析服务的dns服务器的ip对应，通过负载均衡模型对dns服务器的选取，dns会返回一个确切的ip给客户端，客户端根据该ip请求dns服务器服务。
[0110]
上述实施例中的训练样本数据可以包括cpu利用率、连接数、内存和带宽中的任意一个或多个，还可以包括可以反映服务器的运行状态信息的其他参数，不限于本发明实施例的以cpu利用率、连接数、内存和带宽四个参数作为训练样本数据。
[0111]
同时还可以对作为训练样本数据的cpu利用率、连接数、内存和带宽等四个参数设置不同的权重，因为dns服务器的配置(比如cpu、内存之类的)不一定相同，设置权重可以避免服务器配置对负载均衡模型的影响，优选的是，将cpu、内存、连接数、带宽设置为同样的权重。
[0112]
通过这种负载均衡方法，可以充分考虑到dns服务器的运行状态，给客户端返回合理的dns服务器ip，提高了服务器的可靠性和处理客户端请求的效率，避免了网络问题。
[0113]
基于同一发明构思，根据本发明的另一个方面，如图2所示，还提供了一种服务器的负载均衡系统，系统包括：
[0114]
数据获取模块，所述数据获取模块配置为基于若干服务器的运行状态信息获取服务器的训练样本数据，并对所述训练样本数据进行归一化处理；
[0115]
训练模块，所述训练模块配置为基于归一化处理后的训练样本数据对bp神经网络进行训练以得到负载均衡模型；
[0116]
获取模块，所述获取模块配置为响应于接收到客户端发送的域名解析请求，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端。
[0117]
在一些实施方式中，所述服务器为域名系统服务器。
[0118]
在一些实施方式中，基于若干服务器的运行状态信息获取服务器的训练样本数据，包括：
[0119]
按预设时间周期，基于所述域名系统服务器的运行状态信息获取服务器的训练样本数据。
[0120]
在一些实施方式中，所述训练样本数据为时序状态数据，所述时序状态数据包括cpu利用率、连接数、内存和带宽中的任意一个或多个。
[0121]
在一些实施方式中，对所述训练样本数据进行归一化处理，包括：
[0122]
使用线性归一化方法，对所述训练样本数据进行线性变换，得到映射到[0，1]之间的训练样本数据。
[0123]
在一些实施方式中，基于归一化处理后的训练样本数据对bp神经网络进行训练，包括：
[0124]
将同一预设时间周期内的归一化处理后的所述训练样本数据输入到所述bp神经网络中，得到对应的域名系统服务器的编号；
[0125]
基于所述对应的域名系统服务器的编号，得到对应的域名系统服务器的ip。
[0126]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip，包括：
[0127]
基于负载均衡模型得到用于域名解析的域名系统服务器的编号；
[0128]
基于所述编号得到对应的域名系统服务器的ip。
[0129]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端，还包括：
[0130]
基于所述负载均衡模型获取所述域名系统服务器的ip；
[0131]
将所述域名系统服务器的ip发送给所述客户端，使所述客户端根据所述域名系统服务器的ip向对应的服务器发送服务请求。
[0132]
基于同一发明构思，根据本发明的另一个方面，如图3所示，本发明的实施例还提供了一种计算机可读存储介质30，计算机可读存储介质30存储有被处理器执行时执行如下方法的计算机程序310。
[0133]
基于若干服务器的运行状态信息获取服务器的训练样本数据，并对所述训练样本数据进行归一化处理；
[0134]
基于归一化处理后的训练样本数据对bp神经网络进行训练以得到负载均衡模型；
[0135]
响应于接收到客户端发送的域名解析请求，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端。
[0136]
在一些实施方式中，所述服务器为域名系统服务器。
[0137]
在一些实施方式中，基于若干服务器的运行状态信息获取服务器的训练样本数据，包括：
[0138]
按预设时间周期，基于所述域名系统服务器的运行状态信息获取服务器的训练样本数据。
[0139]
在一些实施方式中，所述训练样本数据为时序状态数据，所述时序状态数据包括：cpu利用率、连接数、内存和带宽中的任意一个或多个。
[0140]
在一些实施方式中，对所述训练样本数据进行归一化处理，包括：
[0141]
使用线性归一化方法，对所述训练样本数据进行线性变换，得到映射到[0，1]之间的训练样本数据。
[0142]
在一些实施方式中，基于归一化处理后的训练样本数据对bp神经网络进行训练，
包括：
[0143]
将同一预设时间周期内的归一化处理后的所述训练样本数据输入到所述bp神经网络中，得到对应的域名系统服务器的编号；
[0144]
基于所述对应的域名系统服务器的编号，得到对应的域名系统服务器的ip。
[0145]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip，包括：
[0146]
基于负载均衡模型得到用于域名解析的域名系统服务器的编号；
[0147]
基于所述编号得到对应的域名系统服务器的ip。
[0148]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端，还包括：
[0149]
基于所述负载均衡模型获取所述域名系统服务器的ip；
[0150]
将所述域名系统服务器的ip发送给所述客户端，使所述客户端根据所述域名系统服务器的ip向对应的服务器发送服务请求。
[0151]
基于同一发明构思，根据本发明的另一个方面，如图3所示，本发明的实施例还提供了一种计算机设备20，在该计算机设备20中包括处理器210以及存储器220，存储器220存储有可在处理器上运行的计算机程序221，处理器210执行程序时执行如下的方法的步骤：
[0152]
基于若干服务器的运行状态信息获取服务器的训练样本数据，并对所述训练样本数据进行归一化处理；
[0153]
基于归一化处理后的训练样本数据对bp神经网络进行训练以得到负载均衡模型；
[0154]
响应于接收到客户端发送的域名解析请求，基于所述负载均衡模型获取所述服务器的ip并返回所述客户端。
[0155]
在一些实施方式中，所述服务器为域名系统服务器。
[0156]
在一些实施方式中，基于若干服务器的运行状态信息获取服务器的训练样本数据，包括：
[0157]
按预设时间周期，基于所述域名系统服务器的运行状态信息获取服务器的训练样本数据。
[0158]
在一些实施方式中，所述训练样本数据为时序状态数据，所述时序状态数据包括cpu利用率、连接数、内存和带宽中的任意一个或多个。
[0159]
在一些实施方式中，对所述训练样本数据进行归一化处理，包括：
[0160]
使用线性归一化方法，对所述训练样本数据进行线性变换，得到映射到[0，1]之间的训练样本数据。
[0161]
在一些实施方式中，基于归一化处理后的训练样本数据对bp神经网络进行训练，包括：
[0162]
将同一预设时间周期内的归一化处理后的所述训练样本数据输入到所述bp神经网络中，得到对应的域名系统服务器的编号；
[0163]
基于所述对应的域名系统服务器的编号，得到对应的域名系统服务器的ip。
[0164]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip，包括：
[0165]
基于负载均衡模型得到用于域名解析的域名系统服务器的编号；
[0166]
基于所述编号得到对应的域名系统服务器的ip。
[0167]
在一些实施方式中，基于所述负载均衡模型获取所述服务器的ip并返回所述客户
端，还包括：
[0168]
基于所述负载均衡模型获取所述域名系统服务器的ip；
[0169]
将所述域名系统服务器的ip发送给所述客户端，使所述客户端根据所述域名系统服务器的ip向对应的服务器发送服务请求。
[0170]
最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(rom)或随机存储记忆体(ram)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
[0171]
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
[0172]
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
[0173]
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
[0174]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0175]
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。