数据处理方法、装置、电子设备及计算机可读存储介质与流程

1.本技术涉及数据处理技术领域，具体涉及一种数据处理方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.近年来，大数据技术发展迅速，各种大数据系统已经进入人们的日常生活，例如政务服务大数据系统等。大数据系统中，需要对各个业务系统的数据进行汇总分析，最终形成具有业务属性的指标结果，并实时展示在显示屏上。例如，近年来，政务服务大数据系统发展迅速，政务服务大数据系统中的领导驾驶舱模块，用于对各个业务系统的数据进行汇总分析，最终形成具有业务属性的指标结果，并实时展示在显示屏上。传统的大数据服务系统中，各个业务系统分散，数据存储不尽相同，每次处理数据源的数据都需要分别对应编辑数据源和表的配置项并创建视图，这就导致数据处理流程繁琐，数据处理效率低。


技术实现要素：

3.本技术的目的是提供一种数据处理方法、装置、电子设备及计算机可读存储介质。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。
4.根据本技术实施例的一个方面，提供一种数据处理方法，应用于计算设备，所述方法包括：
5.基于数据源的信息，将来自于所述数据源的源表注册为持久化的hive外部表；
6.通过spark sql从所述持久化的hive外部表中获取指标数据；
7.将获取的所述指标数据导入到结果表中；
8.从所述结果表中调取所述指标数据，将调取的指标数据写入预先创建的数据库；
9.导出所述数据库中的数据以用于显示。
10.在本技术的一些实施例中，所述基于数据源的信息，将来自于所述数据源的源表注册为持久化的hive外部表，包括：
11.从所述数据源的信息中提取对应于所述源表的固定配置信息；
12.将所述源表以及所述固定配置信息组装生成建表语句；
13.通过所述spark sql执行所述建表语句，生成所述持久化的hive外部表。
14.在本技术的一些实施例中，所述通过spark sql从所述持久化的hive外部表中获取指标数据，包括：
15.通过所述spark sql从所述持久化的hive外部表中查询出所有的指标初始数据；
16.通过所述spark sql对所述所有的指标初始数据进行汇总计算，得到所述指标数据。
17.在本技术的一些实施例中，所述将调取的指标数据写入预先创建的数据库，包括：
18.判断所述预先创建的数据库中是否存在与所述调取的指标数据相匹配的预设表；
19.若不存在所述预设表，则新建一个与所述调取的指标数据相匹配的表，并将所述指标数据导入到新建的所述相匹配的表中；
20.若存在所述预设表，则将所述预设表与所述指标数据的对应信息进行比对，得到比对结果；
21.根据所述比对结果，采用对应于所述比对结果的更新方式，利用所述调取的指标数据更新所述预设表。
22.在本技术的一些实施例中，所述根据所述比对结果，采用对应于所述比对结果的更新方式，利用所述调取的指标数据更新所述预设表，包括：
23.如果所述比对结果为所述预设表与所述指标数据的对应信息相匹配，则将所述调取的指标数据添加导入到所述预设表中，或者，将所述预设表清空，将所述调取的指标数据导入到清空后的所述预设表中；
24.如果所述比对结果为所述预设表与所述指标数据的对应信息不匹配，则利用所述调取的指标数据更新所述预设表中不匹配的字段。
25.在本技术的一些实施例中，所述利用所述调取的指标数据更新所述预设表中不匹配的字段，包括：
26.针对所述预设表中的数据中与所述调取的指标数据中不匹配的字段，利用所述调取的指标数据中的相应字段替换所述不匹配的字段。
27.在本技术的一些实施例中，所述利用所述调取的指标数据更新所述预设表中不匹配的字段，包括：
28.若所述预设表中与所述调取的指标数据中相对应的位置上缺少字段，则将所述调取的指标数据中所述相对应的位置上的字段插入到所述预设表中的所述相对应的位置上。
29.根据本技术实施例的另一个方面，提供一种数据处理装置，应用于计算设备，所述装置包括：
30.注册模块，用于基于数据源的信息，将来自于所述数据源的源表注册为持久化的hive外部表；
31.获取模块，用于通过spark sql从所述持久化的hive外部表中获取指标数据；
32.导入模块，用于将获取的所述指标数据导入到结果表中；
33.写入模块，用于从所述结果表中调取所述指标数据，将调取的指标数据写入预先创建的数据库；
34.导出模块，用于导出所述数据库中的数据以用于显示。
35.根据本技术实施例的另一个方面，提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现上述任一项的数据处理方法。
36.根据本技术实施例的另一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现上述任一项的数据处理方法。
37.本技术实施例的其中一个方面提供的技术方案可以包括以下有益效果：
38.本技术实施例提供的数据处理方法，能够将多种数据源的源表注册为一个持久化的hive外部表，通过spark sql将持久化的hive外部表中的指标数据导入到结果表中，再将
结果表中的指标数据写入多种数据库中，导出数据库中的数据，由于该持久化的hive外部表可多次重复使用，所以避免了编辑数据源和表的配置项并创建视图的操作，简化了数据处理流程，可以有效地提高数据处理效率、提高数据计算的易用性，数据处理结果误差小，可扩展性好，能够很好地满足实际应用的需要。
39.本技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者，部分特征和优点可以从说明书中推知或毫无疑义地确定，或者通过实施本技术实施例了解。
附图说明
40.为了更清楚地说明本技术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技术中记载的一些实施例，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。
41.图1示出了本技术一个实施例提供的数据处理方法的实施环境图；
42.图2示出了本技术一个实施例提供的数据处理方法流程图；
43.图3示出了图2中步骤s10的流程图；
44.图4示出了图2中步骤s20的流程图；
45.图5示出了图2中步骤s40的流程图；
46.图6示出了本技术另一实施例提供的数据处理方法流程图；
47.图7示出了本技术一个实施例提供的数据处理装置结构框图；
48.图8示出了本技术一个实施例提供的电子设备结构框图；
49.图9示出了本技术一个实施例提供的计算机可读存储介质示意图。
具体实施方式
50.为了使本技术的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施例对本技术做进一步说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。基于本技术中的实施例，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，都属于本技术保护的范围。
51.本领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
52.联机分析处理引擎(online analytical processing，简称olap)是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。它具有共享多维信息的快速分析的特征，即fast analysis of shared multidimensional information，简称fasmi。其中f是快速性(fast)，指系统能在数秒内对用户的多数分析要求做出反应；a是可分析性(analysis)，指用户无需编程就可以定义新的专门计算，将其作为分析的一部分，并以用户所希望的方式给出报告；m是多维性(multi—
dimensional)，指提供对数据分析的多维视图和分析；i是信息性(information)，指能及时获得信息，并且管理大容量信息。
53.本技术实施例中所采用的联机分析处理引擎可以为spark sql。
54.图1为本技术一个实施例提供的数据处理方法的实施环境图，在该实施环境中，包括计算机设备以及显示设备。计算机设备包括互相连接的处理器和存储器。显示设备上安装有显示应用程序。显示设备例如可以为显示屏等设备。计算机设备以及显示设备可以通过蓝牙、usb(universal serial bus，通用串行总线)或者其他通讯连接方式进行连接。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行本技术实施例的数据处理方法，计算机设备可以将执行该数据处理方法所得到的数据(例如可以是导出表的形式)发送到显示设备，显示应用程序使来自计算机设备的数据在显示设备上显示出来。例如，在政务服务大数据系统中，显示设备可以为设置在公开场所的对外公开展示的大显示屏，计算机设备将数据发送到大显示屏上，大显示屏将数据显示出来。又例如，显示设备可以为智能手机或个人电脑等设备，计算机设备的数据发送给显示设备，显示设备将数据显示出来。
55.如图2所示，本技术的一个实施例提供了一种数据处理方法，应用于计算设备，该方法包括步骤s10至步骤s50。该计算设备例如可以为计算机设备等。
56.s10、基于数据源的信息，将来自于所述数据源的源表注册为持久化的hive外部表。
57.数据源例如可以为mysql、postgresql、oracle、greenplum、hbase、elasticsearch(es)、达梦和vertica等数据库。该持久化的hive外部表可在sparksql中多次重复使用。由于持久化的hive外部表可以重复使用，因此避免了每次处理数据源的数据都需要分别对应编辑数据源和表的配置项并创建视图这一缺陷，避免了每次通过sparksql查询或计算非hive表时都要调用createglobaltempview()等方法创建全局临时视图的操作，从而大大简化了数据处理流程，提高了数据处理效率。从业务层面上来讲，如果新增数据源类型，则根据新增数据源的特性，将新增数据源中的表注册为hive外部表即可使用，因此提升了指标计算扩展性。另外，从性能层面上来讲，spark集群本身也具有可扩展性。
58.hive是基于hadoop的一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储在hadoop中的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供sql查询功能，能将sql语句转变成mapreduce任务来执行。
59.hive是基于hadoop构建的一套数据仓库分析系统，它提供了丰富的sql查询方式来分析存储在hadoop分布式文件系统中的数据：可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能；可以将sql语句转换为mapreduce任务运行，通过自己的sql查询分析需要的内容，这套sql简称hive sql，使不熟悉mapreduce的用户可以很方便地利用sql语言查询、汇总和分析数据。
60.hive外部表不会加载数据到hive的默认仓库(挂载数据)，减少了数据的传输，同时还能和其他外部表共享数据。使用hive外部表，hive不会修改源数据，不用担心数据损坏或丢失。
61.如图3所示，在某些实施方式中，步骤s10包括步骤s101至步骤s103，如下：
62.s101、从所述数据源的信息中提取对应于所述源表的固定配置信息。
63.可以根据数据源的类型，获取相应的数据源的信息，例如连接信息、端口(如果有的话)、kerberos认证信息(如果有的话)等等。
64.以elasticsearch数据源为例，可以从elasticsearch数据源的信息中提取对应于前述源表的固定配置信息包括：需要在hive表中使用的database、表名、resource(es源信息)、nodes(es节点)和port(端口)等信息。如果集群开启kerberos认证，则需提供kerberos认证信息(如principal)。
65.s102、将所述源表以及所述固定配置信息组装生成建表语句。
66.建表语句可以为sql建表语句，sql建表语句用于生成表，前述源表以及前述固定配置信息用于作为建表的基本数据。
67.具体地，在sql建表语句中拼接源表的连接信息、表字段名、字段类型以及查询程序入口等信息，得到持久化的hive外部表。
68.在某些实施方式中，可以通过spark thrift server建表。通过spark thrift server建表是spark社区基于hiveserver2实现的一个thrift服务，通过其自身的程序调用方法执行用户发送的sql并获取结果。apache spark是专为大规模数据处理而设计、基于内存的分布式计算引擎，其最大特点就是将计算数据和中间结果都存储在内存中，大大减少了io开销。利用spark计算引擎以及hadoop生态，能够很好的处理上述政务服务场景中的数据分析，满足大部分业务方的使用需求。
69.s103、通过sparksql执行所述建表语句，生成所述持久化的hive外部表。
70.本实施例中的建表语句可以为sql建表语句，spark sql基于spark core，能够使用sql命令统一处理关系表和rdd，使用门槛低。持久化的hive外部表是一种可以在sparksql(使用方式包括spark thrift server以及sparksession)中可以无需每次使用时通过createtempview()或者createglobaltempview()方法创建，便可直接使用的表。在例如政务服务的大数据服务中，具体表的形式即为一个源表对应一个hive外部表，二者字段名相同，类型映射为hive中的类型。在某些实施方式中，可以使用spark on hive在hive中生成一张自定义的外部表。
71.s20、通过spark sql从所述持久化的hive外部表中获取指标数据。
72.如图4所示，在某些实施方式中，步骤s20包括步骤s201至步骤s202，如下：
73.s201、通过spark sql从所述持久化的hive外部表中查询出所有的指标初始数据。
74.spark sql能够提供在大数据上的sql查询功能。spark sql是spark用来处理结构化数据的一个模块，通过spark sql查询除其他类型数据源表的数据时，可以通过注册表时提供的信息找到对应的程序，可以将查询下发到其他类型的数据源中，并获取返回结果。
75.s202、通过spark sql对所述所有的指标初始数据进行汇总计算，得到所述指标数据。
76.通过spark sql对所述所有的指标初始数据进行汇总计算包括通过spark sql对所有的指标初始数据进行求和计算等操作，从而整合各指标初始数据，得到最终的指标数据。
77.s30、将获取的所述指标数据导入到结果表中。
78.每个结果表拥有一个全局唯一的表名。结果表是一个hive表。通过步骤s20获取的
指标数据会导入到该hive表中。结果表可供直接查看以便检查结果表中数据的准确性。
79.s40、从所述结果表中调取所述指标数据，将调取的指标数据写入预先创建的数据库。
80.持久化的hive外部表中的数据经过各个处理步骤后得到的最终数据会在显示设备上进行显示。例如，在政务服务大数据系统中，最终数据会在对外公开的大显示屏上进行显示，该最终数据即发送到与该大显示屏相关联的显示应用程序。为了使最终数据能够准确地显示出来，需要预先创建一个与显示应用程序相匹配的数据库，该预先创建的数据库用于存储调取的指标数据。可以根据实际应用的需要对该数据库设置各种权限。该预先创建的数据库可以为mysql、postgresql、greenplum、达梦和hdfs等多种关系型数据库。
81.如图5所示，在某些实施方式中，步骤s40中，所述将调取的指标数据写入预先创建的数据库，包括步骤s401至步骤s404：
82.s401、判断所述预先创建的数据库中是否存在与所述调取的指标数据相匹配的预设表。
83.例如，所述调取的指标数据为dataframe形式，dataframe包含带schema的行，schema是数据结构的说明。根据schema，在预先创建的数据库中查找是否存在与dataframe的结构相匹配的预设表。
84.s402、若不存在所述预设表，则新建一个与所述调取的指标数据相匹配的表，并将所述指标数据导入到新建的所述相匹配的表中。
85.例如，若预先创建的数据库中不存在与dataframe的结构相匹配的预设表，则根据schema，新建一个与dataframe的结构相匹配的表，并将调取的dataframe形式的指标数据导入到新建的表中。该种数据写入方式可以称为新建写入方式。
86.s403、若存在所述预设表，则将所述预设表与所述指标数据的对应信息进行比对，得到比对结果。
87.对应信息可以为字段名和/或数据类型。例如，若预先创建的数据库中存在与所述调取的指标数据的结构相匹配的预设表，则将预设表与所述调取的指标数据中的对应信息进行比对，得到比对结果，该比对结果包括预设表中与所述调取的指标数据中的对应信息相匹配或不匹配；相匹配的比对结果即预设表中与所述调取的指标数据中的对应信息完全一致；不匹配的比对结果即预设表中与所述调取的指标数据中的对应信息存在不一致的部分。
88.在某些实施方式中，将预设表与指标数据的对应信息进行比对，可以根据预设表中的唯一性约束来进行，唯一性约束例如可以为primary key(主键约束)或者unique key(唯一性约束)。
89.s404、根据所述比对结果，采用对应于所述比对结果的更新方式，利用所述调取的指标数据更新所述预设表。
90.在某些实施方式中，步骤s404包括：
91.s4041、如果所述比对结果为所述预设表与所述指标数据的对应信息相匹配，则将所述调取的指标数据添加导入到所述预设表中，或者，将所述预设表清空，将所述调取的指标数据导入到清空后的所述预设表中。
92.其中，将所述调取的指标数据添加导入到所述预设表中的数据写入方式可以称为
追加写入方式；将所述预设表清空，将所述调取的指标数据导入到清空后的所述预设表中，该种数据写入方式可以称为覆盖写入方式。
93.s4042、如果所述比对结果为所述预设表与所述指标数据的对应信息不匹配，则利用所述调取的指标数据更新所述预设表中不匹配的字段。
94.所述比对结果为所述预设表与所述指标数据的对应信息不匹配，即预设表中存在与所述指标数据的对应信息不一致的部分。
95.其中，利用所述调取的指标数据更新所述预设表中不匹配的字段，可以称为更新写入方式，可以包括：
96.针对所述预设表中的数据中与所述调取的指标数据中不匹配的字段，利用所述调取的指标数据中的相应字段替换所述不匹配的字段；或者，
97.若所述预设表中与所述调取的指标数据中相对应的位置上缺少字段，则将所述调取的指标数据中所述相对应的位置上的字段插入到所述预设表中的所述相对应的位置上。
98.更新写入方式能够达到定时更新数据库中部分数据的效果。
99.例如，对于预设表中与所述调取的指标数据中的对应信息不一致的部分，利用所述调取的指标数据中的对应信息替换预设表中的相应部分；对于预设表中与所述调取的指标数据中的对应信息相对应的位置上缺少字段的情况，则直接将所述调取的指标数据中的对应信息插入到预设表中的对应位置上。
100.在某些实施方式中，把更新指定的条件称为更新条件，要更新的列称为更新列。以调取的指标数据为一个dataframe为例，更新写入方式的过程包括：将dataframe中的更新条件与预设表中更新条件进行比对，如果预设表中已经存在有该更新条件的数据，则将dataframe中更新列的数据更新到预设表中，而如果预设表中不存在有该更新条件的数据，则将dataframe中更新列的数据插入到该预设表中。
101.s50、导出所述数据库中的数据以用于显示。
102.将所述数据库中的数据导出到一个表中，得到导出表。可以通过显示应用程序调用并显示该导出表，或者可以将导出表发送到显示设备上进行显示；显示设备上安装有显示应用程序，该显示应用程序与该数据库是适配的，所以该显示应用程序可以直接调用该导出表，显示应用程序使导出表在显示设备上显示出来。
103.在某些实施方式中，步骤s10-步骤s50可以重复执行，从而实现数据的不断更新显示，具体更新时间可以根据实际需要进行设定，可以设定为周期性的更新模式，也可以为非周期性的更新模式。
104.如图6所示，另一个实施例的数据处理方法，包括：基于数据源的信息，将来自于所述数据源的源表注册为持久化的hive外部表；通过spark sql从所述持久化的hive外部表中获取指标数据；将获取的所述指标数据导入到结果表中；从所述结果表中调取所述指标数据，将调取的指标数据写入预先创建的数据库；以表的形式导出所述数据库中的数据，即数据表，该数据表用于显示。
105.本技术实施例提供了一种数据处理方法，能够将多种数据源的源表注册为一个持久化的hive外部表，通过spark sql将持久化的hive外部表中的指标数据导入到结果表中，再将结果表中的指标数据写入多种数据库中，导出数据库中的数据以供显示，由于该持久化的hive外部表可多次重复使用，所以避免了每次都要编辑数据源和表的配置项并创建视
图的操作，简化了数据处理流程，可以有效地提高数据处理效率、提高数据计算的易用性，数据处理结果误差小，可扩展性好，能够很好地满足实际应用的需要。
106.如图7所示，本技术的另一个实施例提供了一种数据处理装置，应用于计算设备，该装置包括：
107.注册模块，用于基于数据源的信息，将来自于所述数据源的源表注册为持久化的hive外部表；
108.获取模块，用于通过spark sql从所述持久化的hive外部表中获取指标数据；
109.导入模块，用于将获取的所述指标数据导入到结果表中；
110.写入模块，用于从所述结果表中调取所述指标数据，将调取的指标数据写入预先创建的数据库；
111.导出模块，用于导出所述数据库中的数据以用于显示。
112.在某些实施方式中，注册模块包括：
113.提取单元，用于从所述数据源的信息中提取对应于所述源表的固定配置信息；
114.组装单元，用于将所述源表以及所述固定配置信息组装生成建表语句；
115.生成单元，用于通过所述spark sql执行所述建表语句，生成所述持久化的hive外部表。
116.在某些实施方式中，获取模块包括：
117.查询单元，用于通过所述spark sql从所述持久化的hive外部表中查询出所有的指标初始数据；
118.计算单元，用于通过所述spark sql对所述所有的指标初始数据进行汇总计算，得到所述指标数据。
119.在某些实施方式中，写入模块包括：
120.判断单元，用于判断所述预先创建的数据库中是否存在与所述调取的指标数据相匹配的预设表；
121.新建单元，用于若不存在所述预设表，则新建一个与所述调取的指标数据相匹配的表，并将所述指标数据导入到新建的所述相匹配的表中；
122.比对单元，用于若存在所述预设表，则将所述预设表与所述指标数据的对应信息进行比对，得到比对结果；
123.更新单元，用于根据所述比对结果，采用对应于所述比对结果的更新方式，利用所述调取的指标数据更新所述预设表。
124.在某些实施方式中，上述更新单元具体用于：
125.如果所述比对结果为所述预设表与所述指标数据的对应信息相匹配，则将所述调取的指标数据添加导入到所述预设表中，或者，将所述预设表清空，将所述调取的指标数据导入到清空后的所述预设表中；
126.如果所述比对结果为所述预设表与所述指标数据的对应信息不匹配，则利用所述调取的指标数据更新所述预设表中不匹配的字段。
127.在某些实施方式中，上述利用所述调取的指标数据更新所述预设表中不匹配的字段，可以包括：
128.针对所述预设表中的数据中与所述调取的指标数据中不匹配的字段，利用所述调
取的指标数据中的相应字段替换所述不匹配的字段。
129.在某些实施方式中，上述利用所述调取的指标数据更新所述预设表中不匹配的字段，可以包括：
130.若所述预设表中与所述调取的指标数据中相对应的位置上缺少字段，则将所述调取的指标数据中所述相对应的位置上的字段插入到所述预设表中的所述相对应的位置上。
131.本技术实施例提供的数据处理装置与本技术实施例提供的数据处理方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
132.本技术的另一个实施例提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现上述任一实施方式的数据处理方法。
133.如图8所示，所述电子设备10可以包括：处理器100，存储器101，总线102和通信接口103，所述处理器100、通信接口103和存储器101通过总线102连接；所述存储器101中存储有可在所述处理器100上运行的计算机程序，所述处理器100运行所述计算机程序时执行本技术前述任一实施方式所提供的方法。
134.其中，存储器101可能包含高速随机存取存储器(ram：random access memory)，也可能还可以包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。
135.总线102可以是isa总线、pci总线或eisa总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器101用于存储程序，所述处理器100在接收到执行指令后，执行所述程序，前述本技术实施例任一实施方式揭示的所述方法可以应用于处理器100中，或者由处理器100实现。
136.处理器100可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器100中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器100可以是通用处理器，可以包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。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。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器101，处理器100读取存储器101中的信息，结合其硬件完成上述方法的步骤。
137.本技术实施例提供的电子设备与本技术实施例提供的方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。
138.本技术的另一个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，以实现上述任一实施方式的数据处理方法。
139.本技术实施方式还提供一种与前述实施方式所提供的方法对应的计算机可读存
储介质，请参考图9，其示出的计算机可读存储介质为光盘20，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的方法。
140.需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。
141.本技术的上述实施例提供的计算机可读存储介质与本技术实施例提供的方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。
142.需要说明的是：
143.术语“模块”并非意图受限于特定物理形式。取决于具体应用，模块可以实现为硬件、固件、软件和/或其组合。此外，不同的模块可以共享公共组件或甚至由相同组件实现。不同模块之间可以存在或不存在清楚的界限。
144.在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示例一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本技术也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本技术的内容，并且上面对特定语言所做的描述是为了披露本技术的最佳实施方式。
145.应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
146.以上所述实施例仅表达了本技术的实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。