一種異構加速方法、設備、系統及存儲介質與流程
2024-04-13 05:59:05
1.本技術涉及數據處理技術領域，尤其涉及一種異構加速方法、設備、系統及存儲介質。
背景技術：
2.對大數據分析場景來說，隨著數據量越來越大、工作負載越來越複雜，對大數據系統的性能提出的新的要求。在大型數據中心建設工作中，越來越多地使用異構硬體加速器件來進行異構加速，這一方面可將大數據系統中的工作負載卸載到硬體加速卡上進行，獲得更高的加速比，另一方面也可以釋放部分cpu壓力。
3.目前，各個大數據系統通常都具有獨立的數據引擎，並將異構加速邏輯內置在數據引擎中。這其實造成了異構加速邏輯的重複開發，而且，封閉在數據引擎中的異構加速邏輯維護困難，不利於異構加速邏輯的演進。
技術實現要素：
4.本技術的多個方面提供一種異構加速方法、設備、系統及存儲介質，用以實現一種通用的異構加速產品。
5.本技術實施例提供一種異構加速方法，包括：
6.接收任意大數據系統發出的異構加速請求，所述異構加速請求中包含算子需求描述信息；
7.從預置的算子庫中，查找與所述算子需求描述信息適配的目標算子，所述算子庫中預置有至少一個異構加速算子；
8.利用所述目標算子所指向的加速器件，執行所述目標算子；
9.將執行所述目標算子後所產生的處理結果，回注至所述大數據系統中。
10.本技術實施例還提供一種異構加速設備，包括存儲器、處理器和通信組件；
11.所述存儲器用於存儲一條或多條計算機指令；
12.所述處理器與所述存儲器和所述通信組件耦合，用於執行所述一條或多條計算機指令，以用於：
13.接收任意大數據系統發出的異構加速請求，所述異構加速請求中包含算子需求描述信息；
14.從預置的算子庫中，查找與所述算子需求描述信息適配的目標算子，所述算子庫中預置有至少一個異構加速算子；
15.利用所述目標算子所指向的加速器件，執行所述目標算子；
16.將執行所述目標算子後所產生的處理結果，回注至所述大數據系統中。
17.本技術實施例還提供一種異構加速系統，包括分布式部署的管理節點和多個計算節點；
18.所述管理節點，用於接收任意大數據系統發出的異構加速請求，所述異構加速請
求中包含算子需求描述信息；將所述異構加速請求調度至所述多個計算節點中的目標節點；
19.所述目標節點，用於從預置的算子庫中，查找與所述算子需求描述信息適配的目標算子，所述算子庫中預置有至少一個異構加速算子；利用所述目標算子所指向的加速器件，執行所述目標算子；將執行所述目標算子後所產生的處理結果，回注至所述大數據系統中。
20.本技術實施例還提供一種存儲計算機指令的計算機可讀存儲介質，當所述計算機指令被一個或多個處理器執行時，致使所述一個或多個處理器執行前述的異構加速方法。
21.在本技術實施例中，提供一種通用的異構加速產品，可快速、便捷地適配至任意的大數據系統，將大數據系統中的異構加速需求引流至本實施例提供的異構加速產品上；異構加速產品可提供豐富的算子庫，從而能夠更加全面地覆蓋不同大數據系統的異構加速需求。這樣，不僅保證了各個大數據系統仍可按自身的個性化需求執行除異構加速邏輯之外的其它邏輯，而且，還可有效節省各個大數據系統對異構加速邏輯的開發成本，並可方便地對異構加速邏輯進行演進，提升異構加速性能。
附圖說明
22.此處所說明的附圖用來提供對本技術的進一步理解，構成本技術的一部分，本技術的示意性實施例及其說明用於解釋本技術，並不構成對本技術的不當限定。在附圖中：
23.圖1為本技術一示例性實施例提供的一種異構加速方法的流程示意圖；
24.圖2為本技術一示例性實施例提供的一種異構加速方案的場景示意圖；
25.圖3為本技術一示例性實施例提供的一種應用方案的邏輯示意圖；
26.圖4為本技術另一示例性實施例提供的一種異構加速設備的結構示意圖；
27.圖5為本技術又一示例性實施例提供的一種異構加速系統的結構示意圖。
具體實施方式
28.為使本技術的目的、技術方案和優點更加清楚，下面將結合本技術具體實施例及相應的附圖對本技術技術方案進行清楚、完整地描述。顯然，所描述的實施例僅是本技術一部分實施例，而不是全部的實施例。基於本技術中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬於本技術保護的範圍。
29.目前，異構加速邏輯通常封閉在各個大數據系統內部，存在重複開發及不利於演進的問題。為此，本技術的一些實施例中：提供一種通用的異構加速產品，可快速、便捷地適配至任意的大數據系統，將大數據系統中的異構加速需求引流至本實施例提供的異構加速產品上；異構加速產品可提供豐富的算子庫，從而能夠更加全面地覆蓋不同大數據系統的異構加速需求。這樣，不僅保證了各個大數據系統仍可按自身的個性化需求執行除異構加速邏輯之外的其它邏輯，而且，還可有效節省各個大數據系統對異構加速邏輯的開發成本，並可方便地對異構加速邏輯進行演進，提升異構加速性能。
30.以下結合附圖，詳細說明本技術各實施例提供的技術方案。
31.圖1為本技術一示例性實施例提供的一種異構加速方法的流程示意圖。圖2為本技術一示例性實施例提供的一種異構加速方案的場景示意圖。參考圖1，該方法可包括：
32.步驟100、接收任意大數據系統發出的異構加速請求，異構加速請求中包含算子需求描述信息；
33.步驟101、從預置的算子庫中，查找與算子需求描述信息適配的目標算子，算子庫中預置有至少一個異構加速算子；
34.步驟102、利用目標算子所指向的加速器件，執行目標算子；
35.步驟103、將執行目標算子後所產生的處理結果，回注至大數據系統中。
36.本實施例提供的異構加速方法可適用於大數據領域中各種需要進行異構加速的場景，本實施例對應用場景不做限定。
37.正如背景技術中介紹的那樣，目前，對於大數據系統來說，需要將異構加速邏輯分布在其數據引擎內部，這導致異構加速邏輯的重複開發，而且不利於異構加速邏輯的演進。
38.發明人在研究過程中發現，儘管不同大數據系統的數據引擎看起來各不相同，例如spark、presto等，但是，這些數據引擎從功能上基本可拆分為以下幾個邏輯組件：
39.語言前端，用於與應用程式交互sql(structured query language，結構化查詢語言)語句；
40.中間表示(解析/分析器)，用於從sql語句中解析出邏輯執行計劃；
41.優化器，用於結合實際的執行器和系統實現，來將邏輯執行計劃轉換成可以在特定運行時環境運行的物理執行計劃，物理執行計劃中包含一串算子；
42.執行器，用於執行優化器確定出的物理執行計劃。
43.基於此，發明人設計了本實施例中通用的異構加速產品，將本實施例提供的異構加速產品接入到大數據系統中的運行時環境中，以替代大數據系統中的執行器，而通過通用的異構加速產品來實施物理執行計劃，從而為大數據系統提供異構加速支持。應當理解的是，本實施提供的異構加速產品獨立於大數據系統，異構加速產品中包含至少一個加速器件。本實施例提供的異構加速產品可利用其內的加速器件來為大數據系統提供異構加速服務。
44.參考圖1，在步驟100中，可接收任意大數據系統發出的異構加速請求。本實施例中可採用多種實現方式來保證異構加速請求與本實施例的異構加速產品的適配性。
45.其中，異構加速請求中可包含算子描述信息，算子描述信息可以是大數據系統根據其執行器輸出的物理執行計劃而生成的，算子描述信息用於描述本次異構加速請求所需算子的屬性，包括但不限於算子類型、算子執行順序等。對於某些物理執行計劃而言，可能涉及到大數據系統的內存數據，並需要將內存數據提供至本實施例中的異構加速產品，為此，大數據系統還可將內存數據攜帶在異構加速請求中，以發送至本實施例中的異構加速產品。
46.參考圖2，在一種實現方式中：可利用預置的統一接口接收異構加速請求，統一接口支持指定數據格式和指定算子描述語言。在該實現方式中，可由大數據系統按照指定算子描述語言生成算子需求描述信息；將算子需求描述信息關聯的內存數據轉換為指定數據格式並攜帶在異構加速請求中。
47.在實際應用中，可在大數據系統中增加適配器，適配器可採用插件、腳本等形式而實現。基於此，大數據系統中的適配器可用於按照本實施例提供的統一接口規定的指定算子描述語言，為大數據系統中的優化器輸出的物理執行計劃生成算子需求描述信息。針對
異構加速請求中攜帶的內存數據，適配器還可用於按照本實施例提供的統一接口規定的指定數據格式，將內存數據轉換為指定數據格式並攜帶在異構加速請求中，以發送至本實施例中的異構加速產品。
48.這樣，在該實現方式中，可利用統一接口來規定對異構加速請求的語言要求和數據格式要求，並由大數據系統按照統一接口的規定發出符合要求的異構加速請求，從而可保證異構加速請求與本實施例的異構加速產品的適配性。
49.在另一種實現方式中：可在本實施例提供的異構加速產品中設置適配組件，並利用適配組件接收異構加速請求；之後，可利用適配組件識別異構加速請求實際採用的數據格式和算子描述語言；並將異構加速請求採用的數據格式轉換為指定數據格式；將異構加速請求採用的算子描述語言轉換為指定算子描述語言。
50.在該實現方式中，可由異構加速產品主動適配不同大數據系統所採用的語言和數據格式，並將不同大數據系統發出的異構加速請求統一轉換為指定的語言和數據格式，從而保證異構加速請求與本實施例的異構加速產品的適配性。
51.當然，本實施例中，還可採用其它實現方式來保證異構加速請求與本實施例的異構加速產品的適配性，本實施例並不限於此。
52.本實施例提供的異構加速產品中，指定的數據格式可以是向量數據格式。例如，列式內存布局格式。通過採用基於向量的列式內存數據結構與列式執行，可最大化地利用cpu基於深度流水線(deep-pipelined)設計與simd指令集的向量化計算能力。
53.繼續參考圖1，在步驟101中，可從預置的算子庫中，查找與算子需求描述信息適配的目標算子。本實施例中，算子庫中可預置有至少一個異構加速算子。為了提高通用性，優選地，算子庫中的異構加速算子可儘量全面地覆蓋各種大數據系統的異構加速需求。本實施例中，算子庫可包含fpga算子庫、gpu算子庫和/或asic算子庫。其中，fpga算子庫中的各個異構加速算子指向fpga加速器件；gpu算子庫中的各個異構加速算子指向gpu加速器件；asic算子庫中的各個異構加速算子指向asic加速器件。示例性的，fpga算字庫中可包括filter算子等，gpu算子庫中可包括join算子等，asic算子庫中可包括解/壓縮算子、加/解密算子等。
54.應當理解的是，大數據系統提供的算子描述信息通常只是透出所需的算子操作邏輯，而一種算子操作邏輯可能利用多種異構加速算子均可實施，只不過實施的效果可能存在差異。為此，在步驟101中提出，可從算子庫中查找與算子需求描述信息適配的目標算子。
55.在一種示例性的查找方案中：可從算子庫中搜索符合算子需求描述信息的至少一個候選算子；從至少一個候選算子中，選擇與算子需求描述信息的適配度最高的算子，作為目標算。其中，候選算子可以是算子庫中任意可以實施算子需求描述信息所指示的算子操作邏輯的異構加速算子。在該示例性的查找方案中，可預先配置適配規則，適配規則中可設定各異構加速算子對各類算子操作邏輯的適配度，這些適配度可以是經驗值，也可以設定相關計算策略而進行實時計算，在此不做限定。這樣，在確定出算子需求描述信息指示的是哪類算子操作邏輯後，即可確定出各個候選算子與當前算子需求描述信息之間的適配度，從而可選出適配度最高的候選算子，作為目標算子。
56.通過本實施例提供的查找方案，可將大數據系統中的異構加速請求優化到合適的異構加速算子上，以實現更優的異構算子配置。
57.另外，考慮到有些異構加速請求可能需要從存儲系統中調用數據，優選地，本實施例中，還可解析算子需求描述信息，以確定異構加速請求是否需要從存儲系統中調用數據；若需要，在目標算子的執行過程中，從存儲系統中獲取目標算子執行所需的數據。
58.參考圖2，本實施例提供的異構加速產品可與存儲系統對接，並按需從存儲系統中拉取數據。其中，本實施例可對接的存儲系統可包括但不限於hdfs、oss或其它雲上的對象存儲產品等，本實施例對存儲系統的類型不做限定。
59.這樣，本實施例中，可從底層存儲系統或者大數據系統的內存中，獲取到目標算子需要計算的數據。另外，本實施例中，可支持多種數據類型。例如，可運允許上層應用表示標量、複雜嵌套等各種數據類型。
60.在此基礎上，參考圖1，在步驟102中，可利用目標算子所指向的加速器件，執行目標算子。本實施例中，算子庫中的異構加速算子均可指向加速器件，加速器件是用於支持異構加速的異構硬體。本實施例中的加速器件可包括但不限於fpga、gpu或asic等。
61.值得說明的是，本實施例提供的異構加速產品可理解為軟硬結合產品，軟體可以是異構加速產品對應的異構加速引擎，而硬體則對應上述的加速器件，通過異構加速引擎可調用加速器件執行異構加速算子。異構加速引擎可控制目標算子指向的加速器件執行上述的獲取需要計算的數據的工作，在獲取到目標算子執行所需的數據後，目標算子指向的加速器件可發起目標算子執行，並產生處理結果。
62.在步驟103中，可將執行目標算子後所產生的處理結果，回注至大數據系統中。本實施例提供的異構加速產品獨立在大數據系統之外，因此，在大數據系統之外產生的異構加速處理結果，需回注至大數據系統中。
63.正如前文提及的，本實施例提供的異構加速產品可接入大數據系統的運行時環境中，因此，異構加速產品中的加速器件可將產生的處理結果提供給大數據系統的運行時環境，從而使處理結果回注到大數據系統中原本的處理鏈路，以供大數據系統繼續執行後續的處理邏輯。
64.至此，本實施例提供的異構加速產品可獨立在大數據系統之外，並替代大數據系統內部的執行器，而為大數據系統提供外接的異構加速服務。
65.正是基於本實施例提供的異構加速產品的獨立性，本實施例中，還可接收針對算子庫的更新請求；根據更新請求，對算子庫中的異構加速算子進行如下操作中的至少一種：新增、刪減和修改。也即是，本實施例中的算子庫是可以演進的，算子庫中的異構加速算子也是可以演進的。這使得本實施例提供的異構加速產品可以靈活更新，不斷優化，從而不斷提高異構加速性能。
66.另外，本實施例提供的異構加速產品內部還可支持資源管理功能。為此，本實施例中：還可獲取支持目標算子的各個加速器件各自對應的資源使用狀態；按照預置的資源調度策略，從支持目標算子的各個加速器件中選取目標加速器件，作為目標算子所指向的加速器件。也即是，本實施例中，可根據各個加速器件的資源使用狀態，來進行加速器件的調度，以優化資源配置，提高產品性能。
67.綜上，本實施例中，可提供一種通用的異構加速產品，可快速、便捷地適配至任意的大數據系統，將大數據系統中的異構加速需求引流至本實施例提供的異構加速產品上；異構加速產品可提供豐富的算子庫，從而能夠更加全面地覆蓋不同大數據系統的異構加速
需求。這樣，不僅保證了各個大數據系統仍可按自身的個性化需求執行除異構加速邏輯之外的其它邏輯，而且，還可有效節省各個大數據系統對異構加速邏輯的開發成本，並可方便地對異構加速邏輯進行演進，提升異構加速性能。
68.圖3為本技術一示例性實施例提供的一種應用方案的邏輯示意圖。參考圖3，在該應用方案中，以大數據系統spark為例。在該應用方案中：
69.a、spark加速引擎適配器(可以採用插件形式部署在spark中)
70.1.1接受用戶請求，解析sql並使用優化器生成執行計劃，將適合異構加速引擎的算子下推到統一到異構加速引擎，如filter；
71.1.2將需要計算的數據轉換成加速引擎需要的統一數據規範。
72.b、本實施例提供的通用的異構加速產品(圖3中虛線框部分)
73.1、接受需要計算的算子，解析算子對應的數據；
74.2、利用內置的文件讀取器從底層存儲系統或者內存數據獲取需要計算的數據；
75.3、從算子庫中搜索目標算子執行從上層spark下推的算子，如fpga算子執行filter算子，gpu庫執行join算子，asic庫壓縮解壓縮/加解密算子，以獲得更優的執行速度；
76.4、fpga/gpu/asic加速器件接受數據，並發起算子執行，並將返回結果輸出給異構加速產品的運行時環境；
77.5、運行時環境將數據返回給加速引擎適配器；
78.6、spark等上層應用繼續進行後續計算。
79.通過以上應用方案，可知，spark不再需要利用其內部的執行器承擔異構加速工作，而是通過本實施例提供的異構加速產品來無障礙對接至spark，並未spark提供異構加速支持，異構加速的處理結果也可無障礙地回注到spark中。
80.需要說明的是，上述實施例所提供方法的各步驟的執行主體均可以是同一設備，或者，該方法也由不同設備作為執行主體。另外，在上述實施例及附圖中的描述的一些流程中，包含了按照特定順序出現的多個操作，但是應該清楚了解，這些操作可以不按照其在本文中出現的順序來執行或並行執行，操作的序號如101、102等，僅僅是用於區分開各個不同的操作，序號本身不代表任何的執行順序。另外，這些流程可以包括更多或更少的操作，並且這些操作可以按順序執行或並行執行。
81.從產品部署的角度而言，上述實施例提供的異構加速產品可部署在分布式系統或者單臺雲計算節點上。
82.針對部署在單臺計算節點上的情況，圖4為本技術另一示例性實施例提供的一種異構加速設備的結構示意圖。參考圖4，該異構加速設備可包括：存儲器40、處理器41以及加速器件。
83.處理器41，與存儲器40和加速器件42耦合，用於執行存儲器40中的電腦程式，以用於：
84.接收任意大數據系統發出的異構加速請求，異構加速請求中包含算子需求描述信息；
85.從預置的算子庫中，查找與算子需求描述信息適配的目標算子，算子庫中預置有至少一個異構加速算子；
86.利用目標算子所指向的加速器件，執行目標算子；
87.將執行目標算子後所產生的處理結果，回注至大數據系統中。
88.其中，異構加速設備上可裝配各種類型的加速器件，以支持算子庫中各種類型的異構加速算子。本實施例中的算子庫中的異構加速算子可儘量全面，以覆蓋各種大數據系統的異構加速需求，相應的，加速器件也可儘量全面。另外，為了保證異構加速效率，本實施例中，對異構加速設備上裝配的各類加速器件的數量不做限定，可按需進行配置。
89.本實施例中，可提供異構加速引擎，處理器41可運行異構加速引擎，以與相關的加速器件配合，來實施上述的處理邏輯。本實施例中，異構加速引擎可與大數據系統運行在同一計算設備上，以為大數據系統提供本地的異構加速服務；當然，也可與大數據系統運行在不同的計算設備上，以為大數據系統提供遠程的異構加速服務，本實施例對此不做限定。
90.在一可選實施例中，處理器41在接收任意大數據系統發出的異構加速請求的過程中，可用於：
91.利用預置的統一接口接收異構加速請求，統一接口支持指定數據格式和指定算子描述語言；
92.其中，由大數據系統按照指定算子描述語言生成算子需求描述信息；將算子需求描述信息關聯的內存數據轉換為指定數據格式並攜帶在異構加速請求中。
93.在一可選實施例中，處理器41還可用於：
94.解析算子需求描述信息，以確定異構加速請求是否需要從存儲系統中調用數據；
95.若需要，在目標算子的執行過程中，從存儲系統中獲取目標算子執行所需的數據。
96.在一可選實施例中，處理器41在從預置的算子庫中，查找與算子需求描述信息適配的目標算子的過程中，可用於：
97.從算子庫中搜索符合算子需求描述信息的至少一個候選算子；
98.從至少一個候選算子中，選擇與算子需求描述信息的適配度最高的算子，作為目標算子。
99.在一可選實施例中，算子庫包含fpga算子庫、gpu算子庫和/或asic算子庫；fpga算子庫中的各個異構加速算子指向fpga加速器件；gpu算子庫中的各個異構加速算子指向gpu加速器件；asic算子庫中的各個異構加速算子指向asic加速器件。
100.在一可選實施例中，處理器41在將執行目標算子後所產生的處理結果，回注至大數據系統中時，可用於：
101.利用當前的運行時環境，接收執行目標算子的加速器件返回的處理結果；
102.將處理結果返回大數據系統。
103.在一可選實施例中，處理器41還可用於：
104.接收針對算子庫的更新請求；
105.根據更新請求，對算子庫中的異構加速算子進行如下操作中的至少一種：新增、刪減和修改。
106.在一可選實施例中，處理器41還可用於：
107.獲取支持目標算子的各個加速器件各自對應的資源使用狀態；
108.按照預置的資源調度策略，從支持目標算子的各個加速器件中選取目標加速器件，作為目標算子所指向的加速器件。
109.在一可選實施例中，支持算子庫的各個加速器件部署於分布式系統中或者雲計算節點上。
110.在一可選實施例中，處理器41還可用於：
111.利用適配組件識別異構加速請求採用的數據格式和算子描述語言；
112.將異構加速請求採用的數據格式轉換為指定數據格式；
113.將異構加速請求採用的算子描述語言轉換為指定算子描述語言。
114.值得說明的是，上述關於異構加速設備各實施例中的技術細節，可參考前述的方法實施例中的相關描述，為節省篇幅，在此不再贅述，但這不應造成本技術保護範圍的損失。
115.進一步，如圖4所示，該異構加速設備還包括：通信組件43、電源組件44等其它組件。圖4中僅示意性給出部分組件，並不意味著異構加速設備只包括圖4所示組件。
116.對於部署在分布式系統的情況，圖5為本技術又一示例性實施例提供的一種異構加速系統的結構示意圖。參考圖5，本實施例中，可在分布式系統中配置管理節點50和多臺計算節點51，多臺計算節點上可插設全量或者非全量的加速器件，全量是指全部類型。本實施例中的加速器件的類型可包括但不限於fpga加速器件、gpu加速器件或asic加速器件等。
117.其中，管理節點50，可用於接收任意大數據系統發出的異構加速請求，異構加速請求中包含算子需求描述信息；將異構加速請求調度至多個計算節點中的目標節點；
118.目標節點51，可用於從預置的算子庫中，查找與算子需求描述信息適配的目標算子，算子庫中預置有至少一個異構加速算子；利用目標算子所指向的加速器件，執行目標算子；將執行目標算子後所產生的處理結果，回注至大數據系統中。
119.本實施例中，可在每個計算節點51上裝載異構加速引擎，計算節點51可通過運行異構加速引擎而響應由管理節點50調度而來異構加速請求。另外每個計算節點51上插接的加速器件可以是全類型的，也可以不是全類型的。對於非全類型的情況下，管理節點50在進行異構加速請求調度的過程中，可初步識別異構加速請求可能需要使用的加速器件類型，並將異構加速請求調度至插接有這些類型的加速器件的計算節點51上，以保證本實施例提供的異構加速系統可順利響應異構加速請求。
120.本實施例中，計算節點51在接收到異構加速請求之後的處理邏輯與圖4所示的異構加速設備相似，在此不再重複說明。
121.值得說明的是，上述關於異構加速系統各實施例中的技術細節，可參考前述的方法實施例中的相關描述，為節省篇幅，在此不再贅述，但這不應造成本技術保護範圍的損失。
122.相應地，本技術實施例還提供一種存儲有電腦程式的計算機可讀存儲介質，電腦程式被執行時能夠實現上述方法實施例中可由異構加速設備執行的各步驟。
123.上述圖4中的存儲器，用於存儲電腦程式，並可被配置為存儲其它各種數據以支持在計算平臺上的操作。這些數據的示例包括用於在計算平臺上操作的任何應用程式或方法的指令，聯繫人數據，電話簿數據，消息，圖片，視頻等。存儲器可以由任何類型的易失性或非易失性存儲設備或者它們的組合實現，如靜態隨機存取存儲器(sram)，電可擦除可編程只讀存儲器(eeprom)，可擦除可編程只讀存儲器(eprom)，可編程只讀存儲器(prom)，只讀存儲器(rom)，磁存儲器，快閃記憶體，磁碟或光碟。
124.上述圖4中的通信組件，被配置為便於通信組件所在設備和其他設備之間有線或無線方式的通信。通信組件所在設備可以接入基於通信標準的無線網絡，如wifi，2g、3g、4g/lte、5g等移動通信網絡，或它們的組合。在一個示例性實施例中，通信組件經由廣播信道接收來自外部廣播管理系統的廣播信號或廣播相關信息。在一個示例性實施例中，所述通信組件還包括近場通信(nfc)模塊，以促進短程通信。例如，在nfc模塊可基於射頻識別(rfid)技術，紅外數據協會(irda)技術，超寬帶(uwb)技術，藍牙(bt)技術和其他技術來實現。
125.上述圖4中的電源組件，為電源組件所在設備的各種組件提供電力。電源組件可以包括電源管理系統，一個或多個電源，及其他與為電源組件所在設備生成、管理和分配電力相關聯的組件。
126.本領域內的技術人員應明白，本技術的實施例可提供為方法、系統、或電腦程式產品。因此，本技術可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本技術可採用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限於磁碟存儲器、cd-rom、光學存儲器等)上實施的電腦程式產品的形式。
127.本技術是參照根據本技術實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
128.這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。
129.這些電腦程式指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。
130.在一個典型的配置中，計算設備包括一個或多個處理器(cpu)、輸入/輸出接口、網絡接口和內存。
131.內存可能包括計算機可讀介質中的非永久性存儲器，隨機存取存儲器(ram)和/或非易失性內存等形式，如只讀存儲器(rom)或快閃記憶體(flash ram)。內存是計算機可讀介質的示例。
132.計算機可讀介質包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現信息存儲。信息可以是計算機可讀指令、數據結構、程序的模塊或其他數據。計算機的存儲介質的例子包括，但不限於相變內存(pram)、靜態隨機存取存儲器(sram)、動態隨機存取存儲器(dram)、其他類型的隨機存取存儲器(ram)、只讀存儲器(rom)、電可擦除可編程只讀存儲器(eeprom)、快閃記憶體或其他內存技術、只讀光碟只讀存儲器(cd-rom)、
數字多功能光碟(dvd)或其他光學存儲、磁盒式磁帶，磁帶式磁碟存儲或其他磁性存儲設備或任何其他非傳輸介質，可用於存儲可以被計算設備訪問的信息。按照本文中的界定，計算機可讀介質不包括暫存電腦可讀媒體(transitory media)，如調製的數據信號和載波。
133.還需要說明的是，術語「包括」、「包含」或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制的情況下，由語句「包括一個
……」
限定的要素，並不排除在包括所述要素的過程、方法、商品或者設備中還存在另外的相同要素。
134.以上所述僅為本技術的實施例而已，並不用於限制本技術。對於本領域技術人員來說，本技術可以有各種更改和變化。凡在本技術的精神和原理之內所作的任何修改、等同替換、改進等，均應包含在本技術的保護範圍之內。