具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行描述。

一方面，由于边缘服务器的存储空间是有限的，在多边缘服务器环境中需要制定合适的数据存储方式，减少用户访问数据的开销，其中，多边缘服务器环境可以理解为包括多个边缘服务器的场景。另一方面，由于用户的移动性，移动设备在使用过程中往往需要切换到不同的边缘服务器，移动设备处于不同位置时从不同边缘服务器中获取数据，边缘服务器中存储的数据需要根据用户的位置进行动态调整以满足需求。

为了减少系统(包括多个边缘服务器的系统)中用户访问视频数据的总开销，在综合考虑用户偏好和移动性的基础上，本发明实施例提供了一种数据存储方法，具体地可以理解为基于用户推荐和移动轨迹预测的数据存储方法。

下面对本发明实施例提供的数据存储方法进行说明。

本发明实施例提供了一种数据存储方法，可以包括：

针对每个移动设备，基于移动设备中用户对待存储的数据的偏好信息，确定将数据推荐给移动设备的推荐评价信息；并基于移动设备在移动过程中的位置信息，确定移动设备移动至边缘服务器区域的概率；

对于每个边缘服务器区域，基于推荐评价信息和概率，确定将数据存储在边缘服务器区域的评价值；其中，边缘服务器区域包括一个或多个边缘服务器；

在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，求解能够使得总评价值达到最大的最优数据存储方式；总评价值为所有边缘服务器区域的评价值的总和；

按照最优数据存储方式，将数据存储在目标边缘服务器中，目标边缘服务器是数据存储对应的边缘服务器区域所包括的边缘服务器。

本发明实施例中，通过基于移动设备中用户对待存储的数据的偏好信息，确定将数据推荐给移动设备的推荐评价信息；并基于移动设备在移动过程中的位置信息，确定移动设备移动至边缘服务器区域的概率；同时，基于推荐评价信息和概率，确定将数据存储在边缘服务器区域的评价值；在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，求解能够使得所有边缘服务器区域的评价值的总和达到最大的最优数据存储方式，如此，按照最优数据存储方式，将数据存储在目标边缘服务器。在存在多个边缘服务器的场景下对数据进行存储时，考虑移动设备中用户对数据的偏好信息以及移动设备中用户的移动性，将数据存储在能够使得总评价值达到最大的最优数据存储方式对应的边缘服务器区域所包括的边缘服务器中，用户从该目标边缘服务器中访问数据，能够减小访问数据的开销。

图1为本发明实施例提供的数据存储方法的一种流程图。参见图1，本发明实施例提供了一种数据存储方法，可以包括：

S101，针对每个移动设备，基于移动设备中用户对待存储的数据的偏好信息，确定将数据推荐给移动设备的推荐评价信息；并基于移动设备在移动过程中的位置信息，确定移动设备移动至边缘服务器区域的概率。

推荐评价信息可以理解为表征数据与用户的偏好的匹配度。一种可实现方式中，推荐评价信息可以通过推荐得分表示。推荐得分越高则表示数据与用户的偏好匹配度越高。

一种可实现方式中，数据包括多个视频数据；推荐评价信息为推荐得分。

S101中基于移动设备中用户对待存储的数据的偏好信息，确定将数据推荐给移动设备的推荐评价信息，如图2所示，可以包括：

S1011，获取用户的历史行为信息。

历史行为信息可以包括用户在历史时刻访问行为对应的信息。例如，用户观看视频的视频标识、内容简称，等等。

S1012，基于历史行为信息，确定用户分别对多个视频数据的偏好信息。

S1013，根据用户分别对多个视频数据的偏好信息，通过预设视频推荐算法，确定将视频数据推荐给移动设备的推荐得分。

一种可实现方式中可以通过预设视频推荐算法先根据用户和场景特征，对视频列表进行召回，得到用户可能感兴趣的候选集。召回算法可以包括基于内容匹配的召回、基于协同过滤的召回、基于深度学习的召回等多种算法。召回得到候选集后，可以通过排序模型计算用户对视频数据的评分，该评分即得到的推荐得分。另外，可以根据各个视频数据的评分对用户进行视频推荐。

在多边缘服务器环境中，用户可能移动到其他区域内观看视频，用户位置的变化使得用户会访问不同边缘服务器提供的数据，在对数据进行存储的过程中，除了考虑用户对数据的偏好信息，本发明实施例还会考虑用户的移动性，本发明实施例中每个边缘服务器中存储的数据可以根据用户移动轨迹预测得到的移动到当前服务范围的概率进行动态调整。

一种可实现方式中，S101中基于移动设备在移动过程中的位置信息，确定移动设备移动至边缘服务器区域的概率，如图3所示，可以包括：

S1014，获取移动设备在移动过程中的位置信息。

S1015，根据移动设备在移动过程中的位置信息，拟合移动设备的移动轨迹。

一种可实现方式中，可以对包括多个边缘服务器的系统进行区域划分。一个边缘服务器区域中可以包括一个或者多个边缘服务器。移动设备可以就近访问所属区域内的边缘服务器以获取数据。一个边缘服务器区域可以理解为一个轨迹点。位置信息即轨迹点，也即移动过程中所所处的边缘服务器区域，基于用户移动轨迹预测移动设备后续可能移动到的轨迹点。

可以对移动设备在移动过程中的位置信息进行采样，每个边缘服务器所属的区域可以作为单个轨迹点，从而得到移动设备的轨迹数据，轨迹数据即可以理解为多个位置信息的组合。

如此，则可以基于该轨迹数据拟合移动设备的移动轨迹。本发明实施例中可以采用任意的拟合方式，如最小二乘曲线拟合法，等等。

S1016，基于移动轨迹，预测移动设备移动至边缘服务器区域的概率。

轨迹预测算法可以包括基于马尔科夫链的预测算法、基于卡尔曼滤波的算法和基于神经网络的轨迹预测算法，等等。

用户处于移动过程，用户对应的移动设备的位置信息是变化的。本发明实施例中，可以对移动设备在移动过程中的位置信息，具体地可以是移动设备在历史移动过程中的位置信息的特点进行挖掘和分析，如可以根据移动设备在移动过程中的位置信息拟合用户移动轨迹，如此，则可以基于该用户移动轨迹预测移动设备后续可能移动到的位置。

S102，对于每个边缘服务器区域，基于推荐评价信息和概率，确定将数据存储在边缘服务器区域的评价值。

其中，边缘服务器区域包括一个或多个边缘服务器。每个边缘服务器区域所包括的边缘服务器的数量可以相同也可以不同。

一种可实现方式中，评价值可以通过部署得分表示。综合考虑推荐评价信息和概率得到数据存储在边缘服务器的评价值。

S103，在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，求解能够使得总评价值达到最大的最优数据存储方式。

总评价值为所有边缘服务器区域的评价值的总和。

简单理解，数据存储方式包括每个数据分别存储在哪个边缘服务器区域。例如，可以包括数据1对应边缘服务器区域1，数据2对应边缘服务器区域2，数据3对应边缘服务器区域3，即可以理解，将数据1存储在边缘服务器区域1中，将数据2存储在边缘服务器区域2中，将数据3存储在边缘服务器区域3中。

每个边缘边缘服务器的存储空间是有限的，而边缘服务器区域的存储空间是组成边缘服务器区域的一个或多个边缘服务器的存储空间的总和，则边缘服务器区域的存储空间也是有限的，如此，存储在边缘服务器区域的数据的存储空间不能够大于边缘服务器区域本身的存储空间。

求解能够使得总评价值达到最大的最优数据存储方式可以理解为一种优化问题，本发明实施例可以采用能够实现优化的方式以求解该最优数据存储方式。

S104，按照最优数据存储方式，将数据存储在目标边缘服务器中。

目标边缘服务器是数据待存储的边缘服务器区域所包括的边缘服务器。

按照最优数据存储方式，对数据进行调度和部署。也可以理解为，按照最优数据存储方式，对边缘服务器中的数据进行调整。

可以理解一个边缘服务器区域对应一个服务范围，处于该边缘服务器区域对应的服务范围内的移动设备，可以访问该边缘服务器区域所包括的任一边缘服务器中的数据。

本发明实施例中，通过基于移动设备中用户对待存储的数据的偏好信息，确定将数据推荐给移动设备的推荐评价信息；并基于移动设备在移动过程中的位置信息，确定移动设备移动至边缘服务器区域的概率；同时，基于推荐评价信息和概率，计算将数据存储在边缘服务器区域的评价值；在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，求解能够使得总评价值达到最大的最优数据存储方式；总评价值为所有边缘服务器区域的评价值的总和，如此，按照最优数据存储方式，将数据存储在目标边缘服务器。在存在多个边缘服务器的场景下对数据进行存储时，考虑移动设备中用户对数据的偏好信息以及移动设备中用户的移动性，将数据存储在能够使得总评价值达到最大的最优数据存储方式对应的边缘服务器区域所包括的边缘服务器中，用户从该目标边缘服务器中访问数据，能够减小访问数据的开销。能够实现在多边缘服务器环境下，减小整个系统下访问数据的总开销，具体地可以降低网路时延，提高服务质量，提高用户体验。

本发明实施例提供的数据存储方法可以应用于服务器，具体地可以是云计算中心的服务器。具体地，步骤S101至S104均由服务器执行。

或者，本发明实施例提供的数据存储方法也可以应用于包括该服务器和移动设备的数据存储系统。具体地，S101由数据存储系统中移动设备来执行，即移动设备计算得到视频推荐信息和概率，并将得到的视频推荐信息和概率发送给数据存储系统中的服务器，服务器执行S102至S104。

一种可选的实施例中，本发明实施例提供了一种数据存储系统，包括：多个移动设备和多个边缘服务器。

针对每个移动设备，所述移动设备基于所述移动设备中用户对待存储的数据的偏好信息，确定将所述数据推荐给所述移动设备的推荐评价信息；并基于所述移动设备在移动过程中的位置信息，确定所述移动设备移动至边缘服务器区域的概率，并将所述推荐评价信息和所述概率发送至每个边缘服务器。

任一边缘服务器，用于对于每个所述边缘服务器区域，基于所述推荐评价信息和所述概率，确定将所述数据存储在所述边缘服务器区域的评价值；其中，所述边缘服务器区域包括一个或多个边缘服务器；在满足存储在所述边缘服务器区域的数据的存储空间不大于所述边缘服务器区域的存储空间的条件下，求解能够使得总评价值达到最大的最优数据存储方式；所述总评价值为所有所述边缘服务器区域的所述评价值的总和；按照所述最优数据存储方式，将所述数据存储在目标边缘服务器中，所述目标边缘服务器是所述数据待存储的边缘服务器区域所包括的边缘服务器。

即每个移动设备均基于所述移动设备中用户对待存储的数据的偏好信息，确定将所述数据推荐给所述移动设备的推荐评价信息；并基于所述移动设备在移动过程中的位置信息，确定所述移动设备移动至边缘服务器区域的概率，并将所述推荐评价信息和所述概率发送至每个边缘服务器。

各个边缘服务器分别接收每个移动设备发送的推荐评价信息和概率，针对任一边缘服务器，都可以基于每个移动设备发送的推荐评价信息和概率计算将所述数据存储在所述边缘服务器区域的评价值，并依据评价值确定最优数据存储方式，以基于最优数据存储方式进行自身数据更新，即更新存储在边缘服务器本地的视频数据。例如，最优数据存储方式可以说明每个数据待存储的边缘服务器区域，若一边缘服务器确定的最优数据存储方式所包括的边缘服务器区域中包括该边缘服务器，则该边缘服务器可以按照确定出的最优存储方式，将待存储至该边缘服务器的数据存储至该边缘服务器。

一种可选的实施例中，数据包括多个视频数据。

S102：基于推荐评价信息和概率，确定将数据存储在边缘服务器区域的评价值，如图4所示，可以包括：

S1021，针对每个视频数据，基于将视频数据推荐给各个移动设备的推荐评价信息与各个移动设备分别移动至边缘服务器区域的概率，得到视频数据对应的子评价值。

S1022，将各个视频数据分别对应的子评价值求和，得到将所有视频数据存储在边缘服务器区域的评价值。

分别针对各个边缘服务器区域均可以得到该边缘服务器区域对应的评价值。

一种可选的实施例中，S103：在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，求解能够使得总评价值达到最大的最优数据存储方式，如图5所示，可以包括：

S501，在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，依次遍历各种数据存储方式，并确定数据存储方式对应的总评价值；

S502，选择所有数据存储方式对应的总评价值中的最大值，并将最大值对应的数据存储方式作为最优数据存储方式。

即通过遍历的方式求解最优数据存储方式。

遍历的方式搜索了所有可能的数据存储方式，是从所有数据存储方式中选择出总评价值达到最大时所对应的数据存储方式作为最优数据存储方式，因此，遍历的方式准确度比较高，得到的最优数据存储方式的准确度比较高，与多边缘服务器环境中用户对数据的偏好以及用户的移动性更加匹配。

但是，当解空间较大时，也即数据存储方式的可能性比较多时，例如数据量和边缘服务器的数量均比较多时，遍历所有数据存储方式的计算开销比较大。为了减少计算开销，本发明可以通过智能搜索算法求解最优存储方式。

另一种可选的实施例中，S103：在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，求解能够使得总评价值达到最大的最优数据存储方式，如图6所示，可以包括：

S601，将存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间作为约束条件，并将总评价值达到最大作为优化目标，构建数据存储模型。

根据将数据推荐给移动设备的推荐评价信息(例如推荐得分)以及移动设备移动到每一边缘服务器区域中的概率，以及边缘服务器存储空间大小的限制，构建系统中所有边缘服务器的数据存储模型，也可以理解为视频存储数据总得分模型。求解模型的最优解，该最优解即最优存储方式。

S602，通过预设智能搜索算法，对数据存储模型进行求解，得到最优数据存储方式。

预设智能搜索方法可以包括遗传算法、蚁群算法、粒子群算法等启发式搜索算法。

通过智能搜索算法可以实现用较小的计算开销得到近似最优解。

以粒子群算法为例求解视频数据部署模型,也即得到最优数据存储方式。粒子群算法全称为粒子群优化算法(Particle Swarm Optimization,PSO)，其基本原理是通过初始化一群随机粒子，通过迭代来找到最优解。每个寻优问题的解被称为“粒子”，每个粒子都有一个速度来决定其移动的距离和方向，并通过适应度函数来评价候选解。设区域内边缘服务器的数量为m，可以作为粒子的维度数，粒子i的速度为v_i＝(v_i1,v_i2,v_i3,...,v_im)，粒子i的位置为x_i＝(x_i1,x_i2,x_i3,...,x_im)，粒子i的最佳位置为pbest_i＝(p_i1,p_i2,...,p_im)，群体内粒子的最佳位置为gbest＝(gbest₁,gbest₂,...,gbest_m)。初始化粒子的数量为n，给每个粒子设置随机的初始速度和位置。第k次迭代粒子i第j维速度v_ij ^k的更新公式可以表示为：

v_ij ^k＝w*v_ij ^k-1+c₁*r₁*(pbest_ij-x_ij ^k-1)+c₂*r₂*(gbest_j-x_ij ^k-1)

其中，w为惯性权重，c₁和c₂表示加速度常数，r₁和r₂表示随机参数，v_ij ^k-1为第k-1次迭代粒子i第j维速度，pbest_ij为粒子i第j维的最佳位置，gbest_j表示第j维的最佳位置。粒子的位置更新公式为：

x_ij ^k＝x_ij ^k-1+v_ij ^k-1

其中，x_ij ^k为第k次迭代粒子i第j维的位置，x_ij ^k-1为第k-1次迭代粒子i第j维的位置。

根据适应度函数计算粒子i的适应度值f_i，并将适应度值和个体最佳位置进行比较，如果当前的适应度值更优，则更新pbest_i的值。还要将适应度值和群体最优位置gbest进行比较并更新。经过迭代之后如果算法满足条件则停止迭代，gbest即为视频数据部署模型的最优解。

下面结合一个具体的实施例，对本发明实施例提供的数据存储方法进行说明。

本发明实施例提供的数据存储方法应用于多边缘服务器环境，也可以理解为包括多个边缘服务器的系统。

整个系统内包含m个边缘服务点，可以用E＝{e₁,e₂,e₃,...,e_m}来表示，第i个边缘服务器的存储空间大小为v_i。系统中共包含h个移动设备，可以用C＝{c₁,c₂,c₃,...,c_h}来表示。

根据边缘服务器提供的网络服务范围可以将系统划分为多个区域，每个区域内的移动设备可以访问所属区域的边缘服务器中存储的视频数据。边缘服务器中存储的视频数据可以用D＝{d₁,d₂,d₃，...，d_l}表示，视频数据d_k占用的存储空间大小为z_k。下面为了说明的简便，将每一个边缘服务器换分为一个区域，即一个边缘服务器区域中包括一个边缘服务器。

计算视频推荐得分：对于第j个移动设备c_j，根据用户对视频数据的偏好，通过视频推荐算法可以计算得到将视频数据d_k推荐给移动设备c_j的推荐得分为score_k ^j。

根据移动轨迹预测概率：可以对移动设备在移动过程中的位置信息进行采样，每个边缘服务器所属的区域可以作为单个轨迹点，从而得到移动设备的轨迹数据。根据收集到的轨迹数据构建轨迹预测模型，计算得到移动设备c_j达到边缘服务器e_i所属区域的概率p_j ⁱ。移动设备可以就近访问所属区域内的边缘服务器以获取视频数据。

构建数据存储模型：具体地数据存储模型可以理解为视频数据存储模型。设系统中视频d_j的数据存储方式为x_ik，可以通过x_ik＝1则表示视频数据d_k存储在边缘服务器e_i中。在e_i中根据计算得到移动设备c_j中视频数据d_k的推荐得分score_k ^j以及c_j移动到边缘服务器e_i的概率p_j ⁱ，得到边缘服务器e_i中视频数据存储的评价值，具体地可以理解为视频存储得分g_i为：

其中，l表示视频数据的数量。

此外，边缘服务器e_i中存储的视频数据需要满足边缘服务器本身存储空间的限制，使用公式可以表示为：

得到每个边缘服务器的视频存储得分后，可以计算系统中所有边缘服务器的总得分为：

视频数据存储模型的目标是在边缘服务器存储空间的限制条件下，确定视频数据存储方式x^ik，使得系统中视频数据存储的总得分最大。

求解视频数据存储模型：从总得分的公式中可以看出，视频部署问题可以建模为整数规划问题。使用常规方法(遍历的方式)或者智能搜索算法可以对模型进行求解，得到系统中最优的视频数据存储方式。按照该最优的视频数据存储方式，将视频数据存储在相应的边缘服务器上。

本发明实施例中，所有的步骤可以均通过云计算中心的服务器来完成。

或者，计算视频推荐得分和根据移动轨迹预测概率的步骤可以是移动设备来完成，即移动设备计算视频推荐得分以及根据移动轨迹预测概率，并将得到的视频推荐得分和概率发送给云计算中心的服务器，服务器再根据视频推荐得分和概率构建数据存储模型和求解视频数据存储模型。

一种可实现方式中，应用本发明实施例提供数据存储方法的系统可以包括云计算中心、移动设备和边缘服务器。如图7所示，云计算中心包括部署决策模块。移动设备包括视频推荐模块、位置采样模块、轨迹预测模块和网络通信模块。边缘服务器包括网络通信模块和视频存储模块。

其中，视频推荐模块，用于根据视频推荐算法计算给每个移动设备推荐视频的视频推荐得分。

位置采样模块，用于在移动设备的移动过程中对移动设备位置信息进行采样，得到移动设备的移动轨迹数据。

轨迹预测模块，用于根据移动设备的移动轨迹数据拟合移动轨迹，根据移动轨迹构建移动轨迹预测模块，预测移动设备到达边缘服务器的概率。

网络通信模块，用于用于移动设备和边缘服务器的网络通信，移动设备通过网络通信模块访问边缘服务器中存储的视频数据。

视频存储模块，用于在边缘服务器中存储视频数据。

部署决策模块，位于云计算中心，用于通过每个边缘服务器的视频推荐得分和移动设备对应的概率，计算系统中所有边缘服务器的总得分。构建视频数据存储模块并求解，得到最优的视频数据存储方式，并根据最优的视频数据存储方式存储视频数据。

本发明实施例中，综合考虑用户对视频数据的偏好以及用户的移动性，在边缘服务器存储空间的限制条件下，构建视频数据存储模型，求解得到最优的视频数据存储方式。该最优的视频数据存储方式可以充分发挥边缘计算的优势，减少访问视频的网络开销，提升用户的使用体验。使用边缘服务器存储视频数据，根据视频推荐得分和根据移动轨迹预测得到的移动设备移动至边缘服务器的概率构建视频数据存储模型，并求解该视频数据存储模型得到的最优的视频数据存储方式，根据该视频数据存储方式将各个视频数据存储在边缘服务器中，用户可以访问对应边缘服务器中的视频数据以观看视频，如此，能够减少用户观看视频的网络时延，提升服务质量。

对应于上述实施例提供的数据存储方法，本发明实施例还提供了一种数据存储装置，如图8所示，可以包括：

推荐模块801，用于针对每个移动设备，基于移动设备中用户对待存储的数据的偏好信息，确定将数据推荐给移动设备的推荐评价信息；

轨迹预测模块802，用于基于移动设备在移动过程中的位置信息，确定移动设备移动至边缘服务器区域的概率；

确定模块803，用于对于每个边缘服务器区域，基于推荐评价信息和概率，确定将数据存储在边缘服务器区域的评价值；其中，边缘服务器区域包括一个或多个边缘服务器；

求解模块804，用于在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，求解能够使得总评价值达到最大的最优数据存储方式；总评价值为所有边缘服务器区域的评价值的总和；

存储模块805，用于按照最优数据存储方式，将数据存储在目标边缘服务器中，目标边缘服务器是数据待存储的边缘服务器区域所包括的边缘服务器。

可选的，数据包括多个视频数据；

确定模块803，具体用于针对每个视频数据，基于将视频数据推荐给各个移动设备的推荐评价信息与各个移动设备分别移动至边缘服务器区域的概率，得到视频数据对应的子评价值；将各个视频数据分别对应的子评价值求和，得到将所有视频数据存储在边缘服务器区域的评价值。

可选的，求解模块804，具体用于在满足存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间的条件下，依次遍历各种数据存储方式，并确定数据存储方式对应的总评价值；选择所有数据存储方式对应的总评价值中的最大值，并将最大值对应的数据存储方式作为最优数据存储方式。

可选的，求解模块804，具体用于将存储在边缘服务器区域的数据的存储空间不大于边缘服务器区域的存储空间作为约束条件，并将总评价值达到最大作为优化目标，构建数据存储模型；通过预设智能搜索算法，对数据存储模型进行求解，得到最优数据存储方式。

可选的，数据包括多个视频数据；推荐评价信息为推荐得分；

推荐模块801，具体用于获取用户的历史行为信息；基于历史行为信息，确定用户分别对多个视频数据的偏好信息；根据用户分别对多个视频数据的偏好信息，通过预设视频推荐算法，确定将视频数据推荐给移动设备的推荐得分。

可选的，轨迹预测模块802，具体用于获取移动设备在移动过程中的位置信息；根据移动设备在移动过程中的位置信息，拟合移动设备的移动轨迹；基于移动轨迹，预测移动设备移动至边缘服务器区域的概率。

本发明实施例还提供了一种数据存储设备，如图9所示，包括处理器901、通信接口902、存储器903和通信总线904，其中，处理器901，通信接口902，存储器903通过通信总线904完成相互间的通信。

存储器903，用于存放计算机程序；

处理器901，用于执行存储器903上所存放的程序时，实现上述实施例中数据存储方法的方法步骤。

上述数据存储设备提到的通信总线可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述数据存储设备与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，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(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称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。

在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中数据存储方法的方法步骤。

在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中数据存储方法的方法步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、计算机可读存储介质以及计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。