CN103645797A - 一种基于时间片利用率的低功耗调频方法 - Google Patents
一种基于时间片利用率的低功耗调频方法 Download PDFInfo
- Publication number
- CN103645797A CN103645797A CN201310692951.5A CN201310692951A CN103645797A CN 103645797 A CN103645797 A CN 103645797A CN 201310692951 A CN201310692951 A CN 201310692951A CN 103645797 A CN103645797 A CN 103645797A
- Authority
- CN
- China
- Prior art keywords
- processor
- utilization
- task
- timeslice
- labeled
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Power Sources (AREA)
Abstract
本发明涉及一种基于时间片利用率的低功耗调频方法。其技术方案是:第一步是建立多任务模型;第二步是计算任务的预期利用率;第三步是建立处理器频率与处理器利用率的映射;第四步是对任务执行时的处理器进行调频。本发明适用于面向基于时间片调度的系统,充分利用了同一任务或同类任务在处理器利用率上的时间连续性特点,既加快了调度的速度,又降低了任务运行的功耗,提高了任务调度的整体性能。
Description
技术领域
本发明属于低功耗调频技术领域,特别是涉及一种基于时间片利用率的低功耗调频方法。
背景技术
随着IT产品功能日益强大,消耗的功率也随之逐渐增高。如今,由十亿个晶体管构成的芯片,额外漏电已经达到60~70瓦。功耗的提高也带来了散热量的增加,对散热设备的要求也越来越高。比如,一个数据中心产生的热量70%来源于各种IT设备。作为信息化业务的核心载体,大量的计算设备通常必须长时间不间断运行,从而带来了巨大的电能消耗。比如,服务器和数据中心的能耗占IT产品总能耗的30%以上。但是,服务器的平均利用率却仅有10~15%。可见服务器浪费了巨大的能量。
软件节能技术主要通过系统软件对硬件运行时的控制,通过动态调节硬件的工作状态达到节能的目的。当前的主要硬件设备(处理器、外存、显示器、网卡等)都提供了简单的功耗管理接口,当这些设备处于空闲状态时,都可被置于低功耗状态达到节省功耗的目的。软件节能技术通过对设备功耗接口的利用,通过运行时的系统状态改变设备状态,达到节能的目的。
动态电压调节DVS(Dynamic Voltage Scheduling)技术主要解决了一个频率与内核电压同步调整的协同和模块化问题,其前提是处理器的负载一直在变,当处理器的利用率较低时,通过DVS技术降低处理器电压与频率,同时不影响性能。目前主要存在三类DVS手段:Interval-based approaches、inter taskapproaches、intra task approaches。Interval-Based Approaches技术主要采用的是在某个时间段或者某几个时间段内处理器忙碌程度进行采样,然后对系统下面几个时间段内有可能的情况作一个评估,根据评估结果对处理器的频率进行调整,这种算法根据对未来处理器利用率的评估算法不同,进行了进一步的划分。Inter task Approaches技术采用对不同的task定义一个不同的处理器频率的技术,这种技术要求程序在整个过程中都是使用同一个频率。
Intra task Approaches技术在操作系统层面上主要有两种基本方法,分别是PACE和Stochastic DVS。这两种基本方法在某个任务每次运行时都为它选择一个适当的频率,这个频率的选择主要是根据以前这个任务运行时测到的负载的概率分布。这两个算法的主要区别在于他们的代价函数,Stochastic DVS认为能耗和供电电压的平方成正比,而PACE认为能耗是和处理器频率的平方成正比。
在OS层面,存在基于的intra-task的DVS方法,将DVS技术和EDF算法结合,将程序分为两个子程序,其中上半部分程序运行在最高频率,而下半部分程序就可以运行得足够慢,只要保证两者运行时间之和低于这个程序的整体平均运行时间。另外还有一些基于编译器实现intra-task展开。
现有方法进行设计时,往往考虑的是系统所有任务的运行特征,较少考虑任务之间的差别,导致不同任务对其时间片的利用率降低和系统功耗较高。
发明内容
本发明旨在克服现有技术缺陷,目的在于提供一种基于时间片利用率的低功耗调频方法。该方法既能加快调度速度和降低处理器运行功耗,又能提高任务调度的整体性能。
为实现上述目的,本发明采用的技术方案的步骤是:
第一步、建立多任务模型
对于系统中运行的多任务,以集合T表示:T={t0,t1,…,tn-1}。
对于集合T中的任务ti,任务ti已在系统中运行了k个时间片;k个时间片的标记如下:
第一个时间片标记为r0,第二个时间片标记为r1,第三个时间片标记为r2,以此类推,第k个时间片标记为rk-1;
第一个时间片r0内的处理器利用率标记为Ur0,第二个时间片r1内的处理器利用率标记为Ur1,第三个时间片r2内的处理器利用率标记为Ur2,以此类推,第k个时间片rk-1内的处理器利用率标记为Urk-1。
对于处于不同频率下的处理器利用率Ai,按照如下方式进行转化:
(1)如果不同频率下的处理器利用率Ai为1.0,则转化为最大频率下的处理器利用率B为1.0。
(2)如果不同频率下的处理器利用率Ai小于1.0,则将不同频率下的处理器利用率Ai乘以θ,θ为具有不同频率下的处理器利用率所在的频率/最大频率。
第二步、计算任务的预期利用率
对于集合T中的任务ti,任务ti的预期利用率U(ti):
式(1)中:l表示最近使用的时间片数量;
α表示权重因子,α的范围为[0,1]。
第三步、建立处理器频率与处理器利用率的映射
对于任一处理器P,该处理器P的处理器频率共有e个级别,分别为p0,p1,…,pe-1;处理器利用率为U(P),将处理器利用率U(P)划分为e个范围,分别为[0,μ1×1/e],(μ1×1/e,μ2×2/e],…,(μe-1×(e-1)/e,1],依次记为U(P)0,U(P)1,…,U(P)e-1。
其中:μ1,μ2,…,μe-1是指任一处理器P对处理器利用率U(P)的划分范围进行调整的系数,μ1<2μ2<3μ3…<(e-1)μe-1≤1。
则任一处理器P的处理器频率与任一处理器P的处理器利用率U(P)的映射为:将处理器P的处理器利用率U(P)i映射到处理器P的处理器频率pi。
第四步、对任务执行时的处理器进行调频
根据第二步中计算的任务ti的预期利用率U(ti),对任务ti执行时的处理器进行调频;当任务ti的预期利用率U(ti)为处于U(P)0,U(P)1,…,U(P)e-1中的U(P)i范围内时,将任务ti下一个时间片内的处理器频率调整为处理器P的处理器频率pi。
由于采用上述技术方案,本发明与现有技术相比,具有如下积极效果:
本发明对同一任务或同类任务在不同时间片的处理器利用率U(P)进行统计,通过对历史处理器利用率来实现对处理器频率的调整,从而达到降低处理器功耗的目的,具体表现为:
(1)低能耗。本发明中,对任务在运行时的处理器频率进行调整,通过降低处理器频率,使得任务在保证按时完成的情况下,减少处理器的功耗,从而降低系统功耗。
(2)高效性。在系统中会运行各种不同的任务,不同的任务之间具有一定的差异。在本发明中,对于同一任务所使用的不同时间片进行统计,从而对下一时间片内所需的处理器频率进行预测,并对处理器频率进行调整。因此,能够实现高效的调频,以及对处理器的有效使用。
因此,本发明适用于面向基于时间片调度的系统,能充分利用任务在处理器利用率U(P)上的特点,既加快了调度的速度,又降低了处理器运行的功耗,提高了任务调度的整体性能。
附图说明
图1是本发明的一种方法示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述,并非对其保护范围的限制。
一种基于时间片利用率的低功耗调频方法。该方法的步骤如图1所示:
第一步、建立多任务模型
对于系统中运行的多任务,以集合T表示:T={t0,t1,…,tn-1}。
对于集合T中的任务ti,任务ti已在系统中运行了k个时间片;k个时间片的标记如下:
第一个时间片标记为r0,第二个时间片标记为r1,第三个时间片标记为r2,以此类推,第k个时间片标记为rk-1。
第一个时间片r0内的处理器利用率标记为Ur0,第二个时间片r1内的处理器利用率标记为Ur1,第三个时间片r2内的处理器利用率标记为Ur2,以此类推,第k个时间片rk-1内的处理器利用率标记为Urk-1。
对于处于不同频率下的处理器利用率Ai,按照如下方式进行转化:
(1)如果不同频率下的处理器利用率Ai为1.0,则转化为最大频率下的处理器利用率B为1.0。
(2)如果不同频率下的处理器利用率Ai小于1.0,则将不同频率下的处理器利用率Ai乘以θ,θ为具有不同频率下的处理器利用率所在的频率/最大频率;
对于具有5个任务的多任务集合T={t0,t1,t2,t3,t4},每个任务的时间片及其对应的处理器利用率,如表1所示。
表1每个任务的时间片及其对应的处理器利用率
时间片 | r0 | r1 | r2 | r3 | r4 | r5 | r6 |
任务t0在每个时间片的处理器利用率 | 0.8 | 0.6 | 0.7 | 0.6 | 0.7 | 0.8 | 0.7 |
任务t1在每个时间片的处理器利用率 | 0.6 | 0.5 | 0.6 | 0.5 | 0.4 | 0.7 | |
任务t2在每个时间片的处理器利用率 | 1 | 1 | 0.8 | 0.7 | 1 | 0.9 | 0.8 |
任务t3在每个时间片的处理器利用率 | 0.5 | 0.6 | 0.5 | 0.7 | 0.6 | ||
任务t4在每个时间片的处理器利用率 | 0.6 | 0.7 | 0.7 | 0.6 | 0.6 | 0.7 |
表1中:每个处理器利用率均已经经过转化,是最大频率下的处理器利用率。其中的行与列的交叉点的数字,表示任务ti在其时间片rj中的处理器利用率,例如,“r0”列与“任务t0在每个时间片的处理器利用率”行交叉处的0.8表示任务t0在任务t0的时间片r0内的处理器利用率。
第二步、计算任务的预期利用率
对于集合T中的任务ti,任务ti的预期利用率U(ti):
式(1)中:l表示最近使用的时间片的数量;
α表示权重因子,α的范围为[0,1]。
具有如表1所示的处理器利用率的多任务集合T,取l=3,即最近使用过的时间片的数量为3,α=0.3,则每个任务的预期利用率如表2所示。
表2每个任务的预期利用率
U(t0) | U(t1) | U(t2) | U(t3) | U(t4) | |
U(ti) | 0.716 | 0.543 | 0.893 | 0.585 | 0.643 |
第三步、建立处理器频率与处理器利用率的映射
对于任一处理器P,该处理器P的处理器频率共有e个级别,分别为p0,p1,…,pe-1;处理器利用率为U(P),将处理器利用率U(P)划分为e个范围,分别为[0,μ1×1/e],(μ1×1/e,μ2×2/e],…,(μe-1×(e-1)/e,1],记为U(P)0,U(P)1,…,U(P)e-1;μ1,μ2,…,μe-1是指任一处理器P对处理器利用率U(P)的划分范围进行调整的系数,μ1<2μ2<3μ3…<(e-1)μe-1≤1。
则任一处理器P的处理器频率与任一处理器P的处理器利用率U(P)的映射为:将处理器P的处理器利用率U(P)i映射到处理器P的处理器频率pi。
本实施例中,处理器P的处理器频率共有4个级别,第1个级别的处理器频率p0=1Ghz,第2个级别的处理器频率p1=1.2Ghz,第3个级别的处理器频率p2=1.6Ghz和第4个级别的处理器频率p3=2Ghz,系数μ1=μ2=μ3=1,处理器利用率U(P)的范围为:
U(P)0为[0,0.25];
U(P)1为(0.25,0.5];
U(P)2为(0.5,0.75];
U(P)3为(0.75,1]。
处理器频率与处理器利用率之间的映射关系为:当处理器利用率处于U(P)0范围内时,将处理器频率调整为1Ghz;当处理器利用率处于U(P)1范围内时,将处理器频率调整为1.2Ghz;当处理器利用率处于U(P)2范围内时,将处理器频率调整为1.6Ghz;当处理器利用率处于U(P)3范围内时,将处理器频率调整为2Ghz。
第四步、对任务执行时的处理器进行调频
根据第二步中计算的任务预期利用率,对任务执行时的处理器进行调频;当任务的预期利用率为处于U(P)0,U(P)1,…,U(P)e-1中的U(P)i范围内时,将任务下一个时间片内的处理器频率调整为pi。
对于具有5个任务的多任务集合T,每个任务的处理器利用率如表1所示,对于任务t0,其预期利用率为0.716,而0.5<0.716<0.75,在U(P)2范围内。因此,任务t0的第8个时间片中,处理器频率调整为1.6Ghz。对于任务t1的预期利用率为0.893,而0.75<0.893<1,在U(P)3范围内。因此,其第8个时间片中,处理器频率调整为2Ghz。
本具体实施方式对同一任务或同类任务在不同时间片的处理器利用率U(P)进行统计,通过对历史处理器利用率来实现对处理器频率的调整,从而达到降低处理器功耗的目的。本具体实施方式与现有技术相比,具有如下积极效果:
(1)高效性。在系统中会运行各种不同的任务,不同的任务或者不同类别的任务之间具有一定的差异。在本具体实施方式中,对于同一任务所使用的不同时间片或者是同类任务的不同时间片进行统计,从而对下一时间片内所需的处理器频率进行预测,并对处理器频率进行调整。因此,能够实现高效的调频,以及对处理器的有效使用。
(2)低能耗。本具体实施方式中,对任务在运行时的处理器频率进行调整,通过降低处理器频率,使得任务在保证任务按时完成的情况下,减少处理器的功耗,从而降低系统功耗。
因此,本具体实施方式适用于面向基于时间片调度的系统,充分利用了任务在处理器利用率上的特点,既加快了调度的速度,又降低了任务运行的功耗,提高了任务调度的整体性能。
Claims (1)
1.一种基于时间片利用率的低功耗调频方法,其特征在于该方法的步骤如下:
第一步、建立多任务模型
对于系统中运行的多任务,以集合T表示:T={t0,t1,…,tn-1};
对于集合T中的任务ti,任务ti已在系统中运行了k个时间片;k个时间片的标记如下:
第一个时间片标记为r0,第二个时间片标记为r1,第三个时间片标记为r2,以此类推,第k个时间片标记为rk-1;
第一个时间片r0内的处理器利用率标记为Ur0,第二个时间片r1内的处理器利用率标记为Ur1,第三个时间片r2内的处理器利用率标记为Ur2,以此类推,第k个时间片rk-1内的处理器利用率标记为Urk-1;
对于处于不同频率下的处理器利用率Ai,按照如下方式进行转化:
(1)如果不同频率下的处理器利用率Ai为1.0,则转化为最大频率下的处理器利用率B为1.0;
(2)如果不同频率下的处理器利用率Ai小于1.0,则将不同频率下的处理器利用率Ai乘以θ,θ为具有不同频率下的处理器利用率所在的频率/最大频率;
第二步、计算任务的预期利用率
对于集合T中的任务ti,任务ti的预期利用率U(ti):
式(1)中:l表示最近使用的时间片数量,
α表示权重因子,α的范围为[0,1];
第三步、建立处理器频率与处理器利用率的映射
对于任一处理器P,该处理器P的处理器频率共有e个级别,分别为p0,p1,…,pe-1;处理器利用率为U(P),将处理器利用率U(P)划分为e个范围,分别为[0,μ1×1/e],(μ1×1/e,μ2×2/e],…,(μe-1×(e-1)/e,1],依次记为U(P)0,U(P)1,…,U(P)e-1;
其中:μ1,μ2,…,μe-1是指任一处理器P对处理器利用率U(P)的划分范围进行调整的系数,μ1<2μ2<3μ3…<(e-1)μe-1≤1;
则任一处理器P的处理器频率与任一处理器P的处理器利用率U(P)的映射为:将处理器P的处理器利用率U(P)i映射到处理器P的处理器频率pi;
第四步、对任务执行时的处理器进行调频
根据第二步中计算的任务ti的预期利用率U(ti),对任务ti执行时的处理器进行调频;当任务ti的预期利用率U(ti)为处于U(P)0,U(P)1,…,U(P)e-1中的U(P)i范围内时,将任务ti下一个时间片内的处理器频率调整为处理器P的处理器频率pi。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310692951.5A CN103645797B (zh) | 2013-12-17 | 2013-12-17 | 一种基于时间片利用率的低功耗调频方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310692951.5A CN103645797B (zh) | 2013-12-17 | 2013-12-17 | 一种基于时间片利用率的低功耗调频方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103645797A true CN103645797A (zh) | 2014-03-19 |
CN103645797B CN103645797B (zh) | 2016-03-16 |
Family
ID=50251024
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310692951.5A Active CN103645797B (zh) | 2013-12-17 | 2013-12-17 | 一种基于时间片利用率的低功耗调频方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103645797B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105786152A (zh) * | 2014-12-26 | 2016-07-20 | 联想(北京)有限公司 | 一种控制方法及电子设备 |
CN106527653A (zh) * | 2016-10-12 | 2017-03-22 | 东软集团股份有限公司 | 调整cpu频率的方法及装置 |
CN109032324A (zh) * | 2018-07-03 | 2018-12-18 | 北京百度网讯科技有限公司 | 数据中心功率管控方法、装置、设备及计算机可读介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060064696A1 (en) * | 2004-09-21 | 2006-03-23 | National Tsing Hua University | Task scheduling method for low power dissipation in a system chip |
CN101135927A (zh) * | 2006-10-12 | 2008-03-05 | 浙江大学 | 一种面向嵌入式系统低功耗实时任务调度的简化方法 |
CN101226421A (zh) * | 2008-01-16 | 2008-07-23 | 浙江大学 | 实时嵌入式系统edf低功耗调度的msr方法 |
CN101604198A (zh) * | 2009-07-10 | 2009-12-16 | 杭州电子科技大学 | 一种降低嵌入式系统功耗的方法 |
US20130154583A1 (en) * | 2011-08-08 | 2013-06-20 | Southeast University | Dynamic voltage scaling system based on on-chip monitoring and voltage prediction |
-
2013
- 2013-12-17 CN CN201310692951.5A patent/CN103645797B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060064696A1 (en) * | 2004-09-21 | 2006-03-23 | National Tsing Hua University | Task scheduling method for low power dissipation in a system chip |
CN101135927A (zh) * | 2006-10-12 | 2008-03-05 | 浙江大学 | 一种面向嵌入式系统低功耗实时任务调度的简化方法 |
CN101226421A (zh) * | 2008-01-16 | 2008-07-23 | 浙江大学 | 实时嵌入式系统edf低功耗调度的msr方法 |
CN101604198A (zh) * | 2009-07-10 | 2009-12-16 | 杭州电子科技大学 | 一种降低嵌入式系统功耗的方法 |
US20130154583A1 (en) * | 2011-08-08 | 2013-06-20 | Southeast University | Dynamic voltage scaling system based on on-chip monitoring and voltage prediction |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105786152A (zh) * | 2014-12-26 | 2016-07-20 | 联想(北京)有限公司 | 一种控制方法及电子设备 |
CN105786152B (zh) * | 2014-12-26 | 2019-03-29 | 联想(北京)有限公司 | 一种控制方法及电子设备 |
CN106527653A (zh) * | 2016-10-12 | 2017-03-22 | 东软集团股份有限公司 | 调整cpu频率的方法及装置 |
CN109032324A (zh) * | 2018-07-03 | 2018-12-18 | 北京百度网讯科技有限公司 | 数据中心功率管控方法、装置、设备及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103645797B (zh) | 2016-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9477281B2 (en) | Distributed information technology infrastructure dynamic policy driven peak power management system | |
CN105893148B (zh) | 一种基于rm策略的偶发任务低能耗调度方法 | |
CN103576827B (zh) | 一种云计算数据中心在线节能调度的方法 | |
Zhong et al. | Energy-aware modeling and scheduling for dynamic voltage scaling with statistical real-time guarantee | |
Zhou et al. | A novel virtual machine deployment algorithm with energy efficiency in cloud computing | |
Zhou et al. | Reducing energy costs for IBM Blue Gene/P via power-aware job scheduling | |
CN102981890B (zh) | 一种在虚拟化数据中心内的计算任务及虚拟机部署方法 | |
CN104239153A (zh) | 多核cpu负载均衡的方法和装置 | |
Borah et al. | Power saving strategies in green cloud computing systems | |
CN103645795A (zh) | 一种基于人工神经网络的云计算数据中心节能方法 | |
CN110633152A (zh) | 用于实现业务集群水平伸缩的方法和装置 | |
CN104820618B (zh) | 一种任务调度方法、任务调度装置及多核系统 | |
CN113672383A (zh) | 一种云计算资源调度方法、系统、终端以及存储介质 | |
CN103076870A (zh) | 数据中心中能耗驱动的应用融合调度和资源动态配置方法 | |
CN103645797B (zh) | 一种基于时间片利用率的低功耗调频方法 | |
CN103455131B (zh) | 一种基于概率的嵌入式系统中能耗最小化的任务调度方法 | |
KR101655030B1 (ko) | 태스크 특성 기반의 여유시간 분배를 통한 동적 전압 주파수 스케일링 방법, 그 방법을 실행시키기 위하여 매체에 저장된 컴퓨터프로그램 및 그 매체 | |
CN103023802B (zh) | 一种面向web集群的低能耗调度系统和方法 | |
Mokaripoor et al. | A state of the art survey on DVFS techniques in cloud computing environment | |
Achar | How adopting a cloud-based architecture has reduced the energy consumptions levels | |
CN109597378A (zh) | 一种资源受限混合任务能耗感知方法 | |
Xiong et al. | Energy consumption optimization of processor scheduling for real-time embedded systems under the constraints of sequential relationship and reliability | |
WO2017172628A1 (en) | Power supply interface light load signal | |
CN104796673A (zh) | 一种面向能耗优化的云视频监控系统任务接入方法 | |
Jin et al. | Virtual machine allocation strategy in energy-efficient cloud data centres |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20191223 Address after: 313000 1-C, building 1, No. 656, Qixing Road, high tech Zone, Wuxing District, Huzhou City, Zhejiang Province Patentee after: Huzhou xinbeilian Network Technology Co., Ltd Address before: 430081 construction of Qingshan District, Hubei, Wuhan Patentee before: Wuhan University of Science and Technology |
|
TR01 | Transfer of patent right |