CN104065506B - 移动互联网应用模块的部署方法 - Google Patents
移动互联网应用模块的部署方法 Download PDFInfo
- Publication number
- CN104065506B CN104065506B CN201410218552.XA CN201410218552A CN104065506B CN 104065506 B CN104065506 B CN 104065506B CN 201410218552 A CN201410218552 A CN 201410218552A CN 104065506 B CN104065506 B CN 104065506B
- Authority
- CN
- China
- Prior art keywords
- terminal
- application
- service end
- application module
- service
- 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.)
- Expired - Fee Related
Links
Abstract
本发明公开了一种移动互联网应用模块的部署方法，通过将终端接入到服务端，并采集终端的状态信息传输到服务端，服务端通过应用当前的贝叶斯网络预测模型计算出此终端上应用模块的最佳部署方案再回传给终端，提高了应用的服务质量和运行效率。其次，将应用抽象成多个的服务模型，这样简化了应用的拓扑结构，降低了应用复杂度，同时解决了以往应用模型用于复杂应用时导致应用部署方案计算执行效率低的问题；在终端的运行应用过程中，实时采集此时终端所处服务模型中所涉及到的应用模块基本信息及终端状态信息，并定时传输给服务端，服务端使用这些信息更新应用的贝叶斯网络预测模型，从而使得有新终端接入时可以获得更加准确的部署方案。
Description
技术领域
本发明属于互联网通信技术领域，更为具体地讲，涉及一种移动互联网应用模块的部署方法。
背景技术
移动互联网应用已经引发了信息产业的深度变革，应用具有分布性广、移动性强的特点。一个移动互联网应用完整的业务流程一般会涉及到终端和服务端的交互，例如苹果手机的智能语音助手Siri，手机终端采集用户的语音并进行识别，然后将识别后的信息传输至服务端，服务端将这类信息进行识别后得到了用户意图，然后根据此意图进行知识搜索，并将搜索得到的结果传回手机终端展现给客户。在这个业务流程当中，手机终端负责采集用户的语音并进行识别，以及最后结果的展示。但是同样是语音助手，基于Android系统的大部分手机都是将语音流传输到服务器，在服务器上完成语音的识别。其中最主要的原因在于如果在手机终端完成语音识会耗费手机大量的CPU资源及电量；而如果将语音流传输至服务器的话可以节省CPU资源及电量，但另一方面又会耗费大量的网络通信带宽。这个例子说明，一个移动互联网应用由多个功能模块组成(如例子中的语音识别模块，知识搜索模块)，其中有一部分功能模块既可以在终端运行，也可以在服务端运行，需要根据具体情况来进行判断。如何判断哪些功能模块在终端或者服务端运行可以使得应用用户体验最好就是应用功能模块部署所要解决的问题。除此之外，大规模应用微信或WhatsApp的用户数量都达数亿，而应用本身集成的独立功能模块越来越多，如微信平台的朋友圈，对讲机，实时视频等。如何对于具有海量用户的移动互联网应用提供有效的应用部署方案也是一项挑战。
应用部署指的是根据终端目前状态以及应用本身复杂度来决定应用中哪些功能模块在服务端运行，哪些功能模块在终端运行可以使应用服务质量最好，系统性能最优。
当前研究工作多是针对单一平台上简单应用提出的应用部署流程，部署方案不优，且不适用于大型应用。而这些方面正是移动云计算应用从理论走向实际所需要解决的关键问题。移动互联网应用部署主要涉及到以下几个方面：
(1)应用模型:不仅需要能简洁的反映出整个应用的拓扑结构，也需要反映出应用所包含模块间的交互以及依赖程度。当前的研究有几种主流的观点,分别是将应用的功能模块表示成图的拓扑结构，树的拓扑结构和弹性应用模型。但这几类模型对简单应用较为适用，一旦应用复杂度增加，应用模块间相关程度增大，其拓扑结构复杂度会增大，直接影响了应用部署的效率及准确性；
(2)海量应用运行时数据的采集及处理：应用的合理部署依赖于准确的预测，而预测模型需要大量数据进行前期训练并不断更新，这些数据由用户使用应用时上传到服务端或服务端的信息组成。如何搜集和存储数以亿计的应用运行时信息，分类整理后传递给应用部署算法进行处理就成了前提条件，这里会涉及到海量数据的采集，存储以及如何与后期部署算法整合；
(3)应用部署算法：应用部署指的是根据终端首次接入应用时的环境和状态选择出最合适的部署方案，将应用中的模块按一定策略部署到移动端或服务端，以达到应用在这种环境和状态下最优的用后体现和系统性能。如何确定最合适的部署方案一般通过部署算法计算得出。应用部署算法主要分为静态算法与动态算法两种，静态算法具有较高的准确性，但计算量大，一般通过分类或聚类算法先期计算出预测模型，这意味着需要采集大量的用户数据来完成机器学习，从而在新用户接入应用时服务端可以快速给出恰当的部署方案；而动态算法不需要进行前期学习，根据终端首次接入应用时的状态进行实时的计算，性能及准确性不高。
发明内容
本发明的目的在于克服现有技术的不足，提供一种移动互联网应用模块的部署方法，通过MapReduce框架对数据进行采集和存储，再通过贝叶斯网络算法获取到最佳的部署方案，使终端与服务端得到有效融合，具有可扩展、高灵活以及高效率的性能。
为实现上述发明目的，本发明一种移动互联网应用模块的部署方法，其特征在于，包括以下步骤：
(1)、在服务端对应用的贝叶斯网络预测模型进行初始化；服务端在首次运行时，通过人为设置应用中每个应用模块在终端或服务端运行的概率来初始化应用的贝叶斯网络预测模型；
(2)、终端接入到服务端；
服务端实时监测终端是否接入到服务端，如果终端接入到服务端，则终端将此时的状态信息传输至服务端,进入步骤(3)；
如果没有监测到终端接入到服务端，则将应用的贝叶斯网络预测模型保持在初始化状态；
(3)、通过当前的贝叶斯网络预测模型计算出此终端上应用模块的最佳部署方案；
服务端接收到终端传输的状态信息后，通过贝叶斯网络基本算法，计算出应用中每一个应用模块在服务端或终端执行的概率，其计算公式为：
OC表示某一应用模块在服务端或终端的运行概率，cl表示此应用模块所有可能的执行位置，在这里只用考虑在终端或服务端执行两种情况；ri表示应用模块的基本信息；sj表示终端状态信息；L表示应用具有的L个功能模块的基本信息，M表示M个终端状态信息；结合应用模块的运行概率，服务端根据当前的贝叶斯网络预测模型计算出合适的应用模块部署方案，并将此方案回传给终端；
(4)、终端按照服务端回传的部署方案部署应用模块运行在终端或服务端；
(5)采集当前终端的状态信息和访问服务模型涉及到的应用模块的基本信息，并传输给服务端；
在应用运行期间，每个终端在同一时刻只能访问应用中的某个服务模型，并监控运行在终端上的此服务模型涉及到的应用模块，同时定时采集当前终端的状态信息和此服务模型涉及到的应用模块的基本信息，并将采集的所有信息定时传输给服务端，在应用运行期间，用户可以随时退出应用，退出应用时，终端停止监控；
(6)、服务端对接收信息进行处理；
服务端将接收的应用模块信息和终端状态信息缓存在服务器的内存上，待缓存数据达到规定大小后以分布式文件系统数据块存入到分布式文件系统中；
(7)、服务端通过MapReduce框架来处理数据并更新应用的贝叶斯网络预测模型；
当服务端监测到分布式文件系统生成一个新的数据块后，就创建一个新的任务，并分配给计算机集群中的空闲工作站进行MAP处理，Maper对每条数据进行分类处理后传输给对应的Reducer，Reducer再通过机器学习算法满足一定条件后更新应用的贝叶斯网络预测模型。
其中，所述的应用为网络中应用模块和应用模块间的关系拓扑，一个应用由若干个服务模型组成。
所述终端的状态信息包括：终端所接入的服务器、终端当前电量、终端当前网络状况、终端当前CPU负载、终端当前可用的内存及存储空间；
所述应用模块的基本信息包括：应用模块的类型、应用模块所处的服务模型、应用模块所占用的存储空间、应用模块运行时所占用的内存空间、应用模块在终端运行时所消耗的电量、应用模块在终端运行的累计时间、应用模块的数据输入量、应用模块的数据输出量。
进一步地，所述应用的贝叶斯网络预测模型更新条件满足为：
1)、超过30％的终端上传的数据表明某应用模块在移动设备上运行时间长于一定值；
2)、超过30％的终端上传的数据表明某应用模块在移动设备上耗费电量多于一定值；
3)、超过30％的终端上传的数据表明某应用模块在移动设备上与服务端发生通信数据量大于一定值；
4)、超过30％的终端上传的数据表明某应用模块在移动设备上与服务端发生通信数据交互次数多于一定值。
本发明的发明目的是这样实现的：
本发明移动互联网应用模块的部署方法，通过将终端接入到服务端，并采集终端的状态信息传输到服务端，服务端通过应用当前的贝叶斯网络预测模型计算出此终端上应用模块的最佳部署方案再回传给终端，提高了应用的服务质量和运行效率。其中，将应用抽象成多个的服务模型，这样简化了应用的拓扑结构，降低了应用复杂度，同时解决了以往应用模型用于复杂应用时导致应用部署方案计算执行效率低的问题；在终端的运行应用过程中，实时采集此时终端所处服务模型中所涉及到的应用模块基本信息以及终端状态信息，并定时传输给服务端，服务端使用这些信息更新应用的贝叶斯网络预测模型，从而使得有新终端接入时可以获得更加准确的部署方案，同时又具有可扩展、高灵活以及高效率的优点。
同时，本发明移动互联网应用模块的部署方法还具有以下有益效果：
(1)、将应用抽象成多个的服务模型，这样简化了应用的拓扑结构，降低了应用复杂度，同时解决了以往应用模型用于复杂应用时导致应用部署方案计算执行效率低的问题；
(2)、基于MapReduce框架的应用实时数据采集及存储处理，使得应用部署策略可以适用于数以亿计用户的大规模应用，提高了应用部署策略的实用性，且具有更强的可扩展性；
(3)、基于贝叶斯网络部署算法使服务端在执行应用部署方案计算时较以往的算法更准确。
附图说明
图1是本发明移动互联网应用模块的部署方法流程图；
图2是应用分解成服务模型的示意图；
图3是确定应用模块运行位置决策方式的示意图；
图4是应用运行时MapReduce框架对数据进行处理的流程图；
表1是服务端上维护的贝叶斯网络预测模型中每个应用模块在终端或服务端运行的概率统计表。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是本发明移动互联网应用模块的部署方法流程图；
图2是应用分解成服务模型的示意图；
图3是确定应用模块运行位置决策方式的示意图；
表1是服务端上维护的贝叶斯网络预测模型中每个应用模块在终端或服务端运行的概率统计表。
在本实施例中，如图1所示，本发明一种移动互联网应用模块的部署方法，包括以下步骤：
S101、在服务端对应用的贝叶斯网络预测模型进行初始化；服务端在首次运行时，通过人为设置应用中每个应用模块在终端或服务端运行的概率来初始化应用的贝叶斯网络预测模型；
本实施例中，以手机应用为例，包含有网络通信模块，图形渲染模块，图片解码模块，语音采集模块等多个应用模块，而应用则表示网络中应用模块和应用模块间的关系拓扑，例如，语音采集模块会将采集到的语音传送给网络通信模块进行网络传输，这样的拓扑关系则构成应用；
一个应用又可以分解成若干个服务模型，如图2所示，应用(a)是由右侧的(b)和(c)两个服务模型构成的，其中，有些应用模块被不同的服务模型共享，如应用模块①、③、⑥、⑧，而有些应用模块则只存在于某一服务模型中，如应用模块由此可见，服务模型较为独立，用户同时也只能访问一个服务；
在本实施例中，手机微信应用具有聊天服务，朋友圈服务，扫二维码服务等多个服务模型组成；
S102、终端接入到服务端；
服务端定时监测终端是否接入到服务端，如果终端接入到服务端，则终端将此时的状态信息传输至服务端,进入步骤S103；其中，终端的状态信息包括：终端所接入的服务器、终端当前电量、终端当前网络状况、终端当前CPU负载、终端当前可用的内存及存储空间；
如果没有监测到终端接入到服务端，则服务端将应用的贝叶斯网络预测模型保持在初始化状态；
S103、服务端通过当前的贝叶斯网络预测模型计算出此终端上应用模块的最佳部署方案；
服务端接收到终端传输的状态信息后，通过贝叶斯网络基本算法，计算出任意一个功能模块在服务端或终端执行的概率，其计算公式为：
OC表示某一应用模块在服务端或终端的运行概率，cl表示此应用模块所有可能的执行位置，在这里只用考虑在终端或服务端执行两种情况；ri表示应用模块的基本信息，来自于服务端历史数据统计；sj表示终端状态信息，来自于S102中终端上传到服务端的状态信息；L表示应用具有的L个功能模块的基本信息，M表示M个终端状态信息；结合应用模块的运行概率，服务端根据当前的贝叶斯网络预测模型计算出合适的应用模块部署方案，并将此方案回传给终端；
本实施例中，应用模块①为例，如图3所示，根据应用模块①的基本信息和终端运行的状态信息，得到应用模块①的运行位置，再结合贝叶斯网络算法计算出应用模块①在终端的运行概率为0.8，在服务端运行的概率为0.2，如表1所示；
表1
S104、终端按照服务端回传的部署方案部署应用模块，决定哪些应用模块在终端运行，哪些应用模块在服务端运行；
S105、采集当前终端的状态信息和访问服务模型涉及到的应用模块的基本信息，并传输给服务端；
在应用运行期间，每个终端在同一时刻只能访问应用中的某个服务模型，并监控运行在终端上的此服务模型涉及到的应用模块，同时定时采集当前终端的状态信息和此服务模型涉及到的应用模块的基本信息，并将采集的所有信息定时传输给服务端，在应用运行期间，用户可以随时退出应用，退出应用时，终端停止监控；
S106、服务端对接收信息进行处理；
服务端通过MapReduce框架将接收的应用模块信息和终端状态信息缓存在服务器的内存上，待缓存数据达到规定大小后以分布式文件系统数据块存入到分布式文件系统中；
S107、服务端通过MapReduce框架来处理数据并更新应用的贝叶斯网络预测模型；
当服务端监测到分布式文件系统生成一个新的数据块后，就创建一个新的任务，并分配给计算机集群中的空闲工作站进行MAP处理，Maper对每条数据进行分类处理后传输给对应的Reducer，Reducer再通过机器学习算法满足一定条件后更新应用的贝叶斯网络预测模型，以便有新的终端接入时，获取到更佳的部署方案。
图4是应用运行时MapReduce框架对数据进行处理的流程图；
本实施例中，如图4所示，服务端通过MapReduce框架对终端回传的信息进行处理，其处理的流程对应本发明中的步骤(6)和步骤(7)，内容相同，在此不再赘述。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (4)
1.一种移动互联网应用模块的部署方法，其特征在于，包括以下步骤：
(1)、在服务端对应用的贝叶斯网络预测模型进行初始化；服务端在首次运行时，通过人为设置应用中每个应用模块在终端或服务端运行的概率来初始化应用的贝叶斯网络预测模型；
(2)、终端接入到服务端；
服务端实时监测终端是否接入到服务端，如果终端接入到服务端，则终端将此时的状态信息传输至服务端,进入步骤(3)；
如果没有监测到终端接入到服务端，则服务端将应用的贝叶斯网络预测模型保持在初始化状态；
(3)、服务端通过当前的贝叶斯网络预测模型计算出此终端上应用模块的最佳部署方案；
服务端接收到终端传输的状态信息后，通过贝叶斯网络基本算法，计算出应用中每一个应用模块在服务端或终端执行的概率，其计算公式为：
OC表示某一应用模块在服务端或终端的运行概率，cl表示此应用模块所有可能的执行位置，在这里只用考虑在终端和服务端执行两种情况；ri表示应用模块的基本信息；sj表示终端状态信息；L表示应用具有的L个功能模块的基本信息，M表示M个终端状态信息；结合应用模块的运行概率，服务端根据当前的贝叶斯网络预测模型计算出合适的应用模块部署方案，并将此方案回传给终端；
(4)、终端按照服务端回传的部署方案部署应用模块运行在终端或服务端；
(5)、采集当前终端的状态信息和访问服务模型涉及到的应用模块的基本信息，并传输给服务端；
在应用运行期间，每个终端在同一时刻只能访问应用中的某个服务模型，并监控运行在终端上的此服务模型涉及到的应用模块，同时定时采集当前终端的状态信息和此服务模型涉及到的应用模块的基本信息，并将采集的所有信息定时传输给服务端，在应用运行期间，用户可以随时退出应用，退出应用时，终端停止监控；
(6)、服务端对接收信息进行处理；
服务端将接收的应用模块信息和终端状态信息缓存在服务器的内存上，待缓存数据达到规定大小后以分布式文件系统数据块存入到分布式文件系统中；
(7)、服务端通过MapReduce框架来处理数据并更新应用的贝叶斯网络预测模型；
当服务端监测到分布式文件系统生成一个新的数据块后，就创建一个新的任务，并分配给计算机集群中的空闲工作站进行MAP处理，Maper对每条数据进行分类处理后传输给对应的Reducer，Reducer再通过机器学习算法满足一定条件后更新应用的贝叶斯网络预测模型。
2.根据权利要求1所述的移动互联网应用模块的部署方法，其特征在于，所述的应用为网络中应用模块和应用模块间的关系拓扑，一个应用由若干个服务模型组成。
3.根据权利要求1所述的移动互联网应用模块的部署方法，其特征在于，所述终端的状态信息包括：终端所接入的服务器、终端当前电量、终端当前网络状况、终端当前CPU负载、终端当前可用的内存及存储空间；
所述应用模块的基本信息包括：应用模块的类型、应用模块所处的服务模型、应用模块所占用的存储空间、应用模块运行时所占用的内存空间、应用模块在终端运行时所消耗的电量、应用模块在终端运行的累计时间、应用模块的数据输入量、应用模块的数据输出量。
4.根据权利要求1所述的移动互联网应用模块的部署方法，其特征在于，所述应用的贝叶斯网络预测模型更新条件满足为：
1)、超过30％的终端上传的数据表明某应用模块在移动设备上运行时间长于一定值；
2)、超过30％的终端上传的数据表明某应用模块在移动设备上耗费电量多于一定值；
3)、超过30％的终端上传的数据表明某应用模块在移动设备上与服务端发生通信数据量大于一定值；
4)、超过30％的终端上传的数据表明某应用模块在移动设备上与服务端发生通信数据交互次数多于一定值；
其中只要满足上述条件1)-4)中的任意一条就对预测模型进行更新。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410218552.XA CN104065506B (zh) | 2014-05-22 | 2014-05-22 | 移动互联网应用模块的部署方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410218552.XA CN104065506B (zh) | 2014-05-22 | 2014-05-22 | 移动互联网应用模块的部署方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104065506A CN104065506A (zh) | 2014-09-24 |
| CN104065506B true CN104065506B (zh) | 2017-05-17 |
Family
ID=51553048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410218552.XA Expired - Fee Related CN104065506B (zh) | 2014-05-22 | 2014-05-22 | 移动互联网应用模块的部署方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104065506B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106993100A (zh) * | 2017-04-12 | 2017-07-28 | 中山市读书郎电子有限公司 | 一种源自行为分析的智能手机管理系统 |
| CN113342964B (zh) * | 2021-06-03 | 2022-04-19 | 云南大学 | 一种基于移动业务的推荐类型确定方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101043675A (zh) * | 2007-01-17 | 2007-09-26 | 北京立通无限科技有限公司 | 移动终端应用软件自动部署、升级、配置的方法及系统 |
| CN101667115A (zh) * | 2008-09-02 | 2010-03-10 | 中国移动通信集团公司 | 一种部署客户端应用的终端、系统及方法 |
| CN103401940A (zh) * | 2013-08-12 | 2013-11-20 | 无锡华云数据技术服务有限公司 | 云计算应用软件自动部署方法 |
-
2014
- 2014-05-22 CN CN201410218552.XA patent/CN104065506B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101043675A (zh) * | 2007-01-17 | 2007-09-26 | 北京立通无限科技有限公司 | 移动终端应用软件自动部署、升级、配置的方法及系统 |
| CN101667115A (zh) * | 2008-09-02 | 2010-03-10 | 中国移动通信集团公司 | 一种部署客户端应用的终端、系统及方法 |
| CN103401940A (zh) * | 2013-08-12 | 2013-11-20 | 无锡华云数据技术服务有限公司 | 云计算应用软件自动部署方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104065506A (zh) | 2014-09-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tayeh et al. | A distributed real-time data prediction and adaptive sensing approach for wireless sensor networks | |
| CN107871164B (zh) | 一种雾计算环境个性化深度学习方法 | |
| CN103761309B (zh) | 一种运营数据处理方法及系统 | |
| CN104049575B (zh) | 在过程控制系统中收集并且向大数据机器递送数据 | |
| Tekin et al. | Distributed online big data classification using context information | |
| Liu et al. | An effective dynamic programming offloading algorithm in mobile cloud computing system | |
| Li et al. | Efficient asynchronous vertical federated learning via gradient prediction and double-end sparse compression | |
| Kumari et al. | An energy efficient smart metering system using edge computing in LoRa network | |
| Lockhart et al. | Scission: Performance-driven and context-aware cloud-edge distribution of deep neural networks | |
| WO2021008675A1 (en) | Dynamic network configuration | |
| Nunes et al. | The elimination-selection based algorithm for efficient resource discovery in Internet of Things environments | |
| CN104065506B (zh) | 移动互联网应用模块的部署方法 | |
| Hsu et al. | Design of a sensing service architecture for Internet of Things with semantic sensor selection | |
| CN110134877A (zh) | 线下移动社交网络中挖掘种子用户的方法和装置 | |
| CN108009089B (zh) | 一种基于透明计算的增量机器学习方法及系统 | |
| CN115905687A (zh) | 基于元学习图神经网络面向冷启动的推荐系统及方法 | |
| CN103593435A (zh) | 不确定数据PT-TopK查询近似处理系统和方法 | |
| CN107608781A (zh) | 一种负载预测方法、装置以及网元 | |
| CN106789163B (zh) | 一种网络设备用电信息监测方法、装置和系统 | |
| Zhu | Energy optimization of the configurable service portfolio for IoT systems | |
| CN112199154A (zh) | 一种基于分布式协同采样中心式优化的强化学习训练系统及方法 | |
| CN114492849B (zh) | 一种基于联邦学习的模型更新方法及装置 | |
| CN103455525B (zh) | 基于用户的搜索推广行为确定推广帐号状态的方法与设备 | |
| Farkaš et al. | Multi-cloud hosting IoT based big data service platform issues and one heuristic proposal how to possibly approach some of them | |
| Laroui et al. | Service function chains multi-resource orchestration in virtual mobile edge computing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170517 Termination date: 20200522 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |