CN109710731A - 一种基于Flink的数据流多向处理系统 - Google Patents
一种基于Flink的数据流多向处理系统 Download PDFInfo
- Publication number
- CN109710731A CN109710731A CN201811373337.1A CN201811373337A CN109710731A CN 109710731 A CN109710731 A CN 109710731A CN 201811373337 A CN201811373337 A CN 201811373337A CN 109710731 A CN109710731 A CN 109710731A
- Authority
- CN
- China
- Prior art keywords
- data
- processing
- flink
- kafka
- multidirectional
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于Flink的数据流多向处理系统,涉及数据实时处理技术领域。本发明给出了一种基于Kafka/Flink/Elasticsearch的单消费者处理多业务的数据流处理系统,能够实时高效准确地处理大规模的数据。利用Kafka的高扩展性和高可靠性,可将多个数据源的数据准确地收集汇总,并且易于新增扩展;Kafka可进行持久化操作,将消息持久化到磁盘,极大地减少了数据丢失的概率。与Flink的高效组合,分布式可升级为多消费多向处理业务数据的形式,极大地扩展了flink作为消费者的数据处理能力,同时也保证了计算并存储的快速性。这一种基于flink单消费者数据流处理系统,既在单节点上有出色的表现,也能在分布式呈现惊人的分析效率,扩大了传统算法分向处理、分析范围和快速存储的整体能力。
Description
技术领域
本发明涉及数据实时处理技术领域,具体涉及一种基于Flink的数据流多向处理系统。
背景技术
随着云时代的来临,大数据也吸引了越来越多的关注。大数据需要特殊的技术,以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术,包括大规模并行处理(MPP)数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。Kafka是一种高吞吐量的分布式发布订阅消息系统,它可以处理消费者规模的网站中的所有动作流数据。Flink是一个针对流数据和批数据的分布式处理引擎。ElasticSearch是一个基于Lucene的搜索服务器,设计用于云计算中,能够达到实时搜索,稳定,可靠,快速,使用方便。
云计算时代数据呈现出爆炸性增长的态势,各类系统都会产生大量日志,日志数据的规模GB数量级跃升到TB甚至PB这样的数量级。面对海量的日志,传统的日志处理系统框架已经无法满足目前的需求。同时系统业务对日志、业务数据等处理的实时性需求也逐渐提高。传统的流数据处理框架其吞吐量和容错性存在先天的缺陷,不再适用于目前类似于互联网这类行业的高速扩展的业务需求。因此对于流式数据的处理,以及多业务需求中快速存储的问题,需要设计一种数据流处理系统,准确并且实时地计算和处理相关业务数据,加速系统的运算能力。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:如何设计一种数据流处理系统,准确并且实时地计算和处理相关业务数据,加速系统的运算能力。
(二)技术方案
为了解决上述技术问题,本发明提供了一种基于Flink的数据流多向处理系统,包括数据缓存模块、数据多向处理模块和数据存储模块;
所述数据缓存模块用于缓存从不同的源收集的数据,并转发给数据多向处理模块;所述数据多向处理模块用于接收来自数据缓存模块的数据,根据多业务需求把日志流进行多纬度处理分析,再把对应的日志流发送给其对应的数据存储模块。
优选地,所述数据缓存模块采用Apache Kafka实现。
优选地,所述数据多向处理模块中使用flink-kafka连接器对Kafka的流数据进行消费处理,在flink中进行数据多层次,多流向的处理。
优选地,所述数据多向处理模块具体采用如下过程对Kafka的流数据进行消费处理:
初始化消费者:由连接器创建kafka的消费者,此处只创建一个消费者,以接收缓存在kafka的数据;
筛选并转换:创建过滤器,对数据源进行过滤,去除非法数据;创建转换器,对多种业务需求进行数据统一化格式转换处理;
多向处理:对同一个数据按照多种不同的处理方式进行处理,并行经过多种不同的业务逻辑,实现单消费者对数据的多方位分析:
第一种业务处理流程,实现峰值和热词的统计收集:
创建统计函数,使用key计数,创建业务需求的自定义计数逻辑,实现对数据峰值、热词计数,排序;
创建存储函数,实现对相应结果记录存储。
第二种业务处理流程,实现数据重点信息收集和存储:
创建必要的数据转换器,实现对数据特征的提取处理、加工,实现数据的泛化,保留各方面数据中相同或一定程度上相似的特征;
创建过滤业务,去除数据中一定程度上发散或重复的数据;
存储第二种业务处理流程产生的泛化数据。
优选地,所述数据存储模块采取对EsSink存储时的异常处理流程:
检查Kafka业务流程,是否选择保留数据;
保存文件时处理错误数据。
(三)有益效果
本发明给出了一种基于Kafka/Flink/Elasticsearch的单消费者处理多业务的数据流处理系统,能够实时高效准确地处理大规模的数据。利用Kafka的高扩展性和高可靠性,可将多个数据源的数据准确地收集汇总,并且易于新增扩展;Kafka可进行持久化操作,将消息持久化到磁盘,极大地减少了数据丢失的概率。与Flink的高效组合,分布式可升级为多消费多向处理业务数据的形式,极大地扩展了flink作为消费者的数据处理能力,同时也保证了计算并存储的快速性。这一种基于flink单消费者数据流处理系统,既在单节点上有出色的表现,也能在分布式呈现惊人的分析效率,扩大了传统算法分向处理、分析范围和快速存储的整体能力。
附图说明
图1为本发明中数据多向处理原理图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
本发明实现了一套分布式的数据流处理系统,它具有分布式、大吞吐、低延迟的特性,能够准确并且实时地计算和处理相关业务数据,从而加速系统的运算能力。
该系统分为三个模块:数据缓存模块、数据多向处理模块、数据存储模块。所述数据缓存模块用于缓存从不同的源收集的数据,并转发给数据多向处理模块。所述数据多向处理模块用于接收来自数据缓存模块的数据,根据多业务需求把日志流进行多纬度处理分析,再把对应的日志流发送给其对应的数据存储模块。系统的三个模块之间无缝衔接,具有高实时性的特点。本发明可用于单节点数据处理也可用于分布式,由单节点多逻辑的处理方式升级为分布式处理,则可实现指数级种逻辑的并行分析,从而提升分析效率,增强分析能力。
数据缓存模块需要一个分布式的、可靠的、高可用的、能接收海量日志的框架,并且需要支持多源采集且集中存储。在诸多的日志收集系统中,本发明选择的是ApacheKafka。Kafka可进行持久化操作。将消息持久化到磁盘,通过将数据持久化到硬盘以及replication防止数据丢失,因此可用于批量消费。由于现有服务器硬件方面限制,对其存储在硬盘上的文件大小和保存时长做了限制。同时由于本方法涉及实时性较高,故实时流数据只保存一小时内,文件大小不超过512MB,二者满足其一,则进行删除操作。同时在后数据多向处理前,异常时也进行了如上判断,并实现重启机制,重启前判断若大量积存历史数据则对其进行删除。
所有的producer、broker和consumer都会有多个,均为分布式的。无需停机即可扩展机器。同时为发布和订阅提供高吞吐量。据了解,Kafka每秒可以生产约25万消息(50MB),每秒处理55万消息(110MB)kafka采用的是文本日志有序的方式来记录信息的,和内存没有关系,全部将接受的信息持久化到硬盘上,接收和消费互不影响,大大提高了IO效率。
Flink是完全支持流处理,也就是说作为流处理看待时输入数据流是无界的,批处理被作为一种特殊的流处理,只是它的输入数据流被定义为有界的。基于同一个Flink运行时(Flink Runtime),分别提供了流处理和批处理API,而这两种API也是实现上层面向流处理、批处理类型应用框架的基础。本发明的数据多向处理模块采用流处理方式对数据加工分析,数据多向处理指对同一个数据源进行多方面解析、计算,从多个角度对数据进行剖析。本发明主要介绍多向处理的方法,已解决单个消费者应对多种不同逻辑业务的处理。
本发明使用flink-kafka连接器对kafka的流数据进行消费处理,在flink中进行数据多层次,多流向的处理。DataStream API支持了数据流上的函数式转换,可以使用自定义的状态和灵活的窗口。本发明实现了,一方面以滑动窗口的方式统计文本数据量的大小、记录峰值等信息,一方面同时对数据内容进行规约处理存储。此为多向的体现之一,其次多向还表现在,根据不同的业务需求对同一个数据源进行不同的转换后分别输出。其中各个数据流操作均为组合式排列,实现过程如下:
初始化消费者:由连接器创建kafka的消费者,此处只创建一个消费者,以接收缓存在kafka的数据。
筛选并转换:
创建过滤器(filter),对数据源进行过滤,去除非法数据;
创建转换器(map(parse)),对多种业务需求进行数据统一化格式转换处理。
多向处理:对同一个数据按照多种不同的处理方式进行处理stream.flatMap(...)和stream.map(...),stream为同一数据源,并行经过多种不同的业务逻辑,实现单消费者对数据的多方位分析,如图1中flink区所示:
第一种业务处理流程,实现峰值和热词的统计收集:
创建统计(flatMap)函数,使用key计数,创建业务需求的自定义计数逻辑,实现对数据峰值、热词计数,排序;
创建存储(sink)函数,实现对相应结果记录存储。
第二种业务处理流程,实现数据重点信息收集和存储:
创建必要的数据转换器(map(parse)),实现对数据特征的提取处理、加工,实现数据的泛化,保留各方面数据中相同或一定程度(满足预设条件)相似的特征,便于业务的分析。
创建过滤业务(filter),去除数据中一定程度上发散(满足预设条件)或重复的数据。
存储(sink),存储第二种业务处理流程产生的泛化数据,以便用于后期数据统计,特征匹配和相似推荐。
由此创建相互关联(具有相同数据源数据特征),又彼此独立(需要不同方向对数据进行分析)的多种业务实现。达到单消费者处理多种业务逻辑的效果,流程如图1中flink区所示,实现同时对数据进行多向分析处理。
在使用Flink进行数据处理的时候,一个必要步骤就是需要将计算的结果进行存储或导出,Flink中这个过程称为Sink。Flink支持多种Sink对数据进行存储,如ApacheKafka、Elasticsearch、Hadoop FileSystem、RabbitMQ、Amazon Kinesis Streams、TwitterStreaming API、Apache NiFi、Apache Cassandra等,本发明采用Elasticsearch进行高速快捷存储,本发明数据存储模块中实现了对EsSink存储时异常的处理,es自身的处理方式是重新添加至队列进行重试存储,由于现业务高吞吐量,高时效需求,如出现大量的异常数据,再进行重试可能会导致flink节点工作繁重从而宕机,本发明采取的对EsSink存储时异常的处理流程如下:
1、检查Kafka业务流程,是否选择保留数据。
2、保存文件时处理错误数据,以便调整和优化数据分析机制,从而由自定义处理异常的方法保证程序稳定可靠运行。
可以看出,本发明基于Kafka、Flink和ElasticSearch构建了一个分布式数据流统计、处理及存储系统。通过这个系统,可以高效、实时、可靠地获取和分析各类流数据,快速分析,从多维度解析处理数据流,从而提高系统或平台的数据处理和分析能力。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.一种基于Flink的数据流多向处理系统,其特征在于,包括数据缓存模块、数据多向处理模块和数据存储模块;
所述数据缓存模块用于缓存从不同的源收集的数据,并转发给数据多向处理模块;所述数据多向处理模块用于接收来自数据缓存模块的数据,根据多业务需求把日志流进行多纬度处理分析,再把对应的日志流发送给其对应的数据存储模块。
2.如权利要求1所述的系统,其特征在于,所述数据缓存模块采用Apache Kafka实现。
3.如权利要求1所述的系统,其特征在于,所述数据多向处理模块中使用flink-kafka连接器对Kafka的流数据进行消费处理,在flink中进行数据多层次,多流向的处理。
4.如权利要求3所述的系统,其特征在于,所述数据多向处理模块具体采用如下过程对Kafka的流数据进行消费处理:
初始化消费者:由连接器创建kafka的消费者,此处只创建一个消费者,以接收缓存在kafka的数据;
筛选并转换:创建过滤器,对数据源进行过滤,去除非法数据;创建转换器,对多种业务需求进行数据统一化格式转换处理;
多向处理:对同一个数据按照多种不同的处理方式进行处理,并行经过多种不同的业务逻辑,实现单消费者对数据的多方位分析:
第一种业务处理流程,实现峰值和热词的统计收集:
创建统计函数,使用key计数,创建业务需求的自定义计数逻辑,实现对数据峰值、热词计数,排序;
创建存储函数,实现对相应结果记录存储;
第二种业务处理流程,实现数据重点信息收集和存储:
创建必要的数据转换器,实现对数据特征的提取处理、加工,实现数据的泛化,保留各方面数据中相同或一定程度上相似的特征;
创建过滤业务,去除数据中一定程度上发散或重复的数据;
存储第二种业务处理流程产生的泛化数据。
5.如权利要求1所述的系统,其特征在于,所述数据存储模块采取对EsSink存储时的异常处理流程:
检查Kafka业务流程,是否选择保留数据;
保存文件时处理错误数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811373337.1A CN109710731A (zh) | 2018-11-19 | 2018-11-19 | 一种基于Flink的数据流多向处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811373337.1A CN109710731A (zh) | 2018-11-19 | 2018-11-19 | 一种基于Flink的数据流多向处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109710731A true CN109710731A (zh) | 2019-05-03 |
Family
ID=66254961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811373337.1A Pending CN109710731A (zh) | 2018-11-19 | 2018-11-19 | 一种基于Flink的数据流多向处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109710731A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245158A (zh) * | 2019-06-10 | 2019-09-17 | 上海理想信息产业(集团)有限公司 | 一种基于Flink流计算技术的多源异构数据实时处理系统及方法 |
CN110705891A (zh) * | 2019-10-11 | 2020-01-17 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于高可配可变更的数据处理方法 |
CN110928906A (zh) * | 2019-11-08 | 2020-03-27 | 杭州安恒信息技术股份有限公司 | 基于flink仅一次写入carbonData的方法 |
CN111143314A (zh) * | 2019-12-26 | 2020-05-12 | 厦门服云信息科技有限公司 | 一种基于高速流式处理技术的日志解析方法及系统 |
CN111930812A (zh) * | 2020-07-20 | 2020-11-13 | 银盛支付服务股份有限公司 | 基于flink的实时聚合报表方法、电子设备及可读存储介质 |
CN112084387A (zh) * | 2020-08-21 | 2020-12-15 | 上海微亿智造科技有限公司 | 一种实时数据分类统计方法、系统、可读介质及设备 |
CN112150248A (zh) * | 2020-09-30 | 2020-12-29 | 欧冶云商股份有限公司 | 一种基于批流融合的挂货量统计方法、系统、装置 |
CN112541816A (zh) * | 2020-12-21 | 2021-03-23 | 四川新网银行股份有限公司 | 互联网金融消费信贷批量业务分布式流计算处理引擎 |
CN113065785A (zh) * | 2021-04-13 | 2021-07-02 | 国网江苏省电力有限公司信息通信分公司 | 一种电力物联管理平台动态资源扩展方法 |
CN113326238A (zh) * | 2021-06-25 | 2021-08-31 | 深信服科技股份有限公司 | 一种数据处理方法、装置、设备及存储介质 |
WO2021223451A1 (zh) * | 2020-05-06 | 2021-11-11 | 广州明珞装备股份有限公司 | 汽车生产动作数据采集方法、系统、装置和存储介质 |
CN113742004A (zh) * | 2020-08-26 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种基于flink框架的数据处理方法和装置 |
CN114185865A (zh) * | 2021-12-13 | 2022-03-15 | 国汽大有时空科技(安庆)有限公司 | 一种基于分布式存储的大规模基站数据存储与解析的方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036025A (zh) * | 2014-06-27 | 2014-09-10 | 蓝盾信息安全技术有限公司 | 一种基于分布式的海量日志采集系统 |
US20180074852A1 (en) * | 2016-09-14 | 2018-03-15 | Salesforce.Com, Inc. | Compact Task Deployment for Stream Processing Systems |
CN108040074A (zh) * | 2018-01-26 | 2018-05-15 | 华南理工大学 | 一种基于大数据的实时网络异常行为检测系统及方法 |
CN108270860A (zh) * | 2018-01-16 | 2018-07-10 | 宇星科技发展(深圳)有限公司 | 环境质量在线监测数据的采集系统及方法 |
-
2018
- 2018-11-19 CN CN201811373337.1A patent/CN109710731A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104036025A (zh) * | 2014-06-27 | 2014-09-10 | 蓝盾信息安全技术有限公司 | 一种基于分布式的海量日志采集系统 |
US20180074852A1 (en) * | 2016-09-14 | 2018-03-15 | Salesforce.Com, Inc. | Compact Task Deployment for Stream Processing Systems |
CN108270860A (zh) * | 2018-01-16 | 2018-07-10 | 宇星科技发展(深圳)有限公司 | 环境质量在线监测数据的采集系统及方法 |
CN108040074A (zh) * | 2018-01-26 | 2018-05-15 | 华南理工大学 | 一种基于大数据的实时网络异常行为检测系统及方法 |
Non-Patent Citations (3)
Title |
---|
M. HASEEB JAVED: "Characterization of Big Data Stream Processing Pipeline: A Case Study using Flink and Kafka", 《PROCEEDINGS OF THE FOURTH IEEE/ACM INTERNATIONAL CONFERENCE ON BIG DATA COMPUTING, APPLICATIONS AND TECHNOLOGIES》 * |
YANJUN: "Apache Flink:特性、概念、组件栈、架构及原理分析", 《HTTP://SHIYUANJUN.CN/ARCHIVES/1508.HTML》 * |
王蒙: "流式计算模式的性能研究与优化", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245158A (zh) * | 2019-06-10 | 2019-09-17 | 上海理想信息产业(集团)有限公司 | 一种基于Flink流计算技术的多源异构数据实时处理系统及方法 |
CN110705891A (zh) * | 2019-10-11 | 2020-01-17 | 集奥聚合(北京)人工智能科技有限公司 | 一种基于高可配可变更的数据处理方法 |
CN110928906A (zh) * | 2019-11-08 | 2020-03-27 | 杭州安恒信息技术股份有限公司 | 基于flink仅一次写入carbonData的方法 |
CN111143314A (zh) * | 2019-12-26 | 2020-05-12 | 厦门服云信息科技有限公司 | 一种基于高速流式处理技术的日志解析方法及系统 |
WO2021223451A1 (zh) * | 2020-05-06 | 2021-11-11 | 广州明珞装备股份有限公司 | 汽车生产动作数据采集方法、系统、装置和存储介质 |
CN111930812A (zh) * | 2020-07-20 | 2020-11-13 | 银盛支付服务股份有限公司 | 基于flink的实时聚合报表方法、电子设备及可读存储介质 |
CN111930812B (zh) * | 2020-07-20 | 2024-05-03 | 银盛支付服务股份有限公司 | 基于flink的实时聚合报表方法、电子设备及可读存储介质 |
CN112084387A (zh) * | 2020-08-21 | 2020-12-15 | 上海微亿智造科技有限公司 | 一种实时数据分类统计方法、系统、可读介质及设备 |
CN113742004B (zh) * | 2020-08-26 | 2024-04-12 | 北京沃东天骏信息技术有限公司 | 一种基于flink框架的数据处理方法和装置 |
CN113742004A (zh) * | 2020-08-26 | 2021-12-03 | 北京沃东天骏信息技术有限公司 | 一种基于flink框架的数据处理方法和装置 |
CN112150248A (zh) * | 2020-09-30 | 2020-12-29 | 欧冶云商股份有限公司 | 一种基于批流融合的挂货量统计方法、系统、装置 |
CN112541816A (zh) * | 2020-12-21 | 2021-03-23 | 四川新网银行股份有限公司 | 互联网金融消费信贷批量业务分布式流计算处理引擎 |
CN113065785A (zh) * | 2021-04-13 | 2021-07-02 | 国网江苏省电力有限公司信息通信分公司 | 一种电力物联管理平台动态资源扩展方法 |
CN113065785B (zh) * | 2021-04-13 | 2024-02-20 | 国网江苏省电力有限公司信息通信分公司 | 一种电力物联管理平台动态资源扩展方法 |
CN113326238A (zh) * | 2021-06-25 | 2021-08-31 | 深信服科技股份有限公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114185865A (zh) * | 2021-12-13 | 2022-03-15 | 国汽大有时空科技(安庆)有限公司 | 一种基于分布式存储的大规模基站数据存储与解析的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109710731A (zh) | 一种基于Flink的数据流多向处理系统 | |
McCreadie et al. | Scalable distributed event detection for twitter | |
Grover et al. | Data Ingestion in AsterixDB. | |
CN109753531A (zh) | 一种大数据统计方法、系统、计算机设备及存储介质 | |
Brito et al. | Scalable and low-latency data processing with stream mapreduce | |
CN110225074B (zh) | 一种基于设备地址域的通讯报文分发系统及分发方法 | |
CN108038239B (zh) | 一种异构数据源规范化处理方法、装置及服务器 | |
CN103838867A (zh) | 日志处理方法和装置 | |
CN104820670A (zh) | 一种电力信息大数据的采集和存储方法 | |
CN104036025A (zh) | 一种基于分布式的海量日志采集系统 | |
CN106815254B (zh) | 一种数据处理方法和装置 | |
CN111400326A (zh) | 一种智慧城市数据管理系统及其方法 | |
Ismail et al. | Big Data prediction framework for weather Temperature based on MapReduce algorithm | |
CN110704484A (zh) | 一种对海量实时数据流进行处理的方法及系统 | |
Li et al. | The overview of big data storage and management | |
Yang et al. | The RADStack: Open source lambda architecture for interactive analytics | |
Pal et al. | Big data real time ingestion and machine learning | |
Zhi et al. | Research of Hadoop-based data flow management system | |
CN106599190A (zh) | 基于云计算的动态Skyline查询方法 | |
Ma et al. | Design and implementation of smart city big data processing platform based on distributed architecture | |
Sánchez et al. | Distributed data collection for the ATLAS EventIndex | |
CN113312376A (zh) | 一种用于Nginx日志实时处理分析的方法及终端 | |
Intorruk et al. | A comparative study on performance and resource utilization of real-time distributed messaging systems for big data | |
Falk et al. | Query-able kafka: An agile data analytics pipeline for mobile wireless networks | |
CN111049898A (zh) | 一种实现计算集群资源跨域架构的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190503 |
|
RJ01 | Rejection of invention patent application after publication |