CN110554917A - 高效遍历较大数据量集合的方法、系统、终端及存储介质 - Google Patents
高效遍历较大数据量集合的方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN110554917A CN110554917A CN201910734331.0A CN201910734331A CN110554917A CN 110554917 A CN110554917 A CN 110554917A CN 201910734331 A CN201910734331 A CN 201910734331A CN 110554917 A CN110554917 A CN 110554917A
- Authority
- CN
- China
- Prior art keywords
- sub
- threads
- thread
- execution
- calculation results
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/50—Indexing scheme relating to G06F9/50
- G06F2209/5018—Thread allocation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供一种高效遍历较大数据量集合的方法、系统、终端及存储介质,获取当前服务器CPU核心数量;根据所述CPU核心数量将大数据集合平均拆分为同等数量的子集合;为每个子集合创建唯一对应的子线程,控制所述子线程执行对应子集合的处理任务;采集所有子线程的计算结果,将所有计算结果合并后输出至主线程。本发明能够快速处理大数据集合,且处理步骤简单,能够充分利用计算资源,适用于常规应用程序。
Description
技术领域
本发明属于数据处理技术领域,具体涉及一种高效遍历较大数据量集合的方法、系统、终端及存储介质。
背景技术
目前,软件程序实现中,经常遇到需要处理较大数据量集合的场景,传统的实现方法如Java语言中的ArrayList使用for循环以单线程的方式进行遍历处理,无法发挥多核CPU的并发执行优势,导致整个任务执行效率较低。
大数据技术(如Hadoop)使用了与本案类似的分而治之的方案,将一个大任务拆分为多个小任务,最后将计算结果进行合并,以完成整个任务。但其适用的场景为海量数据、半结构化和非结构化数据,且应用复杂,在常规的应用程序中难以使用。
发明内容
针对现有技术的上述不足,本发明提供一种高效遍历较大数据量集合的方法、系统、终端及存储介质,以解决上述技术问题。
第一方面,本发明提供一种高效遍历较大数据量集合的方法,包括:
获取当前服务器CPU核心数量;
根据所述CPU核心数量将大数据集合平均拆分为同等数量的子集合;
为每个子集合创建唯一对应的子线程,控制所述子线程执行对应子集合的处理任务;
采集所有子线程的计算结果,将所有计算结果合并后输出至主线程。
进一步的,所述采集所有子线程的计算结果,包括:
获取所有子线程执行进度;
若获取到所有子线程均执行完成,则采集所有子线程的计算结果;
若获取到子线程执行失败信息,则返回主线程执行失败提示。
进一步的,在采集所有子线程的计算结果之前,所述方法还包括:
确定所有子线程执行进度中存在执行完成的子线程,筛选出未执行完成的子线程中进度最少的子线程作为待均衡子线程;
将待均衡子线程的执行任务均分,并将均分后的执行任务分别下发至待均衡子线程和所述执行完成的子线程。
第二方面,本发明提供一种高效遍历较大数据量集合的系统,包括:
数量获取单元,配置用于获取当前服务器CPU核心数量;
集合拆分单元,配置用于根据所述CPU核心数量将大数据集合平均拆分为同等数量的子集合;
线程创建单元,配置用于为每个子集合创建唯一对应的子线程,控制所述子线程执行对应子集合的处理任务;
结果输出单元,配置用于采集所有子线程的计算结果,将所有计算结果合并后输出至主线程。
进一步的,所述结果输出单元包括:
进度获取模块,配置用于获取所有子线程执行进度;
完成判定模块,配置用于若获取到所有子线程均执行完成,则采集所有子线程的计算结果;
失败提示模块,配置用于若获取到子线程执行失败信息,则返回主线程执行失败提示。
进一步的,所述系统包括:
均衡触发模块,配置用于确定所有子线程执行进度中存在执行完成的子线程,筛选出未执行完成的子线程中进度最少的子线程作为待均衡子线程;
均衡执行模块,配置用于将待均衡子线程的执行任务均分,并将均分后的执行任务分别下发至待均衡子线程和所述执行完成的子线程。
第三方面,提供一种终端,包括:
处理器、存储器,其中,
该存储器用于存储计算机程序,
该处理器用于从存储器中调用并运行该计算机程序,使得终端执行上述的终端的方法。
第四方面,提供了一种计算机存储介质,所述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各方面所述的方法。
本发明的有益效果在于,
本发明提供的高效遍历较大数据量集合的方法、系统、终端及存储介质,通过将一个集合拆分为多个小集合,分别交由不同的线程去并行处理,以充分发挥多核CPU的性能优势,并通过设置默认最优线程数、动态任务平衡机制最大程度地提高较大数据量集合的遍历性能。相对于现有大数据集合处理方法,本发明能够快速处理大数据集合,且处理步骤简单,能够充分利用计算资源,适用于常规应用程序。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例的方法的示意性流程图。
图2是本发明一个实施例的方法的运行流程图。
图3是本发明一个实施例的方法的均衡流程示意图。
图4是本发明一个实施例的系统的示意性框图。
图5为本发明实施例提供的一种终端的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
下面对本发明中出现的关键术语进行解释。
线程(thread):线程是操作系统能够进行运算调度的最小单位。它被包含在进程之中,是进程中的实际运作单位。一条线程指的是进程中一个单一顺序的控制流,一个进程中可以并发多个线程,每条线程并行执行不同的任务。
图1是本发明一个实施例的方法的示意性流程图。其中,图1执行主体可以为一种高效遍历较大数据量集合的系统。
如图1所示,该方法100包括:
步骤110,获取当前服务器CPU核心数量;
步骤120,根据所述CPU核心数量将大数据集合平均拆分为同等数量的子集合;
步骤130,为每个子集合创建唯一对应的子线程,控制所述子线程执行对应子集合的处理任务;
步骤140,采集所有子线程的计算结果,将所有计算结果合并后输出至主线程。
可选地,作为本发明一个实施例,所述采集所有子线程的计算结果,包括:
获取所有子线程执行进度;
若获取到所有子线程均执行完成,则采集所有子线程的计算结果;
若获取到子线程执行失败信息,则返回主线程执行失败提示。
可选地,作为本发明一个实施例,所述方法还包括:
确定所有子线程执行进度中存在执行完成的子线程,筛选出未执行完成的子线程中进度最少的子线程作为待均衡子线程;
将待均衡子线程的执行任务均分,并将均分后的执行任务分别下发至待均衡子线程和所述执行完成的子线程。
为了便于对本发明的理解,下面以本发明高效遍历较大数据量集合的方法的原理,结合实施例中对大数据量集合进行高效遍历的过程,对本发明提供的高效遍历较大数据量集合的方法做进一步的描述。
具体的,所述高效遍历较大数据量集合的方法包括:
S1、服务器收到一个较大数据集合的遍历任务(主线程)。
S2、采集当前服务器CPU核心数量,本实施例中采集到的服务器CPU核心数量为4。
S3、将收到的大数据集合平均拆分为4个子集合,并为每个子集合生成一个唯一的标记码,标记码分别为a1、a2、a3、a4。
为每个子集合创建一个新的线程作为子线程,并根据集合的标记码为子集合对应的子线程生成相应的标记码,分别为b1、b2、b3、b4。两组标记码的对应关系为a1-b1、a2-b2、a3-b3、a4-b4。存储标记码对应关系。控制b1子线程执行遍历a1子集合的任务,b2子线程执行遍历a2子集合的任务,b3子线程执行遍历a3子集合的任务,b4子线程执行遍历a4子集合的任务。
S4、参考图2,实时监控所有子线程的执行进度,若所有子线程成功执行,则通知主线程执行成功,并将所有子线程的计算结果进行合并交付给主线程;若其中任何一个子线程执行失败,则通知主线程执行失败。
S5、参考图3,因各CPU核心负载不同,导致各子线程处理任务的进度不同。若其中一个子线程A先执行完成,则由主线程自动发现一个剩余任务最多的子线程B,将B线程未处理的集合平均拆分为二,将其中一个集合分配给A,依此继续执行直至步骤S4或步骤S5。
如图4示,该系统400包括:
数量获取单元410,配置用于获取当前服务器CPU核心数量;
集合拆分单元420,配置用于根据所述CPU核心数量将大数据集合平均拆分为同等数量的子集合;
线程创建单元430,配置用于为每个子集合创建唯一对应的子线程,控制所述子线程执行对应子集合的处理任务;
结果输出单元440,配置用于采集所有子线程的计算结果,将所有计算结果合并后输出至主线程。
可选地,作为本发明一个实施例,所述结果输出单元包括:
进度获取模块,配置用于获取所有子线程执行进度;
完成判定模块,配置用于若获取到所有子线程均执行完成,则采集所有子线程的计算结果;
失败提示模块,配置用于若获取到子线程执行失败信息,则返回主线程执行失败提示。
可选地,作为本发明一个实施例,所述系统包括:
均衡触发模块,配置用于确定所有子线程执行进度中存在执行完成的子线程,筛选出未执行完成的子线程中进度最少的子线程作为待均衡子线程;
均衡执行模块,配置用于将待均衡子线程的执行任务均分,并将均分后的执行任务分别下发至待均衡子线程和所述执行完成的子线程。
图5为本发明实施例提供的一种终端系统500的结构示意图,该终端系统500可以用于执行本发明实施例提供的方法。
其中,该终端系统500可以包括:处理器510、存储器520及通信单元530。这些组件通过一条或多条总线进行通信,本领域技术人员可以理解,图中示出的服务器的结构并不构成对本发明的限定,它既可以是总线形结构,也可以是星型结构,还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
其中,该存储器520可以用于存储处理器510的执行指令,存储器520可以由任何类型的易失性或非易失性存储终端或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。当存储器520中的执行指令由处理器510执行时,使得终端500能够执行以下上述方法实施例中的部分或全部步骤。
处理器510为存储终端的控制中心,利用各种接口和线路连接整个电子终端的各个部分,通过运行或执行存储在存储器520内的软件程序和/或模块,以及调用存储在存储器内的数据,以执行电子终端的各种功能和/或处理数据。所述处理器可以由集成电路(Integrated Circuit,简称IC)组成,例如可以由单颗封装的IC所组成,也可以由连接多颗相同功能或不同功能的封装IC而组成。举例来说,处理器510可以仅包括中央处理器(Central Processing Unit,简称CPU)。在本发明实施方式中,CPU可以是单运算核心,也可以包括多运算核心。
通信单元530,用于建立通信信道,从而使所述存储终端可以与其它终端进行通信。接收其他终端发送的用户数据或者向其他终端发送用户数据。
本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中如U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质,包括若干指令用以使得一台计算机终端(可以是个人计算机,服务器,或者第二终端、网络终端等)执行本发明各个实施例所述方法的全部或部分步骤。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于终端实施例而言,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中的说明即可。
在本发明所提供的几个实施例中,应该理解到,所揭露的系统、系统和方法,可以通过其它的方式实现。例如,以上所描述的系统实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,系统或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种高效遍历较大数据量集合的方法,其特征在于,包括:
获取当前服务器CPU核心数量;
根据所述CPU核心数量将大数据集合平均拆分为同等数量的子集合;
为每个子集合创建唯一对应的子线程,控制所述子线程执行对应子集合的处理任务;
采集所有子线程的计算结果,将所有计算结果合并后输出至主线程。
2.根据权利要求1所述的方法,其特征在于,所述采集所有子线程的计算结果,包括:
获取所有子线程执行进度;
若获取到所有子线程均执行完成,则采集所有子线程的计算结果;
若获取到子线程执行失败信息,则返回主线程执行失败提示。
3.根据权利要求1所述的方法,其特征在于,在采集所有子线程的计算结果之前,所述方法还包括:
确定所有子线程执行进度中存在执行完成的子线程,筛选出未执行完成的子线程中进度最少的子线程作为待均衡子线程;
将待均衡子线程的执行任务均分,并将均分后的执行任务分别下发至待均衡子线程和所述执行完成的子线程。
4.一种高效遍历较大数据量集合的系统,其特征在于,包括:
数量获取单元,配置用于获取当前服务器CPU核心数量;
集合拆分单元,配置用于根据所述CPU核心数量将大数据集合平均拆分为同等数量的子集合;
线程创建单元,配置用于为每个子集合创建唯一对应的子线程,控制所述子线程执行对应子集合的处理任务;
结果输出单元,配置用于采集所有子线程的计算结果,将所有计算结果合并后输出至主线程。
5.根据权利要求4所述的系统,其特征在于,所述结果输出单元包括:
进度获取模块,配置用于获取所有子线程执行进度;
完成判定模块,配置用于若获取到所有子线程均执行完成,则采集所有子线程的计算结果;
失败提示模块,配置用于若获取到子线程执行失败信息,则返回主线程执行失败提示。
6.根据权利要求4所述的系统,其特征在于,所述系统包括:
均衡触发模块,配置用于确定所有子线程执行进度中存在执行完成的子线程,筛选出未执行完成的子线程中进度最少的子线程作为待均衡子线程;
均衡执行模块,配置用于将待均衡子线程的执行任务均分,并将均分后的执行任务分别下发至待均衡子线程和所述执行完成的子线程。
7.一种终端,其特征在于,包括:
处理器;
用于存储处理器的执行指令的存储器;
其中,所述处理器被配置为执行权利要求1-3任一项所述的方法。
8.一种存储有计算机程序的计算机可读存储介质,其特征在于,该程序被处理器执行时实现如权利要求1-3中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910734331.0A CN110554917A (zh) | 2019-08-09 | 2019-08-09 | 高效遍历较大数据量集合的方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910734331.0A CN110554917A (zh) | 2019-08-09 | 2019-08-09 | 高效遍历较大数据量集合的方法、系统、终端及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110554917A true CN110554917A (zh) | 2019-12-10 |
Family
ID=68737360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910734331.0A Withdrawn CN110554917A (zh) | 2019-08-09 | 2019-08-09 | 高效遍历较大数据量集合的方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110554917A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084023A (zh) * | 2020-08-21 | 2020-12-15 | 安徽寒武纪信息科技有限公司 | 数据并行处理的方法、电子设备及计算机可读存储介质 |
CN112148476A (zh) * | 2020-08-26 | 2020-12-29 | 福建摩尔软件有限公司 | 一种spc的高效计算方法、装置、设备和介质 |
CN113110924A (zh) * | 2021-04-08 | 2021-07-13 | 北京联创新天科技有限公司 | 一种通用多线程任务执行方法、装置、介质及设备 |
CN114519035A (zh) * | 2022-01-19 | 2022-05-20 | 上海卫星工程研究所 | 高速卫星遥测处理方法及系统 |
CN115935720A (zh) * | 2023-03-03 | 2023-04-07 | 凌霄(天津)工业互联网有限公司 | 一种基于大数据处理的配矿方法 |
-
2019
- 2019-08-09 CN CN201910734331.0A patent/CN110554917A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112084023A (zh) * | 2020-08-21 | 2020-12-15 | 安徽寒武纪信息科技有限公司 | 数据并行处理的方法、电子设备及计算机可读存储介质 |
CN112148476A (zh) * | 2020-08-26 | 2020-12-29 | 福建摩尔软件有限公司 | 一种spc的高效计算方法、装置、设备和介质 |
CN113110924A (zh) * | 2021-04-08 | 2021-07-13 | 北京联创新天科技有限公司 | 一种通用多线程任务执行方法、装置、介质及设备 |
CN114519035A (zh) * | 2022-01-19 | 2022-05-20 | 上海卫星工程研究所 | 高速卫星遥测处理方法及系统 |
CN115935720A (zh) * | 2023-03-03 | 2023-04-07 | 凌霄(天津)工业互联网有限公司 | 一种基于大数据处理的配矿方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110554917A (zh) | 高效遍历较大数据量集合的方法、系统、终端及存储介质 | |
US20190361747A1 (en) | Merging scaled-down container clusters using vitality metrics | |
CN107153643B (zh) | 数据表连接方法及装置 | |
CN109710624B (zh) | 数据处理方法、装置、介质及电子设备 | |
CN110554938B (zh) | 一种基于脚本集合的bios测试方法、系统、终端及存储介质 | |
CN112559525B (zh) | 数据检查系统、方法、装置和服务器 | |
CN112231102A (zh) | 一种提升存储系统性能的方法、装置、设备、产品 | |
US20230305880A1 (en) | Cluster distributed resource scheduling method, apparatus and device, and storage medium | |
CN115033352A (zh) | 多核处理器任务调度方法、装置及设备、存储介质 | |
CN111262753A (zh) | 一种numa节点个数自动配置方法方法、系统、终端及存储介质 | |
CN111124854A (zh) | 一种冒烟测试用例分配方法、系统、终端及存储介质 | |
CN115150471A (zh) | 数据处理方法、装置、设备、存储介质及程序产品 | |
WO2016018352A1 (en) | Platform configuration selection based on a degraded makespan | |
CN108897850B (zh) | 一种数据处理方法及装置 | |
CN106886477B (zh) | 一种云系统中监控阈值设定方法及装置 | |
CN111241594B (zh) | 交易信息的加签方法、装置、计算机设备和存储介质 | |
CN113076231A (zh) | 服务器应用场景设置方法、系统、终端及存储介质 | |
CN111475251A (zh) | 一种集群容器调度方法、系统、终端及存储介质 | |
CN109408035B (zh) | 一种业务系统的流程配置方法、存储介质和服务器 | |
CN111124669A (zh) | 一种分布式SaaS软件的运营方法、系统、终端及存储介质 | |
CN113821174B (zh) | 存储处理方法、装置、网卡设备及存储介质 | |
CN111752677B (zh) | 一种云资源配置方法、系统、终端及存储介质 | |
CN113220368B (zh) | 一种存储客户端资源隔离方法、系统、终端及存储介质 | |
CN113886035A (zh) | 任务处理方法、装置、电子设备及存储介质 | |
CN111966286A (zh) | 一种多数据池分级迁移的方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191210 |
|
WW01 | Invention patent application withdrawn after publication |