CN112231303A - 一种数据迁移系统及方法 - Google Patents
一种数据迁移系统及方法 Download PDFInfo
- Publication number
- CN112231303A CN112231303A CN202011434017.XA CN202011434017A CN112231303A CN 112231303 A CN112231303 A CN 112231303A CN 202011434017 A CN202011434017 A CN 202011434017A CN 112231303 A CN112231303 A CN 112231303A
- Authority
- CN
- China
- Prior art keywords
- data
- storage system
- data migration
- subunit
- migration
- 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
Images
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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/214—Database migration support
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种数据迁移系统及方法,数据迁移系统包括:源端NAS存储系统、目标NAS存储系统、用于搭载数据迁移平台和数据迁移的主服务器,以及根据迁移命令将源端NAS存储系统迁移至目标NAS存储系统的数个从服务器,从服务器和主服务器分别配置有不同的协议复制工具。数据迁移方法包括以下步骤:S1:数据迁移系统访问源端NAS存储系统并获取最佳迁移时间;S2:建立通信链路和协议数据复制;S3:风险预测;S4:在最佳迁移时间开始迁移;S5:数据迁移过程中接收源端NAS存储系统变化数据;S6:成功后,迁移变化数据,修改访问地址。本发明解决了海量数据数据库迁移过程复杂,效率过低的问题。
Description
技术领域
本发明涉及数据库技术领域,具体是涉及一种数据迁移系统及方法。
背景技术
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、然语言处理和专家系统等。
NAS(Network Attached Storage,网络附属存储),是一种专用数据存储服务器,具有高性能、低成本的优点,广泛应用于企业信息系统中。
5G时代是信息爆炸的时代,不仅对于数据库的存储能力有更高的要求,还对数据库的查询效率有了更高的标准,对于存储海量数据的数据库,在数据迁移的过程将更加耗时的同时成功率更低。而在当前企业信息系统中存储的数据迁移需要考虑的因素很多,比如存储厂商类别、存储类型、版本、传输协议、数据结构、数据权限控制、数据规模、最小允许宕机时间等等。当旧设备需要淘汰时,需要对旧存储中数据进行迁移。传统做法对于从旧存储中迁移历史数据,需要首先建立旧存储历史数据与新存储数据结构的对应关系,并根据对应关系建立数据逻辑视图。然后通过操作系统将历史数据一次性复制到新存储卷中,以人工方式对文件系统进行权限比对和修改。在传统的数据迁移过程中,数据迁移是繁重复杂的工作,且还需要对生产系统进行配置和操作,严重影响了生产系统的稳定高效运行。
因此,人工智能进入工业物联网、金融、空气预测等数据管理时,由需求推动时序信息会使数据库变成实时,并且能即时生成预测结果。数据库如果实时可以用算法以后,并可生成实时的预报警系统,让大家把损失防范于未然,使得AI助推数据库的发展。
发明内容
本发明解决的技术问题是:现有存储海量数据的数据库在数据迁移时,过程复杂,效率过低。
本发明的技术方案如下:
一种数据迁移系统,包括:
源端NAS存储系统,
目标NAS存储系统,
用于搭载数据迁移平台和数据迁移的主服务器,
以及根据迁移命令将源端NAS存储系统迁移至目标NAS存储系统的数个从服务器,
从服务器和主服务器分别配置有不同的协议复制工具;
其中,数据迁移平台包括:
用于对数据进行备份且在迁移失败时进行数据恢复的数据备份单元,
用于对数据迁移进行准备的数据迁移单元,
用于通过获取数据各个时段的访问频率来确定数据迁移时间的AI预测单元,
用于在数据迁移过程中通过接入源端NAS存储系统的临时保存单元;
其中,AI预测单元包括:用于通过接入源端NAS存储系统对各时段源端NAS存储系统访问流量进行监测的流量监测子单元,通过学习矢量量化网络算法对流量监测子单元获取数据进行训练获得最佳数据迁移时间段的分析子单元。
进一步地,数据备份单元包括:用于在数据迁移前对带动源端NAS存储系统进行备份的备份子单元和用于向主服务器和数个从服务器同时发出迁移命令的命令子单元,备份子单元为数据迁移系统提供了一份保证,便于数据的回溯。
进一步地,数据迁移平台还包括:用于在数据迁移过程中出现错误时进行处理的纠错单元,纠错单元为数据迁移过程中出现错误进行快速纠正提供了保障。
进一步地,述纠错单元包括:用于在数据迁移系统工作过程中生成跟踪日志并在出错时通知相关人员的日志报错子单元和用于在数据迁移过程中出错后将带动目标NAS存储系统内数据删除后中止数据传输的迁移中止子单元,迁移中止子单元自动处理目标NAS存储系统内传输不成功的数据,减少了下一次数据迁移可能发生的数据冲突。
进一步地,数据迁移单元包括:用于在数据迁移前建立源端NAS存储系统与目标NAS存储系统通信链路的通信链路子单元,为数据迁移提供了保障。
进一步地,AI预测单元还包括:通过对通信链路进行网络诊断生成数据迁移潜在风险的风险预报警子单元,风险预报警子单元在数据迁移前对潜在风险进行提示,提高了海量数据传输的成功几率。
更进一步地,临时保存单元包括:用于将数据迁移过程中源端NAS存储系统数据变化进行记录的记录子单元,用于在数据迁移成功后将记录子单元所存储数据迁移至目标NAS存储系统中的余量数据迁移子单元,用于将源端NAS存储系统访问地址修改为目标NAS存储系统地址的地址迁移子单元,余量数据迁移子单元和地址迁移子单元完成了数据迁移后的人工操作,大大降低了数据迁移的复杂度。
优选地,一种数据迁移方法,包括以下步骤:
S1:数据迁移平台通过端口访问到源端NAS存储系统;
S2:通过流量监测子单元对源端NAS存储系统进行访问频率的监测,分析子单元通过各时间段的流量对学习矢量量化网络算法进行训练,得出访问频率最低的数据迁移时间段;
S3:通信链路子单元建立源端NAS存储系统与目标NAS存储系统通信链路,协议复制子单元将源端NAS存储系统中与协议复制工具协议一致的数据通过通信链路迁移至目标NAS存储系统;
S4:在分析子单元得出的数据迁移时间段内,备份子单元在数据迁移前对源端NAS存储系统进行备份,命令子单元向主服务器和从服务器发出迁移命令;
S5:主服务器和从服务器将源端NAS存储系统数据迁移至目标NAS存储系统,在此过程中,记录子单元将数据迁移过程中源端NAS存储系统数据变化进行记录;
S6:数据迁移成功后,余量数据迁移子单元将记录子单元所存储数据迁移至目标NAS存储系统中,地址迁移子单元将源端NAS存储系统访问地址修改为目标NAS存储系统地址。
优选地,S3步骤还包括:风险预报警子单元通过对通信链路进行网络诊断生成数据迁移潜在风险后,确认并解决潜在风险,风险预报警子单元在迁移之前提前做了一次通路检测,大大降低了迁移过程中出错的可能性。
进一步地优选地,S5步骤还包括:日志报错子单元在数据迁移过程生成跟踪日志并在出错时通知相关人员,迁移中止子单元在数据迁移出错后将目标NAS存储系统内数据删除后中止数据传输,迁移中止子单元自动处理目标NAS存储系统内传输不成功的数据,降低了下一次数据迁移发生数据冲突的可能性。
本发明的有益效果是:
1、本发明通过流量监测子单元和分析子单元在数据迁移前对源端NAS存储系统各个时间段的访问流量数据通过学习矢量量化网络算法进行分析,得出最佳的迁移时段,对于海量数据的数据库来说,迁移时间较长,在访问频繁时段,数据增量十分大,因此,选择在数据增量最小的时间段进行数据迁移,可以有效减少数据迁移过程中源端NAS存储系统产生的数据增量数目,提高数据迁移成功几率;
2、本发明通过风险预报警子单元在数据迁移之前对搭建好的通信链路进行诊断得出迁移过程中潜在的风险,确认并解决潜在风险后进行数据迁移,大大降低了数据迁移的失败率,提高了数据迁移的效率;
本发明通过临时保存单元中的记录子单元完成对迁移过程中源端NAS存储系统数据增量的记录,余量数据迁移子单元将记录子单元记录的数据增量迁移至目标NAS存储系统,地址迁移子单元将源端NAS存储系统访问地址修改为目标NAS存储系统地址,临时保存单元完成了数据迁移后的人工操作,大大降低了数据迁移的复杂度。
附图说明
图1是本发明整体结构图;
图2是实施例1的整体结构图;
图3是本发明数据迁移平台结构示意图。
具体实施方式
实施例1
如图1所示的一种数据迁移系统,包括:
源端NAS存储系统,
目标NAS存储系统,
用于搭载数据迁移平台和数据迁移的主服务器,
以及根据迁移命令将源端NAS存储系统迁移至目标NAS存储系统的从服务器,从服务器和主服务器分别配置有不同的协议复制工具。
如图2所示,其中主服务器配置安装有Windows操作系统,配置Windows CIFS 协议复制工具,从服务器安装有Linux操作系统,配置Linux NFS协议复制工具,协议复制工具包括但不限于Windows CIFS 协议复制工具和Linux NFS协议复制工具。
如图3所示,数据迁移平台包括:
用于对数据进行备份且在迁移失败时进行数据恢复的数据备份单元,数据备份单元包括:用于在数据迁移前对带动源端NAS存储系统进行备份的备份子单元和用于向主服务器和数个从服务器同时发出迁移命令的命令子单元;
用于对数据迁移进行准备的数据迁移单元,数据迁移单元包括:用于在数据迁移前建立源端NAS存储系统与目标NAS存储系统通信链路的通信链路子单元;
用于在数据迁移过程中出现错误时进行处理的纠错单元,纠错单元包括:用于在数据迁移系统工作过程中生成跟踪日志并在出错时通知相关人员的日志报错子单元和用于在数据迁移过程中出错后将目标NAS存储系统内数据删除后中止数据传输的迁移中止子单元;
用于通过获取数据各个时段的访问频率来确定数据迁移时间的AI预测单元,AI预测单元包括:用于通过接入源端NAS存储系统对各时段源端NAS存储系统访问流量进行监测的流量监测子单元,通过学习矢量量化网络算法对流量监测子单元获取数据进行训练获得最佳数据迁移时间段的分析子单元;
用于在数据迁移过程中通过接入源端NAS存储系统的临时保存单元,临时保存单元包括:用于将数据迁移过程中源端NAS存储系统数据变化进行记录的记录子单元,用于在数据迁移成功后将记录子单元所存储数据迁移至目标NAS存储系统中的余量数据迁移子单元,用于将源端NAS存储系统访问地址修改为目标NAS存储系统地址的地址迁移子单元。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义,“多种”一般包含至少两种。
应当理解,尽管在本发明实施例中可能采用术语第一、第二、第三等来描述……,但这些……不应限于这些术语。这些术语仅用来将……区分开。例如,在不脱离本发明实施例范围的情况下,第一……也可以被称为第二……,类似地,第二……也可以被称为第一……。
实施例2
利用实施例1系统进行数据迁移的方法,包括以下步骤:
S1:数据迁移平台通过端口访问到源端NAS存储系统;
S2:通过流量监测子单元对源端NAS存储系统进行访问频率的监测,分析子单元通过各时间段的流量对学习矢量量化网络算法进行训练,得出访问频率最低的数据迁移时间段;
S3:通信链路子单元建立源端NAS存储系统与目标NAS存储系统通信链路,协议复制子单元将源端NAS存储系统中与协议复制工具协议一致的数据通过通信链路迁移至目标NAS存储系统;
S4:在分析子单元得出的数据迁移时间段内,备份子单元在数据迁移前对源端NAS存储系统进行备份,命令子单元向主服务器和从服务器发出迁移命令;
S5:主服务器通过Windows CIFS 协议复制工具从源端NAS存储系统中读取CIFS 协议数据并迁移至目标NAS存储系统中,从服务器通过Linux NFS协议复制工具从源端NAS存储系统中读取NFS 协议数据并迁移至目标NAS存储系统中。在此过程中,记录子单元将数据迁移过程中源端NAS存储系统数据变化进行记录,同时,日志报错子单元在数据迁移过程生成跟踪日志并在出错时通知相关人员,迁移中止子单元在数据迁移出错后将目标NAS存储系统内数据删除后中止数据传输;
S6:数据迁移成功后,余量数据迁移子单元将记录子单元所存储数据迁移至目标NAS存储系统中,地址迁移子单元将源端NAS存储系统访问地址修改为目标NAS存储系统地址。
实施例3
本实施例与实施例2的区别在于,AI预测单元还包括:通过对通信链路进行网络诊断生成数据迁移潜在风险的风险预报警子单元;数据迁移的方法中,S3步骤还包括:风险预报警子单元通过对通信链路进行网络诊断生成数据迁移潜在风险后,确认并解决潜在风险。风险预报警子单元在迁移之前提前做了一次通路检测,进一步提高了数据库迁移的成功率,因此具有更佳的迁移效果。
以上介绍了本发明的较佳实施方式,旨在使得本发明的精神更加清楚和便于理解,并不是为了限制本发明,凡在本发明的精神和原则之内,所做的修改、替换、改进,均应包含在本发明所附的权利要求概括的保护范围之内。
Claims (10)
1.一种数据迁移系统,其特征在于,包括:
源端NAS存储系统,
目标NAS存储系统,
用于搭载数据迁移平台和数据迁移的主服务器,
以及根据迁移命令将所述源端NAS存储系统迁移至所述目标NAS存储系统的数个从服务器,
所述从服务器和所述主服务器分别配置有不同的协议复制工具;
其中,所述数据迁移平台包括:
用于对数据进行备份且在迁移失败时进行数据恢复的数据备份单元,
用于对数据迁移进行准备的数据迁移单元,
用于通过获取数据各个时段的访问频率来确定数据迁移时间的AI预测单元,
用于在数据迁移过程中通过接入所述源端NAS存储系统的临时保存单元;
其中,所述AI预测单元包括:用于通过接入所述源端NAS存储系统对各时段源端NAS存储系统访问流量进行监测的流量监测子单元,通过学习矢量量化网络算法对所述流量监测子单元获取数据进行训练获得最佳数据迁移时间段的分析子单元。
2.如权利要求1所述的一种数据迁移系统,其特征在于,所述数据备份单元包括:用于在数据迁移前对带动源端NAS存储系统进行备份的备份子单元和用于向所述主服务器和数个所述从服务器同时发出迁移命令的命令子单元。
3.如权利要求1所述的一种数据迁移系统,其特征在于,所述数据迁移平台还包括:用于在数据迁移过程中出现错误时进行处理的纠错单元。
4.如权利要求3所述的一种数据迁移系统,其特征在于,所述纠错单元包括:用于在数据迁移系统工作过程中生成跟踪日志并在出错时通知相关人员的日志报错子单元和用于在数据迁移过程中出错后将带动目标NAS存储系统内数据删除后中止数据传输的迁移中止子单元。
5.如权利要求1所述的一种数据迁移系统,其特征在于,所述数据迁移单元包括:用于在数据迁移前建立所述源端NAS存储系统与所述目标NAS存储系统通信链路的通信链路子单元。
6.如权利要求5所述的一种数据迁移系统,其特征在于,所述AI预测单元还包括:通过对所述通信链路进行网络诊断生成数据迁移潜在风险的风险预报警子单元。
7.如权利要求1所述的一种数据迁移系统,其特征在于,所述临时保存单元包括:用于将数据迁移过程中所述源端NAS存储系统数据变化进行记录的记录子单元,用于在数据迁移成功后将所述记录子单元所存储数据迁移至所述目标NAS存储系统中的余量数据迁移子单元,用于将源端NAS存储系统访问地址修改为目标NAS存储系统地址的地址迁移子单元。
8.一种数据迁移方法,其特征在于,包括以下步骤:
S1:数据迁移平台通过端口访问到源端NAS存储系统;
S2:通过流量监测子单元对源端NAS存储系统进行访问频率的监测,分析子单元通过各时间段的流量对学习矢量量化网络算法进行训练,得出访问频率最低的数据迁移时间段;
S3:通信链路子单元建立源端NAS存储系统与目标NAS存储系统通信链路,协议复制子单元将源端NAS存储系统中与协议复制工具协议一致的数据通过通信链路迁移至目标NAS存储系统;
S4:在分析子单元得出的数据迁移时间段内,备份子单元在数据迁移前对源端NAS存储系统进行备份,命令子单元向主服务器和从服务器发出迁移命令;
S5:主服务器和从服务器将源端NAS存储系统数据迁移至目标NAS存储系统,在此过程中,记录子单元将数据迁移过程中源端NAS存储系统数据变化进行记录;
S6:数据迁移成功后,余量数据迁移子单元将记录子单元所存储数据迁移至目标NAS存储系统中,地址迁移子单元将源端NAS存储系统访问地址修改为目标NAS存储系统地址。
9.如权利要求8所述的一种数据迁移方法,其特征在于,所述S3步骤还包括:风险预报警子单元通过对通信链路进行网络诊断生成数据迁移潜在风险后,确认并解决潜在风险。
10.如权利要求8所述的一种数据迁移方法,其特征在于,所述S5步骤还包括:日志报错子单元在数据迁移过程生成跟踪日志并在出错时通知相关人员,迁移中止子单元在数据迁移出错后将目标NAS存储系统内数据删除后中止数据传输。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011434017.XA CN112231303A (zh) | 2020-12-10 | 2020-12-10 | 一种数据迁移系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011434017.XA CN112231303A (zh) | 2020-12-10 | 2020-12-10 | 一种数据迁移系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112231303A true CN112231303A (zh) | 2021-01-15 |
Family
ID=74124854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011434017.XA Pending CN112231303A (zh) | 2020-12-10 | 2020-12-10 | 一种数据迁移系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112231303A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113114784A (zh) * | 2021-04-29 | 2021-07-13 | 山西云芯新一代信息技术研究院有限公司 | 一种多功能计算机数据存储及迁移装置和方法 |
CN113468144A (zh) * | 2021-07-23 | 2021-10-01 | 上海蒙帕信息技术有限公司 | 一种数据库迁移方法及其迁移装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468641A (zh) * | 2013-09-12 | 2015-03-25 | 腾讯科技(深圳)有限公司 | 一种业务数据迁移方法、装置和云存储系统 |
CN109067823A (zh) * | 2018-06-11 | 2018-12-21 | 中国平安人寿保险股份有限公司 | 一种数据迁移方法、装置、计算机设备及存储介质 |
EP3605353A1 (en) * | 2018-08-03 | 2020-02-05 | Sap Se | Method and system for data transfer between databases |
-
2020
- 2020-12-10 CN CN202011434017.XA patent/CN112231303A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104468641A (zh) * | 2013-09-12 | 2015-03-25 | 腾讯科技(深圳)有限公司 | 一种业务数据迁移方法、装置和云存储系统 |
CN109067823A (zh) * | 2018-06-11 | 2018-12-21 | 中国平安人寿保险股份有限公司 | 一种数据迁移方法、装置、计算机设备及存储介质 |
EP3605353A1 (en) * | 2018-08-03 | 2020-02-05 | Sap Se | Method and system for data transfer between databases |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113114784A (zh) * | 2021-04-29 | 2021-07-13 | 山西云芯新一代信息技术研究院有限公司 | 一种多功能计算机数据存储及迁移装置和方法 |
CN113114784B (zh) * | 2021-04-29 | 2024-03-26 | 山西云芯新一代信息技术研究院有限公司 | 一种多功能计算机数据存储及迁移装置和方法 |
CN113468144A (zh) * | 2021-07-23 | 2021-10-01 | 上海蒙帕信息技术有限公司 | 一种数据库迁移方法及其迁移装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309071B (zh) | 测试代码的生成方法及模块、测试方法及系统 | |
US7043504B1 (en) | System and method for parallel primary and secondary backup reading in recovery of multiple shared database data sets | |
CN102782639B (zh) | 使复制目标能够回收瘦供给存储系统上未使用的存储空间的系统和方法 | |
CN112231303A (zh) | 一种数据迁移系统及方法 | |
KR101949115B1 (ko) | 디바이스 드라이버 검출 에러들의 자가 진단 및 자동 진단 데이터 수집 | |
CN111930489B (zh) | 一种任务调度方法、装置、设备及存储介质 | |
CN109558260A (zh) | Kubernetes故障排除系统、方法、设备及介质 | |
CN104375905A (zh) | 一种基于数据块的增量备份的方法和系统 | |
CN115454420A (zh) | 人工智能算法模型部署系统、方法、设备及存储介质 | |
WO2024032644A1 (zh) | 核燃料装卸与位置自动化跟踪系统及方法 | |
CN110689137B (zh) | 参数确定方法、系统、介质和电子设备 | |
CN106656592B (zh) | 基于角色配置的服务管理方法和装置 | |
CN116737736A (zh) | 数据一致性检查及修复方法、装置、设备、介质及产品 | |
CN114970476A (zh) | 数据处理方法、系统、电子设备及存储介质 | |
CN114968947A (zh) | 一种故障文件保存方法及相关装置 | |
CN116648693A (zh) | 用于备份文件系统的方法和设备 | |
CN105677515A (zh) | 一种数据库联机备份方法及系统 | |
US20240134777A1 (en) | Graphical Neural Network for Error Identification | |
US20240232054A9 (en) | Graphical Neural Network for Error Identification | |
US20240134626A1 (en) | Artificial intelligence (ai) supported graph enabled method to manage upgrades for applications | |
US20240231794A9 (en) | Artificial intelligence (ai) supported graph enabled method to manage upgrades for applications | |
WO2024012186A1 (zh) | 根因定位方法、通信设备及计算机可读存储介质 | |
CN109254899B (zh) | 一种服务器监控方法和装置 | |
CN117421202A (zh) | 代码处理方法、系统、设备和介质 | |
CN106570161A (zh) | 一种数据处理方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210115 |