CN113157389B - 一种基于进化博弈论的虚拟机整合方法 - Google Patents
一种基于进化博弈论的虚拟机整合方法 Download PDFInfo
- Publication number
- CN113157389B CN113157389B CN202110381858.7A CN202110381858A CN113157389B CN 113157389 B CN113157389 B CN 113157389B CN 202110381858 A CN202110381858 A CN 202110381858A CN 113157389 B CN113157389 B CN 113157389B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- host
- virtual machine
- integration
- integration scheme
- 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.)
- Active
Links
- 230000010354 integration Effects 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005265 energy consumption Methods 0.000 claims abstract description 88
- 230000005012 migration Effects 0.000 claims abstract description 12
- 238000013508 migration Methods 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000001419 dependent effect Effects 0.000 claims 1
- 230000007246 mechanism Effects 0.000 claims 1
- 238000010606 normalization Methods 0.000 claims 1
- 238000000611 regression analysis Methods 0.000 claims 1
- 239000000126 substance Substances 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Images
Classifications
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
-
- 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
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
- G06F2009/4557—Distribution of virtual machine instances; Migration and load balancing
-
- 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
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
虚拟机整合是数据中心降低能耗的重要手段。通过定期地关闭空闲的主机减少运行主机的数量,达到降低总能耗的目的。现有的以降低能耗为目的的虚拟机整合方法存在着不保证解可行、不保证解全局最优的问题,而且能耗计算的准确性以及方法求解的时间复杂度上也存在很大的提升空间。本发明提出一种基于进化博弈论的虚拟机整合,该方法能够在每次虚拟机动态合并时实现全局最优并具有实施可行性。本发明由建立目标函数、求解虚拟机整合方案和虚拟机整合三部分组成,使用该方法对数据中心的虚拟机分配进行优化,可以大大降低能耗,同时,该发明导致的运行时间、SLA违例数、总的虚拟机迁移数等性能指标均保持在可接受的范围内。
Description
技术领域
本发明涉及互联网云计算领域,具体涉及一种云数据中心中基于进化博弈论虚拟机整合的方法。
背景技术
由于应用的不断增长,云计算已经成为全球数字经济的重要组成部分。云数据中心消耗了大量的能源,从而带来了了高昂的运营成本和二氧化碳排放。虚拟化技术允许同一个物理机运行属于多个用户的不同应用程序,从而提高数据中心资源的利用率。虚拟机整合是数据中心降低能耗的重要手段。通过定期地关闭空闲状态的主机来减少运行主机的数量,可以达到降低总能耗的目的。
虚拟机整合是NP难问题。一些研究者把虚拟机整合看作装箱问题,主机的资源容量看作箱,虚拟机的当前资源需求看作物品,求解将虚拟机整合到主机上所需主机的最少数目以及虚拟机至主机的映射方案。这种虚拟机整合方法以使用最少数目的主机装入虚拟机为目标,没有考虑解的可行性,即在现行解的情况下,如何保证在不关闭虚拟机的前提下,将每一个虚拟机从源主机迁移到目标主机。这导致一些最优解因为不可行而无意义。另外一些研究者将虚拟机整合问题看作数学优化问题,一般以降低能耗为目标,以虚拟机迁移成本、用户的服务质量降低限度等一些与现实应用场景相关的条件为约束。这类优化问题一般采用启发法或元启发法来求解。然而,启发法取得的解只能保证局部最优,元启发法存在解的搜索空间过大,算法执行时间过长的问题。从能耗计算上来看,现有的研究大多是利用资源利用率(例如,CPU利用率、磁盘利用率等)估计能耗,没有考虑更多的因素,实际上,主机能耗除了运行状态和空闲状态有很大的能耗差异外,运行状态和睡眠状态下的能耗也有很大差异,而把空闲主机置为睡眠(而不是关闭)又可以在下次主机唤醒时节省很多的能耗(与开机相比)。随着虚拟机的动态合并,移走全部虚拟机的源主机被关闭或睡眠状态,目标主机可能被开机或唤醒,主机状态的改变非常频繁,与状态有关的能耗(不同状态下的能耗和状态切换的能耗)是不可忽视的。
综上所述,现有的以降低能耗为目的的虚拟机整合方法存在着不保证解可行、不保证解全局最优的问题,而且能耗计算的准确性以及方法求解的时间复杂度上也存在很大的提升空间。
发明内容
本发明为了客服现有技术的不足,提出一种基于进化博弈论的虚拟机整合方法,该方法能够在进行虚拟机动态合并时实现全局最优并具有实施可行性,而且能够有效地降低数据中心能耗。本发明通过以下技术方案来解决其技术问题:一种基于进化博弈论的虚拟机整合方法,包含以下步骤:
(1)建立满足一定约束(例如完整性约束,SLA约束等)的虚拟机整合的目标函数,包括以下子步骤:
(1.1)建立与状态相关的主机能耗模型;
(1.2)建立因虚拟机动态合并而引起的状态切换的能耗模型;
(1.3)建立虚拟机迁移的能耗模型;
(1.4)基于步骤(1.1)-(1.4),建立总能耗模型;
(1.5)建立关于能耗的目标函数;
(2)基于进化博弈论,求得虚拟机整合方案,使得步骤(1)建立的目标函数最优,包括以下子步骤:
(2.1)获取过载主机上需要迁移的虚拟机和欠载主机上的虚拟机构成虚拟机列表,获取数据中心所有主机构成主机列表;
(2.2)将每个虚拟机映射为一个玩家,基于进化博弈论,在每个整合步,每个采取一个对自己最佳(效用函数最小)的策略。包括以下子步骤:
(2.2.1)计算数据中心的当前能耗;
(2.2.2)从虚拟机列表中随机选取一个虚拟机,产生一个随机数,如果该随机数小于扰乱因子d,则为该虚拟机随机分配一台主机作为目标主机;否则,转步骤(2.2.2;
(2.2.3)在其它虚拟机保持映射不变的前提下,计算将其迁移到每台主机的效用函数,效用函数由四部分组成:在现有策略下虚拟机所在主机的能耗;采取新策略后主机能耗的变化,包括源主机和目标主机的能耗变化;采取新策略后,源主机和目标主机上的状态切换产生的能耗;采取新策略所需的虚拟机迁移产生的能耗。找到使效用函数值最小的主机;
(2.2.4)按照步骤(2.2.1)和(2.2.2)的方法为每一个虚拟机分配一个主机,构成一个虚拟机整合方案;
(2.2.5)按照步骤(2.2.3)的方法构成一个新的虚拟机整合方案;
(2.2.6)如果(2.2.3)和(2.2.4)产生的整合方案不同,继续产生新的整合方案,并保留上一个步骤(2.2.4)产生的整合方案,一直迭代到最新产生的两个方案完全一致;
(2.2.7)计算在该整合方案下数据中心的能耗,并与(2.2.1)的能耗比较,如果该整合方案的能耗较低,将其作为当前的最优整合方案;
(2.2.8)重复执行(2.2.2)-(2.2.7),直到达到最大进化轮数为止;
(2.2.9)将(2.2.8)得到的最优整合方案作为最终整合方案;
(3)进行虚拟机整合。按照最优的整合方案,将虚拟机迁移到目标主机。
附图说明
图1不同方法的性能比较图
图2虚拟机整合流程图
具体实施方式
一种基于进化博弈论的虚拟机整合方法,包含以下步骤:
(1)建立满足一定约束(例如完整性约束,SLA约束等)的虚拟机整合的目标函数,包括以下子步骤:
(1.1)建立与状态相关的主机能耗模型;
(1.2)建立因虚拟机动态合并而引起的状态切换的能耗模型;
(1.3)建立虚拟机迁移的能耗模型;
(1.4)基于步骤(1.1)-(1.4),建立总能耗模型;
(1.5)建立关于能耗的目标函数;
(2)基于进化博弈论,求得虚拟机整合方案,使得步骤(1)建立的目标函数最优,包括以下子步骤:
(2.1)获取过载主机上需要迁移的虚拟机和欠载主机上的虚拟机构成虚拟机列表,获取数据中心所有主机构成主机列表;
(2.2)将每个虚拟机映射为一个玩家,基于进化博弈论,在每个整合步,每个采取一个对自己最佳(效用函数最小)的策略。包括以下子步骤:
(2.2.1)计算数据中心的当前能耗;
(2.2.2)从虚拟机列表中随机选取一个虚拟机,产生一个随机数,如果该随机数小于扰乱因子d,则为该虚拟机随机分配一台主机作为目标主机;否则,转步骤(2.2.2;
(2.2.3)在其它虚拟机保持映射不变的前提下,计算将其迁移到每台主机的效用函数,效用函数由四部分组成:在现有策略下虚拟机所在主机的能耗;采取新策略后主机能耗的变化,包括源主机和目标主机的能耗变化;采取新策略后,源主机和目标主机上的状态切换产生的能耗;采取新策略所需的虚拟机迁移产生的能耗。找到使效用函数值最小的主机;
(2.2.4)按照步骤(2.2.1)和(2.2.2)的方法为每一个虚拟机分配一个主机,构成一个虚拟机整合方案;
(2.2.5)按照步骤(2.2.3)的方法构成一个新的虚拟机整合方案;
(2.2.6)如果(2.2.3)和(2.2.4)产生的整合方案不同,继续产生新的整合方案,并保留上一个步骤(2.2.4)产生的整合方案,一直迭代到最新产生的两个方案完全一致;
(2.2.7)计算在该整合方案下数据中心的能耗,并与(2.2.1)的能耗比较,如果该整合方案的能耗较低,将其作为当前的最优整合方案;
(2.2.8)重复执行(2.2.2)-(2.2.7),直到达到最大进化轮数为止;
(2.2.9)将(2.2.8)得到的最优整合方案作为最终整合方案;
(3)进行虚拟机整合。按照最优的整合方案,将虚拟机迁移到目标主机。
Claims (3)
1.一种进化博弈论的虚拟机整合方法,其特征在于包括以下步骤:
(1)建立满足一定约束的虚拟机整合的目标函数,包括以下子步骤:
(1.1)建立与状态相关的主机能耗模型;
(1.2)建立因虚拟机合并而引起的状态切换的能耗模型;
(1.3)建立虚拟机迁移的能耗模型;
(1.4)基于步骤(1.1)-(1.4),建立总能耗模型;
(1.5)建立关于能耗的目标函数;
(2)基于进化博弈论,求得虚拟机整合方案,使得步骤(1)建立的目标函数最优,包括以下子步骤:
(2.1)获取过载主机上需要迁移的虚拟机和欠载主机上的虚拟机构成虚拟机列表,获取数据中心所有主机构成主机列表;
(2.2)将每个虚拟机映射为一个玩家,基于进化博弈论,在每个整合步,每个采取一个对自己最佳,即效用函数最小的策略,包括以下子步骤:
(2.2.1)计算数据中心的当前能耗;
(2.2.2)从虚拟机列表中随机选取一个虚拟机,产生一个随机数,如果该随机数小于扰乱因子d,则为该虚拟机随机分配一台主机作为目标主机;否则,转步骤(2.2.2);
(2.2.3)在其它虚拟机保持映射不变的前提下,计算将其迁移到每台主机的效用函数,效用函数由四部分组成:在现有策略下虚拟机所在主机的能耗;采取新策略后主机能耗的变化,包括源主机和目标主机的能耗变化;采取新策略后,源主机和目标主机上的状态切换产生的能耗;采取新策略所需的虚拟机迁移产生的能耗,找到使效用函数值最小的主机;
(2.2.4)按照步骤(2.2.1)和(2.2.2)的方法为每一个虚拟机分配一个主机,构成一个虚拟机整合方案;
(2.2.5)按照步骤(2.2.3)的方法构成一个新的虚拟机整合方案;
(2.2.6)如果(2.2.3)和(2.2.4)产生的整合方案不同,继续产生新的整合方案,并保留上一个步骤(2.2.4)产生的整合方案,一直迭代到最新产生的两个方案完全一致;
(2.2.7)计算在该整合方案下数据中心的能耗,并与(2.2.1)的能耗比较,如果该整合方案的能耗较低,将其作为当前的最优整合方案;
(2.2.8)重复执行(2.2.2)-(2.2.7),直到达到最大进化轮数为止;
(2.2.9)将(2.2.6)得到的最优整合方案作为最终整合方案;
(3)进行虚拟机整合,按照最优的整合方案,将虚拟机迁移到目标主机;
主机的功耗表示为:其中,i表示第i台主机,Ci(PSk)表示第i台主机在PSk状态下的能耗,αi是该主机的能耗系数.ri是该主机的校准参数,状态切换的能耗用以下公式表示:状态切换的能耗表示为:其中,SSki表示第i台主机是否发生了第k种状态切换,表示第i台主机发生第k种状态切换所产生的能耗;虚拟机迁移的能耗表示为:其中,表示源主机迁出虚拟机所产生的能耗,表示目标主机迁入虚拟机所产生的的能耗,表示传输过程所产生的的能耗,α,β是需要训练的模型参数,Vj是虚拟机j的大小,B是网络带宽;
目标函数表示为:E(s)=Ep(s)+Eswit(s)+Emig(s)其中, 函数E(s)就是在博弈进化过程中,计算解s的能耗的函数,用于计价相对于当前最优解来说,解s的好坏,如果s优于当前最优解,就会把s作为当前最新的最优解;
在步骤(2.2.3)中使用的效用函数由四部分组成,现有映射下主机的能耗可表示为:采取新策略后主机能耗的变化可表示为:Ec_p(s-i,s′i)=Ep(s-i,s′i)-Ep(s-i,si),其中,Ep(s-i,si)为原有策略下虚拟机所在主机和目标主机的能耗,Ep(s-i,s′i)为采取新策略后虚拟机所在主机和目标主机的能耗;状态切换的能耗可表示为:Ep_swit(s-i,s′i)=Eswit_s(s-i,s′i)+Eswit_t(s-i,s′i),其中,分别表示源主机的状态切换能耗和目标主机的状态切换能耗,表示源主机采取新策略被置为“睡眠”所需的能耗,和表示目标主机被唤醒和被开启所需的能耗;虚拟机迁移的能耗可表示为:其中,和 表示在旧策略和新策略下,虚拟机所在主机的迁移能耗的模型参数。
2.根据权利要求1所述的一种基于进化博弈论的虚拟机整合方法,其特征在于,在步骤(1.1)中,训练了状态相关的主机能耗模型的参数,通过以0-100%,5%的间隔产生21个CPU利用率负载,用电表测量了相应负载下的主机能耗,进行规范化后,通过拟合回归分析得到αi和ri的值,使用最小二乘法来处理观测值和预测值;在步骤(1.2)中,用电表测量了四种状态切换的能耗,并进行了规范化。
3.根据权利要求1所述的一种基于进化博弈论的虚拟机整合方法,其特征在于,在步骤(2.2)中,将每个虚拟机映射为一个玩家,基于进化博弈论进行优化,进化轮数为1000次,每一轮的进化以达到纳什均衡为终点;使用干扰因子,使得虚拟机以一定的概率,放弃效用函数最小的主机,而是随机选择一台主机,从而可以避免解落入局部最优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110381858.7A CN113157389B (zh) | 2021-04-09 | 2021-04-09 | 一种基于进化博弈论的虚拟机整合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110381858.7A CN113157389B (zh) | 2021-04-09 | 2021-04-09 | 一种基于进化博弈论的虚拟机整合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113157389A CN113157389A (zh) | 2021-07-23 |
CN113157389B true CN113157389B (zh) | 2022-10-25 |
Family
ID=76888923
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110381858.7A Active CN113157389B (zh) | 2021-04-09 | 2021-04-09 | 一种基于进化博弈论的虚拟机整合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113157389B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598733A (zh) * | 2016-12-08 | 2017-04-26 | 南京航空航天大学 | 一种云计算能耗关键的三维度虚拟资源调度方法 |
CN108089914A (zh) * | 2018-01-18 | 2018-05-29 | 电子科技大学 | 一种基于能耗的云计算虚拟机部署算法 |
CN109960568A (zh) * | 2019-02-18 | 2019-07-02 | 深圳大学 | 一种调度方法及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9250962B2 (en) * | 2011-01-10 | 2016-02-02 | International Business Machines Corporation | Optimizing energy use in a data center by workload scheduling and management |
-
2021
- 2021-04-09 CN CN202110381858.7A patent/CN113157389B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106598733A (zh) * | 2016-12-08 | 2017-04-26 | 南京航空航天大学 | 一种云计算能耗关键的三维度虚拟资源调度方法 |
CN108089914A (zh) * | 2018-01-18 | 2018-05-29 | 电子科技大学 | 一种基于能耗的云计算虚拟机部署算法 |
CN109960568A (zh) * | 2019-02-18 | 2019-07-02 | 深圳大学 | 一种调度方法及电子设备 |
Non-Patent Citations (3)
Title |
---|
"An Energy Efficient VM Migration Algorithm in Data Centers";Xiaodong Wu等;《2017 16th International Symposium on Distributed Computing and Applications to Business, Engineering and Science (DCABES)》;20180111;第27-30页 * |
"云计算能耗资源调度优化关键技术研究";郝亮等;《智能计算机与应用》;20141001;第4卷(第5期);第90-93页 * |
基于能耗降低的虚拟机动态迁移算法;李飞标等;《华东理工大学学报(自然科学版)》;20171030(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113157389A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Virtual machine placement algorithm for both energy‐awareness and SLA violation reduction in cloud data centers | |
US9954758B2 (en) | Virtual network function resource allocation and management system | |
US8560639B2 (en) | Dynamic placement of replica data | |
Zhao et al. | A new energy-aware task scheduling method for data-intensive applications in the cloud | |
Arshad et al. | Utilizing power consumption and SLA violations using dynamic VM consolidation in cloud data centers | |
CN105491138B (zh) | 一种基于负载率分级触发的分布式负载调度方法 | |
US20100318827A1 (en) | Energy use profiling for workload transfer | |
TW201346507A (zh) | 根據處理器的使用動態修改電力/效能權衡的技術 | |
CN106528266A (zh) | 一种云计算系统中的资源动态调整方法及装置 | |
Li et al. | Energy-efficient fault-tolerant replica management policy with deadline and budget constraints in edge-cloud environment | |
CN107861796A (zh) | 一种支持云数据中心能耗优化的虚拟机调度方法 | |
Karakoyunlu et al. | Exploiting user metadata for energy-aware node allocation in a cloud storage system | |
Xie et al. | Schedule length minimization of parallel applications with energy consumption constraints using heuristics on heterogeneous distributed systems | |
Lu et al. | Dynamic offloading for energy-aware scheduling in a mobile cloud | |
Magotra et al. | Adaptive computational solutions to energy efficiency in cloud computing environment using VM consolidation | |
CN114327811A (zh) | 一种任务调度方法、装置、设备及可读存储介质 | |
Liu et al. | An Energy‐Saving Task Scheduling Model via Greedy Strategy under Cloud Environment | |
CN109101316B (zh) | 一种能效相关的云计算平台资源调度方法 | |
CN113157389B (zh) | 一种基于进化博弈论的虚拟机整合方法 | |
Khan et al. | Energy efficient resource allocation in distributed computing systems | |
CN109582119B (zh) | 基于动态电压频率调整的双层Spark节能调度方法 | |
CN108073449B (zh) | 一种虚拟机动态放置方法 | |
Guo et al. | PARA: Performability‐aware resource allocation on the edges for cloud‐native services | |
US8607245B2 (en) | Dynamic processor-set management | |
Le et al. | An evaluation of power-proportional data placement for Hadoop distributed file systems |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210723 Assignee: Shaanxi Hongxin Danuo Technology Co.,Ltd. Assignor: XI'AN University OF POSTS & TELECOMMUNICATIONS Contract record no.: X2024980006989 Denomination of invention: A Virtual Machine Integration Method Based on Evolutionary Game Theory Granted publication date: 20221025 License type: Exclusive License Record date: 20240611 |