CN113626463A - 高并发访问下的Web性能优化方法 - Google Patents

高并发访问下的Web性能优化方法 Download PDF

Info

Publication number
CN113626463A
CN113626463A CN202110877452.8A CN202110877452A CN113626463A CN 113626463 A CN113626463 A CN 113626463A CN 202110877452 A CN202110877452 A CN 202110877452A CN 113626463 A CN113626463 A CN 113626463A
Authority
CN
China
Prior art keywords
database
master
slave
mode
data
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.)
Granted
Application number
CN202110877452.8A
Other languages
English (en)
Other versions
CN113626463B (zh
Inventor
杨阳
马杰宏
罗仕龙
杨刘
马潇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Electronic Technology Institute No 10 Institute of Cetc
Original Assignee
Southwest Electronic Technology Institute No 10 Institute of Cetc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest Electronic Technology Institute No 10 Institute of Cetc filed Critical Southwest Electronic Technology Institute No 10 Institute of Cetc
Priority to CN202110877452.8A priority Critical patent/CN113626463B/zh
Publication of CN113626463A publication Critical patent/CN113626463A/zh
Application granted granted Critical
Publication of CN113626463B publication Critical patent/CN113626463B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/24—Querying
    • G06F16/242—Query formulation
    • G06F16/2433—Query languages
    • 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
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • G06F16/972—Access to data in other repository systems, e.g. legacy data or dynamic Web page generation

Abstract

本发明公开一种高并发访问下的Web性能优化方法，旨在提升Web应用在高并发访问场景下的高可用能力。该方法通过以下技术方案实现：利用虚拟的服务器集群系统内置的负载均衡软件配置主从设备模式，将一个原始任务分解为若干个语义等同的子任务，访问请求高效转发至反向代理服务器，将访问请求分发至Web应用服务器；采用数据库集群模式缓存常用数据；配置Mysql数据库集群为Master/Slave模式，提升数据库高并发访问应对能力；基于Java的压力测试工具模拟大规模高并发场景下的压力测试，优化Web应用服务器和JVM参数设置；建立索引、调整数据库日志文件方式、优化查询语句进行数据库操作语句优化，进而优化数据库。

Description

高并发访问下的Web性能优化方法
技术领域
本发明涉及大数据技术和分布式技术领域，具体的说是高并发访问下的Web性能优化方法。
背景技术：
随着世界迈入大数据时代，人们在经济、科研、生活等领域不断交叉融合，催生了海量数据，对Web应用的高并发访问已成为常态。大规模用户并发访问Web应用时，短时间内会生成大量的访问请求，对服务器产生巨大压力，如Web应用未经优化，很容易导致请求响应时间超时、服务器或数据库工作负载过高，甚至系统宕机，影响业务和服务的正常运行。数据库(Database)，简而言之可视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据运行新增、截取、更新、删除等操作。所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。一个数据库由多个表空间(Tablespace)构成。严格来说，数据库是长期储存在计算机内、有组织的、可共享的数据集合。数据库中的数据指的是以一定的数据模型组织、描述和储存在一起、具有尽可能小的冗余度、较高的数据独立性和易扩展性的特点并可在一定范围内为多个用户共享。大型网站都有复杂的应用，这些应用必须使用数据库，在面对大量访问的时候，因为海量数据导致了访问的缓慢，容易造成高并发问题的严重性，又因为数据库一般是web访问的瓶颈，数据库的瓶颈很快就能显现出来，这时一台数据库将很快无法满足应用，于是需要使用数据库集群或者库表散列。由于记录被切分到不同的库和不同的表中，难以进行多表关联查询，并且不能不指定路由字段对数据进行查询。且分库分表后需要进一步对系统进行扩容(路由策略变更)将变得非常不方便，需要重新进行数据迁移。当数据库的写压力增加，cache层(如Memcached)只能缓解数据库的读取压力。读写集中在一个数据库上让数据库不堪重负。数据库分表能够解决单表数据量很大的时候数据查询的效率问题，但是无法给数据库的并发操作带来效率上的提高，因为分表的实质还是在一个数据库上进行的操作，很容易受数据库IO性能的限制。
在Internet快速发展的今天，用户通过网络获取大量的信息，用户对Web应用系统的响应速度上升到更高需求。如在高校的网上选课，热门站点等突发访问量大，造成Web服务器负载过重。若某个页面多余发了100个字符的垃圾HTML代码，那1万人每天访问100次，会造成100×100×1万个字符的多余网络资源被浪费。提高数据库高峰时访问的并发能力，通常需要有非常良好的网络带宽，若有上万人同时录入数据的普通的Web信息系统，至少需要10M左右的网络带宽，而且各地的网络情况都不太一样，有的地方录入数据时可能会遇到网络非常缓慢的情况，甚至到无法忍受的程度。并且不能所有的数据库都依靠SQL数据库的方式把压力放在数据库服务器上，因为每秒都有可能成千上万的人在访问，若是质量不良好的数据库访问组件、或者不稳定的数据库访问组件，更容易导致系统崩溃、或者占用非常庞大的内存，最后容易导致整个系统的崩溃。由于有索引和没索引的性能差距有时候会是100倍，大数据量时可能会达到1000倍，数据库索引优化到极致，更容易得到运行顺畅的信息系统，因此需要进行数据库索引优化。由于高并发，并且有些单据是需要同时写入多个表，需要保证数据库的一致性，要么全部成功，要么全部失败重新录入数据，所以需要一个高效的数据库事务处理机制的配合。所有的系统的操作日志、异常信息都需要完整的记录下来，当系统发生一些故障时，可以快速排查问题，对正确诊断系统发生的故障的原因做分析参考用。同时需要经常检测系统的各项指标、例如各服务器的内存使用情况、CPU使用情况、网络带宽使用情况，高峰时的各个参数是什么情况、系统不繁忙时的情况等，若服务器负载过重，就得马上增加负载均衡的服务器，或者网络带宽资源等等。大型网站，比如门户网站，在面对大量用户访问、高并发请求方面，基本的解决方案集中在以下几个环节：使用高性能的服务器、高性能的数据库、高效率的编程语言、还有高性能的Web服务器。这几个解决思路在一定程度上意味着更大的投入。大家都知道，效率最高、消耗最小的就是纯静态化的html页面，所以尽可能使网站上的页面采用静态页面来实现，这个最简单的方法其实也是最有效的方法。但是对于大量内容并且频繁更新的网站，则无法全部手动去逐个实现。在大型网站开发和设计过程中，非常需要考虑网站的并发访问问题。解决网站的高并发，归根结底就是设法提高网站的访问速率。
发明内容
为了解决大型网站的访问量大、并发量高、海量数据的问题，本发明针对现有业务需求和技术发展不足之处，提出了一种能够避免大量的数据库访问请求，可以降低提供页面访问请求的服务器系统压力，并且可以保证系统在高并发访问下继续可用的Web性能优化方法，以提升Web应用在高并发访问场景下的高可用能力。
为实现上述目的，本发明提供如下技术方案：一种高并发访问下的Web性能优化方法，其特征在于，包括如下步骤：
利用虚拟的服务器集群系统Linux内置的负载均衡软件LVS配置为主从设备模式Master/Slave，将一个原始任务分解为若干个语义等同的子任务，主从设备模式Master/Slave将访问请求高效转发至高性能的HTTP和反向代理服务器Nginx；Nginx启动后以后台程序daemon形式在后台运行；Nginx将访问请求分发至Web应用服务器，在Linux下采用分布式集群模式配置Nginx，Nginx缓存JavaScript脚本、层叠样式表CSS文件、图片等静态资源数据，通过缓存静态资源数据直接快速响应请求；利用分布式内存对象缓存系统Memcached内存库缓存常用数据，在Linux下采用分布式集群模式配置Memcached，缓存身份认证、系统配置信息以及查询数据库的业务数据，通过缓存常用数据直接快速响应请求；在Linux下搭建一个主从设备模式Master/Slave的MySQL集群，实现数据库的读写分离，Master库通过SQL日志方式向Slave库同步数据，Web应用服务器根据结构化查询语言SQL语句判断操作类型，存取数据以及查询、更新和管理关系数据库系统，向Master主数据库写数据，从Slave从数据库读数据，实现Master-Slave同步；基于Java的压力测试工具JMeter工具模拟大规模高并发场景下的压力测试，压测过程中使用JDK自带的JConsole可视化工具实时监测跨语言的平台JVM虚拟机性能；通过建立索引、调整数据库日志文件方式、优化查询语句等进行数据库操作语句优化，进而优化数据库。
一种高并发访问下的Web性能优化方法，其特征在于，包括如下步骤：
本发明与现有技术相比，具有如下有益效果：
本发明利用虚拟的服务器集群系统Linux内置的负载均衡软件LVS配置为主从设备模式Master/Slave，将一个原始任务分解为若干个语义等同的子任务，主从设备模式Master/Slave将访问请求高效转发至高性能的HTTP和反向代理服务器Nginx。在执行时，Linux内置的负载均衡软件，可对访问请求进行高效转发。LVS可设置为主备模式避免LVS单点故障。
本发明利用Nginx集群模式将访问请求分发至Web应用，通过缓存静态资源直接快速响应请求，降低后端服务器压力。
本发明利用分布式内存对象缓存系统Memcached内存库缓存常用数据，通过缓存数据库查询结果，减少数据库访问次数，可以有效缓解数据库访问压力，提高动态Web应用的速度、提高可扩展性。
本发明在Linux下搭建一个主从设备模式Master/Slave的MySQL集群，分开读操作和写操作，并对根据数据库日志对操作语句进行优化，大大提高数据库的工作负载能力。
本发明最后通过对Web应用服务器和JVM进行参数调整优化，进一步提升Web应用的高并发能力。
附图说明
图1是本发明高并发访问下的Web性能优化原理图。
为使本发明的目的、内容何优点更加清晰，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，显然，此处所描述的实施例仅用于解释本发明，并不用于限定本发明。
具体实施方式
参阅图1。根据本发明，利用虚拟的服务器集群系统Linux内置的负载均衡软件LVS配置为主从设备模式Master/Slave，将一个原始任务分解为若干个语义等同的子任务，主从设备模式Master/Slave将访问请求高效转发至高性能的HTTP和反向代理服务器Nginx；Nginx启动后以后台程序daemon形式在后台运行；Nginx将访问请求分发至Web应用服务器，在Linux下采用分布式集群模式配置Nginx，Nginx缓存JavaScript脚本、层叠样式表CSS文件、图片等静态资源数据，通过缓存静态资源数据直接快速响应请求；利用分布式内存对象缓存系统Memcached内存库缓存常用数据，在Linux下采用分布式集群模式配置Memcached，缓存身份认证、系统配置信息以及查询数据库的业务数据，通过缓存常用数据直接快速响应请求；在Linux下搭建一个主从设备模式Master/Slave的MySQL集群，实现数据库的读写分离，Master库通过SQL日志方式向Slave库同步数据，Web应用服务器根据结构化查询语言SQL语句判断操作类型，存取数据以及查询、更新和管理关系数据库系统，向Master主数据库写数据，从Slave从数据库读数据，实现Master-Save同步；基于Java的压力测试工具JMeter工具模拟大规模高并发场景下的压力测试，压测过程中使用JDK自带的JConsole可视化工具实时监测跨语言的平台JVM虚拟机性能；通过建立索引、调整数据库日志文件方式、优化查询语句等进行数据库操作语句优化，进而优化数据库。
在本实施例中，配置Nginx为集群模式，集群数量至少为3个，请求分发策略为动态负载均衡策略，能有效提升高并发请求能力，防止单点故障，并提高Nginx的高可用性。
更进一步的，Nginx可通过设置长连接来提高分发效率。
更进一步的，Nginx缓存静态资源数据，包括JavaScript脚本、CSS文件、图片等。当访问请求命中这些数据时，由Nginx直接响应，无需再将请求传递到后端服务，从而降低后端Web应用服务器和数据库的压力。
在本实施例中，采用分布式集群模式配置Memcached内存库，数量为3个，并缓存身份认证、系统配置信息以及查询数据库的业务数据。
在本实施例中，采用Master/Slave模式配置Mysql数据库集群，使得读操作和写操作分离，具体操作如下：
Master数据库为写库，配置1个，Slave为读库，配置2个；
Master数据库通过SQL日志方式向2个Slave库同步数据；
Web应用服务器根据动态均衡策略判断从具体的Slave库中读数据。
本实施例中，在压测过程中使用JConsole工具，根据测试结果调整Web应用服务器和JVM的相关参数，Web应用服务器参数包括工作线程数、最大连接数，JVM参数包括初始堆内存设置、最大堆内存设置、分配和回收参数。
本实施例中，优化数据库的方式包括调整数据库内存配置、调整数据库缓存表的数量、调整数据库连接数量、建立索引、调整数据库日志文件方式、优化查询语句。
以上所述的实施例，只是本发明具体实施方式的一种，本领域的技术人员在本发明技术方案范围内进行的通常变化和替换都应包含在本发明的保护范围内。

Claims (10)

1.一种高并发访问下的Web性能优化方法，其特征在于，包括如下步骤：
利用虚拟的服务器集群系统Linux内置的负载均衡软件LVS配置为主从设备模式Master/Slave，将一个原始任务分解为若干个语义等同的子任务，主从设备模式Master/Slave将访问请求高效转发至高性能的HTTP和反向代理服务器Nginx；Nginx启动后以后台程序daemon形式在后台运行；Nginx将访问请求分发至Web应用服务器，在Linux下采用分布式集群模式配置Nginx，Nginx缓存JavaScript脚本、层叠样式表CSS文件、图片等静态资源数据，通过缓存静态资源数据直接快速响应请求；利用分布式内存对象缓存系统Memcached内存库缓存常用数据，在Linux下采用分布式集群模式配置Memcached，缓存身份认证、系统配置信息以及查询数据库的业务数据，通过缓存常用数据直接快速响应请求；在Linux下搭建一个主从设备模式Master/Slave的MySQL集群，实现数据库的读写分离，Master数据库通过SQL日志方式向Slave库同步数据，Web应用服务器根据结构化查询语言SQL语句判断操作类型，存取数据以及查询、更新和管理关系数据库系统，向Master主数据库写数据，从Slave从数据库读数据，实现master-slave同步；基于Java的压力测试工具JMeter工具模拟大规模高并发场景下的压力测试，压测过程中使用JDK自带的JConsole可视化工具实时监测跨语言的平台JVM虚拟机性能；通过建立索引、调整数据库日志文件方式、优化查询语句进行数据库操作语句优化，进而优化数据库。
2.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：后台进程包含一个master进程和多个worker进程。
3.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：Nginx配置集群模式，集群数量至少为3个，请求分发策略为动态负载均衡策略。
4.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：Nginx通过设置长连接来提高分发效率。
5.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：Nginx缓存静态资源数据包括，JavaScript脚本、CSS文件、图片，当访问请求命中这些数据时，由Nginx直接响应。
6.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：采用分布式集群模式配置Memcached内存库，数量为3个，并缓存身份认证、系统配置信息以及查询数据库的业务数据。
7.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：采用Master/Slave模式配置Mysql数据库集群，使得读操作和写操作分离，具体操作如下：
Master数据库为写库，配置1个，Slave为读库，配置2个；
Master数据库通过SQL日志方式向2个Slave库同步数据。
8.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：Web应用服务器根据动态均衡策略判断从具体的Slave数据库中读数据。
9.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：在压测过程中JConsole工具根据测试结果调整Web应用服务器和JVM的相关参数，Web应用服务器参数包括工作线程数、最大连接数，JVM参数包括初始堆内存设置、最大堆内存设置、分配和回收参数。
10.如权利要求1所述的高并发访问下的Web性能优化方法，其特征在于：优化数据库的方式包括调整数据库内存配置、调整数据库缓存表的数量、调整数据库连接数量、建立索引、调整数据库日志文件方式和优化查询语句。
CN202110877452.8A 2021-07-31 2021-07-31 高并发访问下的Web性能优化方法 Active CN113626463B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110877452.8A CN113626463B (zh) 2021-07-31 2021-07-31 高并发访问下的Web性能优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110877452.8A CN113626463B (zh) 2021-07-31 2021-07-31 高并发访问下的Web性能优化方法

Publications (2)

Publication Number Publication Date
CN113626463A true CN113626463A (zh) 2021-11-09
CN113626463B CN113626463B (zh) 2024-03-15

Family

ID=78382081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110877452.8A Active CN113626463B (zh) 2021-07-31 2021-07-31 高并发访问下的Web性能优化方法

Country Status (1)

Country Link
CN (1) CN113626463B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116401236A (zh) * 2023-06-07 2023-07-07 瀚高基础软件股份有限公司 一种数据库参数自适应优化的方法及设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105979273A (zh) * 2016-05-06 2016-09-28 苏州清云网络科技有限公司 基于大数据及云计算的智能商用电视的云监控与云运维
CN106210019A (zh) * 2016-07-04 2016-12-07 安徽天达网络科技有限公司 一种大型高并发web应用系统
CN106506703A (zh) * 2016-12-28 2017-03-15 掌阅科技股份有限公司 基于共享内存的服务发现方法、装置及系统、服务器
US20190042289A1 (en) * 2017-08-07 2019-02-07 Open Data Group Inc. Deployment and management platform for model execution engine containers
CN110012098A (zh) * 2019-04-04 2019-07-12 浙江工业大学 一种web高并发访问处理系统及方法
CN111324462A (zh) * 2020-02-20 2020-06-23 杭州梦视网络科技有限公司 一种具有Web负载均衡技术的系统及方法
CN112148462A (zh) * 2020-10-20 2020-12-29 上海新炬网络信息技术股份有限公司 基于Jenkins的CICD流程的处理方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105979273A (zh) * 2016-05-06 2016-09-28 苏州清云网络科技有限公司 基于大数据及云计算的智能商用电视的云监控与云运维
CN106210019A (zh) * 2016-07-04 2016-12-07 安徽天达网络科技有限公司 一种大型高并发web应用系统
CN106506703A (zh) * 2016-12-28 2017-03-15 掌阅科技股份有限公司 基于共享内存的服务发现方法、装置及系统、服务器
US20190042289A1 (en) * 2017-08-07 2019-02-07 Open Data Group Inc. Deployment and management platform for model execution engine containers
CN110012098A (zh) * 2019-04-04 2019-07-12 浙江工业大学 一种web高并发访问处理系统及方法
CN111324462A (zh) * 2020-02-20 2020-06-23 杭州梦视网络科技有限公司 一种具有Web负载均衡技术的系统及方法
CN112148462A (zh) * 2020-10-20 2020-12-29 上海新炬网络信息技术股份有限公司 基于Jenkins的CICD流程的处理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HUIFENG WU等: "edge computing in an IoT based station system:reprogramming and real-time tasks", COMPLEXITY, pages 1 - 11 *
冯云;耿铭慈;: "大数据环境下的数据库高可用性研究", 电子世界, no. 02, pages 50 - 51 *
张民忠等: "Apache Mina中TCP服务器集群功能扩展研究", 万方学术, pages 1 - 70 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116401236A (zh) * 2023-06-07 2023-07-07 瀚高基础软件股份有限公司 一种数据库参数自适应优化的方法及设备
CN116401236B (zh) * 2023-06-07 2023-08-18 瀚高基础软件股份有限公司 一种数据库参数自适应优化的方法及设备

Also Published As

Publication number Publication date
CN113626463B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
JP4306152B2 (ja) クラスタ化したアプリケーションサーバおよびデータベース構造を持つＷｅｂシステム
Plattner et al. Ganymed: Scalable replication for transactional web applications
CN102129469B (zh) 一种面向虚拟实验的非结构化数据访问方法
US8438161B2 (en) Autonomically regulating information transfer when accessing database resources
Thakkar et al. Scaling hyperledger fabric using pipelined execution and sparse peers
Varga et al. Introducing Microsoft SQL Server 2016: Mission-Critical Applications, Deeper Insights, Hyperscale Cloud
CN116108057B (zh) 一种分布式数据库访问方法、装置、设备及存储介质
Lovelace et al. VSAM demystified
US10909091B1 (en) On-demand data schema modifications
US20070022133A1 (en) Method and apparatus for automatically and configurably adjusting allocated database resources to avoid denial of service
CN111913917A (zh) 一种文件处理方法、装置、设备和介质
CN113626463B (zh) 高并发访问下的Web性能优化方法
US20020112125A1 (en) Command caching to improve network server performance
Kang et al. Effect of garbage collection in iterative algorithms on Spark: an experimental analysis
WO2002042915A2 (en) Method and apparatus for dynamic shared-memory caching of scripting engine product
CN101802791A (zh) 动态地址跟踪
US11256695B1 (en) Hybrid query execution engine using transaction and analytical engines
Cao et al. Is-hbase: An in-storage computing optimized hbase with i/o offloading and self-adaptive caching in compute-storage disaggregated infrastructure
Choi et al. A write-friendly approach to manage namespace of Hadoop distributed file system by utilizing nonvolatile memory
US11341163B1 (en) Multi-level replication filtering for a distributed database
Cisco Installing and Setting Up the NetFlow FlowAnalyzer
Cisco Installing and Setting Up the NetFlow FlowAnalyzer
Yao et al. Analysis and research on the performance optimization of Web application system in high concurrency environment
JP2000137689A (ja) 共用データキャッシュ処理方法及びその実施装置並びにその処理プログラムを記録した媒体
Ghandeharizadeh et al. Nova: diffused database processing using clouds of components [vision paper]

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