CN116166443B - 一种游戏任务系统的负载优化方法及系统 - Google Patents

一种游戏任务系统的负载优化方法及系统 Download PDF

Info

Publication number
CN116166443B
CN116166443B CN202310438010.2A CN202310438010A CN116166443B CN 116166443 B CN116166443 B CN 116166443B CN 202310438010 A CN202310438010 A CN 202310438010A CN 116166443 B CN116166443 B CN 116166443B
Authority
CN
China
Prior art keywords
task system
game task
benefit
execution
game
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
Application number
CN202310438010.2A
Other languages
English (en)
Other versions
CN116166443A (zh
Inventor
连胜杰
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.)
Huanxi Times Shenzhen Technology Co ltd
Original Assignee
Huanxi Times Shenzhen Technology Co ltd
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 Huanxi Times Shenzhen Technology Co ltd filed Critical Huanxi Times Shenzhen Technology Co ltd
Priority to CN202310438010.2A priority Critical patent/CN116166443B/zh
Publication of CN116166443A publication Critical patent/CN116166443A/zh
Application granted granted Critical
Publication of CN116166443B publication Critical patent/CN116166443B/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
    • 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
    • G06F9/505—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 considering the load
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/30—Interconnection arrangements between game servers and game devices; Interconnection arrangements between game devices; Interconnection arrangements between game servers
    • A63F13/35—Details of game servers
    • 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
    • G06F9/5038—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 considering the execution order of a plurality of tasks, e.g. taking priority or time dependency constraints into consideration
    • 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)
  • Multimedia (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种游戏任务系统的负载优化方法及系统，所述优化方法包括以下步骤：分析游戏任务系统中存在的任务类型和数量，确定任务系统的负载瓶颈和优化目标后游戏任务系统开始执行；将影响任务进行异步处理，对任务系统中的任务类型和数量进行限制和分配。本发明通过评估游戏任务系统中任务的执行效率，以便确定需要优化的任务类型和优化策略，从而提高任务执行效率和服务器利用率，并且在存储任务系统数据时，通过将任务系统中的部分数据筛除，以减少对服务器存储资源的占用，提高服务器的存储效率和性能，最后对影响任务进行异步处理，以提高任务的执行效率和响应速度，减少对服务器计算资源的占用。

Description

一种游戏任务系统的负载优化方法及系统
技术领域
本发明涉及负载优化系统技术领域，具体涉及一种游戏任务系统的负载优化方法及系统。
背景技术
游戏任务系统是一种常见的游戏机制，通过给玩家制定各种任务，让玩家在游戏中获得不同的挑战和奖励，从而增加游戏的乐趣和可玩性，但是，游戏任务系统的设计和实现也面临着一些挑战，其中一个主要挑战就是负载优化；
负载优化是指通过一系列技术手段和算法优化游戏任务系统的负载，以提高游戏的稳定性和性能，减少游戏服务器的负担，在一个典型的游戏任务系统中，可能会有大量的任务需要处理，这些任务可能会对服务器的计算资源和存储资源造成较大的压力，从而影响游戏的稳定性和性能，因此，需要一些负载优化系统来帮助游戏开发者有效地管理和优化任务。
现有技术存在以下不足：
1、现有的负载优化系统在游戏任务系统开发过程中，无法有效的对游戏任务系统中任务的执行效率进行评估以及制定优化策略，导致任务执行效率和服务器利用率低，并且，负载优化系统通常是将游戏任务系统中所有的任务数据均存储在本地服务器中，一些不重要的任务数据占用服务器存储资源，降低服务器的存储效率和性能；
2、游戏任务系统中，存在着一些影响任务，这类任务耗费时间长，或需要等待其他任务完成后才能执行等等，现有的负载优化系统将所有游戏任务进行同步处理，一是增加游戏任务的响应时间，二是容易导致游戏卡顿。
发明内容
本发明的目的是提供一种游戏任务系统的负载优化方法及系统，以解决背景技术中不足。
为了实现上述目的，本发明提供如下技术方案：一种游戏任务系统的负载优化方法，所述优化方法包括以下步骤：
S1：分析游戏任务系统中存在的任务类型和数量，确定任务系统的负载瓶颈和优化目标后游戏任务系统开始执行；
S2：评估游戏任务系统中任务的执行效率，根据执行效率制定任务优化策略；
S3：通过调度算法将任务分配给不同的服务器节点；
S4：筛除任务系统中的部分数据后，剩余数据存储在本地服务器中；
S5：将影响任务进行异步处理，对任务系统中的任务类型和数量进行限制和分配，并对任务系统的运行情况进行实时监控和调整。
在一个优选的实施方式中，步骤S2中，评估游戏任务系统中任务的执行效率包括以下步骤：
采集游戏任务系统中任务执行过程中的网络延迟、服务器负载、CPU使用率、磁盘读写速度以及游戏任务并发数，通过公式建立评估系数，表达式为：
Figure SMS_1
；式中，/>
Figure SMS_5
为评估系数，/>
Figure SMS_7
为磁盘读写速度，/>
Figure SMS_2
为游戏任务并发数，为CPU使用率，/>
Figure SMS_4
为网络延迟，/>
Figure SMS_6
为服务器负载，
Figure SMS_8
分别为磁盘读写速度、游戏任务并发数、CPU使用率、网络延迟、服务器负载的比例系数，且/>
Figure SMS_3
。
在一个优选的实施方式中，步骤S2中，评估游戏任务系统中任务的执行效率还包括以下步骤：
获取得到游戏任务系统的评估系数
Figure SMS_11
后，优化系统设定第一效益阈值/>
Figure SMS_14
以及第二效益阈值/>
Figure SMS_18
，且/>
Figure SMS_10
，并将评估系数/>
Figure SMS_16
与第一效益阈值/>
Figure SMS_20
以及第二效益阈值/>
Figure SMS_22
进行对比；若评估系数/>
Figure SMS_9
第一效益阈值/>
Figure SMS_13
，优化系统将此次游戏任务系统的执行效益为低执行效益；若第一效益阈值/>
Figure SMS_17
评估系数/>
Figure SMS_21
第二效益阈值/>
Figure SMS_12
，优化系统将此次游戏任务系统的执行效益为中执行效益；若评估系数/>
Figure SMS_15
第二效益阈值/>
Figure SMS_19
，优化系统将此次游戏任务系统的执行效益为高执行效益。
在一个优选的实施方式中，所述磁盘读写速度通过Windows的资源监视器监测；所述游戏任务并发数通过服务器性能监测工具监测；所述CPU使用率通过系统监视器监测；所述网络延迟通过ping命令行工具监测；所述服务器负载通过系统监视器监测。
在一个优选的实施方式中，步骤S2中，根据执行效率制定任务优化策略包括以下步骤：
当游戏任务系统为低执行效益时，表明当前环境不支持游戏任务系统执行，停止游戏任务系统执行后，负载优化系统发出预警信号，管理人员接收预警信号后进行管理；
当游戏任务系统为中执行效益时，表明当前环境支持游戏任务系统执行，管理人员在游戏任务系统继续执行的情况下进行管理；
当游戏任务系统为高执行效益时，表明当前环境支持游戏任务系统执行，无需进行管理。
在一个优选的实施方式中，将所述游戏任务系统中，第一效益阈值
Figure SMS_23
评估系数/>
Figure SMS_24
第二效益阈值/>
Figure SMS_25
的所有评估系数/>
Figure SMS_26
建立评估系数集合；
计算评估系数集合内评估系数平均值
Figure SMS_29
与离散系数Q，平均值/>
Figure SMS_31
等于所有评估系数求和再除去评估系数数量获取；/>
Figure SMS_33
；式中i={1、2、3、...、n}，n表示评估系数集合内评估系数/>
Figure SMS_28
的数量，n为正整数，/>
Figure SMS_30
表示评估系数集合内不同的评估系数
Figure SMS_32
，/>
Figure SMS_34
表示评估系数集合内所有评估系数/>
Figure SMS_27
的平均值。
在一个优选的实施方式中，若平均值
Figure SMS_35
小于第一效益阈值/>
Figure SMS_36
，且离散系数Q小于离散系数Q阈值，则预测游戏任务系统继续执行时，执行效益将会由中变差，且变化速度快；
若平均值
Figure SMS_37
小于第一效益阈值/>
Figure SMS_38
，且离散系数Q大于离散系数Q阈值，则预测游戏任务系统继续执行时，执行效益将会由中变差，且变化速度缓和；
若平均值
Figure SMS_39
大于等于第二效益阈值/>
Figure SMS_40
，则预测游戏任务系统继续执行时，执行效益将会由中变好。
在一个优选的实施方式中，若评估系数
Figure SMS_41
第一效益阈值/>
Figure SMS_42
，优化系统将此次游戏任务系统的执行效益为低执行效益，并将此次评估结果标定为/>
Figure SMS_43
；
若第一效益阈值
Figure SMS_44
评估系数/>
Figure SMS_45
第二效益阈值/>
Figure SMS_46
，优化系统将此次游戏任务系统的执行效益为中执行效益，并将此次评估结果标定为/>
Figure SMS_47
；
若评估系数
Figure SMS_48
第二效益阈值/>
Figure SMS_49
，优化系统将此次游戏任务系统的执行效益为高执行效益，并将此次评估结果标定为/>
Figure SMS_50
。
在一个优选的实施方式中，计算所述游戏任务系统的管理值，表达式为：
Figure SMS_52
；式中，/>
Figure SMS_56
为管理值，/>
Figure SMS_58
为所有/>
Figure SMS_53
次数求和，
Figure SMS_55
为所有/>
Figure SMS_57
次数求和，/>
Figure SMS_59
为所有/>
Figure SMS_51
次数求和，并将所有游戏任务系统依据管理值/>
Figure SMS_54
由大到小进行排序，生成管理排序表，负载优化系统依据管理排序表正序选择游戏任务系统的管理顺序。
本发明还提供一种游戏任务系统的负载优化系统，包括分析模块、评估模块、分配模块、存储模块、处理模块；
分析模块分析游戏任务系统中存在的任务类型和数量，评估模块评估游戏任务系统中任务的执行效率，确定需要优化的任务类型和优化策略，分配模块通过设计任务分配和调度算法，将任务分配给不同的服务器节点，存储模块筛除任务系统中的部分数据后，将剩余数据存储在本地服务器中，处理模块：将影响任务进行异步处理，对任务系统中的任务类型和数量进行限制和分配，并对任务系统的运行情况进行实时监控和调整。
在上述技术方案中，本发明提供的技术效果和优点：
1、本发明通过评估游戏任务系统中任务的执行效率，以便确定需要优化的任务类型和优化策略，从而提高任务执行效率和服务器利用率，并且在存储任务系统数据时，通过将任务系统中的部分数据筛除，以减少对服务器存储资源的占用，提高服务器的存储效率和性能，最后对影响任务进行异步处理，以提高任务的执行效率和响应速度，减少对服务器计算资源的占用；
2、本发明通过采集游戏任务系统中任务执行过程中的网络延迟、服务器负载、CPU使用率、磁盘读写速度以及游戏任务并发数，通过公式建立评估系数，综合处理多源数据，有效提高数据处理效率，并且，通过评估系数
Figure SMS_60
与第一效益阈值/>
Figure SMS_61
以及第二效益阈值
Figure SMS_62
的对比结果来制定任务策略，便于对游戏任务系统的管理和优化；
3、本发明在获取评估系数
Figure SMS_63
后，对第一效益阈值/>
Figure SMS_64
评估系数/>
Figure SMS_65
第二效益阈值/>
Figure SMS_66
的游戏任务执行效益趋势进行离散分析，从而便于管理人员判断是否需要对游戏任务系统的执行情况进行管理，从而有效降低管理成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的方法流程图。
图2为本发明的系统模块图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：请参阅图1所示，本实施例所述一种游戏任务系统的负载优化方法，所述优化方法包括以下步骤：
分析游戏任务系统中存在的任务类型和数量，以便确定任务系统的负载瓶颈和优化目标，评估游戏任务系统中任务的执行效率，以便确定需要优化的任务类型和优化策略，以提高任务执行效率和服务器利用率，设计任务分配和调度算法，将任务分配给不同的服务器节点，可以使用负载均衡算法、分布式调度算法等，将任务系统中的部分数据筛除后，剩余数据存储在本地服务器中，以减少对服务器存储资源的占用，提高服务器的存储效率和性能，将影响任务进行异步处理，以提高任务的执行效率和响应速度，减少对服务器计算资源的占用，对任务系统中的任务类型和数量进行限制和分配，避免任务系统对服务器资源的过度占用，提高服务器的稳定性和可靠性，并对任务系统的运行情况进行实时监控和调整，以适应不同的负载情况和游戏需求变化。
本申请通过评估游戏任务系统中任务的执行效率，以便确定需要优化的任务类型和优化策略，从而提高任务执行效率和服务器利用率，并且在存储任务系统数据时，通过将任务系统中的部分数据筛除，以减少对服务器存储资源的占用，提高服务器的存储效率和性能，最后对影响任务进行异步处理，以提高任务的执行效率和响应速度，减少对服务器计算资源的占用。
本实施例中，将影响任务进行异步处理，影响任务包括耗时任务、等待任务、数据处理任务、定时任务；
耗时任务：游戏中存在一些比较耗时的任务，例如下载或加载资源、生成地图或场景、进行复杂计算或模拟等，这些任务需要较长的时间才能完成，会阻塞主线程的执行，导致游戏卡顿或延迟响应，因此，这些任务需要异步处理，以避免对游戏性能的影响；
等待任务：某些任务需要等待其他任务完成后才能执行，例如等待某个对象加载完毕后再进行后续操作，等待其他玩家完成某个任务后再进行联机对战等，这些任务也可以通过异步处理来提高游戏响应速度；
数据处理任务：游戏中存在大量的数据处理任务，例如将数据从服务器传输到客户端、将玩家数据存储到数据库、进行数据统计和分析等，这些任务可以使用异步处理来提高数据处理效率和响应速度；
定时任务：游戏中存在一些需要定时执行的任务，例如每隔一段时间更新玩家数据、定时清理无用数据等，这些任务可以使用异步处理来提高游戏性能和稳定性。
分析游戏任务系统中存在的任务类型和数量，以便确定任务系统的负载瓶颈和优化目标包括以下步骤：
（1）任务类型和数量的收集：通过游戏数据分析或用户反馈等方式，收集游戏任务系统中存在的任务类型和数量，并统计数据，以便更好地了解任务系统的负载情况；
（2）任务类型和数量的分类：根据任务的性质和功能，将任务分为主线任务、支线任务、日常任务等不同类型，以及根据任务数量的多少，将任务分类为繁忙任务和常规任务等；
（3）任务执行时间的测量：对不同类型的任务进行时间测量，确定任务的执行时间和执行次数，以便找到任务系统的负载瓶颈；
（4）任务执行时的资源占用分析：在任务执行过程中，分析任务对CPU、内存、网络和存储等资源的占用情况，以便找到资源瓶颈；
（5）任务执行的并发性分析：分析不同类型的任务在执行时是否可以并发执行，以及不同类型任务之间是否存在依赖关系，以便确定优化目标。
实施例2：评估游戏任务系统中任务的执行效率，以便确定需要优化的任务类型和优化策略。
其中，评估游戏任务系统中任务的执行效率包括以下步骤：
采集游戏任务系统中任务执行过程中的网络延迟、服务器负载、CPU使用率、磁盘读写速度以及游戏任务并发数，通过公式建立评估系数，表达式为：
Figure SMS_68
；式中，/>
Figure SMS_71
为评估系数，
Figure SMS_73
为磁盘读写速度，/>
Figure SMS_69
为游戏任务并发数，为CPU使用率，/>
Figure SMS_70
为网络延迟，/>
Figure SMS_72
为服务器负载，/>
Figure SMS_74
分别为磁盘读写速度、游戏任务并发数、CPU使用率、网络延迟、服务器负载的比例系数，且/>
Figure SMS_67
。
磁盘读写速度通过Windows的资源监视器或Linux的iostat工具进行监测；游戏任务并发数通过服务器的性能监测工具，如top、htop或者ps等进行监测；CPU使用率通过系统监视器或性能监测工具进行监测，如top、htop、perf、vmstat等；网络延迟通过ping或traceroute等命令行工具进行监测，也可以使用第三方在线监测工具，如Pingdom、UptimeRobot等；服务器负载可以通过系统监视器或性能监测工具进行监测，如top、htop、iostat、vmstat等。
本实施例中，在游戏任务系统执行过程中，对磁盘读写速度、游戏任务并发数、CPU使用率、网络延迟、服务器负载的监测粒度为每10min进行一次监测。
每次获取得到游戏任务系统的评估系数
Figure SMS_75
后，优化系统设定第一效益阈值/>
Figure SMS_76
以及第二效益阈值/>
Figure SMS_77
，且/>
Figure SMS_78
，并将评估系数/>
Figure SMS_79
与第一效益阈值/>
Figure SMS_80
以及第二效益阈值/>
Figure SMS_81
进行对比；
若评估系数
Figure SMS_82
第一效益阈值/>
Figure SMS_83
，优化系统将此次游戏任务系统的执行效益为低执行效益；
若第一效益阈值
Figure SMS_84
评估系数/>
Figure SMS_85
第二效益阈值/>
Figure SMS_86
，优化系统将此次游戏任务系统的执行效益为中执行效益；
若评估系数
Figure SMS_87
第二效益阈值/>
Figure SMS_88
，优化系统将此次游戏任务系统的执行效益为高执行效益。
确定需要优化的任务策略包括：
当游戏任务系统的执行效益为低执行效益时，表明当前环境不支持游戏任务系统执行，停止游戏任务系统执行后，负载优化系统发出预警信号，管理人员接收预警信号后进行管理，包括对硬件设备、网络的管理；
当游戏任务系统的执行效益为中执行效益时，表明当前环境支持游戏任务系统执行，但游戏任务系统继续执行时存在不稳定影响因素，管理人员在游戏任务系统继续执行的情况下进行管理；
当游戏任务系统的执行效益为高执行效益时，表明当前环境支持游戏任务系统执行，且游戏任务执行稳定性好，无需进行管理。
本申请通过采集游戏任务系统中任务执行过程中的网络延迟、服务器负载、CPU使用率、磁盘读写速度以及游戏任务并发数，通过公式建立评估系数，综合处理多源数据，有效提高数据处理效率，并且，通过评估系数
Figure SMS_89
与第一效益阈值
Figure SMS_90
以及第二效益阈值/>
Figure SMS_91
的对比结果来制定任务策略，便于对游戏任务系统的管理和优化。
具体的，游戏任务系统执行过程中我们还发现，游戏任务系统的执行效益为中执行效益时，在不进行管理的情况下，游戏任务系统的执行效益可能会向低执行效益发展，也可能会向高执行效益发展，为了在第一效益阈值
Figure SMS_92
评估系数/>
Figure SMS_93
第二效益阈值/>
Figure SMS_94
时，更好的预测执行效益发展趋势，我们提出以下方案：
将所有正在进行的游戏任务系统中，第一效益阈值
Figure SMS_95
评估系数/>
Figure SMS_96
第二效益阈值/>
Figure SMS_97
的评估系数/>
Figure SMS_98
建立评估系数集合；
计算评估系数集合内评估系数平均值
Figure SMS_99
与离散系数Q，平均值/>
Figure SMS_100
等于所有评估系数求和再除去评估系数数量获取；
Figure SMS_101
式中i={1、2、3、...、n}，n表示评估系数集合内评估系数/>
Figure SMS_102
的数量，n为正整数，/>
Figure SMS_103
表示评估系数集合内不同的评估系数/>
Figure SMS_104
，/>
Figure SMS_105
表示评估系数集合内所有评估系数
Figure SMS_106
的平均值；若平均值/>
Figure SMS_107
小于第一效益阈值/>
Figure SMS_108
，且离散系数Q小于离散系数Q阈值，则预测游戏任务系统继续执行时，执行效益将会由中变差，且变化速度快；若平均值/>
Figure SMS_109
小于第一效益阈值/>
Figure SMS_110
，且离散系数Q大于离散系数Q阈值，则预测游戏任务系统继续执行时，执行效益将会由中变差，且变化速度缓和；若平均值/>
Figure SMS_111
大于等于第二效益阈值/>
Figure SMS_112
，则预测游戏任务系统继续执行时，执行效益将会由中变好。
当预测游戏任务系统继续执行时，执行效益将会由中变差，且变化速度快，则需要管理人员及时进管理，当预测游戏任务系统继续执行时，执行效益将会由中变差，则需要管理人员缓和管理，当预测游戏任务系统继续执行时，执行效益将会由中变好，则无需对此次游戏任务系统进行管理，从而有效降低管理成本。
本发明在获取评估系数
Figure SMS_113
后，对第一效益阈值/>
Figure SMS_114
评估系数/>
Figure SMS_115
第二效益阈值/>
Figure SMS_116
的游戏任务执行效益趋势进行离散分析，从而便于管理人员判断是否需要对游戏任务系统的执行情况进行管理，从而有效降低管理成本。
实施例3：上述实施例1中，设计任务分配和调度算法，将任务分配给不同的服务器节点包括以下步骤：
（1）收集服务器节点信息：获取所有可用服务器节点的状态信息，包括服务器的IP地址、端口号、可用带宽、当前负载情况等参数；
（2）选择合适的负载均衡算法：根据实际情况选择合适的负载均衡算法，常用的算法有轮询、最小连接数、IP散列等；
（3）计算负载指标：根据选定的负载均衡算法，对服务器节点进行权重计算或其他指标计算，得出每个服务器节点的负载值或权重值；
（4）选择目标服务器：根据负载均衡算法和负载指标，选择一个目标服务器节点；
（5）分配任务：将任务分配给目标服务器节点处理；
（6）监控服务器状态：定期监控服务器状态，更新服务器节点的负载指标，保证负载均衡算法的准确性和可靠性；
（7）异常处理：如果某个服务器节点出现故障或负载过高，需要及时将任务转移到其他服务器节点，保证任务的正常处理。
其中，通过IP散列对服务器节点进行权重计算，得出每个服务器节点的权重值包括以下步骤：
（3.1）收集服务器节点信息：获取所有可用的服务器节点的IP地址、端口号等信息；
（3.2）计算IP散列值：对任务请求的来源IP地址进行散列计算，得出一个散列值。
（3.3）计算服务器节点权重：将散列值映射到服务器节点，根据服务器节点的IP地址和端口号等信息进行计算，得出该服务器节点的权重值。
将任务系统中的部分数据筛除后，剩余数据存储在本地服务器中，以减少对服务器存储资源的占用，提高服务器的存储效率和性能；
其中，将任务系统中的部分数据筛除，这里的部分数据包括临时数据、不必要的数据、冗余数据以及重复数据；
临时数据：例如临时缓存、中间结果等，这些数据只是在任务执行过程中临时产生，不需要永久存储；
不必要的数据：例如任务执行过程中的一些调试信息、日志信息等，这些数据对游戏任务系统的正常运行并没有必要，可以直接筛除；
冗余数据：例如已经被其他数据包含或者可以通过其他数据推导出来的数据，这些数据可以直接删除；
重复数据：例如同一个任务的多次执行产生的相同数据，可以只保留一份数据。
将影响任务进行异步处理包括以下步骤：
（1）识别需要进行异步处理的任务，根据任务的特性和要求进行分类；
（2）为每个需要异步处理的任务，创建对应的异步处理函数或方法；
（3）在任务调度程序中，将需要异步处理的任务提交给异步处理队列或任务队列；
（4）启动异步处理线程池或协程池，按照预设的线程数或协程数执行异步任务；
（5）在异步处理函数中，处理任务的逻辑，包括读写数据、计算等操作，并将结果返回给主程序；
（6）在主程序中，接收异步任务处理函数返回的结果，更新游戏状态或执行下一步操作；
（7）对异步处理任务的执行情况进行监控和记录，如执行时间、返回结果、错误信息等。
需要注意的是，在设计和实现异步处理系统时，需要考虑线程池或协程池的大小、任务队列的容量、任务提交频率等参数，以及合理的错误处理和异常处理机制，以保证系统的稳定性和可靠性。
实施例4：由于负载优化系统每过一个时间段会对多个游戏任务系统进行优化管理，为了提高负载优化系统对多个游戏任务系统的管理效率，我们提出以下方案：
若评估系数
Figure SMS_117
第一效益阈值/>
Figure SMS_118
，优化系统将此次游戏任务系统的执行效益为低执行效益，并将此次评估结果标定为/>
Figure SMS_119
；
若第一效益阈值
Figure SMS_120
评估系数/>
Figure SMS_121
第二效益阈值/>
Figure SMS_122
，优化系统将此次游戏任务系统的执行效益为中执行效益，并将此次评估结果标定为/>
Figure SMS_123
；
若评估系数
Figure SMS_124
第二效益阈值/>
Figure SMS_125
，优化系统将此次游戏任务系统的执行效益为高执行效益，并将此次评估结果标定为/>
Figure SMS_126
。
计算游戏任务系统的管理值，表达式为：
Figure SMS_129
；式中，/>
Figure SMS_132
为管理值，/>
Figure SMS_134
为所有/>
Figure SMS_128
次数求和，/>
Figure SMS_131
为所有/>
Figure SMS_133
次数求和，/>
Figure SMS_135
为所有
Figure SMS_127
次数求和，并将所有游戏任务系统依据管理值/>
Figure SMS_130
由大到小进行排序，生成管理排序表，负载优化系统依据管理排序表正序选择游戏任务系统的管理顺序，从而提高负载优化系统的管理效率。
上述管理值
Figure SMS_136
越大时，说明游戏任务系统的低执行效益次数越多，该类游戏任务系统越需要被关注和管理。
为了更好的说明管理值
Figure SMS_137
的生成，我们举例如下：
假设负载优化系统为1h对游戏任务系统进行管理，上述实施例2中，在游戏任务系统执行过程中，对磁盘读写速度、游戏任务并发数、CPU使用率、网络延迟、服务器负载的监测粒度为每10min进行一次监测，那么1h内总共可以获取六次游戏任务系统的评估结果，设m游戏任务系统的六次评估结果分别为
Figure SMS_140
，那么
Figure SMS_143
，/>
Figure SMS_146
，/>
Figure SMS_139
，则管理值/>
Figure SMS_142
，若n游戏任务系统的六次评估结果分别为/>
Figure SMS_145
，那么/>
Figure SMS_148
，
Figure SMS_138
，/>
Figure SMS_141
，则管理值/>
Figure SMS_144
，由于/>
Figure SMS_147
，所以m游戏任务系统排序在n游戏任务系统前面。
实施例5：请参阅图2所示，本实施例所述一种游戏任务系统的负载优化系统，包括分析模块、评估模块、分配模块、存储模块、处理模块；
其中：
分析模块：用于分析游戏任务系统中存在的任务类型和数量；
评估模块：用于评估游戏任务系统中任务的执行效率，确定需要优化的任务类型和优化策略；
分配模块：通过设计任务分配和调度算法，将任务分配给不同的服务器节点；
存储模块：在将任务系统中的部分数据筛除后，剩余数据存储在本地服务器中；
处理模块：将影响任务进行异步处理，对任务系统中的任务类型和数量进行限制和分配，并对任务系统的运行情况进行实时监控和调整，以适应不同的负载情况和游戏需求变化。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。
本申请中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a,b,或c中的至少一项(个)，可以表示：a,b,c,a-b,a-c,b-c,或a-b-c，其中a,b,c可以是单个，也可以是多个。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置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，装置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，在本申请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。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种游戏任务系统的负载优化方法，其特征在于：所述优化方法包括以下步骤：
S1：分析游戏任务系统中存在的任务类型和数量，确定任务系统的负载瓶颈和优化目标后游戏任务系统开始执行；
S2：评估游戏任务系统中任务的执行效率，根据执行效率制定任务优化策略；
S3：通过调度算法将任务分配给不同的服务器节点；
S4：筛除任务系统中的部分数据后，剩余数据存储在本地服务器中；
S5：将影响任务进行异步处理，对任务系统中的任务类型和数量进行限制和分配，并对任务系统的运行情况进行实时监控和调整；
步骤S2中，评估游戏任务系统中任务的执行效率包括以下步骤：
采集游戏任务系统中任务执行过程中的网络延迟、服务器负载、CPU使用率、磁盘读写速度以及游戏任务并发数，通过公式建立评估系数，表达式为：
Figure QLYQS_1
式中，
Figure QLYQS_2
为评估系数，/>
Figure QLYQS_3
为磁盘读写速度，/>
Figure QLYQS_4
为游戏任务并发数，为CPU使用率，
Figure QLYQS_5
为网络延迟，/>
Figure QLYQS_6
为服务器负载，/>
Figure QLYQS_7
分别为磁盘读写速度、游戏任务并发数、CPU使用率、网络延迟、服务器负载的比例系数，且/>
Figure QLYQS_8
；
步骤S2中，评估游戏任务系统中任务的执行效率还包括以下步骤：
获取得到游戏任务系统的评估系数
Figure QLYQS_9
后，优化系统设定第一效益阈值/>
Figure QLYQS_10
以及第二效益阈值/>
Figure QLYQS_11
，且/>
Figure QLYQS_12
，并将评估系数/>
Figure QLYQS_13
与第一效益阈值/>
Figure QLYQS_14
以及第二效益阈值
Figure QLYQS_15
进行对比；
若评估系数
Figure QLYQS_16
第一效益阈值/>
Figure QLYQS_17
，优化系统将此次游戏任务系统的执行效益为低执行效益；
若第一效益阈值
Figure QLYQS_18
评估系数/>
Figure QLYQS_19
第二效益阈值/>
Figure QLYQS_20
，优化系统将此次游戏任务系统的执行效益为中执行效益；
若评估系数
Figure QLYQS_21
第二效益阈值/>
Figure QLYQS_22
，优化系统将此次游戏任务系统的执行效益为高执行效益。
2.根据权利要求1所述的一种游戏任务系统的负载优化方法，其特征在于：所述磁盘读写速度通过Windows的资源监视器监测；所述游戏任务并发数通过服务器性能监测工具监测；所述CPU使用率通过系统监视器监测；所述网络延迟通过ping命令行工具监测；所述服务器负载通过系统监视器监测。
3.根据权利要求2所述的一种游戏任务系统的负载优化方法，其特征在于：步骤S2中，根据执行效率制定任务优化策略包括以下步骤：
当游戏任务系统为低执行效益时，表明当前环境不支持游戏任务系统执行，停止游戏任务系统执行后，负载优化系统发出预警信号，管理人员接收预警信号后进行管理；
当游戏任务系统为中执行效益时，表明当前环境支持游戏任务系统执行，管理人员在游戏任务系统继续执行的情况下进行管理；
当游戏任务系统为高执行效益时，表明当前环境支持游戏任务系统执行，无需进行管理。
4.根据权利要求3所述的一种游戏任务系统的负载优化方法，其特征在于：将所述游戏任务系统中，第一效益阈值
Figure QLYQS_23
评估系数/>
Figure QLYQS_24
第二效益阈值/>
Figure QLYQS_25
的所有评估系数/>
Figure QLYQS_26
建立评估系数集合；
计算评估系数集合内评估系数平均值
Figure QLYQS_27
与离散系数Q，平均值/>
Figure QLYQS_28
等于所有评估系数求和再除去评估系数数量获取；/>
Figure QLYQS_29
式中i=
Figure QLYQS_31
，/>
Figure QLYQS_34
表示评估系数集合内评估系数/>
Figure QLYQS_36
的数量，/>
Figure QLYQS_32
为正整数，/>
Figure QLYQS_33
表示评估系数集合内不同的评估系数/>
Figure QLYQS_35
，/>
Figure QLYQS_37
表示评估系数集合内所有评估系数
Figure QLYQS_30
的平均值。
5.根据权利要求4所述的一种游戏任务系统的负载优化方法，其特征在于：若平均值
Figure QLYQS_38
小于第一效益阈值/>
Figure QLYQS_39
，且离散系数Q小于离散系数Q阈值，则预测游戏任务系统继续执行时，执行效益将会由中变差，且变化速度快；
若平均值
Figure QLYQS_40
小于第一效益阈值/>
Figure QLYQS_41
，且离散系数Q大于离散系数Q阈值，则预测游戏任务系统继续执行时，执行效益将会由中变差，且变化速度缓和；
若平均值
Figure QLYQS_42
大于等于第二效益阈值/>
Figure QLYQS_43
，则预测游戏任务系统继续执行时，执行效益将会由中变好。
6.根据权利要求5所述的一种游戏任务系统的负载优化方法，其特征在于：若评估系数
Figure QLYQS_44
第一效益阈值/>
Figure QLYQS_45
，优化系统将此次游戏任务系统的执行效益为低执行效益，并将此次评估结果标定为/>
Figure QLYQS_46
；
若第一效益阈值
Figure QLYQS_47
评估系数/>
Figure QLYQS_48
第二效益阈值/>
Figure QLYQS_49
，优化系统将此次游戏任务系统的执行效益为中执行效益，并将此次评估结果标定为/>
Figure QLYQS_50
；
若评估系数
Figure QLYQS_51
第二效益阈值/>
Figure QLYQS_52
，优化系统将此次游戏任务系统的执行效益为高执行效益，并将此次评估结果标定为/>
Figure QLYQS_53
。
7.根据权利要求6所述的一种游戏任务系统的负载优化方法，其特征在于：计算所述游戏任务系统的管理值，表达式为：
Figure QLYQS_56
；式中，/>
Figure QLYQS_59
为管理值，
Figure QLYQS_61
为所有/>
Figure QLYQS_55
次数求和，/>
Figure QLYQS_57
为所有/>
Figure QLYQS_60
次数求和，/>
Figure QLYQS_62
为所有/>
Figure QLYQS_54
次数求和，并将所有游戏任务系统依据管理值/>
Figure QLYQS_58
由大到小进行排序，生成管理排序表，负载优化系统依据管理排序表正序选择游戏任务系统的管理顺序。
8.一种游戏任务系统的负载优化系统，用于实现权利要求1-7任一项所述的优化方法，其特征在于：包括分析模块、评估模块、分配模块、存储模块、处理模块；
分析模块分析游戏任务系统中存在的任务类型和数量，评估模块评估游戏任务系统中任务的执行效率，确定需要优化的任务类型和优化策略，分配模块通过设计任务分配和调度算法，将任务分配给不同的服务器节点，存储模块筛除任务系统中的部分数据后，将剩余数据存储在本地服务器中，处理模块：将影响任务进行异步处理，对任务系统中的任务类型和数量进行限制和分配，并对任务系统的运行情况进行实时监控和调整。
CN202310438010.2A 2023-04-23 2023-04-23 一种游戏任务系统的负载优化方法及系统 Active CN116166443B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310438010.2A CN116166443B (zh) 2023-04-23 2023-04-23 一种游戏任务系统的负载优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310438010.2A CN116166443B (zh) 2023-04-23 2023-04-23 一种游戏任务系统的负载优化方法及系统

Publications (2)

Publication Number Publication Date
CN116166443A CN116166443A (zh) 2023-05-26
CN116166443B true CN116166443B (zh) 2023-06-23

Family

ID=86414875

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310438010.2A Active CN116166443B (zh) 2023-04-23 2023-04-23 一种游戏任务系统的负载优化方法及系统

Country Status (1)

Country Link
CN (1) CN116166443B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116881106B (zh) * 2023-07-31 2024-03-08 招商基金管理有限公司 业务系统容量运营分析管理方法、装置、存储介质及设备
CN117482500B (zh) * 2023-08-11 2024-07-02 浙江十勇士网络科技有限公司 一种游戏资源优化调度方法与存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9582312B1 (en) * 2015-02-04 2017-02-28 Amazon Technologies, Inc. Execution context trace for asynchronous tasks
CN111858062A (zh) * 2020-07-27 2020-10-30 中国平安财产保险股份有限公司 评估规则优化方法、业务评估方法及相关设备
CN113467944A (zh) * 2021-06-30 2021-10-01 西南大学 面向复杂软件系统的资源部署装置及方法
CN113568722A (zh) * 2021-06-07 2021-10-29 贵州优联博睿科技有限公司 一种基于资源负载预测的任务调度优化数据处理系统
CN113722112A (zh) * 2021-11-03 2021-11-30 武汉元鼎创天信息科技有限公司 一种服务资源负载均衡处理方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9582312B1 (en) * 2015-02-04 2017-02-28 Amazon Technologies, Inc. Execution context trace for asynchronous tasks
CN111858062A (zh) * 2020-07-27 2020-10-30 中国平安财产保险股份有限公司 评估规则优化方法、业务评估方法及相关设备
CN113568722A (zh) * 2021-06-07 2021-10-29 贵州优联博睿科技有限公司 一种基于资源负载预测的任务调度优化数据处理系统
CN113467944A (zh) * 2021-06-30 2021-10-01 西南大学 面向复杂软件系统的资源部署装置及方法
CN113722112A (zh) * 2021-11-03 2021-11-30 武汉元鼎创天信息科技有限公司 一种服务资源负载均衡处理方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Task Scheduling Algorithm Based on Time and Cost in Smart Grid Cloud Computing;He Qingsu等;《2022 7th International Conference on Computer and Communication Systems (ICCCS)》;847-852 *
面向车联网边缘计算的任务卸载关键技术研究;吴杞;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;C034-858 *

Also Published As

Publication number Publication date
CN116166443A (zh) 2023-05-26

Similar Documents

Publication Publication Date Title
CN116166443B (zh) 一种游戏任务系统的负载优化方法及系统
Hadary et al. Protean:{VM} allocation service at scale
CN109783224B (zh) 基于负载调配的任务分配方法、装置及终端设备
US7882216B2 (en) Process and methodology for generic analysis of metrics related to resource utilization and performance
JP5845809B2 (ja) 知的且つ動的なロードバランシングによる、分散コンピューティング環境におけるソフトウェアの解析の効率的な並列化の手法
Di et al. Characterization and comparison of cloud versus grid workloads
US9658910B2 (en) Systems and methods for spatially displaced correlation for detecting value ranges of transient correlation in machine data of enterprise systems
CN104113585B (zh) 用于产生指示负载平衡状态的硬件级中断的方法和设备
US7467291B1 (en) System and method for calibrating headroom margin
JP5845812B2 (ja) 分散コンピューティング環境におけるソフトウェアの解析の効率的な並列化のためのポリシーのスケジューリング
US7581052B1 (en) Approach for distributing multiple interrupts among multiple processors
US20080320122A1 (en) Method and apparatus for management of virtualized process collections
Lee Resource allocation and scheduling in heterogeneous cloud environments
US9513806B2 (en) Dimension based load balancing
JP2006338543A (ja) 監視システムおよび監視方法
WO2023185090A1 (zh) 基于微服务链路分析和强化学习的调度方法及装置
JP5845811B2 (ja) 分散コンピューティング環境におけるソフトウェアの解析の効率的な並列化のための動的且つ知的な部分的計算管理
US10411969B2 (en) Backend resource costs for online service offerings
US7860700B2 (en) Hardware verification batch computing farm simulator
US7555753B2 (en) Measuring processor use in a hardware multithreading processor environment
US9609054B2 (en) Load balancing scalable storage utilizing optimization modules
CN111752706A (zh) 资源配置方法、装置及存储介质
JP5845810B2 (ja) 分散コンピューティング環境におけるソフトウェアの解析の並列化のための効率的な部分計算
CN109995834A (zh) 大流量数据处理方法、装置、计算设备及存储介质
Qi et al. Data mining based root-cause analysis of performance bottleneck for big data workload

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