一种根据任务紧急程度实时生成排序的方法及系统与流程

1.本发明涉及任务排序技术领域，具体地，涉及一种根据任务紧急程度实时生成排序的方法及系统。


背景技术：

2.在大多数计算机系统中，经常需要同时执行多个任务，为了保证系统的高效稳定运行，通常需要对这些任务进行排序，以便在有限的资源下尽可能满足任务的需求，目前，已有一些任务排序算法被广泛应用于各种计算机系统中，例如fifo算法、sjf算法和pr算法等，这类算法可以对不同类型任务都适用，但这些算法只考虑了任务的执行时间，因此存在排序的合理性和准确度较低的问题，最终导致任务的执行效率也较低。现有技术中，为了提高任务的执行效率，除了考虑任务的执行时间，还考虑了任务的紧急程度、系统资源或历史执行时间等其他影响任务排序的因素，但此方法只能针对同一类型的任务进行排序，因为对于不同类型的任务而言，影响任务排序因素的数量和种类都存在差异，导致在计算不同类型任务的优先级时计算标准无法统一，从而影响任务排序的准确性，降低了任务的执行效率。因此针对不同类型任务排序如何提高其任务的执行效率成为亟待解决的问题。


技术实现要素：

3.为解决针对不同类型任务排序时其任务执行效率较低的问题，本发明提供了一种根据任务紧急程度实时生成排序的方法，所述方法包括以下步骤：步骤1：基于任务场景，获取对应任务的任务类型，基于所述任务类型，对相应的任务设置不同的权重系数；步骤2：对设置过权重系数的任务获取第一预设个数的正向影响因子数据和第二预设个数的负向影响因子数据；步骤3：预设若干个数据区间，基于所述数据区间，分别对所述正向影响因子数据和负向影响因子数据进行赋值得到赋值结果；步骤4：基于所述权重系数和所述赋值结果，计算每个任务的优先级；步骤5：按照所述优先级从高到低执行所有任务。
4.本发明原理：首先通过获取任务类型对相应的任务设置不同的权重系数，然后选取出对应任务预设个数的正向影响因子数据和负向影响因子数据，这一步是保证每个任务在计算优先级时其正向影响因子和负向影响因子数量都是相等的，而对于不同类型任务而言，其对应的正向影响因子和负向影响因子也存在差异，所以为了统一正向影响因子和负向影响因子的值，通过划分数据空间设置特定值的方式来代替影响因子数据，让在计算任务优先级时能保证影响因子数据都是在同一数据体系下，最后根据权重系数和赋值结果，计算任务优先级，并按照优先级从高到低执行任务。本发明能够解决针对不同类型任务排序时任务执行效率较低的问题。
5.进一步地，步骤4还包括：采用以下第一公式计算每个任务的优先级，
；pn为任务的优先级，λn为任务的权重系数，rn为正向影响因子数据求和后的值，sn为负向影响因子数据求和后的值。
6.其中，通过第一公式能准确计算出任务的优先级。
7.进一步地，所述步骤5具体包括：按照优先级从高到低将所有任务放入任务列表中，判断任务列表中是否存在有依赖关系的任务，若是，在所述任务列表中将具有依赖关系的任务提取至预设集合，基于所述第一公式，计算所述预设集合中任务的平均优先级，将所述平均优先级与所述任务列表中剩余任务的优先级逐一比较，当判断出所述平均优先级高于第一任务的优先级，将所述预设集合中的任务插入到所述第一任务之前；若否，则按照优先级从高到低执行所述任务列表中的任务。
8.其中，具有依赖关系的任务也就是说在任务顺序定义中存在典型的依赖关系，也称强制依赖，任务之间存在固有的前后依赖关系，对于这类任务排序，以往方式是在具有依赖关系的任务中选取目标任务参与排序，当目标任务执行完成后，接着执行对应的依赖任务，但由于依赖任务并未参与优先级排序（优先级计算标准不统一），当依赖任务数量过多时，只依靠目标任务进行排序的准确度就更低，因此通过第一公式计算具有依赖关系任务的平均优先级，将平均优先级作为此类任务的优先级参与排序，使得任务排序更加合理和准确。
9.进一步地，所述步骤5还包括：按照优先级从高到低执行当前任务得到执行结果，基于执行结果，对还未执行的所有任务的优先级进行更新。
10.其中，在优先级计算过程中，系统资源或任务平均执行时间等影响任务排序的因素都是随着任务完成而发生变化，因此通过已完成任务的执行结果来对后续待执行任务的优先级进行动态更新，使任务排序更加合理。
11.进一步地，对所述正向影响因子数据进行赋值包括：获取所述正向影响因子数据的数据类型，基于所述数据类型，设置若干个不同的第一数据区间，任意2个所述第一数据区间的区间数量相等，对所述第一数据区间中的每个区间均预设特定值，所述特定值大小与所述第一数据区间大小相对应，当判断出所述正向影响因子数据位于所述第一数据区间中的第一区间，获取所述第一区间对应的所述特定值并对所述正向影响因子数据进行赋值。
12.其中，由于每个任务的正向影响因子数据的种类都存在差异，因此在计算优先级时，如果使用正向影响因子本身的数据，那么导致优先级计算结果准确度较低，因此通过针对每个正向影响因子数据本身划分数据区间，并对每个数据区间预设特定值，当判断出正向影响因子数据位于数据区间中的某个区间时，直接获取该区间对应的特定值，由于对于不同类型任务而言，其数据区间数量和特定值都是统一的，通过将任务的正向影响因子数据转换为特定值，这样在计算任务优先级时也就更准确。同理，也可以将任务的负向影响因子数据转换为特定值。
13.进一步地，获取第一预设个数的正向影响因子数据包括：获取对应任务的正向影响因子历史数据，基于所述正向影响因子历史数据，对所述正向影响因子进行正序排序得到第一排序结果，基于所述第一排序结果，获取第一预设个数的正向影响因子数据。
14.其中，通过获取任务的正向影响因子历史数据，分析得到每个正向影响因子的重要性得到分析结果，再根据分析结果，对正向影响因子的重要性进行正序排序，再从排序的序列中获取第一预设个数的正向影响因子。
15.进一步地，获取第二预设个数的负向影响因子数据包括：获取对应任务的负向影响因子历史数据，基于所述负向影响因子历史数据，对所述负向影响因子进行正序排序得到第二排序结果，基于所述第二排序结果，获取第二预设个数的负向影响因子数据。
16.其中，通过获取任务的负向影响因子历史数据，分析得到每个负向影响因子的重要性得到分析结果，再根据分析结果，对负向影响因子的重要性进行正序排序，再从排序的序列中获取第二预设个数的负向影响因子。
17.进一步地，对相应的任务设置不同的权重系数包括：获取每个任务历史执行数据，基于所述历史执行数据，构建权重模型并对所述权重模型进行训练，基于训练后的所述权重模型，对每个任务设置不同的权重系数。
18.其中，通过分析任务的历史执行数据，得到每个任务的重要程度，从而构建权重模型并对其进行训练，再通过训练后的权重模型，基于任务类型，对每个任务设置不同的权重系数。
19.进一步地，所述步骤5还包括：监测并获取每个任务的优先级，当监测到第三任务优先级超过预设阈值，暂停当前第二任务并开启执行所述第三任务，当所述第三任务执行完成后，执行所述第二任务。
20.其中，在任务执行的过程中存在有新的任务加入，同时也需要计算新任务的优先级，当判断出新任务的优先级超过预设阈值，说明新任务紧急程度较高，此时需要暂停当前任务并开启执行新任务，待新任务执行完毕后，再重启执行当前第二任务。
21.为解决针对不同类型任务排序时其任务执行效率较低的问题，本发明提供了一种根据任务紧急程度实时生成排序的系统，所述系统包括：权重单元，用于基于任务场景，获取对应任务的任务类型，基于所述任务类型，对相应的任务设置不同的权重系数；获取单元，用于对设置过权重系数的任务获取第一预设个数的正向影响因子数据和第二预设个数的负向影响因子数据；赋值单元，用于预设若干个数据区间，基于所述数据区间，分别对所述正向影响因子数据和负向影响因子数据进行赋值得到赋值结果；计算单元，用于基于所述权重系数和所述赋值结果，计算每个任务的优先级；执行单元，用于按照所述优先级从高到低执行所有任务。
22.本发明提供的一个或多个技术方案，至少具有如下技术效果或优点：本发明通过限定任务正向影响因子和负向影响因子个数，同时采用特定值的方式来替代影响因子数据本身，最终解决了针对不同类型任务排序时任务执行效率较低的问题。
23.本发明通过设置第一公式来计算具有依赖关系任务的平均优先级，并将平均优先级作为排序标准，使得系统在对具有依赖关系任务进行排序时更加合理和准确，提高了任务的执行效率。
附图说明
24.此处所说明的附图用来提供对本发明实施例的进一步理解，构成本发明的一部分，并不构成对本发明实施例的限定；图1是本发明中一种根据任务紧急程度实时生成排序的方法流程示意图；图2是本发明中一种根据任务紧急程度实时生成排序的系统组成示意图。
具体实施方式
25.为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在相互不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。
26.在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述范围内的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
27.实施例1；
28.请参考图1，为本发明中一种根据任务紧急程度实时生成排序的方法流程示意图，所述方法包括以下步骤：步骤1：基于任务场景，获取对应任务的任务类型，基于所述任务类型，对相应的任务设置不同的权重系数；步骤2：对设置过权重系数的任务获取第一预设个数的正向影响因子数据和第二预设个数的负向影响因子数据；步骤3：预设若干个数据区间，基于所述数据区间，分别对所述正向影响因子数据和负向影响因子数据进行赋值得到赋值结果；步骤4：基于所述权重系数和所述赋值结果，计算每个任务的优先级；步骤5：按照所述优先级从高到低执行所有任务。
29.其中，正向影响因子和负向影响因子区分标准是根据其数值对优先级的影响关系，当任务影响因子数据与任务优先级成正比关系时，将这类任务影响因子作为正向影响因子。当任务影响因子数据与任务优先级成反比关系时，将此类任务影响因子作为负向影响因子。
30.在本发明实施例中，获取对应的任务类型包括有抄表、拉闸和保电3个类型，对相应的3个任务设置不同的权重系数分别为1、10和8，对于权重系数的设置根据实际情况进行调整，对这3个任务分别获取2个正向影响因子数据和1个负向影响因子数据。对抄表任务而言，正向影响因子数据分别为任务执行时间30ms和任务等待时间60ms，负向影响因子数据为所需任务资源为10；对拉闸任务而言，正向影响因子数据分别为任务执行时间200ms和任务前n次平均执行时间300ms，负向影响因子数据为系统响应时间50ms；对保电任务而言，正向影响因子数据分别为任务等待时间40ms和上个任务资源回收时间10ms，负向影响因子数据为系统响应时间80ms。可以看到针对不同类型任务而言，其正向和负向影响因子种类和数量都存在差异，因此还需要对这3个任务的影响因子数据用划分区间和特定值的方式处理。最终得到抄表任务权重系数为1、正向影响因子数据为1和2，负向影响因子数据为1；拉闸任务权重系数为10，正向影响因子数据为7和10，负向影响因子数据为2；保电任务权重系
数为7，正向影响因子数据为2和1，负向影响因子数据为3。再采用第一公式分别计算得到抄表、拉闸和保电的优先级为3、85和7，再基于得到的优先级，依次执行拉闸、保电和抄表任务。上述数据只是起解释说明作用，可根据实际情况进行调整，本发明不做具体限定。
31.其中，步骤4还包括：采用以下第一公式计算每个任务的优先级，；pn为任务的优先级，λn为任务的权重系数，rn为正向影响因子数据求和后的值，sn为负向影响因子数据求和后的值。
32.例如有充值任务的权重系数为0.8，rn为10，sn为5，计算得到pn为1.6，对于权重系数、正向影响因子数据的和值以及负向影响因子数据的和值，都可根据实际情况进行调整，但需要保证针对不同类型任务排序在同一计算体系下进行。
33.其中，所述步骤5具体包括：按照优先级从高到低将所有任务放入任务列表中，判断任务列表中是否存在有依赖关系的任务，若是，在所述任务列表中将具有依赖关系的任务提取至预设集合，基于所述第一公式，计算所述预设集合中任务的平均优先级，将所述平均优先级与所述任务列表中剩余任务的优先级逐一比较，当判断出所述平均优先级高于第一任务的优先级，将所述预设集合中的任务插入到所述第一任务之前；若否，则按照优先级从高到低执行所述任务列表中的任务。
34.在任务排序过程中，存在具有依赖关系的任务，也称强制依赖，指的是任务之间所固有的前后依赖关系，对于这类任务而言，以往处理方式是在具有依赖关系的任务中选取目标任务参与排序，当目标任务执行完成后，接着执行对应的依赖任务，如果依赖任务较多时，这类排序方式的合理性和准确性就较低。而采用第一公式来计算具有依赖关系任务的平均优先级，任务平均优先级为任务优先级的平均值，将平均优先级作为排序的依据则更合理，例如在任务列表中包含任务a（优先级为8）、任务b（优先级为6,）、任务c（优先级为5）、任务d（优先级为2）和任务e（优先级为1），其中任务b、任务d和任务e具有依赖关系，以往方式则是选取任务b作为目标任务，其任务执行顺序为任务a、b、d、e和c，因为任务d和任务e相较于任务c的优先级都较低，若具有依赖关系的任务数量更多时，这种排序的合理性和准确性显然就更低。因此通过第一公式计算得到任务b、d和e的平均优先级为3，其任务执行顺位为任务a、c、b、d和e，采用平均优先级来作为具有依赖关系的任务排序则更加合理和准确，任务执行效率也更高。
35.其中，所述步骤5还包括：按照优先级从高到低执行当前任务得到执行结果，基于执行结果，对还未执行的所有任务的优先级进行更新。
36.在任务优先级计算过程中，影响任务排序的因素比如系统资源或者任务平均执行时间等数据都是随着任务完成而变化的，比如针对同一类型任务的任务平均执行时间，前5次任务平均执行时间为6s，最近一次任务执行时间为12s，那么对任务平均执行时间进行更新后应该为7s，并将更新后的数据作为下次同类型任务计算优先级的依据。除了系统资源和任务平均执行时间，还包括有其他随着任务而动态变化的影响数据，可根据实际情况进行调整，本发明不做具体限定。
37.其中，对所述正向影响因子数据进行赋值包括：获取所述正向影响因子数据的数据类型，基于所述数据类型，设置若干个不同的第一数据区间，任意2个所述第一数据区间
的区间数量相等，对所述第一数据区间中的每个区间均预设特定值，所述特定值大小与所述第一数据区间大小相对应，当判断出所述正向影响因子数据位于所述第一数据区间中的第一区间，获取所述第一区间对应的所述特定值并对所述正向影响因子数据进行赋值。
38.例如针对读取文件和写入文件的任务而言，其读取文件正向影响因子数据包括有任务执行时间，任务等待时间和上个任务读取时间等其他数据，其写入文件正向影响因子数据包括有任务执行时间，任务等待时间和上个任务写入时间等其他数据，针对这两类任务的正向影响因子数据均设置不同的第一数据区间，然后对第一数据区间中的每个区间均设定特定值，比如针对上个任务读取时间划分区间[0s,5s]、[6s,10s]、[11s,15s]和[15s，∞]，四个区间对应的特定值分别为10、20、30和40，而针对上个任务写入时间划分区间[0s,15s]、[16s,30s]、[30s,45s]和[45s，∞]，四个区间对应的特定值为10、20、30和40，对于数据区间划分一是保证划分的区间数量相等，二是数据区间对应的特定值要统一，这样针对不同类型的任务也可更合理的进行排序。对于数据区间划分和特定值取值都可根据实际情况进行调整，本发明不做具体限定。
[0039]
其中，获取第一预设个数的正向影响因子数据包括：获取对应任务的正向影响因子历史数据，基于所述正向影响因子历史数据，对所述正向影响因子进行正序排序得到第一排序结果，基于所述第一排序结果，获取第一预设个数的正向影响因子数据。
[0040]
通过获取任务的正向影响因子历史数据，分析历史数据得到分析结果，再根据分析结果对正向影响因子进行正序排序，基于排序结果选取第一预设个数的正向影响因子，通过上述步骤能筛选出预设个数对任务排序影响较大的正向影响因子，对于第一预设个数的具体数量，可根据实际情况进行调整，本发明不做具体限定。
[0041]
其中，获取第二预设个数的负向影响因子数据包括：获取对应任务的负向影响因子历史数据，基于所述负向影响因子历史数据，对所述负向影响因子进行正序排序得到第二排序结果，基于所述第二排序结果，获取第二预设个数的负向影响因子数据。
[0042]
通过获取任务的负向影响因子历史数据，分析历史数据得到分析结果，并根据分析结果对负向影响因子进行正序排序，再基于排序结果选取第二预设个数的负向影响因子，通过上述步骤能够筛选出预设个数对任务排序影响较大的负向影响因子，对于第二预设个数的具体数量，可根据实际情况进行调整，本发明不做具体限定。
[0043]
其中，对相应的任务设置不同的权重系数包括：获取每个任务历史执行数据，基于所述历史执行数据，构建权重模型并对所述权重模型进行训练，基于训练后的所述权重模型，对每个任务设置不同的权重系数。
[0044]
通过对不同类型任务的历史执行数据进行学习，在此基础上构建权重模型并对权重模型进行训练，在对该权重模型进行训练时可采用因子分析法、主成分分析法、ahp层次法、优序图法、critic权重法或者信息量权重法等其他权重系数分析方法，再基于训练完成的权重模型，对不同类型的任务设置相应的权重系数。
[0045]
其中，所述步骤5还包括：监测并获取每个任务的优先级，当监测到第三任务优先级超过预设阈值，暂停当前第二任务并开启执行所述第三任务，当所述第三任务执行完成后，执行所述第二任务。
[0046]
在任务执行的过程中，还不断有新的任务加入，对这些新加入的任务也需要实时计算优先级，如果判断出新加入任务的优先级有超过预设阈值的，如第三任务，此时先暂停
当前第二任务并开启执行第三任务，待第三任务执行完毕再执行第二任务，对于预设阈值的设置可根据现实情况进行调整，本发明不做具体限定。
[0047]
实施例2；
[0048]
请参考图2，为本发明中一种根据任务紧急程度实时生成排序的系统组成示意图，所述系统包括：权重单元，用于基于任务场景，获取对应任务的任务类型，基于所述任务类型，对相应的任务设置不同的权重系数；获取单元，用于对设置过权重系数的任务获取第一预设个数的正向影响因子数据和第二预设个数的负向影响因子数据；赋值单元，用于预设若干个数据区间，基于所述数据区间，分别对所述正向影响因子数据和负向影响因子数据进行赋值得到赋值结果；计算单元，用于基于所述权重系数和所述赋值结果，计算每个任务的优先级；执行单元，用于按照所述优先级从高到低执行所有任务。
[0049]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0050]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

技术特征：
1.一种根据任务紧急程度实时生成排序的方法，其特征在于，所述方法包括以下步骤：步骤1：基于任务场景，获取对应任务的任务类型，基于所述任务类型，对相应的任务设置不同的权重系数；步骤2：对设置过权重系数的任务获取第一预设个数的正向影响因子数据和第二预设个数的负向影响因子数据；步骤3：预设若干个数据区间，基于所述数据区间，分别对所述正向影响因子数据和所述负向影响因子数据进行赋值得到赋值结果；步骤4：基于所述权重系数和所述赋值结果，计算每个任务的优先级；步骤5：按照所述优先级从高到低执行所有任务。2.根据权利要求1所述的一种根据任务紧急程度实时生成排序的方法，其特征在于，步骤4还包括：采用以下第一公式计算每个任务的优先级，；p
n
为任务的优先级，λ
n
为任务的权重系数，r
n
为正向影响因子数据求和后的值，s
n
为负向影响因子数据求和后的值。3.根据权利要求2所述的一种根据任务紧急程度实时生成排序的方法，其特征在于，所述步骤5具体包括：按照优先级从高到低将所有任务放入任务列表中，判断任务列表中是否存在有依赖关系的任务，若是，在所述任务列表中将具有依赖关系的任务提取至预设集合，基于所述第一公式，计算所述预设集合中任务的平均优先级，将所述平均优先级与所述任务列表中剩余任务的优先级逐一比较，当判断出所述平均优先级高于第一任务的优先级，将所述预设集合中的任务插入到所述第一任务之前；若否，则按照优先级从高到低执行所述任务列表中的任务。4.根据权利要求1所述的一种根据任务紧急程度实时生成排序的方法，其特征在于，所述步骤5还包括：按照优先级从高到低执行当前任务得到执行结果，基于执行结果，对还未执行的所有任务的优先级进行更新。5.根据权利要求1所述的一种根据任务紧急程度实时生成排序的方法，其特征在于，对所述正向影响因子数据进行赋值包括：获取所述正向影响因子数据的数据类型，基于所述数据类型，设置若干个不同的第一数据区间，任意2个所述第一数据区间的区间数量相等，对所述第一数据区间中的每个区间均预设特定值，所述特定值大小与所述第一数据区间大小相对应，当判断出所述正向影响因子数据位于所述第一数据区间中的第一区间，获取所述第一区间对应的所述特定值并对所述正向影响因子数据进行赋值。6.根据权利要求1所述的一种根据任务紧急程度实时生成排序的方法，其特征在于，获取第一预设个数的正向影响因子数据包括：获取对应任务的正向影响因子历史数据，基于所述正向影响因子历史数据，对所述正向影响因子进行正序排序得到第一排序结果，基于所述第一排序结果，获取第一预设个数的正向影响因子数据。7.根据权利要求1所述的一种根据任务紧急程度实时生成排序的方法，其特征在于，获取第二预设个数的负向影响因子数据包括：获取对应任务的负向影响因子历史数据，基于所述负向影响因子历史数据，对所述负向影响因子进行正序排序得到第二排序结果，基于所述第二排序结果，获取第二预设个数的负向影响因子数据。
8.根据权利要求1所述的一种根据任务紧急程度实时生成排序的方法，其特征在于，对相应的任务设置不同的权重系数包括：获取每个任务历史执行数据，基于所述历史执行数据，构建权重模型并对所述权重模型进行训练，基于训练后的所述权重模型，对每个任务设置不同的权重系数。9.根据权利要求1所述的一种根据任务紧急程度实时生成排序的方法，其特征在于，所述步骤5还包括：监测并获取每个任务的优先级，当监测到第三任务优先级超过预设阈值，暂停当前第二任务并开启执行所述第三任务，当所述第三任务执行完成后，执行所述第二任务。10.一种根据任务紧急程度实时生成排序的系统，其特征在于，所述系统包括：权重单元，用于基于任务场景，获取对应任务的任务类型，基于所述任务类型，对相应的任务设置不同的权重系数；获取单元，用于对设置过权重系数的任务获取第一预设个数的正向影响因子数据和第二预设个数的负向影响因子数据；赋值单元，用于预设若干个数据区间，基于所述数据区间，分别对所述正向影响因子数据和所述负向影响因子数据进行赋值得到赋值结果；计算单元，用于基于所述权重系数和所述赋值结果，计算每个任务的优先级；执行单元，用于按照所述优先级从高到低执行所有任务。

技术总结
本发明公开了一种根据任务紧急程度实时生成排序的方法及系统，涉及任务排序技术领域，该方法包括：步骤1：基于任务场景，获取对应任务的任务类型，基于任务类型，对相应的任务设置不同的权重系数；步骤2：对设置过权重系数的任务获取第一预设个数的正向影响因子数据和第二预设个数的负向影响因子数据；步骤3：预设若干个数据区间，基于数据区间，分别对正向影响因子数据和负向影响因子数据进行赋值得到赋值结果；步骤4：基于权重系数和赋值结果，计算每个任务的优先级；步骤5：按照优先级从高到低执行所有任务。本发明通过限定任务影响因子的个数，并通过特定值对影响因子进行赋值，解决了不同类型任务排序时其任务执行效率较低的问题。低的问题。低的问题。


技术研发人员：钱刚 张云伟 刘均剑 伍剑 李彪 岳天龙 何涛 屈松涛 张川
受保护的技术使用者：成都太阳高科技有限责任公司
技术研发日：2023.09.04
技术公布日：2023/10/8