大数据最全新一代数据湖存储技术Apache Paimon入门Demo(1)，2024年最新阿里三面

最新推荐文章于 2024-10-31 16:17:19 发布
最新推荐文章于 2024-10-31 16:17:19 发布
阅读量680 收藏 6
点赞数 17
分类专栏： 程序员 文章标签： 大数据 面试 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_84159911/article/details/138729999
版权

img
img
img

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

    env.setParallelism(1);
    env.enableCheckpointing(10000L);
    env.getCheckpointConfig().setCheckpointStorage("file:/D:/tmp/paimon/");

    TableEnvironment tableEnv = StreamTableEnvironment.create(env);


    // 0. Create a Catalog and a Table
    tableEnv.executeSql("CREATE CATALOG my_catalog_local WITH (\n" +
            "    'type'='paimon',\n" +                           // todo: !!!
            "    'warehouse'='file:///D:/tmp/paimon'\n" +
            ")");

    tableEnv.executeSql("USE CATALOG my_catalog_local");

    tableEnv.executeSql("CREATE DATABASE IF NOT EXISTS my_catalog_local.local_db");
    tableEnv.executeSql("USE local_db");

    // drop tbl
    tableEnv.executeSql("DROP TABLE IF EXISTS paimon_tbl_streams");
    tableEnv.executeSql("CREATE TABLE IF NOT EXISTS paimon_tbl_streams(\n"
            + " uuid bigint,\n"
            + " name VARCHAR(3),\n"
            + " age int,\n"
            + " ts TIMESTAMP(3),\n"
            + " dt VARCHAR(10), \n"
            + " PRIMARY KEY (dt, uuid) NOT ENFORCED \n"
            + ") PARTITIONED BY (dt) \n"
            + " WITH (\n" +
            "    'merge-engine' = 'partial-update',\n" +
            "    'changelog-producer' = 'full-compaction', \n" +
            "    'file.format' = 'orc', \n" +
            "    'scan.mode' = 'compacted-full', \n" +
            "    'bucket' = '5', \n" +
            "    'sink.parallelism' = '5', \n" +
            "    'sequence.field' = 'ts' \n" +   // todo, to check
            ")"
    );

    // datagen ====================================================================
    tableEnv.executeSql("CREATE TEMPORARY TABLE IF NOT EXISTS source_A (\n" +
            " uuid bigint PRIMARY KEY NOT ENFORCED,\n" +
            " `name` VARCHAR(3)," +
            " _ts1 TIMESTAMP(3)\n" +
            ") WITH (\n" +
            " 'connector' = 'datagen', \n" +
            " 'fields.uuid.kind'='sequence',\n" +
            " 'fields.uuid.start'='0', \n" +
            " 'fields.uuid.end'='1000000', \n" +
            " 'rows-per-second' = '1' \n" +
            ")");
    tableEnv.executeSql("CREATE TEMPORARY TABLE IF NOT EXISTS source_B (\n" +
            " uuid bigint PRIMARY KEY NOT ENFORCED,\n" +
            " `age` int," +
            " _ts2 TIMESTAMP(3)\n" +
            ") WITH (\n" +
            " 'connector' = 'datagen', \n" +
            " 'fields.uuid.kind'='sequence',\n" +
            " 'fields.uuid.start'='0', \n" +
            " 'fields.uuid.end'='1000000', \n" +
            " 'rows-per-second' = '1' \n" +
            ")");

    //
    //tableEnv.executeSql("insert into paimon_tbl_streams(uuid, name, _ts1) select uuid, concat(name,'_A') as name, _ts1 from source_A");
    //tableEnv.executeSql("insert into paimon_tbl_streams(uuid, age, _ts1) select uuid, concat(age,'_B') as age, _ts1 from source_B");
    StatementSet statementSet = tableEnv.createStatementSet();
    statementSet
            .addInsertSql("insert into paimon_tbl_streams(uuid, name, ts, dt) select uuid, name, _ts1 as ts, date_format(_ts1,'yyyy-MM-dd') as dt from source_A")
            .addInsertSql("insert into paimon_tbl_streams(uuid, age, dt) select uuid, age, date_format(_ts2,'yyyy-MM-dd') as dt from source_B")
            ;

    statementSet.execute();
    // env.execute();
}

}


结果：


![](https://img-blog.csdnimg.cn/56d9290f711c47e7bf18c2ee69e15644.png)


       如果只有一个流，上述代码完全没有问题【仅作为write demo一个流即可】，两个流会出现“写冲突”问题！


如下：


![](https://img-blog.csdnimg.cn/2cd69062d45f4510b34a85ff71a3d3d5.png)


        使用了官网的方法：[Dedicated Compaction Job]( )，似乎并没有奏效，至于解决方法请看下文 “**二、进阶：本地（IDEA）多流拼接测试**”； 


#### 3.2 流读（toChangeLogStream）


代码：

package com.study.flink.table.paimon.demo;

import org.apache.flink.api.common.functions.FilterFunction;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.Schema;
import org.apache.flink.table.api.Table;
import org.apache.flink.table.api.TableEnvironment;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;
import org.apache.flink.table.connector.ChangelogMode;
import org.apache.flink.types.Row;
import org.apache.flink.types.RowKind;
import org.apache.logging.log4j.LogManager;
import org.apache.logging.log4j.Logger;

/**

  • @Author: YK.Leo
  • @Date: 2023-05-15 18:50
  • @Version: 1.0
    */

// 流读单表OK！
public class OfficeStreamReadV1 {

public static final Logger LOGGER = LogManager.getLogger(OfficeStreamReadV1.class);

public static void main(String[] args) throws Exception {
    StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

    env.setParallelism(1);
    env.enableCheckpointing(10000L);
    env.getCheckpointConfig().setCheckpointStorage("file:/D:/tmp/paimon/");

    TableEnvironment tableEnv = StreamTableEnvironment.create(env);


    // 0. Create a Catalog and a Table
    tableEnv.executeSql("CREATE CATALOG my_catalog_local WITH (\n" +
            "    'type'='paimon',\n" +                           // todo: !!!
            "    'warehouse'='file:///D:/tmp/paimon'\n" +
            ")");

    tableEnv.executeSql("USE CATALOG my_catalog_local");

    tableEnv.executeSql("CREATE DATABASE IF NOT EXISTS my_catalog_local.local_db");
    tableEnv.executeSql("USE local_db");

    // 不需要再次创建表

    // convert to DataStream
    // Table table = tableEnv.sqlQuery("SELECT * FROM paimon_tbl_streams");
    Table table = tableEnv.sqlQuery("SELECT * FROM paimon_tbl_streams WHERE name is not null and age is not null");
    // DataStream<Row> dataStream = ((StreamTableEnvironment) tableEnv).toChangelogStream(table);
    // todo : doesn't support consuming update and delete changes which is produced by node TableSourceScan
    // DataStream<Row> dataStream = ((StreamTableEnvironment) tableEnv).toDataStream(table);
    // 剔除 -U 数据（即：更新前的数据不需要重新发送，剔除）！！！
    DataStream<Row> dataStream = ((StreamTableEnvironment) tableEnv)
            .toChangelogStream(table, Schema.newBuilder().primaryKey("dt","uuid").build(), ChangelogMode.upsert())
            .filter(new FilterFunction<Row>() {
                @Override
                public boolean filter(Row row) throws Exception {
                    boolean isNoteUpdateBefore = !(row.getKind().equals(RowKind.UPDATE_BEFORE));
                    if (!isNoteUpdateBefore) {
                        LOGGER.info("UPDATE_BEFORE: " + row.toString());
                    }
                    return isNoteUpdateBefore;
                }
            })
            ;

    // use this datastream
    dataStream.executeAndCollect().forEachRemaining(System.out::println);

    env.execute();
}

}


结果：


![](https://img-blog.csdnimg.cn/69fb1657b5c744189a57725f10513310.png)


## 


## 二、进阶：本地（IDEA）多流拼接测试


#### 要解决的问题：


        多个流拥有相同的主键，每个流更新除主键外的部分字段，通过主键完成多流拼接。


#### note：


        如果是两个Flink Job 或者 两个 pipeline 写同一个paimon表，则直接会产生conflict，其中一条流不断exception、重启；


        可以使用 “UNION ALL” 将多个流合并为一个流，最终一个Flink job写paimon表；


        使用主键表，'merge-engine' = 'partial-update' ；


### 1、'changelog-producer' = 'full-compaction'


#### （1）multiWrite代码

package com.study.flink.table.paimon.multi;

import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.table.api.StatementSet;
import org.apache.flink.table.api.TableEnvironment;
import org.apache.flink.table.api.bridge.java.StreamTableEnvironment;

/**

  • @Author: YK.Leo
  • @Date: 2023-05-18 10:17
  • @Version: 1.0
    */

// Succeed as local ！！！
// 而且不会产生conflict，跑5分钟没有任何异常(公司跑几天无异常)！ 数据也可以在另一个job流读！
public class MultiStreamsUnionWriteV1 {
public static void main(String[] args) throws Exception {
StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
env.setParallelism(1);
env.enableCheckpointing(10*1000L);
env.getCheckpointConfig().setCheckpointStorage(“file:/D:/tmp/paimon/”);
TableEnvironment tableEnv = StreamTableEnvironment.create(env);

    // 0. Create a Catalog and a Table
    tableEnv.executeSql("CREATE CATALOG my_catalog_local WITH (\n" +
            "    'type'='paimon',\n" +                           // todo: !!!
            "    'warehouse'='file:///D:/tmp/paimon'\n" +
            ")");
    tableEnv.executeSql("USE CATALOG my_catalog_local");

    tableEnv.executeSql("CREATE DATABASE IF NOT EXISTS my_catalog_local.local_db");
    tableEnv.executeSql("USE local_db");

    // drop & create tbl
    tableEnv.executeSql("DROP TABLE IF EXISTS paimon_tbl_streams");
    tableEnv.executeSql("CREATE TABLE IF NOT EXISTS paimon_tbl_streams(\n"
            + " uuid bigint,\n"
            + " name VARCHAR(3),\n"
            + " age int,\n"
            + " ts TIMESTAMP(3),\n"
            + " dt VARCHAR(10), \n"
            + " PRIMARY KEY (dt, uuid) NOT ENFORCED \n"
            + ") PARTITIONED BY (dt) \n"
            + " WITH (\n" +
            "    'merge-engine' = 'partial-update',\n" +
            "    'changelog-producer' = 'full-compaction', \n" +
            "    'file.format' = 'orc', \n" +
            "    'scan.mode' = 'compacted-full', \n" +
            "    'bucket' = '5', \n" +
            "    'sink.parallelism' = '5', \n" +
            // "    'write_only' = 'true', \n" +
            "    'sequence.field' = 'ts' \n" +   // todo, to check
            ")"
    );

    // datagen ====================================================================
    tableEnv.executeSql("CREATE TEMPORARY TABLE IF NOT EXISTS source_A (\n" +
            " uuid bigint PRIMARY KEY NOT ENFORCED,\n" +
            " `name` VARCHAR(3)," +
            " _ts1 TIMESTAMP(3)\n" +
            ") WITH (\n" +
            " 'connector' = 'datagen', \n" +
            " 'fields.uuid.kind'='sequence',\n" +
            " 'fields.uuid.start'='0', \n" +
            " 'fields.uuid.end'='1000000', \n" +
            " 'rows-per-second' = '1' \n" +
            ")");
    tableEnv.executeSql("CREATE TEMPORARY TABLE IF NOT EXISTS source_B (\n" +
            " uuid bigint PRIMARY KEY NOT ENFORCED,\n" +
            " `age` int," +
            " _ts2 TIMESTAMP(3)\n" +
            ") WITH (\n" +
            " 'connector' = 'datagen', \n" +
            " 'fields.uuid.kind'='sequence',\n" +
            " 'fields.uuid.start'='0', \n" +
            " 'fields.uuid.end'='1000000', \n" +
            " 'rows-per-second' = '1' \n" +
            ")");

    //
    StatementSet statementSet = tableEnv.createStatementSet();
    String sqlText = "INSERT INTO paimon_tbl_streams(uuid, name, age, ts, dt) \n" +
            "select uuid, name, cast(null as int) as age, _ts1 as ts, date_format(_ts1,'yyyy-MM-dd') as dt from source_A \n" +
            "UNION ALL \n" +
            "select uuid, cast(null as string) as name, age, _ts2 as ts, date_format(_ts2,'yyyy-MM-dd') as dt from source_B"
            ;
    statementSet.addInsertSql(sqlText);

    statementSet.execute();
}

}


读代码同上。


#### （2）读延迟


        即：从client数据落到paimon，完成与server的join，再到被Flink-paimon流读到的时间延迟；


       **分钟级别延迟**！


### 2、'changelog-producer' = 'lookup'


读写同上，建表时修改参数即可： changelog-producer='lookup'，与此匹配的scan-mode需要分别配置为 'latest' ；


lookup延迟性可能会更低，但是数据质量有待验证。



**note：**


经测试，在企业生产环境中full-compaction模式目前一切稳定（两条join的流QPS约3K左右，延迟2-3分钟）。


         99.9%的数据延迟在2-3分钟；


        （multiWrite的checkpoint间隔为60s时）


![](https://img-blog.csdnimg.cn/96b644ab0d2f40a0921f9b8cbb268752.png)



## 三、可能遇到的问题


1. Caused by: java.lang.ClassCastException: org.codehaus.janino.CompilerFactory cannot be cast to org.codehaus.commons.compiler.ICompilerFactory


原因：org.codehaus.janino 依赖冲突,


办法：全部exclude掉


<exclude>org.codehaus.janino:\*</exclude>


2. Caused by: java.lang.ClassNotFoundException: org.apache.flink.util.function.SerializableFunction


原因：Flink steaming版本与Flink table版本不一致 或 确实相关依赖 （这里是paimon依赖的flink版本最低为1.14.6，与1.14.0的flink不兼容）


办法：升级Flink版本到1.14.4以上


参考Flink配置：[Configuration | Apache Flink]( )


3. Caused by: java.util.ServiceConfigurationError: org.apache.flink.table.factories.Factory: Provider org.apache.flink.table.store.connector.TableStoreManagedFactory not found


在项目的META-INF/services路径下添加 Factory 文件（这样才能匹配Flink的CatalogFactory，才能创建catalog）


4. Caused by: org.apache.flink.client.program.ProgramInvocationException: The main method caused an error: No operators defined in streaming topology. Cannot execute.


已经存在tableEnv.executeSql 或者 statementSet.execute() 时就不需要再 env.execute() 了！


5. Flink SQL不能直接使用null as，需要写成 cast(null as data\_type)， 如 cast(null as string)；


6. 如果创建paimon分区表，必须要把分区字段放在主键中！，否则建表报错：


![](https://img-blog.csdnimg.cn/ce1c4c3a933342ffbc9f01786c05fe36.png)



## 四、展望


如果有数据格式：


**主键   stream\_client   stream\_server   ts**


1001    null                   a                         1


1001    A                      null                      2



![img](https://img-blog.csdnimg.cn/img_convert/816da587336dc12674bf0371c3c1496e.png)
![img](https://img-blog.csdnimg.cn/img_convert/6a50f35323acba0ddf9874483dcba801.png)
![img](https://img-blog.csdnimg.cn/img_convert/b1e84dee49bf02cfdb1c4a55fe6f7c8b.png)

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**

    1


1001    A                      null                      2



[外链图片转存中...(img-G6QugFs1-1715432738468)]
[外链图片转存中...(img-tecEDHJi-1715432738468)]
[外链图片转存中...(img-PVlk6ul6-1715432738469)]

**既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！**

**由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新**

**[需要这份系统化资料的朋友，可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
2401_84159911
关注
专栏目录
apache paimon简介（官翻）
JustinMars的博客
09-23 921
Apache Paimon 是一个专为大数据应用设计的多功能表存储系统。它支持批处理和流处理，通常与 Apache Flink、Apache Hive 和 Apache Spark 等工具一起使用。
Doris 数据集成 Apache Paimon
热门推荐
08-06 1万+
对于基线数据来说，Apache Paimon 在 0.6 版本中引入 Primary Key Table Read Optimized 功能后，使得查询引擎可以直接访问底层的 Parquet/ORC 文件，大幅提升了基线数据的读取效率。Apache Paimon 是一种数据湖格式，并创新性地将数据湖格式和 LSM 结构的优势相结合，成功将高效的实时流更新能力引入数据湖架构中，这使得 Paimon 能够实现数据的高效管理和实时分析，为构建实时湖仓架构提供了强大的支撑。
Apache Paimon 使用之文件系统配置
猫猫爱吃小鱼粮
03-07 1012
Apache Paimon 使用之文件系统配置
Paimon下载使用和基础操作说明
u010479989的博客
07-10 957
Apache Paimon 是一种湖格式，支持使用 Flink 和 Spark 构建实时湖仓一体架构 用于流式处理和批处理操作。Paimon创新性地将湖格式与LSM（Log-structured merge-tree）相结合 结构，将实时流式更新引入 Lake 架构。
5 Paimon数据湖之表数据查询详解
大数据技术博客
11-10 2399
主要涉及Paimon中系统表的查询、批量读取、流式读取，以及时间旅行特性的使用。
3 Paimon数据湖中的表类型详解_paimon表和hive区别
2401_84164672的博客
04-26 724
-- /*+ OPTIONS(‘scan.mode’=‘from-snapshot’,‘scan.snapshot-id’ = ‘1’) */ – 通过动态表选项来指定数据读取(扫描)模式，以及从哪里开始读取。|-- /*+ OPTIONS(‘scan.mode’=‘from-snapshot’,‘scan.snapshot-id’ = ‘1’) */ – 通过动态表选项来指定数据读取(扫描)模式，以及从哪里开始读取。
Paimon笔记
qq_33483616的博客
07-30 741
支持高吞吐数据摄入、变更追踪、高效分析的流批数据湖基于LSM提升写入速度并降低写入消耗；基于有序的SortRun裁剪大部分数据以提升查询性能；支持多种merge引擎实现高性能流表打宽。
新一代数据湖存储技术Apache Paimon入门Demo，【原理+实战+视频+源码
2401_84166836的博客
04-18 470
/ 而且不会产生conflict，跑5分钟没有任何异常(公司跑几天无异常)！数据也可以在另一个job流读！// 流读单表OK！
大数据技术之Apache Paimon
07-24
|01.Paimon课程介绍 02.Paimon概述_简介 03.Paimon概述_核心特性 04.Paimon概述_基本概念 05.Paimon概述_文件布局 06.集成Flink_环境准备 07.集成Flink_环境准备_解决依赖冲突 08.集成Flink_Catalog_文件系统 09....
Apache Paimon数据湖中文教程
09-09
Apache Paimon，作为新一代的数据湖技术，正迅速获得众多企业的青睐与采用。Paimon对比Apache Hudi，有一定的性能优势，同时运维成本也会显著降低。该文档重点阐述了以下几个方面的内容： 1. 如何实现Paimon与主流...
3.paimon分区设置及分区自动失效
流月up的博客
10-23 701
大数据中分区为加速查询,提供了很好的途径,对于大表,生产中加上分区,并按分区查询,性能提升巨大,分区的字段最好具有平均分布数据的功能,能解决大部分或者一部分查询慢的问题,收益最大;对于大表的另一个问题,就是数据无限膨胀,但磁盘有限,在paimon中这些问题都有解决方案,就是分区和分区自动失效功能paimon相关文章请移步paimon官方文档如何设置分区paimon官方相关文档分区失效。
Flink+Paimon多流拼接性能优化实战
Leonardo_KY的博客
08-31 3395
Flink+Paimon多流拼接性能优化实战，本文使用Flink+Paimon基于ParmaryKey Table主键表（PartialUpdate）进行多流拼接的时候，跑一段时间有时会遇到周期性背压、checkpoint时间过长等情况，本文通过剖析源码逻辑、修改源码，在一定程度上解决了这个问题。另外，还意外解决了跨分区关联率偏低的问题。
Hudi源码分析之使用Flink Table/SQL实现Hudi Sources
从大数据到人工智能的博客
01-23 2761
在文章Flink Table/SQL自定义Sources和Sinks全解析（附代码）中我们说到在Flink Table/SQL中如何自定义Sources和Sinks，有了上述文章的基础，我们再来理解Flink Table/SQL是如何实现Hudi的数据读取与写入就比较容易了。 动态表是自定义sources/sinks的核心，通过查阅源码我们可以知道在flink-hudi子模块中，org.apache.hudi.table.HoodieTableFactory类同时实现了DynamicTableSource
FLIP27-Source
不甚了然的博客
02-27 1046
Source通常有两个核心的部件：当前的Source接口就是用来创建SplitEnumerator和Reader的工厂类。
FLIP27-Source，2024年最新大数据开发零基础开发
2401_84160325的博客
04-13 1014
容对你有帮助，可以添加VX：vip204888 （备注大数据获取）**[外链图片转存中…(img-RpZzwU1x-1712962743541)]
人工智能和大数据如何改变企业？
雪兽软件
10-29 317
尽管人工智能和大数据具有显著优势，但在应用它们时也存在挑战。必须考虑伦理问题，例如隐私和人工智能算法中的潜在偏差。总之，人工智能和大数据不仅在改变公司内部的营销方式，还在改变这些实体制定战略决策的方式。这些技术能够更好地了解消费者、定制营销努力并提供量身定制的推荐，从而提高客户满意度并带来销售额的增长。适应这些创新的公司不仅将保持在竞争的前沿，还将最大限度地利用市场机会。本文转载自雪兽软件更多精彩推荐请访问雪兽软件官网。
二百七十三、Kettle——ClickHouse中增量导入数据准确性统计表数据（1天1次）
最新发布
tiantang2renjian的博客
10-31 967
Kettle——ClickHouse中增量导入数据准确性统计表数据（1天1次）
Java 入门系列（1）：总篇
Chen7Chan的博客
10-30 476
新的编程之旅--Java站
中药大数据（四）：数据预处理+管理端的功能实现
roccreed的专栏
10-30 425
中药材产地可视化：内含全国省份的中药材种类分布地图，这个数据是从scrapy爬虫爬取到的数据进行提取之后使用echarts可视化进行提取的。提供主页功能：管理员可以直观查看系统数据情况、用户登录的信息、3D词云。用户可以向后台管理员发送中药药材和药方的纠错申请，管理员可以进行处理。数据爬取功能：基于scrapy爬虫进行中药药材数据和药方数据的爬取。比如我们输入了青酒缸，在中国地图上金色的点位展示了产地的信息。数据预处理：从药材数据中提取药材的产地信息。用户信息管理：可以进行用户增删改查的操作。
Apache Paimon数据湖深度解析与实战
2. **数据湖功能**：Paimon具备低成本、高可靠性和可扩展的元数据管理，为大数据存储提供了一个灵活且高效的平台。 3. **丰富的合并引擎**：面对多条相同主键的数据，Paimon允许选择保留最新数据、局部更新或进行...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值