Java操作HBase

最新推荐文章于 2024-10-06 02:59:46 发布
最新推荐文章于 2024-10-06 02:59:46 发布
阅读量978 收藏 2
点赞数
分类专栏： Java hbase 文章标签： java hbase mapreduce
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/C_FuL/article/details/77732646
版权

本文通过Java书写MapReduce的方式来对Hbase进行操作
- 使用 MapReduce将 HDFS 的文件导入到 hbase
- 从 HBase 实现备份数据到 HDFS
- 将 HBase 中的数据导入到 MySQL

创建项目

首先,使用开发工具创建一个maven项目
具体pom文件如下.

pom文件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>com.cfl</groupId>
    <artifactId>mapreduce_hbase_demo</artifactId>
    <version>1.0-SNAPSHOT</version>
    <packaging>jar</packaging>

    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.3</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-client</artifactId>
            <version>1.2.6</version>
        </dependency>

        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase-server</artifactId>
            <version>1.2.6</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.5.1</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                </configuration>
            </plugin>
        </plugins>
    </build>
</project>

注意版本兼容问题!!!

日志跟踪

创建log4j.properties

#OFF,systemOut,logFile,logDailyFile,logRollingFile,logMail,logDB,ALL
log4j.rootLogger=ALL,systemOut

log4j.appender.systemOut= org.apache.log4j.ConsoleAppender
log4j.appender.systemOut.layout= org.apache.log4j.PatternLayout
log4j.appender.systemOut.layout.ConversionPattern= [%-5p][%-22d{yyyy/MM/dd HH:mm:ssS}][%l]%n%m%n
log4j.appender.systemOut.Threshold= INFO
log4j.appender.systemOut.ImmediateFlush= TRUE
log4j.appender.systemOut.Target= System.out

接下来,将hadoop的如下配置文件放入项目中
- core-site.xml
- hdfs-site.xml
- mapred-site.xml
- yarn-site.xml
- slaves
以及hbase的配置文件
- hbase-site.xml
- regionservers

将HBase中的数据导出到HDFS

package com.cfl.mapreduce.hbase;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.hbase.Cell;
import org.apache.hadoop.hbase.CellUtil;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.filter.CompareFilter;
import org.apache.hadoop.hbase.filter.Filter;
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.hbase.mapreduce.TableMapper;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

import java.io.IOException;

/**
 * MapReduce操作HBase：将HBase中的数据写入到HDFS
 */
public class ImpHDFSFromHBase extends Configured implements Tool {
    public static class MyTableMapper extends TableMapper<NullWritable, Text>{
        private Text text = new Text();
        @Override
        protected void map(ImmutableBytesWritable key, Result value, Context context) throws IOException, InterruptedException {
            String name = null;
            String num = null;
            String fee = null;
            for (Cell cell: value.listCells()) {
                if (Bytes.toString(CellUtil.cloneQualifier(cell)).equals("name")){
                    name = Bytes.toString(CellUtil.cloneValue(cell));
                }
                if (Bytes.toString(CellUtil.cloneQualifier(cell)).equals("num")){
                    num = Bytes.toString(CellUtil.cloneValue(cell));
                }
                if (Bytes.toString(CellUtil.cloneQualifier(cell)).equals("fee")){
                    fee = Bytes.toString(CellUtil.cloneValue(cell));
                }
            }
            text.set(name + " " + num + " " + fee);
            context.write(NullWritable.get(), text);
        }
    }

    public static class MyReduce extends Reducer<NullWritable, Text, NullWritable, Text>{
        @Override
        protected void reduce(NullWritable key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
            for (Text value: values) {
                context.write(NullWritable.get(), value);
            }
        }
    }

    @Override
    public int run(String[] args) throws Exception {
        Configuration cfg = new Configuration();
        cfg.set("mapred.jar", "E:\\code\\workspace_idea\\hadoopproject\\hadoop_mapreduce_demo\\target\\hadoop_mapreduce_demo-1.0-SNAPSHOT.jar");
        Job job = Job.getInstance(cfg, "从HBase备份免费课程到HDFS中");
        job.setJarByClass(ImpHDFSFromHBase.class);

        // 查询免费的课程
        Scan scan = new Scan();
        Filter filter = new SingleColumnValueFilter(Bytes.toBytes("info"), Bytes.toBytes("fee"), CompareFilter.CompareOp.EQUAL, Bytes.toBytes("免费"));
        scan.setFilter(filter);

        TableMapReduceUtil.initTableMapperJob(args[0] ,scan, MyTableMapper.class,NullWritable.class, Text.class, job);

        job.setReducerClass(MyReduce.class);
        job.setOutputKeyClass(NullWritable.class);
        job.setOutputValueClass(Text.class);
        FileOutputFormat.setOutputPath(job, new Path(args[1]));

        // 成功返回0，失败返回1
        return job.waitForCompletion(true) ? 0 : 1;
    }

    public static void main(String[] args) throws Exception {
        System.out.println(ToolRunner.run(new ImpHDFSFromHBase(), args));
    }
}

将HDFS的文件导入到HBase

首先,在HDFS上需要有一个数据文件
这里写图片描述
比如这样,路径为/user/hadoop/input

package com.cfl.mapreduce.hbase;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

import java.io.IOException;

/**
 * MapReduce操作HBase：读取HDFS文件存储到HBase中
 */
public class ImpHBaseFormHDFS extends Configured implements Tool {

    /**
     * LongWritable 文件中一行文本的偏移量
     * Text 文件中一行文本内容
     * ImmutableBytesWritable 对应行健
     * Put 对应一条数据
     */
    public static class HDFSMapper extends Mapper<LongWritable, Text, ImmutableBytesWritable, Put>{
        private ImmutableBytesWritable rowkey = new ImmutableBytesWritable(); // rowkey
        private byte[] info = Bytes.toBytes("info");// 列族
        private byte[] name = Bytes.toBytes("name");// 列：课程名称 name
        private byte[] num = Bytes.toBytes("num");// 列：人数 num
        private byte[] fee = Bytes.toBytes("fee");// 列：费用 fee

        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
            String[] strings = value.toString().split("\\s+");// 按空格分隔(一个或多个空格)
            if (strings.length == 3) {
                rowkey.set(Bytes.toBytes(strings[0])); // 将课程作为rowkey
                Put put = new Put(Bytes.toBytes(strings[0]));
                put.addColumn(info, name, Bytes.toBytes(strings[0]));
                put.addColumn(info, num, Bytes.toBytes(strings[1]));
                put.addColumn(info, fee, Bytes.toBytes(strings[2]));
                context.write(rowkey, put);
            }
        }
    }

    @Override
    public int run(String[] args) throws Exception {
        // Configuration 读取 hadoop core-site.xml文件
        Configuration cfg = new Configuration();
        // 设置生成的jar名字
        cfg.set("mapred.jar", "E:\\code\\workspace_idea\\hadoopproject\\hadoop_mapreduce_demo\\target\\hadoop_mapreduce_demo-1.0-SNAPSHOT.jar");
        Job job = Job.getInstance(cfg, "导入课程到HBase中");
        job.setJarByClass(ImpHBaseFormHDFS.class);
        job.setMapperClass(HDFSMapper.class);
        job.setMapOutputKeyClass(ImmutableBytesWritable.class);
        job.setMapOutputValueClass(Put.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));

        // TableMapReduceUtil 读取了hadoop的配置文件和hbase的配置文件，并做了合并
        TableMapReduceUtil.initTableReducerJob(
                args[1],    // output table
                null,       // reducer class
                job);
        job.setNumReduceTasks(1); // at least one, adjust as required

        // 成功返回0，失败返回1
        return job.waitForCompletion(true) ? 0 : 1;
    }

    public static void main(String[] args) throws Exception {
        int n = ToolRunner.run(new ImpHBaseFormHDFS(), args);
        System.out.println(n);
    }
}

运行之前需要为项目加上参数
这里写图片描述

将hbase中的数据导入到mysql

package com.cfl.mapreduce.hbase;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.hbase.CellUtil;
import java.sql.Connection;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.filter.CompareFilter;
import org.apache.hadoop.hbase.filter.Filter;
import org.apache.hadoop.hbase.filter.RegexStringComparator;
import org.apache.hadoop.hbase.filter.SingleColumnValueFilter;
import org.apache.hadoop.hbase.io.ImmutableBytesWritable;
import org.apache.hadoop.hbase.mapreduce.TableMapReduceUtil;
import org.apache.hadoop.hbase.mapreduce.TableMapper;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

import java.io.IOException;
import java.sql.DriverManager;
import java.sql.SQLException;
import java.sql.Statement;

/**
 * MapReduce操作HBase：将HBase中的数据导入到MySql
 * Map的作用是分布式的查询到符合的记录
 * Reduce得到map的输出汇总，连接mysql，存储数据（这样只需要连接一次mysql，提高效率）
 * 如果在map中连接mysql，存储数据，每一次map都会连接，效率低
 */
public class HBaseToMySql extends Configured implements Tool {

    public static void addTmpJar(String jarPath, Configuration conf) throws IOException {
        System.setProperty("path.separator", ":");
        FileSystem fs = FileSystem.getLocal(conf);
        String newJarPath = new Path(jarPath).makeQualified(fs).toString();
        String tmpjars = conf.get("tmpjars");
        if (tmpjars == null || tmpjars.length() == 0) {
            conf.set("tmpjars", newJarPath);
        } else {
            conf.set("tmpjars", tmpjars + "," + newJarPath);
        }
    }

     public static class ReadMap extends TableMapper<NullWritable, Text>{
         private Text sql = new Text();
         // 获取列的值
         private String getValue(String qualifier, Result result){
             return Bytes.toString(result.getValue(Bytes.toBytes("info"), Bytes.toBytes(qualifier)));
         }

         @Override
         protected void map(ImmutableBytesWritable key, Result value, Context context) throws IOException, InterruptedException {
             String name = getValue("name", value);
             String numStr = getValue("num", value);
             String pay = getValue("fee", value);
             int num = Integer.parseInt(numStr);
             String str = "insert into tb_course(name,num,pay) values('"+name+"',"+num+",'"+pay+"')";
             sql.set(str);
             context.write(NullWritable.get(), sql);
         }
     }

     public static class WriteReduce extends Reducer<NullWritable, Text, NullWritable, NullWritable>{

         private Connection conn = null;
         private Statement st = null;

         // 连接mysql
         @Override
         protected void setup(Context context) throws IOException, InterruptedException {
             try {
                 Class.forName("com.mysql.jdbc.Driver");
                 conn = DriverManager.getConnection("jdbc:mysql://192.168.19.95:3306/kgc","root","root");
                 st = conn.createStatement();
             } catch (SQLException e) {
                 throw new InterruptedException(e.getMessage());
             } catch (ClassNotFoundException e) {
                 throw new InterruptedException(e.getMessage());
             }
         }

         // 不做任何输出，插入数据
         @Override
         protected void reduce(NullWritable key, Iterable<Text> values, Context context) throws IOException, InterruptedException {
             for (Text v: values) {
                 try {
                     st.executeUpdate(v.toString());
                 } catch (SQLException e) {
                     throw new InterruptedException(e.getMessage());
                 }
             }
         }

         // 关闭连接
         @Override
         protected void cleanup(Context context) throws IOException, InterruptedException {
             try {
                 if (st != null) {
                     st.close();
                 }
                 if (conn != null) {
                     conn.close();
                 }
             } catch (SQLException e) {
                 e.printStackTrace();
             }
         }
     }

    @Override
    public int run(String[] args) throws Exception {
        Configuration cfg = getConf();
        addTmpJar(args[0], cfg);
        cfg.set("mapreduce.job.jar", "E:\\code\\workspace_idea\\hadoopproject\\hadoop_mapreduce_demo\\target\\hadoop_mapreduce_demo-1.0-SNAPSHOT.jar");
        Job job = Job.getInstance(cfg, "从 HBase 将收费课程导入到MySQL DB");
        job.setJarByClass(HBaseToMySql.class);

        // 查询含有“K币”的课程
        Scan scan = new Scan();
        //Filter filter = new SingleColumnValueFilter(Bytes.toBytes("info"), Bytes.toBytes("fee"), CompareFilter.CompareOp.EQUAL, new RegexStringComparator("K币"));
        Filter filter = new SingleColumnValueFilter(Bytes.toBytes("info"), Bytes.toBytes("fee"), CompareFilter.CompareOp.EQUAL, Bytes.toBytes("免费"));
        scan.setFilter(filter);

        TableMapReduceUtil.initTableMapperJob(args[1] ,scan, ReadMap.class, NullWritable.class, Text.class, job);

        job.setReducerClass(WriteReduce.class);
        job.setOutputKeyClass(NullWritable.class);
        job.setOutputValueClass(NullWritable.class);

        FileOutputFormat.setOutputPath(job, new Path(args[2]));
        return job.waitForCompletion(true) ? 0 : 1;
    }

    public static void main(String[] args) throws Exception {
        System.out.println(ToolRunner.run(new HBaseToMySql(), args));
    }
}

我们要把hbase中的数据导入到mysql，这个过程需要使用第三方的jar，上面笔者是单独用了一个方法 addTmpJar() 来添加第三方jar，因为如果直接使用windows的路径提交会报错，Linux下解析不了windows下的路径，如果你想添加多个第三方jar可以多调用几次addTmpJar()方法。除了这种方式，还可以使用如下方式来提交第三方jar，比如mysql的驱动jar
注意：使用-libjars提交第三方jar时，它不作为参数，只是hadoop会读取它

public int run(String[] args) throws Exception {
        Configuration cfg = getConf();
        cfg.set("mapreduce.job.jar", "E:\\code\\workspace_idea\\hadoopproject\\hadoop_mapreduce_demo\\target\\hadoop_mapreduce_demo-1.0-SNAPSHOT.jar");
        Job job = Job.getInstance(cfg, "从 HBase 将收费课程导入到MySQL DB");
        job.setJarByClass(HBaseToMySql.class);

        // 查询含有“K币”的课程
        Scan scan = new Scan();
        //Filter filter = new SingleColumnValueFilter(Bytes.toBytes("info"), Bytes.toBytes("fee"), CompareFilter.CompareOp.EQUAL, new RegexStringComparator("K币"));
        Filter filter = new SingleColumnValueFilter(Bytes.toBytes("info"), Bytes.toBytes("fee"), CompareFilter.CompareOp.EQUAL, Bytes.toBytes("免费"));
        scan.setFilter(filter);

        TableMapReduceUtil.initTableMapperJob(args[0] ,scan, ReadMap.class, NullWritable.class, Text.class, job);

        job.setReducerClass(WriteReduce.class);
        job.setOutputKeyClass(NullWritable.class);
        job.setOutputValueClass(NullWritable.class);

        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        return job.waitForCompletion(true) ? 0 : 1;
C_FuL
关注
专栏目录
Java 操作Hbase
杨鑫newlife的专栏
02-05 798
package com.xxxxxx.report.util; import com.google.common.collect.Maps; import com.xxxxx.report.config.Constants; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.*; import
Java操作hbase
NEU_tt的博客
05-04 445
1.HBase简单介绍 HBase是一种构建在HDFS之上的分布式、面向列的存储系统。在需要实时读写、随机访问超大规模数据集时，可以使用HBase。 HBase以表的形式存储数据。表是由行和列组成，列划分为若干个列族。 存储形式如下： 建表时，不需要限定表中的字段，只要制定若干个列族就可以了。插入数据时，列族中可以任意存储多个列。 2.Java客户端操作HBase建表 创建
java操作HBase
qq_41482600的博客
03-12 723
创建一个学生信息表，用来存储学生的姓名（姓名作为行键，且假设姓名不会重复）以及考试成绩，其中考试成绩（score）是一个列族，存储了各个科目的考试成绩。然后向student中添加数据。
HBase Java API编程-学习记录
最新发布
m0_73641772的博客
10-06 712
输出日志的依赖（刷新完成不飘红即为引入成功）命令启动hdfs文件系统和hbase服务，默认端口：16030），验证环境正常。的依赖（刷新完成不飘红即为引入成功）下出现如下图所示的进程即为正确。HBase web页面如下图所示。
使用java操作HBase
小飞侠的博客
12-18 238
前提： HBase版本为 hbase0.94.18.tar.gz 使用HBase的Java api，对HBase进行操作。 1、连接hbase 1 2 3 4 5 6 7 8 //设置配置信息 public Configuration getConfig() { Co...
Java操作Hbase
weixin_45607513的博客
01-07 239
maven依赖 如果仅仅是为了测试练习java操作Hbase，只需要导入一下依赖即可 <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-common</artifactId> <version>2.6.0</v...
Java操作Hbase进行建表、删表以及对数据进行增删改查
05-14
Java 操作 Hbase 进行建表、删表以及对数据进行增删改查 一、Hbase 简介 Hbase 是一个开源的、分布式的、基于 column-family 的 NoSQL 数据库。它是基于 Hadoop 的，使用 HDFS 作为其存储层。Hbase 提供了高性能、...
大数据从入门到实战——HBase开发：使用Java操作Hbase
Littlerainlv的博客
10-27 2393
HBase开发创建表添加数据获取数据删除表 创建表 package step1; import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.HBaseConfiguration; import org.apache.hadoop.hbase.HColumnDescriptor; import org.apache.hadoop.hbase.HTableDes
HBase 开发：使用Java操作HBase
m0_63514931的博客
11-07 838
的版本，那么两种方式你都可以使用（本实训使用的。为了完成本关任务，你需要掌握：1.如何使用。的那么你只能使用第一种方式来创建表，如果是。好了，到你啦，使用本关知识，在右侧编辑器。之后的版本中这些被弃用了，新的客户端。（连接工厂）的方法我们就能获取到。版本（18年10月发布）的，对象，这个对象我们需要通过。值得咱们注意的是，如果你的。开始你的任务吧，祝你成功！注意：在1.0之前的版本。更加干净简洁，本文使用的。的版本中创建表使用了新的。对象被弃用，取而代之的是。版本，所以两种都可用）。
HBase 开发：使用Java操作HBase 第3关：获取数据
qq_61604164的博客
12-01 4525
HBase 开发：使用Java操作HBase 第3关：获取数据
Java 操作 HBASE
倪默遥
10-10 469
工作中遇到，用 Java 代码操作 HBase 仓库，就将 API 封装成函数，希望能够帮助广大博友，同时也恳求路过的神，指点出不足，在此，谢谢大家。    import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.hbase.*; import org.apache.hadoop.hbase.client.*;...
java操作Hbase
weixin_37630333的博客
06-18 174
1.下载hadoop，本文以hadoop-2.7.6为例 安装教程参考：https://blog.csdn.net/csdn_fzs/article/details/78985586 2.windows 搭建 hbase https://blog.csdn.net/wm6752062/article/details/80381704 启动：bin \ start-hbase.cmd 进入hbas...
[hbase]使用HBase的Java API查询HBase（2）
小飞侠的博客
12-18 377
HBase数据库，数据量 613,428,000条 HBase表结构，为一表，一列族，一列，一值 表名dnslog，columnfamily为info，列为c1,value. rowkey组成：账号+”_”+时间 大牛笔记 需求： 获取zywy这个账号，在2014-11-11 10:10:10秒 到 2014-12-11 ...
java操作hbase
纯洁的小魔鬼
07-19 5023
Hbase是分布式、面向列的开源数据库。HDFS为Hbase提供可靠的底层数据存储服务，MapReduce为Hbase提供高性能的计算能力，Zookeeper为Hbase提供稳定服务和Failover机制。
Java 操作HBase
qq_42260493的博客
10-11 8107
1.创建一个学生信息表，用来存储学生的姓名（姓名作为行键，且假设姓名不会重复）以及考试成绩，其中考试成绩（score）是一个列族，存储了各个科目的考试成绩。HTableDescriptor包含了HBase中的表格的详细信息（例如表中的列族、表的类型、表是否只读、MemoStore的最大空间、Region分裂时机等）管理HBase数据库信息（包括创建、删除表、列出表项、使表有效/无效、添加/删除表的列族成员、检查HBase运行状态等）2.针对表的操作（创建表、删除表、判断表是否存在、使用/禁用表、列出表）
使用Java操作Hbase
qq_57151931的博客
03-08 1817
使用Java操作Hbase
Java操作HBase：增删查改实战指南
"这篇博客主要介绍了如何使用Java操作HBase进行增删查改的基本操作，提供了相关的POM依赖和HBase连接的示例代码。作者强调了代码中的关键部分都有注释，方便理解。" 在Java中操作HBase，我们需要先确保引入了正确的...
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