Impala学习笔记

最新推荐文章于 2023-08-31 18:45:00 发布
最新推荐文章于 2023-08-31 18:45:00 发布
阅读量319 收藏 1
点赞数
分类专栏： CDH组件框架 文章标签： cloudera 大数据
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/I_Am_Your_God52/article/details/118497132
版权

第1章Impala的基本概念

1.1 什么是Impala
1.Cloudera公司推出，提供对HDFS、Hbase数据的高性能、低延迟的交互式SQL查询功能。
2.基于Hive，使用内存计算，兼顾数据仓库、具有实时、批处理、多并发等优点。
3.是CDH平台首选的PB级大数据实时查询分析引擎。
在这里插入图片描述

1.2 Impala的优缺点
优点:
1.基于内存运算，不需要把中间结果写入磁盘，省掉了大量的I/O开销
2.无需转换为Mapreduce，直接访问存储在HDFS，HBase中的数据进行作业调度，速度快
3.使用了支持Data locality的I/O调度机制，尽可能地将数据和计算分配在同一台机器上进行，减少了网络开销
4.支持各种文件格式，如textfile，sequencefile，rcfile，parquet
5.可以访问hive的metastore，对hive数据直接做数据分析

缺点：
1.对内存的依赖大，且完全依赖于hive
2.实践中，分区超过1万，性能严重下降
3.只能读取文本文件，而不能直接读取自定义二进制文件
4.每当新的记录/文件被添加到HDFS中的数据目录时，该表需要被刷新

1.3 Impala的组成
在这里插入图片描述

1.4 Impala的运行原理
在这里插入图片描述

Impala执行查询的具体过程：
1）当用户提交查询前，Impala先创建一个负责协调客户端提交的查询的Impalad进程，该进程会向Impala State Store提交注册订阅信息，State Store会创建一个statestored进程，statestored进程通过创建多个线程来处理Impalad的注册订阅信息。
2）用户通过CLI客户端提交一个查询到impalad进程，Impalad的Query Planner对SQL语句进行解析，生成解析树；然后，Planner把这个查询的解析树变成若干PlanFragment，发送到Query Coordinator.
3）Coordinator通过从元数据库中获取元数据，从HDFS的名称节点中获取数据地址，以得到存储这个查询相关数据的所有数据节点。
4）Coordinator初始化相应impalad上的任务执行，即把查询任务分配给所有存储这个查询相关数据的数据节点。
5）Query Executor通过流式交换中间输出，并由Query Coordinator汇聚来自各个impalad的结果。
6）Coordinator把汇总后的结果返回给CLI客户端。

第2章Impala的安装

2.1 Impala的地址
1.Impala的官网
http://impala.apache.org/
2.Impala文档查看
http://impala.apache.org/impala-docs.html
3.下载地址
http://impala.apache.org/downloads.html

2.2 Impala的安装方式
Impala有两种安装方式：
1.手动安装。
2.CDH安装（推荐）。
下面我们使用Cloudera Manager安装Impala：
1）在主页中点击添加服务
在这里插入图片描述

2）选择Impala服务
在这里插入图片描述

3）进行角色分配
在这里插入图片描述

注意：最好将StateStore和CataLog Sever单独部署在同一节点上。
4）配置Impala
在这里插入图片描述

5）启动Impala
在这里插入图片描述

6）安装成功
在这里插入图片描述

2.3 Impala 的监护管理
　　
可以通过下面的链接来访问Impala的监护管理页面：
1．查看StateStore
http://hadoop102:25020/
2．查看Catalog
http://hadoop102:25010/

2.4 Impala的初体验

1.启动Impala

[root@hadoop102 ~]# impala-shell

2.查看数据库

[hadoop102:21000] > show databases;

3.打开默认数据库

[hadoop102:21000] > use default;

4.显示数据库中的表

[hadoop102:21000] > show tables;

5.创建一张student表

[hadoop102:21000] > create table student(id int, name string)
                  > row format delimited
                  > fields terminated by '\t';

6.向表中导入数据

[hadoop103:21000] > load data inpath '/student.txt' into table student;

注意：
1)关闭（修改hdfs的配置dfs.permissions为false）或修改hdfs的权限，否则impala没有写的权限

[hdfs@hadoop103 ~]$ hadoop fs -chmod 777 /

2)Impala不支持将本地文件导入到表中

7.查询

[hadoop103:21000] > select * from student;

8.退出impala

[hadoop103:21000] > quit;

第3章Impala的操作命令

3.1 Impala的外部shell

选项描述
-h, --help显示帮助信息
-v or --version显示版本信息
-i hostname, --impalad=hostname指定连接运行 impalad 守护进程的主机。默认端口是 21000
-q query, --query=query从命令行中传递一个shell 命令。执行完这一语句后 shell 会立即退出
-f query_file, --query_file= query_file传递一个文件中的 SQL 查询。文件内容必须以分号分隔
-o filename or --output_file filename保存所有查询结果到指定的文件。通常用于保存在命令行使用 -q 选项执行单个查询时的查询结果
-c查询执行失败时继续执行
-d default_db or --database=default_db指定启动后使用的数据库，与建立连接后使用use语句选择数据库作用相同，如果没有指定，那么使用default数据库
-r or --refresh_after_connect建立连接后刷新 Impala 元数据
-p, --show_profiles对 shell 中执行的每一个查询，显示其查询执行计划
-B（–delimited）去格式化输出
–output_delimiter=character指定分隔符
–print_header打印列名

1.连接指定hadoop103的impala主机

[root@hadoop102 datas]# impala-shell -i hadoop103

2.使用-q查询表中数据，并将数据写入文件中

[hdfs@hadoop103 ~]$ impala-shell -q 'select * from student' -o output.txt

3.查询执行失败时继续执行

[hdfs@hadoop103 ~]$ vim impala.sql
select * from student;
select * from stu;
select * from student;
[hdfs@hadoop103 ~]$ impala-shell -f impala.sql;
[hdfs@hadoop103 ~]$ impala-shell -c -f impala.sql;

4.在hive中创建表后，使用-r刷新元数据

hive> create table stu(id int, name string);
[hadoop103:21000] > show tables;
Query: show tables
+---------+
| name    |
+---------+
| student |
+---------+
[hdfs@hadoop103 ~]$ impala-shell -r
[hadoop103:21000] > show tables;
Query: show tables
+---------+
| name    |
+---------+
| stu     |
| student |
+---------+

5.显示查询执行计划

[hdfs@hadoop103 ~]$ impala-shell -p
[hadoop103:21000] > select * from student;

所谓执行计划，即在查询sql执行之前，先对该sql做一个分析，列出需要完成这一项查询的详细方案：

6.去格式化输出

[root@hadoop103 ~]# impala-shell -q 'select * from student' -B --output_delimiter="\t" -o output.txt
[root@hadoop103 ~]# cat output.txt 
1001    tignitgn
1002    yuanyuan
1003    haohao
1004    yunyun

3.2 Impala的内部shell

选项描述
help显示帮助信息
explain 显示执行计划
profile(查询完成后执行） 查询最近一次查询的底层信息
shell 不退出impala-shell执行shell命令
version显示版本信息（同于impala-shell -v）
connect连接impalad主机，默认端口21000（同于impala-shell -i）
refresh 增量刷新元数据库
invalidate metadata全量刷新元数据库（慎用）（同于 impala-shell -r）
history历史命令

1.查看执行计划

explain select * from student;

2.查询最近一次查询的底层信息

[hadoop103:21000] > select count(*) from student;
[hadoop103:21000] > profile;

3.查看hdfs及linux文件系统

[hadoop103:21000] > shell hadoop fs -ls /;
[hadoop103:21000] > shell ls -al ./;

4.刷新指定表的元数据

hive> load data local inpath '/opt/module/datas/student.txt' into table student;
[hadoop103:21000] > select * from student;
[hadoop103:21000] > refresh student;
[hadoop103:21000] > select * from student;

5.查看历史命令

[hadoop103:21000] > history;

第4章Impala的数据类型

Hive数据类型Impala数据类型Impala数据类型
TINYINTTINYINT1byte有符号整数
SMALINTSMALINT2byte有符号整数
INTINT4byte有符号整数
BIGINTBIGINT8byte有符号整数
BOOLEANBOOLEAN布尔类型，true或者false
FLOATFLOAT单精度浮点数
DOUBLEDOUBLE双精度浮点数
STRINGSTRING字符系列。可以指定字符集。可以使用单引号或者双引号
TIMESTAMPTIMESTAMP时间类型
BINARY不支持字节数组

注意：Impala虽然支持array，map，struct复杂数据类型，但是支持并不完全，一般处理方法，将复杂类型转化为基本类型，通过hive创建表。

第5章DDL数据定义

5.1 创建数据库
1.创建命令

CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path];

注：Impala不支持WITH DBPROPERTIE…语法

2.错误演示

[hadoop103:21000] > create database db_hive
                     > WITH DBPROPERTIES('name' = 'ttt');
Query: create database db_hive
WITH DBPROPERTIES('name' = 'ttt')
ERROR: AnalysisException: Syntax error in line 2:
WITH DBPROPERTIES('name' = 'ttt')
^
Encountered: WITH
Expected: COMMENT, LOCATION

5.2查询数据库

5.2.1显示数据库

[hadoop103:21000] > show databases;
[hadoop103:21000] > show databases like 'hive*';
Query: show databases like 'hive*'
+---------+---------+
| name    | comment |
+---------+---------+
| hive_db |         |
+---------+---------+
[hadoop103:21000] > desc database hive_db;
Query: describe database hive_db
+---------+----------+---------+
| name    | location | comment |
+---------+----------+---------+
| hive_db |          |         |
+---------+----------+---------+

5.2.2删除数据库

[hadoop103:21000] > drop database hive_db;
[hadoop103:21000] > drop database hive_db cascade;

注意：
1.Impala不支持alter database语法
2.当数据库被 USE 语句选中时，无法删除

5.3创建表

5.3.1 管理表

[hadoop103:21000] > create table if not exists student2(
                  > id int, name string
                  > )
                  > row format delimited fields terminated by '\t'
                  > stored as textfile
                  > location '/user/hive/warehouse/student2';
[hadoop103:21000] > desc formatted student2;

5.3.2 外部表

[hadoop103:21000] > create external table stu_external(
                  > id int, 
                  > name string) 
                  > row format delimited fields terminated by '\t' ;

5.4分区表

5.4.1 创建分区表

[hadoop103:21000] > create table stu_par(id int, name string)
                  > partitioned by (month string)
                  > row format delimited 
                  > fields terminated by '\t';

5.4.2 向表中导入数据

[hadoop103:21000] > alter table stu_par add partition (month='201810');
[hadoop103:21000] > load data inpath '/student.txt' into table stu_par partition(month='201810');
[hadoop103:21000] > insert into table stu_par partition (month = '201811')
                  > select * from student;

注意：如果分区没有，load data导入数据时，不能自动创建分区。

5.4.3 查询分区表中的数据

[hadoop103:21000] > select * from stu_par where month = '201811';

5.4.4 增加多个分区

[hadoop103:21000] > alter table stu_par add partition (month='201812') partition (month='201813');

5.4.5 删除分区

[hadoop103:21000] >  alter table stu_par drop partition (month='201812');

5.4.5查看分区

[hadoop103:21000] > show partitions stu_par;

第6章DML数据操作

6.1 数据导入（基本同hive类似）

注意：impala不支持load data local inpath…

6.2 数据的导出

1.impala不支持insert overwrite…语法导出数据
2.impala 数据导出一般使用 impala -o

[root@hadoop103 ~]# impala-shell -q 'select * from student' -B --output_delimiter="\t" -o output.txt
[root@hadoop103 ~]# cat output.txt 
1001    tignitgn
1002    yuanyuan
1003    haohao
1004    yunyun
Impala 不支持export和import命令

第7章查询

1.基本的语法跟hive的查询语句大体一样
2.Impala不支持CLUSTER BY, DISTRIBUTE BY, SORT BY
3.Impala中不支持分桶表
4.Impala不支持COLLECT_SET(col)和explode（col）函数
5.Impala支持开窗函数

[hadoop103:21000] > select name,orderdate,cost,sum(cost) over(partition by month(orderdate)) from business;

第8章函数

8.1 自定义函数

1．创建一个Maven工程Hive
2．导入依赖

<dependencies>
		<!-- https://mvnrepository.com/artifact/org.apache.hive/hive-exec -->
		<dependency>
			<groupId>org.apache.hive</groupId>
			<artifactId>hive-exec</artifactId>
			<version>1.2.1</version>
		</dependency>
</dependencies>

3．创建一个类

package com.atguigu.hive;
import org.apache.hadoop.hive.ql.exec.UDF;

public class Lower extends UDF {

	public String evaluate (final String s) {
		
		if (s == null) {
			return null;
		}
		
		return s.toLowerCase();
	}
}

4.打成jar包上传到服务器/opt/module/jars/udf.jar
5.将jar包上传到hdfs的指定目录

hadoop fs -put hive_udf-0.0.1-SNAPSHOT.jar /

6.创建函数

[hadoop103:21000] > create function mylower(string) returns string location '/hive_udf-0.0.1-SNAPSHOT.jar' symbol='com.atguigu.hive_udf.Hive_UDF';

7.使用自定义函数

[hadoop103:21000] > select ename, mylower(ename) from emp;

8.通过show functions查看自定义的函数

[hadoop103:21000] > show functions;
Query: show functions
+-------------+-----------------+-------------+---------------+
| return type | signature       | binary type | is persistent |
+-------------+-----------------+-------------+---------------+
| STRING      | mylower(STRING) | JAVA        | false         |
+-------------+-----------------+-------------+---------------+

第9章存储和压缩

文件格式压缩编码Impala是否可直接创建是否可直接插入
ParquetSnappy（默认）, GZIP;Yes支持：CREATE TABLE, INSERT, 查询
TextLZO，gzip，bzip2，snappyYes不指定 STORED AS 子句的 CREATE TABLE 语句，默认的文件格式就是未压缩文本 支持：CREATE TABLE, INSERT, 查询。如果使用 LZO 压缩，则必须在 Hive 中创建表和加载数据
RCFileSnappy, GZIP, deflate, BZIP2Yes仅支持查询，在 Hive 中加载数据
SequenceFileSnappy, GZIP, deflate, BZIP2Yes仅支持查询，在 Hive 中加载数据

注：impala不支持ORC格式

1.创建parquet格式的表并插入数据进行查询

[hadoop104:21000] > create table student2(id int, name string)
                  > row format delimited 
                  > fields terminated by '\t'
                  > stored as PARQUET;
[hadoop104:21000] > insert into table student2 values(1001,'zhangsan');
[hadoop104:21000] > select * from student2;

2.创建sequenceFile格式的表，插入数据时报错

[hadoop104:21000] > insert into table student3 values(1001,'zhangsan');
Query: insert into table student3 values(1001,'zhangsan')
Query submitted at: 2018-10-25 20:59:31 (Coordinator: http://hadoop104:25000)
Query progress can be monitored at: http://hadoop104:25000/query_plan?query_id=da4c59eb23481bdc:26f012ca00000000
WARNINGS: Writing to table format SEQUENCE_FILE is not supported. Use query option ALLOW_UNSUPPORTED_FORMATS to override.

第10章优化

1、尽量将StateStore和Catalog单独部署到同一个节点，保证他们正常通行。
2、通过对Impala Daemon内存限制（默认256M）及StateStore工作线程数，来提高Impala的执行效率。
3、SQL优化，使用之前调用执行计划
4、选择合适的文件格式进行存储，提高查询效率。
5、避免产生很多小文件（如果有其他程序产生的小文件，可以使用中间表，将小文件数据存放到中间表。然后通过insert…select…方式中间表的数据插入到最终表中）
6、使用合适的分区技术，根据分区粒度测算
7、使用compute stats进行表信息搜集，当一个内容表或分区明显变化，重新计算统计相关数据表或分区。因为行和不同值的数量差异可能导致impala选择不同的连接顺序时，表中使用的查询。

[hadoop104:21000] > compute stats student;
Query: compute stats student
+-----------------------------------------+
| summary                                 |
+-----------------------------------------+
| Updated 1 partition(s) and 2 column(s). |
+-----------------------------------------+

8、网络io的优化：
–a.避免把整个数据发送到客户端
–b.尽可能的做条件过滤
–c.使用limit字句
–d.输出文件时，避免使用美化输出
–e.尽量少用全量元数据的刷新
9、使用profile输出底层信息计划，在做相应环境优化

十二同学啊
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
impala官方文档
02-28
impala的官方文档，不过是英文版的，介绍还是很详细的。
Cloudera Impala官方文档中文翻译-1
热门推荐
布衣不舍的专栏
08-25 2万+
Impala官方文档翻译 参考链接： Cloudera Impala User Guide：http://www.cloudera.com/content/cloudera-content/cloudera-docs/CDH5/latest/Impala/impala.html   1、Impala简介 1.1概述          Impala提供针对Hado
大数据学习：impala基础
liufang_imei的博客
08-31 770
impala是参照谷歌的新三篇论文（Caffeine–网络搜索引擎、Pregel–分布式图计算、Dremel–交互式分析工具）当中的Dremel实现而来，其中旧三篇论文分别是（BigTable，GFS，MapReduce）分别对应我们即将学的HBase和已经学过的HDFS以及MapReduce。impala是基于hive并使用内存进行计算，兼顾数据仓库，具有实时，批处理，多并发等优点。
impala-官方文档翻译
DCHAO的博客
05-30 643
The following sections provide background information to help you become productive using Impala and its features. Where appropriate(在适当的地方), the explanations include context to help understand how aspects of Impala relate to other technologies(impala跟其他技.
impala入门（一篇就够了）
阿甘兄
06-01 1万+
Impala是一个MPP（大规模并行处理）SQL查询引擎，是一个用C ++和Java编写的开源软件；用于处理存储在Hadoop集群中大量的数据；性能最高的SQL引擎（提供类似RDBMS的体验），提供了访问存储在Hadoop分布式文件系统中的数据的最快方法。
hadoop学习笔记.pdf
12-17
大数据不仅包含大量数据，还涉及到对这些数据的深度挖掘和分析需求，以及用于处理这些数据的软件工具，如Hadoop、Spark、Storm、Flink、Tez和Impala等。 【Hadoop概述】 Hadoop是Apache软件基金会开发的一个开源...
hive学习笔记
03-06
10. **Hive与其他组件的集成**：Hive可以与HBase、Impala、Pig、Hue等其他Hadoop生态系统的组件集成，提供更广泛的数据处理和分析能力。 这些知识点构成了Hive的基础，深入了解和熟练掌握它们对于在大数据环境中...
bigdata笔记
05-22
9. 实时分析：随着业务需求的增加，实时分析成为大数据领域的一个重要分支，它允许用户在数据产生时立即进行分析，例如通过Apache Druid和Impala实现。 10. 机器学习与人工智能：大数据为AI提供丰富的原料，而AI又...
国外程序员刷题-deeplearning-papernotes:深度学习研究论文摘要和笔记
07-01
IMPALA：具有重要性加权 Actor-Learner 架构的可扩展分布式深度强化学习 [] [] [] DeepType：通过神经类型系统进化的多语言实体链接 [] [] [] DensePose：野外密集人体姿势估计 [] [] 2018-01 嵌套 LSTM [] 通过总结...
hadoop常识讲义+笔记.zip
05-20
以上是对Hadoop基础知识的概括，详细的讲义和笔记可能还会包含更多案例分析、实战技巧和故障排查等内容，帮助学习者深入理解Hadoop并提升大数据处理能力。通过系统学习和实践，你可以掌握Hadoop的核心技能，应对...
OLAP(三)：Impala介绍 、 (和hive/spark对比)、COMPUTE STATS
.
02-08 8750
一、Impala概述 Impala是用于处理存储在Hadoop集群中的大量数据的MPP（大规模并行处理）SQL查询引擎。与其他Hadoop的SQL引擎相比，它提供了高性能和低延迟。换句话说，Impala是性能最高的SQL引擎（提供类似RDBMS的体验），它提供了访问存储在Hadoop分布式文件系统中的数据的最快方法。 二、为什么选择Impala？Impala的优点：Impala数据查询效率比Hive快几倍甚至数十倍 Impala通过使用标准组件（如HDFS，HBase.................
Impala的介绍、使用和原理架构
迷雾总会解
06-22 4442
impala是cloudera提供的一款高效率的sql查询工具，提供实时的查询效果，官方测试性能比hive快10到100倍，其sql查询比sparkSQL还要更加快速，号称是当前大数据领域最快的查询sql工具，impala是参照谷歌的新三篇论文（Caffeine–网络搜索引擎、Pregel–分布式图计算、Dremel–交互式分析工具）当中的Dremel实现而来，其中旧三篇论文分别是（BigTable，GFS，MapReduce）分别对应我们即将学的HBase和已经学过的HDFS以及MapReduce。
【大数据入门核心技术-Impala】（一）Impala简介
12-10 2948
Impala是Cloudera公司主导开发的新型查询系统，它提供SQL语义，能查询存储在Hadoop的HDFS和HBase中的PB级大数据。已有的Hive系统虽然也提供了SQL语义，但由于Hive底层执行使用的是MapReduce引擎，仍然是一个批处理过程，难以满足查询的交互性。相比之下，Impala的最大特点也是最大卖点就是它的快速。
hive与impala相关
m0_46168848的博客
10-25 1063
impala和hive的笔记
impala实战篇
Allenzyg的博客
06-03 1989
第1章 impala基本概念 1 什么是impala Cloudera公司推出，提供对HDFS、Hbase数据的高性能、低延迟的交互式SQL查询功能。 基于Hive，使用内存计算，兼顾数据仓库、具有实时、批处理、多并发等优点。 是CDH平台首选的PB级大数据实时查询分析引擎。 1.1 Impala的优缺点 1.1.1 优点 基于内存运算，不需要把中间结果写入磁盘，省掉了大量的I/O开销 无需转换MapReduce，直接访问存储在HDFS，HBase中的数据进行作业调度，速度快。 使用了支持
一个典型的impala查询实际应用例子
全村的希望的博客
02-10 1504
使用的三个表如下： items：商品详细信息表，即商品维度表，记录数100W左右。 item_orders：每日增加的订单记录，事实表，每日新增记录大约为100W。 orders：订单维度表，包含每一个订单实时的信息，记录数为1亿。 该查询实现这样的需求：查询2021年五一三天假期中满足一定条件购买次数TOP 100的商品，条件为：商品的类目属于指定四类，商品的订单状态是1、2两种并且这三天购买的人数大于1000。 SQL： select * from bigdata_report_dev.bigda
impala理论篇之六：查询的执行流程
Allenzyg的博客
06-03 3677
Impala如何执行查询 下面这个图表示impala在Hadoop集群中所处的位置： Impala由以下组件组成： Clients-HUE、ODBC clients、JDBC clients和impala shell都可以与impala进行交互，这些接口都可以用在impala的数据查询以及对impala的管理。 Hive Metastore-存储impala可以访问数据的元数据。例如：这些数据可以让impala知道哪些数据库以及数据库的结构是可以访问的，当你创建、删除、修改数据库对象或者加载数据
Impala的简单入门
u011500419的专栏
06-13 934
原文：https://blog.csdn.net/linxiyimeng007/article/details/80943378 一、Impala概述 什么是Impala？ Impala是用于处理存储在Hadoop集群中的大量数据的MPP（大规模并行处理）SQL查询引擎。 它是一个用C ++和Java编写的开源软件。 与其他Hadoop的SQL引擎相比，它提供了高性能和低延迟。 换句话说，I...
Impala 安装与入门案例
weixin_44847293的博客
11-18 549
2.1 集群准备 2.1.1 安装Hadoop,Hive Impala的安装需要提前装好Hadoop，Hive这两个框架， hive需要在所有的Impala安装的节点上⾯都要有，因为Impala需要引⽤Hive的依赖包 hadoop的框架需要⽀持C程序访问接⼝，查看下图，如果有该路径有.so结尾⽂件，就证明⽀持C 接⼝。 2.1.2 准备Impala的所有依赖包 Cloudera公司对于Impala的安装只提供了rpm包没有提供tar包；所以我们选择使⽤Cloudera的rpm包 进⾏Imp
impala redis 学习
最新发布
09-01
4. 学习Impala的查询语法和高级功能：了解Impala的查询语法、函数、聚合操作和连接操作等基本概念。同时，你还可以了解Impala的高级功能，如分区、桶排序等，以提高查询性能。 5. 实践项目：通过实际项目来应用所学...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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