MySql学习（三）索引

已于 2023-06-15 17:30:40 修改
阅读量503 收藏 3
点赞数
分类专栏： # mysql 文章标签： 数据库 mysql
于 2020-03-01 21:14:00 首次发布
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/baidu_29609961/article/details/104594964
版权

文章目录

索引是什么

官方介绍索引是帮助MySQL高效获取数据的数据结构。更通俗的说，数据库索引好比是一本书前面的目录，能加快数据库的查询速度。

索引的优势和劣势

优势

可以提高数据检索的效率，降低数据库的IO成本，类似于书的目录。 – 检索
通过索引列对数据进行排序，降低数据排序的成本，降低了CPU的消耗。 --排序
被索引的列会自动进行排序，包括【单列索引】和【组合索引】，只是组合索引的排序要复杂一些。（可以参考后续讲的B+TREE的结构，帮助理解）
如果按照索引列的顺序进行排序，对应order by语句来说，效率就会提高很多。
如果where条件列符合索引的最左前缀原则的话，在存储引擎层会有一层index filter处理。(索引下推 ICP)
如果检索的字段都包含在索引当中可以减少回表查询从而提高效率（索引覆盖）

劣势

索引会占据磁盘空间。
索引虽然会提高查询效率，但是会降低更新表的效率。比如每次对表进行增删改操作，MySQL不仅要保存数据，还有保存或者更新对应的索引文件。

索引原理分析

索引的存储结构

  1. 索引是在存储引擎中实现的，也就是说不同的存储引擎，索引会使用不同的数据结构
  2. MyISAM和InnoDB存储引擎：只支持B+ TREE索引， 也就是说默认使用B+TREE，不能够更换
  3. MEMORY/HEAP存储引擎：支持HASH和BTREE索引

B-TREE和B+TREE

在这里插入图片描述

  1. B树是为了磁盘或其它存储设备而设计的一种多叉平衡查找树。
  2. B树的高度一般都是在2-4这个高度，树的高度直接影响IO读写的次数。
  3. 如果是三层树结构—支撑的数据可以达到20G，如果是四层树结构—支撑的数据可以达到几十T B和B+的区别
  4. B树和B+树的最大区别在于非叶子节点是否存储数据的问题。
  5. B树是非叶子节点和叶子节点都会存储数据。
  6. B+树只有叶子节点才会存储数据，而且存储的数据都是在一行上，而且这些数据都是有指针指向
    的，也就是有顺序的

注：所以上文的留下的问题，因为B+树叶子节点是有顺序的且类似于链表的结构，所以会大大的缩短排序的时间，而且是只有包含在索引中的列的排序才能享受到这个待遇。

索引节点与内存还有磁盘存储之间的关系

首先我们先引入页，块，扇区

  1. 内存以页为单位进行IO读取，默认为4k,
  2. 而MySql的Innodb存储引擎也有页的概念，默认为16K，可以设置innodb_page_size来改变这个大小，SSD、PCIE 硬盘在使用时厂商或者优化建议需要把innodb_page_size 更改为4k。（注意，改为4k的话主键最大长度为768 bytes，而且改小的话检索性能增加但是CPU压力也随着增加）
  3. 操作系统以块这个逻辑单位来操作磁盘
  4. 磁盘以扇区为这个做小的物理存储单位去存储数据。

从上图可知，索引在磁盘中是以一个个索引节点也就是磁盘块来存储的。那么一个索引的大小直接关系到了抓取索引节点时的IO次数。比如指针的默认长度是6bit,如果索引是bigint类型，为8bit，那么一个索引是14bit。相当于一次IO可以抓取9362个索引key进行折半查找。那如果你以UUID当主键呢,一个32位char类型的UUID主键是246bit,相当于一次IO可以抓取532个索引key进行折半查找。相当于UUID主键类型检索的话是bigint类型的IO次数的17倍，可想而知检索效率要差的多。

索引字段的设计

结合B+树的特点还有索引的存储结构，我们可得出下面结论

  1. ：where条件以及外链接的ON条件尽量加上索引。

因为可以大大的优化检索的效率。

  1. ：该项目的值可以很细化的区分数据。

越能区分出数据，索引的效果越好。例如，存放出⽣⽇期的列具有不同值，很容易区分各⾏。⽽⽤来记录性别的列，只含有“0”和“1”，则对此列进⾏索引没有多⼤⽤处，因为不管 搜索哪个值，都会得出⼤约⼀半的⾏。

  1. ：尽量使用短的列作为索引。

如果对字符串列进⾏索引，应该指定⼀个前缀长度，只要有可能就应该这样做。例如，有⼀个 CHAR(200)列，如果在前10个或20个字符内，多数值是唯⼀的，那么就不要对整个列进⾏索引。对前10个或20个字 符进⾏索引能够节省⼤量索引空间，也可能会使查询更快。较⼩的索引涉及的磁盘 IO 较少，较短的值⽐较起来更 快。更为重要的是，对于较短的键值，索引⾼速缓存中的块能容纳更多的键值，因此，MySQL 也可以在内存中容 纳更多的值。这样就增加了找到⾏⽽不⽤读取索引中较多块的可能性。

  1. ：不要过度索引。

索引不宜过多。因为每个额外的索引都要占⽤额外的磁盘空间，并降低写操作的性能。在修改表的内容时，索引必须进⾏更新，有时可能需要重构，因此，索引越多，所花的时间越长。如果有⼀个索引很少利⽤或从不使⽤，那么会不必要地减缓表的修改速度。此外，MySQL 在⽣成⼀个执⾏计划时，要考虑各个索引，这也要花费时间。创建多余的索引给查询优化带来了更多的⼯作。索引太多，也可能会使MySQL选择不到所要使⽤的最好索引。只保持所需的索引有利于查询优化。

  1. ：建议设定自增的int类型的主键。

对于InnoDB存储引擎的表，记录默认会按照⼀定的顺序保存，如果有明确定义的主键，则按照主键顺序保存。如果没有主键，但是有唯⼀索引，那么就是按照唯⼀索引的顺序保存。如果既没有主键又没有唯⼀索引，那么表中会⾃动⽣成⼀个内部列，按照这个列的顺序保存。

因为B+树中所有节点都是排过序的，新插入进来的索引KEY如果不是自增的话，有可能插入到中间的叶子节点中，导致后边的叶子节点的需要更新（相当于链表的插入操作），如果使用自增key就可以避免这个问题。

非聚集索引（MyISAM）

MyISAM索引(.myi)和数据(,myd)是分开存放的，MyISAM的B+树种叶子节点存放的是数据在数据文件（.myd）的指针位置

在物理结构篇中讲述了MyISAM中的存储结构和上述结构也有一个对照与论证

.frm文件：主要存放与表相关的数据信息,主要包括表结构的定义信息
.myd文件：主要用来存储表数据信息。
.myi文件：主要用来存储表数据文件中任何索引的数据树。

在这里插入图片描述
其中test表使用的是MyISAM引擎，结构如上图所示。

主键索引

![在这里插入图片描述](https://img-blog.csdnimg.cn/2020030118593943.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzI5NjA5OTYx,size_16,color_FFFFFF,t_70

辅助索引（非主键索引）

MyISAM的辅助索引与主键索引是相同的。存放的都是索引值与数据地址的键值对。

聚集索引（InnoDB）

主键索引

在这里插入图片描述

辅助索引

在这里插入图片描述
InnoDB索引数据是存放在一起的，InnoDB的B+树种叶子节点中主键索引存放的是完整的数据，而辅助索引中存放的是索引值与主键值。

在物理结构篇中讲述了InnoDB中的存储结构和上述结构也有一个对照与论证

1 .frm文件：主要存放与表相关的数据信息,主要包括表结构的定义信息.
2. .ibd：使用独享表空间存储表数据和索引信息，一张表对应一个ibd文件。

在这里插入图片描述
其中user表使用的是InnoDB引擎，结构如上图所示。

一些名词解释

回表

结合InnoDB的索引数据结构，由于非主键查询，第一次仅能得到索引的值以及对应主键的值，需要回到主键的索引树种查询对应的行记录，这种行为就叫做回表。

索引覆盖

索引覆盖是针对回表来说的，检索所需的项目都包含在索引中，那么就不需要回表查询，这样的效率相对于回表查询要高。是否用到了索引覆盖可以根据查询计划中 extra的值来判断。
根据上面的InnoDB索引文件结构，索引中存放的是主键值，或者辅助索引的值，如果你查询只需要键值，那么直接就可以得到就不需要再根据索引中存放的主键再去检索主键索引了。
举个例子：

CREATE TABLE `tuser`  (
  `id` int(11) NOT NULL,
  `NAME` varchar(100) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `age` int(11) NULL DEFAULT NULL,
  `sex` char(1) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  `address` varchar(100) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,
  PRIMARY KEY (`id`) USING BTREE,
  INDEX `idx_name_age`(`NAME`, `age`) USING BTREE,
  INDEX `idx_sex`(`sex`) USING BTREE
) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;

表结构如上述所示
执行查询，结果如下（不同数据库版本可能有所不同，我用的版本是5.7.24）
在这里插入图片描述
这里就是用到了索引覆盖，如果我把select项目改成*，或者不符合最做前缀原则那么，就需要回表进行查询了
在这里插入图片描述
在这里插入图片描述
重点： 索引覆盖是针对一个索引来说的，比如tuser表，单独使用主键索引，或者辅助索引用到了索引覆盖都是可以的，但是要根据主键值查询name则不行。
在这里插入图片描述
在这里插入图片描述
可以看到这两个查询都用到了所以覆盖，一个是索引idx_name_age的索引覆盖，一个是主键的索引覆盖。
但是我如果根据主键值查询name则无法进行索引覆盖。
在这里插入图片描述
再注意： 索引覆盖不要理解有误区，只要是能从当前索引树上取得所有的信息不需要再去查询主键索引树就是索引覆盖。就如下图所示，idx_name_age树中节点中存放的键值对为（name+age : id）所以检索id即使不符合idx_name_age的最左前缀原则，也是属于索引覆盖的范畴。
在这里插入图片描述

索引下推

在MySql5.6之前检索分为两个步骤

  1. 根据最左前缀原则在存储引擎层确定index key的检索范围，然后将回表读取这些数据
  2. 返回给SQL SERVER层再根据剩下的where条件进行过滤

而在MySql5.7之后，把第二步一部分操作下推到存储引擎层，即可以根据索引上的值过滤一些不符合条件的数据（称为 index filter），再返回到SQL SERVER层进行过滤（称为 table filter）过程如下

  1. 根据最左前缀原则在存储引擎层确定index key的检索范围
  2. 根据索引过滤掉一些数据，再回表查询读取
  3. 返回给SQL SERVER层再根据剩下的where条件进行过滤
    这一改动就称之为索引下推

直观体验就是执行计划中 extra 提示Using index condition
在这里插入图片描述
脑筋急转弯（大雾）
如果把上面的*改成name,age进行索引覆盖还会出现索引下推么？

答案是：
不会出现，看原理我们得出索引下推是出现回表查询的时候才会用到的技术，那么索引覆盖不会回表，那么就不会出现索引下推。

在这里插入图片描述

索引下推的好处

直接在存储引擎层过滤，省去了这些记录回表查询以及返回到SQL SERVER曾的开销。

索引的选择

  1. 索引优先选择包含所有信息的列，如果有多个索引都包含全部信息，存储引擎自动选择键值最短的索引，这个跟存储引擎的工作机制有关，存储引擎一下子读取多条数据的键值进行比对，每次读取到内存中的大小是一定的，那么键值越短，每次读取的条数越多，IO越少，效率越高。
CREATE TABLE `tuser` (
  `id` int(11) NOT NULL,
  `NAME` varchar(100) DEFAULT NULL,
  `age` int(11) DEFAULT NULL,
  `sex` char(1) DEFAULT NULL,
  `address` varchar(100) DEFAULT NULL,
  PRIMARY KEY (`id`),
  KEY `idx_name_age` (`NAME`,`age`),
  KEY `idx_sex` (`sex`),
  KEY `idx_age_address` (`age`,`address`),
  KEY `idx_sex_address` (`sex`,`address`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

如果我要单一查找address,该信息在idx_age_address和idx_sex_address中都是存在的且都不需要回表查询，而idx_age_address键长为308，idx_sex_address为307所以会选择idx_sex_address
在这里插入图片描述
2. SQL优化器会自动帮你优化条件顺序，以最左前缀原则选择合适的索引
在这里插入图片描述

索引失效

讲索引失效之前，你要牢记索引的存储结构，就是

  1. 主键索引是主键值与整个行记录信息。
  2. 辅助索引存放的是辅助索引所包含的列的信息与主键值。

结合上边的例子，我们插入几条数据

INSERT INTO `tuser` VALUES (1, 'zhangsan', 20, '0', '致真 大厦');
INSERT INTO `tuser` VALUES (2, 'lisi', 23, '0', '致真 大厦');
INSERT INTO `tuser` VALUES (3, 'wangwu', 22, '0', '致真 大厦');
INSERT INTO `tuser` VALUES (4, 'zhuliu', 21, '0', '致真 大厦');

那么索引PRIMARY（主键索引）中存放的结构大体如下：
在这里插入图片描述
索引idx_name_age中存放的结构大体如下：
在这里插入图片描述
（一定都是排过序的）

不符合最左前缀原则

1. 想要利用索引，索引的第一项必须在检索条件中。
2. 如果断开只能利用到断开前的那一项。
3. SQL条件与你写的位置无关，SQL优化器会自动帮你优化条件顺序
口诀就是
带头索引不能死，中间索引不能断

其实根据键值很好理解比如，我想查询name=lisi的值，虽然索引idx_name_age键值是name和age拼接起来的，但是我依然可以根据键值是否以lisi开头来快速过滤出来。相反的我只检索age=20即使idx_name_age中里面有age字段但是在键值中间所以就无法使用该索引快速过滤只能全文检索了。
下面举几个例子（以name和age项组合索引为例）,多图预警

  1. 利用到全部索引
    在这里插入图片描述
  2. 索引从中间断开只用到了name(注意看key与key_len项的值)
    在这里插入图片描述
  3. 索引从开头就断开了
    在这里插入图片描述
  4. SQL优化排序过后符合的例子
    在这里插入图片描述

在索引上做运算

在索引上进行下列操作都会使索引失效

  1. 计算
  2. 函数
  3. 手动或自动类型转换

下面举几个例子（还是以name和age项组合索引为例）

  1. 在索引上做计算
    在这里插入图片描述
  2. 函数
    在这里插入图片描述
  3. 自动或手动类型转换
    在这里插入图片描述

使用范围条件

适用范围条件都会使索引失效包括 > ,< , <>, bettween,in等
在这里插入图片描述

在这里插入图片描述
不等号连索引下推都不行了
不等号连索引下推都不行了

在所以上判断null

主键索引上判断null会导致索引失效从而全表检索
辅助索引上判断is null 会使用索引下推。
辅助索引上判断is not null 会导致索引失效从而全表检索

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

like 字段使用同配符开头

在这里插入图片描述

在这里插入图片描述

使用or

使用or作为条件会是索引失效进行全文检索
在这里插入图片描述

字符集不一致（mysql）

在MySQL中如果left join的字段字符集不一致也会导致索引失效

加班狂魔
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python 层次化索引_Pandas中汇总统计、处理缺失值、层次化索引超详细介绍！（附实例）...
weixin_39934675的博客
12-02 534
阅读提示本文将提到Pandas汇总统计和计算方法、处理缺失值操作、层次化索引等内容目录阅读提示一、pandas汇总统计和计算1、sum()和cumsum()方法2、idxmax() 方法3、unique() 方法4、value_counts() 方法5、isin() 方法二、pandas处理缺失数据1、过滤缺失数据对于Series对于Dataframe2、对缺失值进行填充三、pandas层次化索引...
学习索引: 现状与研究展望
小蚂蚁与大象
06-12 1193
摘 要: 索引是数据库系统中用于提升数据存取性能的主要技术之一.在大数据时代,随着数据量的不断增长,传 统索引(如 B+树)的问题日益突出:(1)空间代价过高.例如,B+树索引需要借助 O(n)规模的额外空间来索引原始的数 据,这对于大数据环境而言是难以容忍的.(2)每次查询需要多次的间接搜索.例如,B+树中的每次查询都需要访问从 树根到叶节点路径上的所有节点,这使得 B+树的查找性能受限于数据规模.自 2018 年来,人工智能与数据库领域的 结合催生了“学习索引”这一新的研究方向.学习索引利用机器学习技术
mysql的索引：MyISAM和InnoDB的索引方式以及区别与选择
Learning
05-10 308
https://blog.csdn.net/LJFPHP/article/details/80029968 https://blog.csdn.net/qq_36071795/article/details/83956125
MySQL调优-MySQL索引大总结
Eriksen的博客
01-12 595
MySQL调优-MySQL索引大总结
mysql索引
xadasss的博客
05-14 216
索引的出现其实就是为了提高数据查询的效率，就像书的目录一样。 索引的出现是为了提高查询效率，但是实现索引的方式却有很多种，所以这里也就引入了索引模型的概念。可以用于提高读写效率的数据结构很多，这里我先介绍三种常见、也比较简单的数据结构，它们分别是哈希表、有序数组和搜索树。 哈希表（hashmap） 哈希表是一种以键 - 值（key-value）存储数据的结构，我们只要输入待查找的值即 key，就可以找到其对应的值即 Value。哈希的思路很简单，把值放在数组里，用一个哈希函数把 key 换算成一个确定的位置
新手学习MySQL索引
09-09
MySQL索引是数据库管理系统中用于加速数据检索的关键技术。它的工作原理类似图书的目录，能够帮助数据库系统快速定位和访问所需的数据。对于大型网站来说，尤其是每天产生大量数据的环境，索引的作用至关重要，因为...
MySQL学习-索引部分
最新发布
05-20
用Xmin制作的思维导图
mysql索引学习教程
09-10
MySQL中的索引是数据库性能优化的关键工具，它们分为两种主要类型：哈希索引和B树索引。这两种类型的索引各有特点，并适用于不同的查询场景。 哈希索引基于哈希表实现，它专用于等值查询。当查询条件完全匹配哈希...
mysql索引资料学习
01-22
三、InnoDB中的索引方案 1. B+树 B+树是一种自平衡的树，适用于大容量数据的存储。它的叶子节点包含了所有元素，而非叶子节点只包含指向子节点的指针。B+树的特性使其特别适合数据库索引，因为它可以保证在数据量...
mysql索引介绍学习
02-15
MySQL索引介绍学习 MySQL索引是一种数据结构，用于帮助MySQL高效获取数据。索引的本质是一种排序的数据结构，可以快速查找数据。MySQL官方定义：索引（Index）是帮助MySQL高效获取数据的数据结构。 索引存在于哪里...
对MySQL底层索引深度解析
Javaesandyou的博客
12-09 1414
为什么需要索引？ 一句话概括：索引的出现其实就是为了提高数据查询的效率。 一、索引常见模型 模型： 哈希表、有序数组和搜索树 哈希表 哈希表是一种以键 - 值（key-value）存储数据的结构，我们只要输入待查找的键即 key，就可以找到其对应的值即 Value。哈希的思路很简单，把值放在数组里，用一个哈希函数把 key 换算成一个确定的位置，然后把 value 放在数组的这个位置。 时间复杂度：0(1) 画重点：如果索引的值有重复的话，会发生hash碰撞，虽然可以解决hash冲突，但是导致查
MySQL索引学习
m0_37735176的博客
06-08 214
1.索引是什么？ **索引是为了加速对表中数据行的检索而创建的一种分散存储的数据结构。**索引是由存储引擎实现的，而MySQL的存储引擎是表级的，同一个数据库的不同表可以使用不同的引擎。索引并非越多越好，正确的创建合适的索引是提升数据库查询性能的关键。 索引是表索引字段和记录行的物理地址构成。索引和表是分开存储的。索引不宜过多(一般一张表最好不要超过5个索引)，一张两千万数据的普通表，几个索引的体积就可以1GB. 2.为什么要使用索引？ 1.索引是极大的减少存储引擎需要扫描的数据量。 2.可以把随机IO变
Pandas学习笔记五——层级索引
Little Garden
08-13 3489
Pandas学习——层级索引 pandas数据结构中最常用的是Series和DataFrame，它们分别用于处理一维数据和二维数据。但我们也经常遇到存储多维数据的需求，数据索引超过一两个键，这种情况下的数据超出了上面两种数据结构能够表示的范围，Pandas提供了Panel和Panel4D对象来解决三维数据和四维数据。而实践中，更直观的形式是通过层级索引，配合多个不同等级（level）的一级索引一...
3.6 层级索引
ceerfuce的博客
08-11 2361
3.6 层级索引 当遇到多维数据，数据索引超过一两个键，可通过层级索引（也叫多级索引）配合多个有不同等级的一级索引一起使用。   import numpy as np import pandas as pd 3.6.1 多级索引Series 如何用一维的Series对象表示二维数据 笨办法 用元组表示索引   index = [('California', 2000), ...
由浅入深理解索引的实现
DBA Tips
04-21 1278
00 – 背景知识 - B-Tree & B+Tree   http://en.wikipedia.org/wiki/B%2B_tree   http://en.wikipedia.org/wiki/B-tree - 折半查找(Binary Search)   http://en.wikipedia.org/wiki/Binary_search_algorithm - 数据库的性能问题
关于学习索引的总结
小蚂蚁与大象
07-03 762
Flood是一个基于内存读取优先的多维索引，它通过联合优化索引结构和数据存储布局来自动适应特定的数据集和工作负载。Flood应用投影方法（space filling curve）将多维数据映射到1-d空间中，然后利用RMI实现多层递归索引。LISA(Learned Index structure for Spatial dAta) 使用机器学习模型，通过几个精心设计的步骤，为任意空间数据集在磁盘页面中生成可搜索的数据布局. LISA由四部分组成:1)网格单元的表示，2)部分单调映射函数M(将空间键映射到一维
MySQL: InnoDB 还是 MyISAM?
weixin_30279315的博客
07-09 248
MyISAM存储引擎 MyISAM是 默认存储引擎。它基于更老的ISAM代码，但有很多有用的扩展。MyISAM存储引擎的一些特征： · 所有数据值先存储低字节。这使得数据机和操作系统分离。二进制轻便性的唯一要求是机器使用补码（如最近20年的机器有的一样）和IEEE浮点格式（在主流机器中也完全是主导的）。唯一不支持二进...
Mysql索引原理深入剖析
QiuRiMangCao
04-29 311
Mysql索引原理深入剖析 1.     索引是一种数据结构，能够提高数据的检索速度。 栗子：从如下数据中找出所有为2的数据：1，3，2，5，7，9，2，5，6？ 无索引：由于数据是没有顺序的就只能通过顺序查找的方式一个一个的查找比对。 有索引：会先将数据...
MySql学习（专项篇）内存数据落盘
技术随笔
03-25 2244
整体思路分析 InnoDB内存缓冲池中的数据page要完成持久化的话，是通过两个流程来完成的，一个是脏页落 盘；一个是预写redo log日志。 保证数据的持久性 当缓冲池中的页的版本比磁盘要新时，数据库需要将新版本的页从缓冲池刷新到磁盘。但是如果 每次一个页发送变化，就进行刷新，那么性能开发是非常大的，于是InnoDB采用了Write Ahead Log（WAL）策略和Force Log...

“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

打赏作者

加班狂魔

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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