Flume-kafka-flink

已于 2022-07-27 15:03:53 修改
阅读量489 收藏 4
点赞数
文章标签： flume kafka flink
于 2022-07-27 14:58:40 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/ghc364179883ghc/article/details/126014732
版权

Flume部署

  1. 解压到指定目录
tar -zxvf apache-flume-1.7.0-bin.tar.gz -C /usr/local/src/
  1. 重命名
cd /usr/local/src
mv apache-flume-1.7.0-bin/ flume
  1. 配置环境变量
vi /etc/profile

export FLUME_HOME=/usr/local/src/flume
export PATH=$PATH:$FLUME_HOME/bin

source /etc/profile
  1. 修改Flume配置文件
cd $FLUME_HOME/conf/
cp flume-env.sh.template flume-env.sh
#使用mobax自带编辑器或 vi命令修改 flume-env.sh
vi flume-env.sh
#修改第22行jdk的路径为以下值
export JAVA_HOME=/usr/local/src/jdk
  1. 分发Flume
cd /usr/local/src
scp -r flume/ slave1:$PWD
scp -r flume/ slave2:$PWD
  1. 测试flume
flume-ng version
  1. Flume采集数据案例：

  • 案例1
    (1) 需求： 监听文件内容变动，将新增加的内容输出到控制台。
    (2) 实现： 主要使用 Exec Source 配合 tail 命令实现。新建一个文件 /root/data/stuinfo.log

    touch /root/data/stuinfo.log

    (3) 配置：创建一个配置文件 exec-memory-logger.properties

    配置文件的后缀名与flume配置模板文件一致。

  cd $FLUME_HOME/conf/
  
  vi exec-memory-logger.properties
  
  #向配置文件中追加写入以下配置内容
  #命名组件
  a1.sources = s1 
  a1.sinks = k1 
  a1.channels = c1 
  
  #source
  a1.sources.s1.type = exec
  a1.sources.s1.command = tail -F /root/data/stuinfo.log
  a1.sources.s1.shell = /bin/bash -c
  
  #sink
  a1.sinks.k1.type = logger
  
  #chennal
  a1.channels.c1.type = memory
  a1.channels.c1.capacity=1000
  a1.channels.c1.transactioncapacity=100
  
  #bind
  a1.sources.s1.channels = c1
a1.sinks.k1.channel = c1

(4) 启动Flume

flume-ng agent --name a1 --conf conf/ --conf-file ./conf/exec-memory-
logger.properties -Dflume.root.logger=INFO,console

（5）测试

  • 新开一个会话窗口，输入以下命令
echo 123456789 >> /root/data/log.txt
echo asdfghjkldaskfjas >> /root/data/log.txt


100,张三丰,200,男
  • 回到Flume控制台窗口，可以看到flume采集到的数据 event
  1. 案例2
    (1) 需求： 监听指定目录，将目录下新增加的文件存储到 HDFS。
    (2) 实现：使用 Spooling Directory Source 和 HDFS Sink , 新建一个目录 /root/logs/
mkdir /root/logs

(3) 配置: 创建一个配置文件 spooling-memory-hdfs.properties

cd $FLUME_HOME/conf/
vi spooling-memory-hdfs.properties

#向新建的配置文件中追加写入以下配置内容
#命名组件
a1.sources = s1 
a1.sinks = k1
a1.channels = c1

#source
a1.sources.s1.type = spooldir
a1.sources.s1.spoolDir = /root/logs
a1.sources.s1.basenameHeader = true
a1.sources.s1.basenameHeaderKey = fileName

#sink
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = hdfs://master:8020/flumedata/%y-%m-%d/%H%M/
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.useLocalTimeStamp = true
a1.sinks.k1.hdfs.filePrefix = %{fileName}

#channel
a1.channels.c1.type = memory
a1.channels.c1.capacity=1000
a1.channels.c1.transactioncapacity=100

#bind
a1.sinks.k1.channel = c1
a1.sources.s1.channels = c1

（4）启动Flume

cd $FLUME_HOME
flume-ng agent --name a1 --conf conf/ --conf-file ./conf/exec-memory-
logger.properties -Dflume.root.logger=INFO,console

（5）测试

  • 复制打开一个会话窗口
  • 复制一个文本文件到目录/root/logs
cp log.txt /root/logs/
  • 查看hdfs目录中的文件。

Kafka集群安装部署

1. 上传解压缩kafka安装包
cd /root/tools
tar -zxvf kafka_2.11-2.0.0.tgz -C /usr/local/src/
2. 重命名并配置环境变量
#1.重命名
cd /usr/local/src
mv kafka_2.11-2.0.0/ kafka

#2. 配置环境变量
vi /etc/profile

	#向文件中追加以下配置项
export KAFKA_HOME=/usr/local/src/kafka
export PATH=$PATH:$KAFKA_HOME/bin

#3.重新加载配置文件
source /etc/profile
3. 配置 Kafka

（1）在master节点上修改config目录中server.properties配置文件

cd $KAFKA_HOME/config
vi server.properties

############################# Server Basics #############################
#修改broker.id,   kafka集群中的每个节点上都要唯一
broker.id=1
############################# Socket Server Settings #############################
# 配置监听,修改为本机ip或主机名
advertised.listeners==PLAINTEXT://master:9092

############################# Log Basics #############################
# kafka 运行日志和数据的存放路径
log.dirs=/usr/local/src/kafka/kafka-logs

# topic 在当前broker上的分片个数，与broker保持一致
num.partitions=3

############################# Zookeeper #############################
# 配置三台服务zookeeper连接地址
zookeeper.connect=master:2181,slave1:2181,slave2:2181

delete.topic.enable=true

（2）分发kafka安装目录到其他的节点

cd /usr/local/src
scp -r kafka/ slave1:$PWD
scp -r kafka/ slave2:$PWD

（3-1）分别修改slave1, slave2节点上的环境变量

#配置环境变量
vi /etc/profile

#向文件中追加以下配置项
export KAFKA_HOME=/usr/local/src/kafka
export PATH=$PATH:$KAFKA_HOME/bin

#重新加载配置文件
source /etc/profile

（3-2）分别修改slave1, slave2节点上kafka的配置文件server.properties

修改broker.id为2 和 3， 修改advertised.listeners主机名为slave1和slave2

  • 修改slave1
cd /usr/local/src/kafka/config
vi server.properties

############################# Server Basics #############################
#修改broker.id,   kafka集群中的每个节点上都要唯一
broker.id=2
############################# Socket Server Settings #############################
# 配置监听,修改为本机ip或主机名
advertised.listeners=PLAINTEXT://slave1:9092
  • 修改slave2
ssh slave2
cd /usr/local/src/kafka/config
vi server.properties

############################# Server Basics #############################
#修改broker.id,   kafka集群中的每个节点上都要唯一
broker.id=3
############################# Socket Server Settings #############################
# 配置监听,修改为本机ip或主机名
advertised.listeners=PLAINTEXT://slave2:9092
4. 启动 Kafka

（1）在三个节点上依次启动zookeeper

zkServer.sh start
zkServer.sh status

（2）在三个节点上依次启动Kafka

cd $KAFKA_HOME
./bin/kafka-server-start.sh -daemon config/server.properties
5. Kafka的使用

（1）任意节点上执行以下命令创建主题

cd $KAFKA_HOME/bin
./kafka-topics.sh --create --topic testtopic --zookeeper master:2181,slave1:2181,slave2:2181 --replication-factor 3 --partitions 3

（2）任意节点上执行以下命令查看主题列表

cd $KAFKA_HOME/bin
./kafka-topics.sh --list --zookeeper master:2181,slave1:2181,slave2:2181

（3）查看Topic的详细信息

cd $KAFKA_HOME/bin
./kafka-topics.sh --describe --topic testtopic --zookeeper master:2181,slave1:2181,slave2:2181

（4）删除指定topic

./kafka-topics.sh --delete --topic testtopic --zookeeper master:2181,slave1:2181,slave2:2181
6. 三个节点上停止kafka
cd $KAFKA_HOME/bin
./kafka-server-stop.sh

zkServer.sh stop

Kafka自带Zookeeper的部署

1. master节点上配置Kafka自带 zookeeper
  • 新建目录zkdata, zklog
cd $KAFKA_HOME
mkdir zkdata/  zklog/
  • 修改配置文件 zookeeper.properties
cd $KAFKA_HOME/config
vi zookeeper.properties

#修改zookeeper的数据目录路径
dataDir=/usr/local/src/kafka/zkdata

#注释掉 maxClientCnxns=0
# maxClientCnxns=0

#追加以下内容
dataLogDir=/usr/local/src/kafka/zklog

tlientCnxns=0
initLimit=10
syncLimit=5

server.1=master:2888:3888
server.2=slave1:2888:3888
server.3=slave2:2888:3888
  • 新建文件myid
cd $KAFKA_HOME/zkdata
touch myid
echo 1 > myid
  • 分发配置文件到另外的节点
cd $KAFKA_HOME
scp -r zkdata/ zklog/ config/ slave1:$PWD
scp -r zkdata/ zklog/ config/ slave2:$PWD
  • 修改另外节点上的myid内容为2，3
#(1)修改slave1节点上的myid
ssh slave1
cd $KAFKA_HOME/zkdata
echo 2 > myid

#(2)修改slave2节点上的myid
ssh slave1
cd $KAFKA_HOME/zkdata
echo 3 > myid
2. 配置 Kafka
  • 在master节点上修改config目录中server.properties配置文件
cd $KAFKA_HOME/config
vi server.properties

############################# Server Basics #############################
#修改broker.id,   kafka集群中的每个节点上都要唯一
broker.id=1
############################# Socket Server Settings #############################
# 配置监听,修改为本机ip或主机名
advertised.listeners==PLAINTEXT://master:9092

############################# Log Basics #############################
# kafka 运行日志和数据的存放路径
log.dirs=/usr/local/src/kafka/kafka-logs

# topic 在当前broker上的分片个数，与broker保持一致
num.partitions=3

############################# Zookeeper #############################
# 配置三台服务zookeeper连接地址
zookeeper.connect=master:2181,slave1:2181,slave2:2181

delete.topic.enable=true
  • 分发kafka配置文件到其他的节点
cd $KAFKA_HOME/config
scp -r server.properties slave1:$PWD
scp -r server.properties slave2:$PWD
  • 分别修改slave1, slave2节点上kafka的配置文件server.properties

修改broker.id为2 和 3， 修改advertised.listeners主机名为slave1和slave2

(1) 修改slave1

ssh slave1
cd /usr/local/src/kafka/config
vi server.properties

############################# Server Basics #############################
#修改broker.id,   kafka集群中的每个节点上都要唯一
broker.id=2
############################# Socket Server Settings #############################
# 配置监听,修改为本机ip或主机名
advertised.listeners=PLAINTEXT://slave1:9092

（2）修改slave2

ssh slave2
cd /usr/local/src/kafka/config
vi server.properties

############################# Server Basics #############################
#修改broker.id,   kafka集群中的每个节点上都要唯一
broker.id=3
############################# Socket Server Settings #############################
# 配置监听,修改为本机ip或主机名
advertised.listeners=PLAINTEXT://slave2:9092
3. 启动 Kafka
  • 在三个节点上依次启动zookeeper

第一个节点启动时会报错connect refused，是因为其余节点未启动的原因，无须理会，其余节点启动之后，报错会消失

#(1)master节点启动zookeeper(后台启动)
cd $KAFKA_HOME
nohup bin/zookeeper-server-start.sh config/zookeeper.properties > zklog/zookeeper.log 2>1 &

#(2)slave1节点启动zookeeper
ssh slave1
cd $KAFKA_HOME
nohup bin/zookeeper-server-start.sh config/zookeeper.properties > zklog/zookeeper.log 2>1 &

#(3)slave2节点启动zookeeper
ssh slave2
cd $KAFKA_HOME
nohup bin/zookeeper-server-start.sh config/zookeeper.properties > zklog/zookeeper.log 2>1 &
  • 在三个节点上依次启动Kafka
#(1)master节点启动
cd $KAFKA_HOME

#使用-daemon 参数在后天启动，打印信息不会占用控制台
bin/kafka-server-start.sh -daemon config/server.properties

#(2)slave1节点启动
ssh slave1
cd $KAFKA_HOME
bin/kafka-server-start.sh -daemon config/server.properties

#(2)slave2节点启动
ssh slave2
cd $KAFKA_HOME
bin/kafka-server-start.sh -daemon config/server.properties
  • 任一节点上创建测试主题，以下为slave1上创建
#创建主题test-topic
bin/kafka-topics.sh --create --zookeeper master:2181,slave1:2181,slave2:2181 --topic test-topic --replication-factor 3 --partitions 3 

#查看topic列表
bin/kafka-topics.sh --list --zookeeper master:2181,slave1:2181,slave2:2181

#查看topic详细信息
bin/kafka-topics.sh --describe --zookeeper master:2181,slave1:2181,slave2:2181 --topic test-topic

#删除topic,注意，只是删除Topic在zk的元数据，日志数据仍需手动删除
bin/kafka-topics.sh --delete --zookeeper master:2181,slave1:2181,slave2:2181 -topic test-topic
  • 三个节点依次停止zookeeper, kafka
#三个节点上执行以下命令，停止zookeeper
cd $KAFKA_HOME
bin/zookeeper-server-stop.sh

#三个节点上执行以下命令，停止kafka
cd $KAFKA_HOME
bin/kafka-server-stop.sh
4. 生产者和消费者
  • 启动zookeeper和Kafka集群
zkServer.sh start
zkServer.sh status

cd $KAFKA_HOME
bin/kafka-server-start.sh -daemon config/server.properties

（1）slave1节点开启生产者

#创建topic
cd $KAFKA_HOME
bin/kafka-topics.sh --create --topic producer-consumer --zookeeper master:2181,slave1:2181,slave2:2181 --replication-factor 3 --partitions 3

#查看topic
bin/kafka-topics.sh --list --zookeeper master:2181,slave1:2181,slave2:2181

#开启生产者producer
bin/kafka-console-producer.sh --broker-list master:9092,slave1:9092,slave2:9092 --topic producer-consumer

（2）slave2节点作为消费者

#开启消费者consumer
bin/kafka-console-consumer.sh --from-beginning --bootstrap-server master:9092,slave1:9092,slave2:9092 --topic producer-consumer

（3）生产者发布消息，消费者读取消息

#生产者进程中发布以下信息
生产者向topic发送信息，消费者能够读取到信息。Kafka就像一个消息公告栏！
所以kafka又被称作“分布式发布订阅消息系统”

#查看消费者端接收的信息

Flume整合Kafka

  • 依次在所有节点上启动Zookeeper和Kafka集群
#所有节点上启动zookeeper
zkServer.sh start
zkServer.sh status

#所有节点上启动kafka
cd $KAFKA_HOME
bin/kafka-server-start.sh -daemon config/server.properties
jps
  • 任意节点上创建一个主题 flume-kafka，之后 Flume 收集到的数据都会发到这个主题
#任意节点上创建主题 flume-kafka
cd $KAFKA_HOME

#如果版本老于2.2，应该用--zookeeper,并且端口号是2181, 使用--bootstrap-server会报错
bin/kafka-topics.sh --create --zookeeper master:2181,slave1:2181,slave2:2181 --topic flume-kafka --partitions 3 --replication-factor 3

#查看创建的主题
bin/kafka-topics.sh  --list --zookeeper master:2181,slave1:2181,slave2:2181
  • 启动一个消费者，监听我们刚才创建的 flume-kafka 主题：
cd $KAFKA_HOME

bin/kafka-console-consumer.sh --from-beginning --bootstrap-server master:9092,slave1:9092,slave2:9092 --topic flume-kafka
  • 修改Flume配置
cd $FLUME_HOME/conf
vi log-flume-kafka.properties

#文件中写入以下配置
a1.sources = s1
a1.sinks = k1
a1.channels = c1

a1.sources.s1.type=exec
a1.sources.s1.command=tail -F /root/data/stuinfo.log
a1.sources.s1.shell= /bin/bash -c

a1.sources.s1.channels=c1

a1.sinks.k1.type = org.apache.flume.sink.kafka.KafkaSink
a1.sinks.k1.kafka.topic=flume-kafka
a1.sinks.k1.kafka.bootstrap.servers = master:9092,slave1:9092,slave2:9092
a1.sinks.k1.serializer.class = kafka.serializer.StringEncoder
a1.sinks.k1.channel = c1

a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
  • 生成日志数据
cd 
vi outputlog.sh

#向文件中写入以下内容
#!/bin/bash
for((i=5612;i<6000;i++));
do
  echo 'When we will see you again. Put a little sunshine in your life.----' + $i >> $PWD/data/stuinfo.log
done
  • 启动Flume agent开始采集数据
flume-ng agent --conf conf/ --conf-file /usr/local/src/flume/conf/log-flume-kafka.properties --name a1 -Dflume.root.logger=INFO,console
  • 执行脚本文件，生成日志数据
cd
chmod 777 outputlog.sh
./outputlog.sh
  • 查看kafka消费者窗口，将日志信息都已打印到控制台
webSparkle
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
flume+kafka+flink+mysql数据统计
04-20
flume+kafka+flink+mysql实现nginx数据统计与分析
轻松通关Flink第30讲：Flume 和 Kafka 整合和部署
sucaiwa的博客
03-29 793
Flume 是 Hadoop 生态圈子中的一个重要组件，在上一课时中提过，它是一个分布式的、高可靠的、高可用的日志采集工具。Flume 具有基于流式数据的简单灵活的架构，同时兼具高可靠性、高可用机制和故障转移机制。当我们使用 Flume 收集数据的速度超过下游的写入速度时，Flume 会自动做调整，使得数据的采集和推送能够平稳进行。Flume 支持多路径采集、多管道数据接入和多管道数据输出。数据源可以是 HBase、HDFS 和文本文件，也可以是 Kafka 或者其他的 Flume 客户端。
网站日志实时分析（一）：flume+kafka+Flink连通
weixin_43272605的博客
03-02 7372
这里flume+kafka+Flink Cluster总体架构就是这个样子。 我们将多个Tomcat Server的Web服务器，或者其他的网站服务器都看你而定，没台节点上都配置了Flume Agent，用来收集本地日志目录。然后在另一台节点配置了Flume Consolidation Agent，用来收集各个Web服务器的Flume Agent的数据，然后送入Kafka Cluster。然后K...
flume+kafka+flink实现实时流处理数据的内在逻辑原理
最新发布
qq_63483349的博客
12-16 753
一、内在逻辑原理：：：二、工作大致流程。
实时大数据处理：Storm、Kafka、Flume和Flink的结合
qq_67209161的博客
12-15 1186
以下是关于如何使用Storm、Kafka、Flume和Flink这些实时计算框架的一些基本信息：- Storm是一个开源的分布式实时计算系统。它可以处理大量的数据流，并且具有高可靠性和可扩展性。- Storm的应用包括实时计算，数据被一条一条地计算，实时收集、实时计算、实时展示。- Kafka是一个开源的分布式流处理平台，由LinkedIn开发并于2011年成为Apache项目。- Kafka的使用包括创建Topic，发送消息，以及消费消息。
flume-kafka-flink的处理信息
liuchangxus的博客
12-22 263
flink接收kafka的数据信息 可连接flume及端口
flume kafka
JackLi31742的博客
08-05 263
Kafka Sink uses the topic and key properties from the FlumeEvent headers to send events to Kafka. If topic exists in the headers, the event will be sent to that specific topic, overriding the topic ...
flume-ng-sql-source-release-1.5.2.zip
06-26
Kafka作为一个高吞吐量的分布式消息系统，能够很好地处理来自Flume的数据，使得这些数据可以进一步被实时处理引擎（如Spark Streaming或Flink）消费，进行实时分析或存储到数据仓库。 Flume-ng-sql-source的版本...
flink-kafka-opentsdb风电实时采集项目安装部署+代码.docx
06-17
- **组件安装**：在master1、master2和slave1上分别安装Flume、Kafka、Flink、HBase和OpenTSDB。 #### yum源配置 - **更改yum源**：为了提高软件包的下载速度，项目将默认的yum源更改为网易的yum源。 - 备份原有的...
基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例.txt
10-13
基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例.txt基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例.txt基于Flume+Kafka+Hbase+Flink+FineBI的实时综合案例.txt基于Flume+Kafka+Hbase+Flink+FineBI的实时综合...
flume+kafka+storm最完整讲解
09-12
详细讲解flume+kafka+spark实验环境搭建和测试例子，资源不能一次上传多个。需要更多资源可以免费给大家，q：1487954071
flume+kafka+flink+mysql实现nginx数据统计与分析
qq_41633199的博客
04-20 6607
https://juejin.cn/post/6937988947498762270
flume+Kafka+flink实时统计实战(单机版)
xiaolegeaizy的博客
10-15 2391
# Kafka启动服务 安装配置好zookeeper，添加好环境变量，打开cmd，输入命令启动服务。 zkServer 在%KAFKA_HOME%目录，按shift+鼠标右键，选择“在此处打开命令窗口”，在控制台输入命令启动服务。 .\bin\windows\kafka-server-start.bat .\config\server.properties kafka命令 创建主题 .\bin\windows\kafka-topics.bat --create --zookeeper lo
Flume + Kafka + Flink 简单例子
GX_0824的博客
10-03 1183
Kafka作为Flume 的 Channel,将数据保存到topic中，Flink作为Kafka的消费者，消费topic中的数据，实现实时数据的分析。定时向文件中插入数据（模拟日志文件的生成，向指定文件中插入当前时间戳）Kafka作为Flume的Channels。
数据采集实验：Kafka+hdfs+flume
retharu_i7的博客
11-17 645
在windows环境下，做flume实验过程中，第一个用Flume实时捕捉MySQL数据库中的记录更新实验中基本比较简单，但是还是要注意conf文件，在配置中需要注意apache-flume-1.9.0的位置。有大佬说是因为jar包冲突的原因，去查guava包，在flume的lib的版本是11.0.9，在hadoop的lib下是28.0。是因为缺少flume-ng-sql-source jar包导致的，找到相应的包，解决办法是把高版本的guava复制到低版本的lib中，同时删掉低版本guava。
大数据平台环境搭建
热门推荐
BIN_2011464841的博客
03-17 1万+
这段时间基于大数据技术与应用大赛所做的大数据平台环境搭建，原创文章。在自己电脑上搭建过几遍，按照上述笔记搭建没有出现问题。家人们如果在尝试搭建的过程中出现问题可以在下方评论区留言或者私信，我看到后会回复。希望能对有需求的萌新有所帮助。...
FileBeat + Flume + Kafka + HDFS + Neo4j + Flink + Redis：【案例】三度关系推荐V2.0版本11：项目扩展优化
weixin_40612128的博客
03-21 688
一、项目中遇到的问题及优化 如何保证在Neo4j中维护平台全量粉丝关注数据 针对粉丝关注数据我们有两份 第一份是历史粉丝关注数据 第二份是实时粉丝关注数据 如何通过这两份数据实现维护平台全量粉丝关注数据呢？ 背景是这样的 历史粉丝数据是由服务端每天晚上0点的时候定时同步到mysql数据库中的，因为之前平台是把粉丝的关注数据，存储到了redis中，每天晚上定时向mysql中同步一次。 实时粉丝数据在准备做这个项目之前通过日志采集工具把这些数据采集到kafka里面了 基于此，假设我们是在2026年2月1日那天上
Flink整合kafka实现Flume监控指定文件改动
bababuzaijia的博客
08-24 967
Flink整合kafka实现Flume监控指定文件改动
大数据面试精华：Flume、Kafka、HBase & Spark全面解析
- Flink的Checkpoint机制提供了状态快照，与Spark不同，Flink在应用故障时能快速恢复并继续执行。Flink支持多种时间概念（Event Time, Processing Time等），处理迟到数据和故障恢复策略。 - Flink集群包括...
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