Hadoop高手之路--06--Flume日志采集

最新推荐文章于 2024-07-24 08:30:24 发布
最新推荐文章于 2024-07-24 08:30:24 发布
阅读量2.3k 收藏 11
点赞数 1
分类专栏： hadoop 文章标签： hadoop flume hdfs 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/kc44601/article/details/122393722
版权

Flume日志采集

一、Flume简介

在这里插入图片描述

在这里插入图片描述
Logo表示通过河道（频道）把木材（数据）从一个地方（数据源）传送到另一个地方（数据目的地）
在这里插入图片描述
使用文档

在这里插入图片描述

二、Flume的安装配置

1. 下载并上传到服务器

在这里插入图片描述

在这里插入图片描述

2. 解压

在这里插入图片描述

3. 配置

根据模板复制flume-env.sh

在这里插入图片描述
修改flume-env.sh

在这里插入图片描述

4. 配置环境变量

在这里插入图片描述

5. 使环境变量起作用

在这里插入图片描述

三、Flume入门使用

1. 配置采集方案

查看官网

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
案例：连接和监听某个端口，采集数据显示
用notepad++进行配置

创建新文件
在这里插入图片描述
在这里插入图片描述
复制官网的采集配置示例：
在这里插入图片描述
在这里插入图片描述
源代码:

# example.conf: A single-node Flume configuration

# Name the components on this agent
# 定义代理的名字及各个组件sources,sinks,channels
a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
# 定义数据源
a1.sources.r1.type = netcat
a1.sources.r1.bind = localhost
a1.sources.r1.port = 44444

# Describe the sink
# 定义数据的目的地(下沉)
a1.sinks.k1.type = logger

# Use a channel which buffers events in memory
# 定义管道
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
# 组装组件
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

2. 指定采集方案启动flume

查看官网
在这里插入图片描述
命令详解
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

3. 采集数据测试

可以用telnet命令向本机的44444端口发送数据
先安装telnet
在这里插入图片描述

在这里插入图片描述
安装telnet后，启动telnet

在这里插入图片描述
在telnet端发送数据

在这里插入图片描述在flume短后采集的数据：

在这里插入图片描述

四、案例1：监控某个文件夹的变化，将添加的新文件采集存入到hdfs

采集服务器下的某个文件夹（日志文件夹），在该文件夹下产生一个新文件，则该文件中的数据就会被传送到hdfs上的某个文件夹下

1. 采集方案需要确定三大部分

数据源：查看官网

在这里插入图片描述

在这里插入图片描述
数据下沉:

在这里插入图片描述
在这里插入图片描述

2. 采集配置文件:

在这里插入图片描述
最终配置文件:

# example.conf: A single-node Flume configuration

# Name the components on this agent
# 定义代理的名字a1及各个组件sources、sinks和channels

a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
# 定义数据源
a1.sources.r1.type = spooldir
a1.sources.r1.spoolDir = /var/log/apache/flumeSpool
a1.sources.r1.fileHeader = true

# Describe the sink
# 定义数据的目的地（下沉）
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/%S
a1.sinks.k1.hdfs.filePrefix = events-
a1.sinks.k1.hdfs.round = true
a1.sinks.k1.hdfs.roundValue = 10
a1.sinks.k1.hdfs.roundUnit = minute
a1.sinks.k1.hdfs.useLocalTimeStamp = true


# Use a channel which buffers events in memory
# 定义管道
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
# 组装组件
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

# 启动命令
# flume-ng agent --conf conf --conf-file conf/spoolingdir-hdfs.conf --name a1 -Dflume.root.logger=INFO,console

3. 启动flume

在这里插入图片描述

4. 测试

flume会检测/var/log/apache/flumeSpool/文件夹下是否有新文件产生，往该文件夹下上传一个文件，flume会把该文件上传到hdfs集群中，

5. 出现错误

在这里插入图片描述

由于guava版本不一致造成

在这里插入图片描述

6. 重新启动flume，并往日志文件夹上传一个文件，查看结果

在这里插入图片描述
查看文件有乱码，说明采集方案需要改进

在这里插入图片描述

7. 修改采集方案，重新启动flume，上传文件测试结果

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

没有乱码了

五、案例2：监控某个文件的变化，把变化的内容存储到hdfs上

1. 采集方案

数据源

在这里插入图片描述
在这里插入图片描述

数据下沉不要修改

在这里插入图片描述
配置代码:

# example.conf: A single-node Flume configuration

# Name the components on this agent
# 定义代理的名字a1及各个组件sources、sinks和channels

a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
# 定义数据源
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /var/log/text.log


# Describe the sink
# 定义数据的目的地（下沉）
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/%S
a1.sinks.k1.hdfs.filePrefix = events-
# 是否循环创建文件夹
a1.sinks.k1.hdfs.round = true
# 循环创建文件夹的时间间隔是10分钟
a1.sinks.k1.hdfs.roundValue = 10
a1.sinks.k1.hdfs.roundUnit = minute
# 使用本地时间格式
a1.sinks.k1.hdfs.useLocalTimeStamp = true
# 时间间隔
a1.sinks.k1.hdfs.rollInterval = 3
# 大小间隔
a1.sinks.k1.hdfs.rollSize = 20
# event的个数,这三个参数谁先满足就出发循环滚动
a1.sinks.k1.hdfs.rollCount = 5
# 批处理数量
a1.sinks.k1.hdfs.batchSize = 1
# 文件格式,表示普通文本格式
a1.sinks.k1.hdfs.fileType = DataStream 

# Use a channel which buffers events in memory
# 定义管道
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
# 组装组件
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

# 启动命令
# flume-ng agent --conf conf --conf-file conf/exec-hdfs.conf --name a1 -Dflume.root.logger=INFO,console

2. 测试采集功能

模拟场景
先写一个shell脚本，持续输出当前日期到监控文件/var/log/test.log中，模拟服务器日志的文件

在这里插入图片描述

3. 再克隆一个会话，查看新增的内容

在这里插入图片描述

4. 启动flume

在这里插入图片描述

5. 查看HDFS上的结果

在这里插入图片描述

六、Flume的可靠性保证-负载均衡

配置的采集方案是通过唯一一个Sink作为接收器接收后续需要的数据，但会出现当前Sink故障或数据收集请求量较大的情况，这时单一Sink配置可能就无法保证Flume开发的可靠性。因此，Flume 提供Flume Sink Processors解决上述问题。
Sink处理器允许定义Sink groups，将多个sink分组到一个实体中，Sink处理器就可通过组内多个sink为服务提供负载均衡功能。

1. 搭建并配置flume集群

三台服务器的flume集群：hadoop01、hadoop02、hadoop03

1) 分发hadoop01上的flume文件到hadoop02和hadoop03上

在这里插入图片描述
在这里插入图片描述

2) 分发环境变量配置文件

在这里插入图片描述

3) 使环境变量起作用

在这里插入图片描述

2. 配置采集方案

1) 查看官方文档的示例

在这里插入图片描述

2) 在hadoop01上配置第一级采集方案

两级的配置方案

在这里插入图片描述
Avro

在这里插入图片描述
在这里插入图片描述
代码:

3) 在hadoop02和hadoop03上配置第二级方案

Hadoop02:

# example.conf: A single-node Flume configuration

# Name the components on this agent
# 定义代理的名字a1及各个组件sources、sinks和channels

a1.sources = r1
a1.sinks = k1 k2
a1.channels = c1 c2

#定义组的属性
a1.sinkgroups = g1
a1.sinkgroups.g1.sinks = k1 k2
a1.sinkgroups.g1.processor.type = load_balance

#定义负载均衡
a1.sinkgroups.g1.processor.backoff = true
a1.sinkgroups.g1.processor.selector = random
a1.sinkgroups.g1.processor.selector.maxTimeOut = 30000


# Describe/configure the source
# 定义数据源
a1.sources.r1.channels = c1
a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /var/log/test1.log

# Describe the sink
# 定义数据的目的地1（下沉）
a1.sinks.k1.type = avro
a1.sinks.k1.channel = c1
a1.sinks.k1.hostname = hadoop02
a1.sinks.k1.port = 4545

# 定义数据的目的地2（下沉）
a1.sinks.k2.type = avro
a1.sinks.k2.channel = c1
a1.sinks.k2.hostname = hadoop03
a1.sinks.k2.port = 4545


# Use a channel which buffers events in memory
# 定义管道
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# 启动命令
# flume-ng agent --conf conf --conf-file conf/exec-avro.conf --name a1 -Dflume.root.logger=INFO,console
# flume-ng agent --conf conf --conf-file exec-avro.conf --name a1 -Dflume.root.logger=INFO,console

在这里插入图片描述
代码:

# example.conf: A single-node Flume configuration

# Name the components on this agent
# 定义代理的名字a1及各个组件sources、sinks和channels

a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
# 定义数据源

a1.sources.r1.type = avro
a1.sources.r1.bind = hadoop02
a1.sources.r1.port = 4545
# Describe the sink
# 定义数据的目的地（下沉）
a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/events/%y-%m-%d/%H%M/%S
a1.sinks.k1.hdfs.filePrefix = events-
# 是否循环创建文件夹
a1.sinks.k1.hdfs.round = true
# 循环创建文件夹的时间间隔是十分钟
a1.sinks.k1.hdfs.roundValue = 10
a1.sinks.k1.hdfs.roundUnit = minute
# 使用本地时间个数
a1.sinks.k1.hdfs.useLocalTimeStamp = true
// 列编辑模式，按住alt选择多列

# 时间间隔
a1.sinks.k1.hdfs.rollInterval = 3
# 大小间隔
a1.sinks.k1.hdfs.rollSize = 20
# event的个数，这三个参数谁先满足就出发循环滚动
a1.sinks.k1.hdfs.rollCount = 5
# 批处理数量
a1.sinks.k1.hdfs.batchSize = 1 
# 文件格式 表示普通文本文件
a1.sinks.k1.hdfs.fileType = DataStream


# Use a channel which buffers events in memory
# 定义管道
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
# 组装组件
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

# 启动命令
# flume-ng agent --conf conf --conf-file conf/avro-hdfs.conf --name a1 -Dflume.root.logger=INFO,console
# flume-ng agent --conf conf --conf-file avro-hdfs.conf --name a1 -Dflume.root.logger=INFO,console

Hadoop03:

在这里插入图片描述

3. 启动flume

1) 在hadoop02和hadoop03上flume

从最后一级开始启动flume
Hadoop02:

在这里插入图片描述
在这里插入图片描述

Hadoop03:

在这里插入图片描述

2) 在hadoop01上启动flume

在这里插入图片描述
同时在hadoop02和hadoop03上也提示连接成功

在这里插入图片描述

4. 负载均衡的测试

克隆hadoop01的一个会话，编写脚本并运行
在这里插入图片描述

5. 查看结果

Hadoop02:

在这里插入图片描述
Hadoop03:

在这里插入图片描述
Hadoop集群上:

在这里插入图片描述
在这里插入图片描述

七、Flume的可靠性保证-故障恢复

在这里插入图片描述

1. 配置采集方案

只需要改动第一级采集方案部分内容

在这里插入图片描述
改为故障恢复:

在这里插入图片描述
第二级采集方案不用修改

2. 启动flume

从最后一级开始启动flume
再启动测试脚本

在这里插入图片描述

3. 故障恢复

把hadoop03的flume关闭，等待十秒钟（超时时间，在采集方案中进行的定义）
在这里插入图片描述

八、Flume拦截器

在这里插入图片描述

1. 场景：

在实际开发的应用场景中，两台服务器A、B在实时产生日志数据，日志类型主要为access.log、nginx.log和web.log。现需要将A、B两台服务器产生的日志数据access.log、nginx.log和web.log采集汇总到服务器C上，并统一收集并上传到HDFS文件系统进行保存。在HDFS中保存日志数据的文件必须按照以下要求进行归类统计（20180723表示收集日志数据的当前日期）：
/source/logs/access/20180723/**
/source/logs/nginx/20180723/**
/source/logs/web/20180723/**

2. 日志数据采集流程图

在这里插入图片描述

3. Hadoop02和hadoop03的配置文件

# example.conf: A single-node Flume configuration

# Name the components on this agent
# 定义代理的名字a1及各个组件sources、sinks和channels

a1.sources = r1 r2 r3
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
# 定义r1数据源

a1.sources.r1.type = exec
a1.sources.r1.command = tail -F /var/log/access.log

# 定义拦截器r1
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = static
a1.sources.r1.interceptors.i1.key = type
a1.sources.r1.interceptors.i1.value = access

# 定义r2数据源

a1.sources.r2.type = exec
a1.sources.r2.command = tail -F /var/log/nginx.log

# 定义拦截器r2
a1.sources.r2.interceptors = i2
a1.sources.r2.interceptors.i2.type = static
a1.sources.r2.interceptors.i2.key = type
a1.sources.r2.interceptors.i2.value = nginx

# 定义r3数据源

a1.sources.r3.type = exec
a1.sources.r3.command = tail -F /var/log/web.log

# 定义拦截器r3
a1.sources.r3.interceptors = i3
a1.sources.r3.interceptors.i3.type = static
a1.sources.r3.interceptors.i3.key = type
a1.sources.r3.interceptors.i3.value = web

# Describe the sink
# 定义数据的目的地（下沉）
a1.sinks.k1.type = avro
a1.sinks.k1.hostname = hadoop01
a1.sinks.k1.port = 41414



# Use a channel which buffers events in memory
# 定义管道
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
# 组装组件
a1.sources.r1.channels = c1
a1.sources.r2.channels = c1
a1.sources.r3.channels = c1
a1.sinks.k1.channel = c1

# 启动命令
# flume-ng agent --conf conf --conf-file conf/exec-avro.conf --name a1 -Dflume.root.logger=INFO,console

4. Hadoop01上的采集方案配置文件

# Name the components on this agent
# 定义代理的名字a1及各个组件sources、sinks和channels

a1.sources = r1
a1.sinks = k1
a1.channels = c1

# Describe/configure the source
# 定义数据源
a1.sources.r1.type = avro
a1.sources.r1.bind = hadoop01
a1.sources.r1.port = 41414

#定义拦截器
a1.sources.r1.interceptors = i1
a1.sources.r1.interceptors.i1.type = timestamp

# Describe the sink
# 定义数据的目的地（下沉）

a1.sinks.k1.type = hdfs
a1.sinks.k1.hdfs.path = /flume/logs/%{type}/%y%m%d
a1.sinks.k1.hdfs.filePrefix = events-
# 是否循环创建文件夹
a1.sinks.k1.hdfs.round = true
# 循环创建文件夹的时间间隔是十分钟
a1.sinks.k1.hdfs.roundValue = 10
a1.sinks.k1.hdfs.roundUnit = minute
# 使用本地时间个数
a1.sinks.k1.hdfs.useLocalTimeStamp = true
// 列编辑模式，按住alt选择多列

# 时间间隔
a1.sinks.k1.hdfs.rollInterval = 0
# 大小间隔
a1.sinks.k1.hdfs.rollSize = 10485760
# event的个数，这三个参数谁先满足就出发循环滚动
a1.sinks.k1.hdfs.rollCount = 0
# 批处理数量
a1.sinks.k1.hdfs.batchSize = 10 
# 文件格式 表示普通文本文件
a1.sinks.k1.hdfs.fileType = DataStream
a1.sinks.k1.hdfs.writeFormat = Text
a1.sinks.k1.hdfs.threadsPoolSize=10
a1.sinks.k1.hdfs.callTimeout=30000


# Use a channel which buffers events in memory
# 定义管道
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100

# Bind the source and sink to the channel
# 组装组件
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1

# 启动命令
# flume-ng agent --conf conf --conf-file conf/avro-hdfs.conf --name a1 -Dflume.root.logger=INFO,console

5. 启动flume

先启动hadoop01上的flume

在这里插入图片描述
再启动hadoop02和hadoop03上的flume
在这里插入图片描述

6. 测试效果

在hadoop02和hadoop03上分别克隆三个会话，分别执行以下三个脚本，用来产生生产日志数据

while true;do echo "access log ……"  >> /var/log/access.log;sleep 5;done

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

结果:

在这里插入图片描述

落空空。
关注
  • 1
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Hadoop之flume 框架日志采集原理及使用
yidianyidei的博客
08-30 1110
文章目录FLUME 框架一 概述1.1 Flume定义1.2Flume的优点1.3Flume组成架构1）Agent2）Source3）Channel4）Sink5）Event1.4Flume拓扑结构1.5 Flume &Agent内部原理二 快速入门2.1 Flume安装地址1） Flume官网地址2）文档查看地址3）下载地址2.2 安装部署三 企业开发案例3.1监控端口数据官方案例1）案例需求：2）需求分析：3）实现步骤：1．安装netcat工具2．判断44444端口是否被占用基本语法：nets
Apache Hadoop---Flume.docx
06-11
Apache Hadoop—Flume 是一个专门用于大数据环境的日志聚合工具，它被设计为分布式、可靠且高可用的系统，能够高效地收集、聚合和传输海量日志数据。Flume 提供了高度定制化的能力，允许用户根据需求配置不同的数据...
Hadoop高手之路8-Flume日志采集
W_chuanqi的博客
01-03 2314
Flume原是Cloudera公司提供的一个高可用的、高可靠的、分布式海量日志采集、聚合和传输系统，而后纳入到了Apache旗下，作为一个顶级开源项目。Apache Flume不仅只限于日志数据的采集，由于Flume采集的数据源是可定制的，因此Flume还可用于传输大量事件数据，包括但不限于网络流量数据、社交媒体生成的数据、电子邮件消息以及几乎任何可能的数据源。
启动Flume传输Hadoop日志
2301_76931245的博客
05-02 697
以上就是今天要讲的内容，本文仅仅简单介绍了flume的使用。
Apache Hadoop生态部署-Flume采集节点安装
wester的博客
02-25 666
Apache Hadoop生态部署-Flume采集节点安装
Hadoop学习之Flume日志采集
weixin_46490924的博客
02-18 3393
Hadoop学习之Flume日志采集
日志采集工具之Flume实操-上
xiaoleilei666的博客
07-11 1547
主要讲述使用flume工具采集日志；
hadoop生态圈-flume
m0_58258383的博客
08-21 924
Flume 是 Cloudera 提供的一个高可用的，高可靠的，分布式的海量日志采集、聚合和传 输的系统。Flume 基于流式架构，灵活简单。 flume最主要的作用就是实时读取服务器本地磁盘的数据，并将其写到HDFS上。
Hadoop生态圈中的Flume数据日志采集工具
IT小小白的博客
09-13 3071
Hadoop生态圈中的Flume数据日志采集工具，采集系统/网站产生的日志文件数据、端口数据等等到大数据环境中
2-网站日志分析案例-日志采集:Flume-Kafka-Flume-HDFS
IT从业者的成长历程
01-02 2954
本文主要实现了基于flume+kafka+flume的完整日志采集过程，并针对一些必备的安装过程和使用命令进行简单介绍。
第四章 Flume专题-日志采集工具
qq_27924553的博客
05-14 1782
Flume专题概述
hadoop_apache-flume-1.7.0-bin可用.rar
06-16
总结来说，`hadoop_apache-flume-1.7.0-bin` 是一个完整的Flume部署包，提供了所有必需的文件和工具来搭建和管理数据采集流程。通过灵活配置，Flume可以在大数据环境中有效地处理日志和其他实时数据流，为后续的数据...
flume-ng-sql-source-1.5.2
10-12
总之，Flume-ng-sql-source-1.5.2为Flume增加了强大的SQL数据源能力，使得数据采集范围扩大到了结构化数据领域，这对于构建实时数据处理和分析系统至关重要。通过对源码的深入理解和使用，可以更高效地利用这一工具...
apache-flume-1.7.0-bin.zip
09-23
Apache Flume 是一个分布式、可靠且可用的数据收集系统，用于高效地聚合、移动和加载大量日志数据到集中式数据存储系统，如Hadoop HDFS。这个“apache-flume-1.7.0-bin.zip”文件是Apache Flume 1.7.0版本的二进制...
Apache-flume-1.7.0-bin.tar.gz
08-11
在实际应用中，Flume 常用于日志收集，例如从分布在不同服务器上的应用程序日志中提取数据，并将这些数据集中存储到 Hadoop 集群中进行进一步分析。此外，它也常用于社交媒体数据的实时分析、网络流量监控等领域。 ...
大数据处理：大数据处理框架Hadoop、Spark
最新发布
Chujun123528的博客
07-24 747
大数据处理是当代信息技术领域的一个重要分支，它涉及到海量数据的存储、管理和分析。为了高效地应对大数据处理的挑战，多种框架被开发出来，其中Hadoop和Spark是最为知名和广泛应用的两种。以下将详细介绍这两种框架以及它们在大数据处理中的应用和优势。
大数据采集工具——Flume简介&安装配置&使用教程
qq_73339471的博客
07-18 1252
Flume 是一个的，主要用于将大量的数据从（如日志文件、数据库、本地磁盘等）采集到（主要为）中，用来处理日志数据，并支持在数据流中可靠、高效地移动数据。
C# WPF入门学习主线篇（七）—— Label常见属性和事件
weixin_56595425的博客
06-07 1840
在《C# WPF入门学习主线篇（七）—— Label常见属性和事件》一文中，我们详细探讨了 WPF 中 `Label` 控件的常见属性和事件，包括 `Content`、`FontSize`、`Foreground`、`Background` 等属性，以及 `MouseEnter`、`MouseLeave`、`MouseDown` 和 `KeyDown` 等事件。通过丰富的示例代码，本文帮助读者掌握如何自定义 `
Flume日志采集系统详解：构建Hadoop大数据源解决方案
在大数据课程——Hadoop集群程序设计与开发中，第8章专门探讨了Apache Flume日志采集系统。Flume是一个强大的数据收集工具，尤其适合处理多样化的数据源，如网站日志、监控数据和用户行为数据，其目标是解决数据收集...
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