Flume自定义功能实现

最新推荐文章于 2024-04-26 09:15:33 发布
最新推荐文章于 2024-04-26 09:15:33 发布
阅读量1.4k 收藏 1
点赞数
分类专栏： flume hbase 文章标签： flume 自定义功能 xml 端点续传 自定义Avro sink 多个集群
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/m0_37739193/article/details/78779052
版权
hbase 同时被 2 个专栏收录
24 篇文章 0 订阅
订阅专栏
flume
16 篇文章 2 订阅
订阅专栏
该功能可以实现flume读取xml配置文件在avro sink模式下可以同时开启多个端口，并且根据客户定义的xml来将数据处理后导入多个集群中的相应hbase表中。

实现流程如下：


准备工作：
首先开启多个集群并且确认hbase和flume可以正常使用，还需将dom4j（用来解析xml文件）所需要的jar包dom4j-1.6.1.jar和jaxen-1.1-beta-7.jar（利用xpath技术来像sql一样来定位xml中的内容）导入到flume的lib目录下，并且将要读取的xml文件复制在所有节点中，并且导入用eclipse将项目打包成core.jar的jar包（这里需要注意的是字符编码的问题，不一致的话会报错），这里我开启了两个集群做测试。再将xml配置文件导入两个集群的所有几点/home/hadoop目录下，dao.xml内容如下：
[hadoop@h71 ~]$ cat dao.xml 

<?xml version="1.0" encoding="UTF-8"?>
<configuration>
   <ip name="192.168.8.71">
      <duankou>4141</duankou>
      <duankou>4040</duankou>
      <biao name="messages">
         <liezus>
            <zu name="cf">
               <ziduan name="ip">3</ziduan>
               <ziduan name="host">4</ziduan>
            </zu>
            <zu name="df">
               <ziduan name="leixing">5</ziduan>
               <ziduan name="xinxi">6</ziduan>
            </zu>
         </liezus>
         <fengefu> </fengefu>
      </biao>
      <biao name="hui">
         <liezus>
            <zu name="ef">
               <ziduan name="haha">3</ziduan>
               <ziduan name="hehe">4</ziduan>
            </zu>
         </liezus>
         <fengefu> </fengefu>
      </biao>
   </ip>
   <ip name="192.168.8.21">
      <duankou>5151</duankou>
      <biao name="messages">
         <liezus>
            <zu name="cf">
               <ziduan name="ip">3</ziduan>
               <ziduan name="host">4</ziduan>
            </zu>
            <zu name="df">
               <ziduan name="leixing">5</ziduan>
               <ziduan name="xinxi">6</ziduan>
            </zu>
         </liezus>
         <fengefu> </fengefu>
      </biao>
      <biao name="hui">
         <liezus>
            <zu name="ef">
               <ziduan name="haha">3</ziduan>
               <ziduan name="hehe">4</ziduan>
            </zu>
         </liezus>
         <fengefu> </fengefu>
      </biao>
   </ip>
</configuration>
该项目想实现在一个sink端启动多个集群端口并且将数据插入对应集群中的hbase表中。该项目还实现了断点续传、在hbase中自动建表、file_roll模式下能生成想要的文件。
我这里要启动h71的flume进程来启动三个端口（第一个端口要在h71的hbase中自动建立相应的表并且插入数据，第二个端口在file_roll模式的sink下向h71的/home/hadoop/hui目录下生成messages.txt文件，第三个端口要在h21下的hbase中建相应的表并且插入数据）

在h71启动flume进程产生三个端口时需先启动相应三个端口的source端：

hadoop@h21:~/apache-flume-1.6.0-cdh5.5.2-bin/conf$ cat messages5.conf 

# Name the components on this agent
a1.sources = r1
a1.channels = c1
a1.sinks = k1

# Describe/configure the source
a1.sources.r1.type = hui.avrosource.AvroSource
a1.sources.r1.channels = c1
a1.sources.r1.bind = 192.168.8.21
a1.sources.r1.port = 5151

# Describe the sink
a1.sinks.k1.type = hui.org.apache.flume.sink.hbase.HBaseSink
a1.sinks.k1.serializer = com.tcloud.flume.AsyncHbaseLogEventSerializer
a1.sinks.k1.channel = memoryChannel

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

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
hadoop@h21:~/apache-flume-1.6.0-cdh5.5.2-bin$ bin/flume-ng agent -c . -f conf/messages5.conf -n a1 -Dflume.root.logger=INFO,console
（若hbase中没有xml中的表则建立，有则不建立，该hbase中没有，进程显示
Create messages SUCCESS!
Create hui SUCCESS!
12/12/13 01:08:58 INFO sink.DefaultSinkFactory: Creating instance of sink: k1, type: hui.org.apache.flume.sink.hbase.HBaseSink
表名：messages
列族名：cf） 
hbase(main):013:0> list
TABLE                                                                                                                                                                                                                                        
hui                                                                                                                                                                                                                                          
messages
2 row(s) in 0.0220 seconds
[hadoop@h71 conf]$ cat messages5.conf  
# Name the components on this agent
a1.sources = r1
a1.channels = c1
a1.sinks = k1

# Describe/configure the source
a1.sources.r1.type = hui.avrosource.AvroSource
a1.sources.r1.channels = c1
a1.sources.r1.bind = 192.168.8.71
a1.sources.r1.port = 4141

# Describe the sink
a1.sinks.k1.type = hui.org.apache.flume.sink.hbase.HBaseSink
a1.sinks.k1.serializer = com.tcloud.flume.AsyncHbaseLogEventSerializer
a1.sinks.k1.channel = memoryChannel

# Use a channel which buffers events in memory
a1.channels.c1.type = memory
a1.channels.c1.capacity = 1000
a1.channels.c1.transactionCapacity = 100
 
# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
[hadoop@h71 apache-flume-1.6.0-cdh5.5.2-bin]$ bin/flume-ng agent -c . -f conf/messages5.conf -n a1 -Dflume.root.logger=INFO,console
（hbase中存在相应的表，进程显示：
messages exists!
hui exists!
17/03/18 15:36:46 INFO sink.DefaultSinkFactory: Creating instance of sink: k1, type: hui.org.apache.flume.sink.hbase.HBaseSink
表名：messages
列族名：cf）


[hadoop@h71 conf]$ cat messages6.conf 

# Name the components on this agent
a1.sources = r1
a1.channels = c1
a1.sinks = k1

# Describe/configure the source
a1.sources.r1.type = avro
a1.sources.r1.channels = c1
a1.sources.r1.bind = 192.168.8.71
a1.sources.r1.port = 4040

# Describe the sink
a1.sinks.k1.type = cn.huyanping.flume.sinks.SafeRollingFileSink
a1.sinks.k1.channel = c1
a1.sinks.k1.sink.directory = /home/hadoop/hui
a1.sinks.k1.sink.rollInterval = 0

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

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
[hadoop@h71 hui]$ ls （/home/hadoop/hui目录下为空）
[hadoop@h71 apache-flume-1.6.0-cdh5.5.2-bin]$ bin/flume-ng agent -c . -f conf/messages6.conf -n a1 -Dflume.root.logger=INFO,console
[hadoop@h71 hui]$ ls
messages.txt
（启动进程后产生messages.tt空文件）

启动sink端：
[hadoop@h71 conf]$ cat messages4.conf  
a1.sources = r1
a1.channels = c1
a1.sinks = k1

# Describe/configure the source
a1.sources.r1.type = org.apache.flume.chiwei.filemonitor.FileMonitorSource
a1.sources.r1.channels = c1
a1.sources.r1.file = /home/hadoop/messages
a1.sources.r1.positionDir = /home/hadoop

# Describe the sink
a1.sinks.k1.type = hui.avrosink.AvroSink
a1.sinks.k1.batch-size = 2

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

# Bind the source and sink to the channel
a1.sources.r1.channels = c1
a1.sinks.k1.channel = c1
[hadoop@h71 ~]$ cat messages （所要导入数据的日志文件源）
Jan 23 19:59:00 192.168.101.254 s_sys@hui trafficlogger: empty map for 1:4097 in classnames
Feb 20 06:25:04 h107 rsyslogd: [origin software="rsyslogd" swVersion="8.4.2" x-pid="22204" x-info="http://www.rsyslog.com"] rsyslogd was HUPed
Jan 24 19:59:01 :: s_sys@hui trafficlogger: empty map for 1:4097 in classnames
Jan  3 19:59:02 192.168.101.254 s_sys@hui trafficlogger: empty map for 1:4097 in classnames


[hadoop@h71 apache-flume-1.6.0-cdh5.5.2-bin]$ bin/flume-ng agent -c . -f conf/messages4.conf -n a1 -Dflume.root.logger=INFO,console
（该进程启动后在前面启动的三个source端所监听的端口都启动成功，如下）

17/03/18 15:42:51 INFO ipc.NettyServer: [id: 0xabab0b15, /192.168.8.71:33975 => /192.168.8.71:4040] OPEN
17/03/18 15:42:51 INFO ipc.NettyServer: [id: 0xabab0b15, /192.168.8.71:33975 => /192.168.8.71:4040] BOUND: /192.168.8.71:4040
17/03/18 15:42:51 INFO ipc.NettyServer: [id: 0xabab0b15, /192.168.8.71:33975 => /192.168.8.71:4040] CONNECTED: /192.168.8.71:33975

17/03/18 15:42:51 INFO ipc.NettyServer: [id: 0xb9dd8531, /192.168.8.71:51345 => /192.168.8.71:4141] OPEN
17/03/18 15:42:51 INFO ipc.NettyServer: [id: 0xb9dd8531, /192.168.8.71:51345 => /192.168.8.71:4141] BOUND: /192.168.8.71:4141
17/03/18 15:42:51 INFO ipc.NettyServer: [id: 0xb9dd8531, /192.168.8.71:51345 => /192.168.8.71:4141] CONNECTED: /192.168.8.71:51345

12/12/13 01:19:05 INFO ipc.NettyServer: [id: 0x65dc160e, /192.168.8.71:50634 => /192.168.8.21:5151] OPEN
12/12/13 01:19:05 INFO ipc.NettyServer: [id: 0x65dc160e, /192.168.8.71:50634 => /192.168.8.21:5151] BOUND: /192.168.8.21:5151
12/12/13 01:19:05 INFO ipc.NettyServer: [id: 0x65dc160e, /192.168.8.71:50634 => /192.168.8.21:5151] CONNECTED: /192.168.8.71:50634）
[hadoop@h71 ~]$ echo "Jan 24 19:59:01 :: s_sys@hui trafficlogger: empty map for 1:4097 in classnames" >> messages
h71的sink端的输出： 
Jan 23 19:59:00 192.168.101.254 s_sys@hui trafficlogger: empty map for 1:4097 in classnames
Feb 20 06:25:04 h107 rsyslogd: [origin software="rsyslogd" swVersion="8.4.2" x-pid="22204" x-info="http://www.rsyslog.com"] rsyslogd was HUPed
Jan 24 19:59:01 :: s_sys@hui trafficlogger: empty map for 1:4097 in classnames
Jan  3 19:59:02 192.168.101.254 s_sys@hui trafficlogger: empty map for 1:4097 in classnames
Jan 24 19:59:01 :: s_sys@hui trafficlogger: empty map for 1:4097 in classnames

17/03/18 15:46:46 INFO avrosink.AvroSink: Attempting to create Avro Rpc client.
17/03/18 15:46:46 WARN api.NettyAvroRpcClient: Using default maxIOWorkers
client-->NettyAvroRpcClient { host: h71, port: 4141 }
17/03/18 15:46:47 INFO avrosink.AvroSink: Attempting to create Avro Rpc client.
17/03/18 15:46:47 WARN api.NettyAvroRpcClient: Using default maxIOWorkers
client-->NettyAvroRpcClient { host: h71, port: 4040 }
17/03/18 15:46:47 INFO avrosink.AvroSink: Attempting to create Avro Rpc client.
17/03/18 15:46:47 WARN api.NettyAvroRpcClient: Using default maxIOWorkers
client-->NettyAvroRpcClient { host: 192.168.8.21, port: 5151 }
在h21查看相应hbase中的表： 
hbase(main):014:0> scan 'messages'
ROW                                                          COLUMN+CELL                                                                                                                                                                     
 2012-12-13 01:23:00                                         column=cf:host, timestamp=1355379762701, value=s_sys@hui                                                                                                                    
 2012-12-13 01:23:00                                         column=cf:ip, timestamp=1355379762628, value=192.168.101.254                                                                                                                    
 2012-12-13 01:23:00                                         column=df:leixing, timestamp=1355379762741, value=trafficlogger:                                                                                                                
 2012-12-13 01:23:00                                         column=df:xinxi, timestamp=1355379762791, value=empty                                                                                                                           
 2012-12-13 01:23:01                                         column=cf:host, timestamp=1355379763516, value=s_sys@hui                                                                                                                    
 2012-12-13 01:23:01                                         column=cf:ip, timestamp=1355379763488, value=::                                                                                                                                 
 2012-12-13 01:23:01                                         column=df:leixing, timestamp=1355379763544, value=trafficlogger:                                                                                                                
 2012-12-13 01:23:01                                         column=df:xinxi, timestamp=1355379763573, value=empty                                                                                                                           
2 row(s) in 0.0610 seconds

hbase(main):015:0> scan 'hui'
ROW                                                          COLUMN+CELL                                                                                                                                                                     
 2012-12-13 01:23:01                                         column=ef:haha, timestamp=1355379763422, value=19:59:02                                                                                                                         
 2012-12-13 01:23:01                                         column=ef:hehe, timestamp=1355379763452, value=192.168.101.254                                                                                                                  
 2012-12-13 01:23:02                                         column=ef:haha, timestamp=1355379763607, value=::                                                                                                                               
 2012-12-13 01:23:02                                         column=ef:hehe, timestamp=1355379763635, value=s_sys@hui                                                                                                                    
2 row(s) in 0.0500 seconds
在h71查看相应hbase中的表： 
hbase(main):012:0> scan 'messages'
ROW                                                          COLUMN+CELL                                                                                                                                                                     
 2017-03-18 15:46:47                                         column=cf:host, timestamp=1489823233223, value=192.168.101.254                                                                                                                  
 2017-03-18 15:46:47                                         column=cf:ip, timestamp=1489823233185, value=19:59:02                                                                                                                           
 2017-03-18 15:46:47                                         column=df:leixing, timestamp=1489823233263, value=s_sys@hui                                                                                                                 
 2017-03-18 15:46:47                                         column=df:xinxi, timestamp=1489823233297, value=trafficlogger:                                                                                                                  
 2017-03-18 15:46:48                                         column=cf:host, timestamp=1489823233439, value=s_sys@hui                                                                                                                    
 2017-03-18 15:46:48                                         column=cf:ip, timestamp=1489823233406, value=::                                                                                                                                 
 2017-03-18 15:46:48                                         column=df:leixing, timestamp=1489823233471, value=trafficlogger:                                                                                                                
 2017-03-18 15:46:48                                         column=df:xinxi, timestamp=1489823233505, value=empty                                                                                                                           
2 row(s) in 0.3660 seconds

hbase(main):013:0> scan 'hui'
ROW                                                          COLUMN+CELL                                                                                                                                                                     
 2017-03-18 15:46:47                                         column=ef:haha, timestamp=1489823233106, value=::                                                                                                                               
 2017-03-18 15:46:47                                         column=ef:hehe, timestamp=1489823233145, value=s_sys@hui                                                                                                                    
 2017-03-18 15:46:48                                         column=ef:haha, timestamp=1489823233544, value=::                                                                                                                               
 2017-03-18 15:46:48                                         column=ef:hehe, timestamp=1489823233578, value=s_sys@hui                                                                                                                    
2 row(s) in 0.0160 seconds
[hadoop@h71 hui]$ cat messages.txt  
Jan 23 19:59:00 192.168.101.254 s_sys@hui trafficlogger: empty map for 1:4097 in classnames
Feb 20 06:25:04 h107 rsyslogd: [origin software="rsyslogd" swVersion="8.4.2" x-pid="22204" x-info="http://www.rsyslog.com"] rsyslogd was HUPed
Jan 24 19:59:01 :: s_sys@hui trafficlogger: empty map for 1:4097 in classnames
Jan  3 19:59:02 192.168.101.254 s_sys@hui trafficlogger: empty map for 1:4097 in classnames
Jan 24 19:59:01 :: s_sys@hui trafficlogger: empty map for 1:4097 in classnames
并且在/home/hadoop/目录下生成position.log作为端点续传的功能。


项目代码已经上传http://download.csdn.net/download/m0_37739193/10154814

小强签名设计
关注
专栏目录
Flume自定义Source、Sink和Interceptor(简单功能实现)
qingcongke的博客
09-07 3539
Event Source 1CustomSourcejava 2Flume 编写配置文件 3打jar包运行 Sink 1CustomSinkjava 2custom_sinkconf 3打jar包运行 Interceptor 1CustomInterceptorjava 2custom_interceptorconf 3打jar包运行 1.Event event是flume传输的最小对象，从so
自定义Flume的Interceptor，编写、配置与使用
weixin_42102379的博客
10-31 1324
基于需求，自己写了一个Flume的Interceptor，主要需求如下： kafka中数据格式为json字符串，需要利用Flume消费kafka中的数据，并按照指定的key的顺序，将value输出，并用指定分隔符分隔 输入：String JsonString = &quot;{'key1':'a','key2':'b','key3':'c','key4':'d','key5':'e','key6':'f'}...
flume的自定义配置
石头视角
05-24 869
#定义agent名， source、channel、sink的名称 a4.sources = r1 a4.channels = c1 a4.sinks = k1 #具体定义source a4.sources.r1.type = spooldir a4.sources.r1.spoolDir = /home/hadoop/logs #具体定义channel a4.channels.c1.type
Flume 自定义开发方案
KamRoseLee的博客
11-06 533
1：Avro Client MyApp.java import org.apache.flume.Event; import org.apache.flume.EventDeliveryException; import org.apache.flume.api.RpcClient; import org.apache.flume.api.RpcClientFactory; impo...
Flume 如何自定义 Mysql Source？
热门推荐
Shockang的博客
06-26 3万+
前言 本文隶属于专栏《1000个问题搞定大数据技术体系》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！ 本专栏目录结构和参考文献请见1000个问题搞定大数据技术体系 正文 场景描述 官方提供的source类型已经很多，但是有时候并不能满足实际开发当中的需求，此时我们就需要根据实际需求自定义某些source。 如：实时监控MySQL，从MySQL中获取数据传输到HDFS或者其他存储框架，所以此时需要我们自己实现MySQLSource。 自定义MysqlSource步骤
flume自定义功能实现代码
12-12
本文将深入探讨如何在 Flume 中实现自定义功能，以满足特定的数据处理需求。 首先，我们需要理解 Flume 的基本架构。Flume 由三个核心组件组成：Source、Channel 和 Sink。Source 负责接收数据，Channel 作为临时...
Flume系列：Flume 自定义Interceptor拦截器
wester的博客
05-26 1342
flume自定义Interceptor拦截器
flume flume自定义source从数据库采集数据
a3125504x的博客
09-01 1629
flume自定义source链接数据库理论准备自定义sourcePollableSource实现流程自定义flume开发流程示例需求数据准备pom文件IDEA工程MYSQL配置代码实现封装数据库操作自定义sourceflume配置文件官网地址 理论准备 自定义source 自定义source可以实现一些原生source没有的功能，如：从网上下载，链接数据库等 自定义的消息有两种类型Source PollableSource （轮训拉取） EventDrivenSource （事件驱动） 两者的区别在于：
Flume自定义拦截器通过可配置字段实现分区
硅谷工具人
06-01 346
通过自定义拦截器实现使用数据中的时间字段作为分区。 比如如下数据： 2. 配置方法 说明：从时间字段中提取年、月、日、小时，作为分区字段 注意： （1）消息体必须是JSON格式 （2）时间字段在JSON的第一层如果时间字段类型是时间戳, 如JSON格式的消息中存在时间戳字段currentTimestamp timestampField: 标识是时间戳格式的字段 currentTimestamp： JSON串中的字段名 :GMT+8: 可选，默认使用GMT+0，可以自定义时间戳的时区如果时间字段类型是年月日，
flume自定义函数
08-13
总结，Flume的自定义拦截器和自定义Sink是其强大功能的体现，它们使我们能够在数据收集和传输过程中实现高度定制化，以适应各种复杂的数据处理需求。通过理解并熟练运用这些机制，我们可以构建出更高效、更符合业务...
flume自定义组件的 jar 包管理
赶路人儿
03-07 1806
自定义flume 组建后，将项目打成jar 包，关于这个jar 包的管理和使用我在这里列举了三中方式。这三种方式都可以，随自己喜好使用。 1. lib 目录 将maven项目打成jar包，将jar 包放到flume的lib 目录下。 此方法简单粗暴，缺点就是jar 包不易管理 2. 官方给定目录 官方建议在flume的 目录下创建 一个自己定义的目录，在自定义的目录下
【Flume】flume的自定义组件如何才能被flume的httpmetricsServer监控起来呢？
三也_攻城狮
03-06 2767
可能你认为只要的自定义组件里使用XXXcounter，并调用相关方法就会在flume的监控页面上看到该组件的相关信息，那么你就错了！！！！ flume的http监控里有这样一句话 if (!obj.getObjectName().toString().startsWith("org.apache.flume")) { continue; }这个太狠了
flume读取xml格式文件数据导入kafka中遇到的数据过大的问题
最新发布
G1170779850的博客
04-26 206
arger than the maximum request size you have configured with the max.request.size configuration.这样一个报错日志。当我修改完之后，发现还是报同样的错误，于是进行排查，最后在flume日志中发现参数还是默认的1M，最后在flume任务中加入了。sinks.k1.kafka.producer.max.request.size=9000000 才生效。
Flume常用组件详解之Source
qq_30612351的博客
11-11 2426
Flume常用组件详解：Source Flume支持众多的source、sink、拦截器等组件具体实现，详细手册可参考官方文档http://flume.apache.org/FlumeUserGuide.html 一、netcatsource 1、工作机制 启动一个socket服务，监听一个端口； 将端口上收到的数据，转成event写入channel； 2、配置文件 a1.sources = s1 a1.sources.s1.type = netcat a1.sources.s1.bi.
大数据flume1.9部署实战
hu10131013的博客
06-14 908
大数据flume1.9部署实战
Flume日志收集
weixin_33828101的博客
05-25 360
一、Flume介绍 Flume是一个分布式、可靠、和高可用的海量日志聚合的系统，支持在系统中定制各类数据发送方，用于收集数据；同时，Flume提供对数据进行简单处理，并写到各种数据接受方（可定制）的能力。 设计目标： (1) 可靠性 当节点出现故障时，日志能够被传送到其他节点上而不会丢失。Flume提供了三种级别的可靠性保障，从强到弱依次分别为：end-to-end（收到数据agent首先...
【Flume】（二）Flume 定义和基础架构
云祁QI
02-16 1355
文章目录一、Flume 定义二、Flume 基础架构 一、Flume 定义 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。 为什么选用 Flume ? 二、Flume 基础架构 Agent Agent 是一个 JVM 进程，它以事件的形式将数据从源头送至目的。 Agent 主要有 3 个部分组成，So...
自定义flume拦截器-实现了多种功能
第一片心意的博客
06-21 1万+
1. 自定义拦截器实现说明 1. 实现interceptor接口，并实现其方法，接口完全限定名为：org.apache.flume.interceptor.Interceptor; 2. 自定义拦截器内部添加静态内部类，实现Builder接口，并实现其方法，接口完全限定名为：Interceptor.Builder 以下是最简单的代码示例（每个方法的作用都有注释说明）：......
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

小强签名设计

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