高并发解决方案介绍

最新推荐文章于 2024-02-07 23:29:08 发布
最新推荐文章于 2024-02-07 23:29:08 发布
阅读量1k 收藏 2
点赞数
分类专栏： 高并发解决方案 文章标签： 服务器 运维
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_51111980/article/details/124955901
版权

目录

一、概述

高并发是互联网应用的一大特点，也是互联网应用不可避免的一个问题，比如 淘宝双 11 购物狂欢节，京东 618 购物促销节，12306 春节火车票，促销，秒杀等。解决高并发问题是一个系统工程，需要站在全局高度统筹谋划，从多个角度进行架构设 计 解决高并发问题，不是一个或两个方案就能解决的，需要从各个维度综合施策才能完成在实践中，我们总结和提炼出来了很多应对高并发的方案或者说手段，分别如下。

二、硬件

1. 概述

系统访问用户增多，流量增大，导致服务器压力增大，出现性能瓶颈，我们可以采用一 个简单粗暴的策略：提升服务器硬件配置，提升服务器硬件配置的策略，也称为：单体应用 垂直扩容。

比如：产品或者网站初期，通常功能较少，用户量也不多，一般就采用一个项目工程来完成，这就是单体应用，也叫集中式应用。 按照经典的 MVC 三层架构设计，部署单台服务器，使用单台数据库，应用系统和数据库部署在同一台服务器上，随着应用系统功能的增加，访问用户的增多，单台服务器已无法承受那么多的访问流量。

此时，我们可以直接采用简单粗暴的办法：提升硬件配置来解决。

2. 单体应用垂直扩容方案

  • CPU 从 32 位提升为 64 位
  • 内存从 64GB 提升为 256GB（比如缓存服务器）
  • 磁盘从 HDD (Hard Disk Drive，机械硬盘) 提升为 SSD (Solid State Drives，固态硬盘)，有大量读写的应用
  • 磁盘扩容，1TB 扩展到 2TB，比如文件系统
  • 千兆网卡提升为万兆网卡

但是不管怎么提升硬件性能，硬件性能的提升不可能永无止尽，所以最终还是要靠分布式解决。

三、缓存

1. 概述

缓存可以说是解决大流量高并发，优化系统性能非常重要的一个策略，它是解决性能问题的利器，就像一把瑞士军刀，锋利强大。缓存在高并发系统中无处不在。

2. http 缓存

① 浏览器缓存

浏览器缓存是指当我们使用浏览器访问一些网站页面或者 HTTP 服务时，根据服务器端返回的缓存设置响应头将响应内容缓存到浏览器，下次可以直接使用缓存内容或者仅需要去服务器端验证内容是否过期即可，这样可以减少浏览器和服务器之间来回传输的数据量，节省带宽，提升性能。

比如新浪：http://www.sina.com.cn/ 第一次访问返回 200，第二次刷新访问，返回响应码为 304，表示页面内容没有修改过，浏览器缓存的内容还是最新的，不需要从服务器获取，直接读取浏览器缓存即可 我们也可以在 Java 代码中通过设置响应头，告诉前端浏览器进行缓存：

DateFormat format = new SimpleDateFormat("EEE,MMM yyyy HH: mm: ss 'GMT'", Locale. US); 

//当前时间 

long now = System.currentTimeMillis() * 1000 * 1000; 

response.addHeader( "Date", format.format(new Date())); 

//过期时间 http 1. 0 支持 

response.addHeader("Expires", format.format (new Date(now+ 20 * 1000))); 

//文档生存时间 http 1.1 支持 

response.addHeader("Cache-Control", "max-age=20");

② Nginx 缓存

Nginx 提供了 expires 指令来实现缓存控制，比如：

location /static { 
    root /opt/static/; 
    expires 1d;//全天 
}

当用户访问时，Nginx 拦截到请求后先从 Nginx 本地缓存查询数据，如果有并且没有过期，则直接返回缓存内容。

③ CDN 缓存

CDN 的全称是 Content Delivery Network，即内容分发网络。CDN 是构建在网络之上的内容分发网络，依靠部署在各地的边缘服务器，通过中心平台的负载均衡、内容分发、调度等功能模块，使用户就近获取所需内容，降低网络拥塞，提高用户访问响应速度和命中率。CDN 的关键技术主要有内容存储和分发技术。

CDN 它本身也是一个缓存，它把后端应用的数据缓存起来，用户要访问的时候，直接从 CDN 上获取，不需要走后端的 Nginx，以及具体应用服务器 Tomcat，它的作用主要是加速数据的传输，也提高稳定性，如果从 CDN 上没有获取到数据，再走后端的 Nginx 缓存，Nginx 上也没有，则走后端的应用服务器，CDN 主要缓存静态资源。

在这里插入图片描述
著名的厂商：帝联科技 http://www.dnion.com/

3. 应用缓存

① 内存缓存

在内存中缓存数据，效率高，速度快，应用重启缓存丢失。

② 磁盘缓存

在磁盘缓存数据，读取效率较之内存缓存稍低，应用重启缓存不会丢失。

代码组件：Guava、Ehcache

服务器：Redis、MemCache

4. 多级缓存

在整个应用系统的不同层级进行数据的缓存，多层次缓存，来提升访问效率。

比如 ：浏览器 —> CDN —> Nginx ----> Redis ----> DB (磁盘、文件系统)

5. 缓存的使用场景

  • 经常需要读取的数据
  • 频繁访问的数据
  • 热点数据缓存
  • IO 瓶颈数据
  • 计算昂贵的数据
  • 无需实时更新的数据
  • 缓存的目的是减少对后端服务的访问，降低后端服务的压力

四、集群

有一个单体应用，当访问流量很大无法支撑，那么可以集群部署，也叫单体应用水平扩容，原来通过部署一台服务器提供服务，现在就多部署几台，那么服务的能力就会提升。

部署了多台服务器，但是用户访问入口只能是一个，比如 www.web.com，所以就需要负载均衡，负载均衡是应用集群扩容后的必须步骤，集群部署后，用户的会话session 状态要保持的话，就需要实现 session 共享。

五、拆分

1. 应用拆分

应用的拆分：分布式 (微服务)

单体应用，随着业务的发展，应用功能的增加，单体应用就逐步变得非常庞大，很多人维护这么一个系统，开发、测试、上线都会造成很大问题，比如代码冲突，代码重复，逻辑错综混乱，代码逻辑复杂度增加，响应新需求的速度降低，隐藏的风险增大，所以需要按照业务维度进行应用拆分，采用分布式开发。

应用拆分之后，就将原来在同一进程里的调用变成了远程方法调用，此时就需要使用到一些远程调用技术：httpClient、hessian、dubbo、webservice 等。

随着业务复杂度增加，我们需要采用一些开源方案进行开发，提升开发和维护效率，比如 Dubbo、SpringCloud。

通过应用拆分之后，扩容就变得容易，如果此时系统处理能力跟不上，只需要增加服务器即可 (把拆分后的每一个服务再多做几个集群)

2. 数据库拆分

数据库拆分分为：垂直拆分和水平拆分 (分库分表)

按照业务维度把相同类型的表放在一个数据库，另一些表放在另一个数据库，这种方式的拆分叫垂直拆分，也就是在不同库建不同表，把表分散到各个数据库。

比如产品、订单、用户三类数据以前在一个数据库中，现在可以用三个数据库，分别为产品数据库、订单数据库、用户数据库。

这样可以将不同的数据库部署在不同的服务器上，提升单机容量和性能问题，也解决多个表之间的 IO 竞争问题。

根据数据行的特点和规则，将表中的某些行切分到一个数据库，而另外的某些行又切分到另一个数据库，这种方式的拆分叫水平拆分。

单库单表在数据量和流量增大的过程中，大表往往会成为性能瓶颈，所以数据库要进行水平拆分。

数据库拆分，采用一些开源方案，降低开发难度，比如：MyCat、Sharding-Sphere。

六、静态化

对于一些访问量大，更新频率较低的数据，可直接定时生成静态 html 页面，供前端访问，而不是访问 jsp。

常用静态化的技术：freemaker、velocity

定时任务，每隔 2 分钟生成一次首页的静态化页面

页面静态化首先可以大大提升访问速度，不需要去访问数据库或者缓存来获取数据，浏览器直接加载 html 页即可页面静态化可以提升网站稳定性，如果程序或数据库出了问题，静态页面依然可以正常访问。

七、动静分离

采用比如 Nginx 实现动静分离，Nginx 负责代理静态资源，Tomcat 负责处理动态资源。Nginx 的效率极高，利用它处理静态资源，可以为后端服务器分担压力。

动静分离架构示意图

在这里插入图片描述

redis 和 nginx 并发量 5w 左右，tomcat 和 mysql 700 左右，当然可以通过一些方式调整。

八、队列

  • 采用队列是解决高并发大流量的利器。

  • 队列的作用就是：异步处理/流量削峰/系统解耦。

  • 异步处理是使用队列的一个主要原因，比如注册成功了，发优惠券/送积分/送红包/发短信/发邮件等操作都可以异步处理。

  • 使用队列流量削峰，比如并发下单、秒杀等，可以考虑使用队列将请求暂时入队，通过队列的方式将流量削平，变成平缓请求进行处理，避免应用系统因瞬间的巨大压力而压垮。

  • 使用队列实现系统解耦，比如支付成功了，发消息通知物流系统，发票系统，库存系统等，而无需直接调用这些系统。

队列应用场景

  • 不是所有的处理都必须要实时处理
  • 不是所有的请求都必须要实时告诉用户结果
  • 不是所有的请求都必须 100%一次性处理成功
  • 不知道哪个系统需要我的协助来实现它的业务处理，保证最终一致性，不需要强一致性

常见的消息队列产品：

ActiveMQ/RabbitMQ/RocketMQ/kafka

ActiveMQ 是 jms 规范下的一个老牌的成熟的消息中间件/消息服务器

RabbitMQ/RocketMQ 数据可靠性极好，性能也非常优秀，在一些金融领域、电商领域使用很广泛。RocketMQ 是阿里巴巴的。

kafka 主要运用在大数据领域，用于对数据的分析，日志的分析等处理，它有它有可能产生消息的丢失问题，它追求性能，性能极好，不追求数据的可靠性。

九、池化

在实际开发中，我们经常会采用一些池化技术，减少资源消耗，提升系统性能。

1. 对象池

通过复用对象，减少对象创建和垃圾收集器回收对象的资源开销。

可以采用 commons-pool2 实现。

实际项目采用对象池并不常见，主要在开发框架或组件的时候会采用。

2. 数据库连接池

Druid/DBCP/C3P0/BoneCP

3. Redis 连接池

JedisPool (内部基于 commons-pool2 实现)

4. HttpClient 连接池

核心实现类：PoolingClientConnectionManager

http://hc.apache.org/httpcomponents-client-ga/httpclient/examples /org/apache/http/examples/client/ClientMultiThreadedExecution.java

5. 线程池

Java 提供 java.util.concurrent 包可以实现线程池

Executors.newFixedThreadPool(8);线程数量固定
Executors.newSingleThreadExecutor();只有一个线程，避免关闭情况
Executors.newCachedThreadPool();可以自动扩容
Executors.newScheduledThreadPool(10);每隔多久执行

十、优化

1. JVM 优化

设置 JVM 参数

-server -Xmx4g -Xms4g -Xmn256m
-XX:PermSize=128m
-Xss256k
-XX:+DisableExplicitGC
-XX:+UseConcMarkSweepGC
-XX:+CMSParallelRemarkEnabled
-XX:+UseCMSCompactAtFullCollection
-XX:LargePageSizeInBytes=128m
-XX:+UseFastAccessorMethods
-XX:+UseCMSInitiatingOccupancyOnly
-XX:CMSInitiatingOccupancyFraction=70

-server

VM有两种运行模式 Server 与 Client，两种模式的区别在于，Client模式启动速度较快，Server 模式启动较慢。但是启动进入稳定期长期运行之后 Server 模式的程序运行速度比Client要快很多。

-Xmx2g ：最大堆大小

-Xms2g ： 初始堆大小

-Xmn256m ： 堆中年轻代大小；

-XX:PermSize ： 设置非堆内存初始值，默认是物理内存的 1/64 。 由参数XX:MaxPermSize 设置最大非堆内存的大小，默认是物理内存的1/4。

-Xss ：每个线程的 Stack 大小。

-XX:+DisableExplicitGC ：这个参数作用是禁止代码中显示调用GC。代码如何显示调用GC呢，通过System.gc()函数调用。如果加上了这个JVM启动参数，那么代码中调用System.gc()没有任何效果，相当于是没有这行代码一样。
-XX:+UseConcMarkSweepGC ：并发标记清除（CMS）收集器，CMS收集器也被称为短暂停顿并发收集器；

-XX:+CMSParallelRemarkEnabled ：降低标记停顿；

-XX:+UseCMSCompactAtFullCollection ：使用并发收集器时,开启对年老代的压缩。

-XX:LargePageSizeInBytes ：指定 Java heap 的分页页面大小

-XX:+UseFastAccessorMethods ：原始类型的快速优化

-XX:+UseCMSInitiatingOccupancyOnly ：使用手动定义的初始化定义开始CMS收集

-XX:CMSInitiatingOccupancyFraction ：使用 cms 作为垃圾回收使用 70％ 后开始CMS收集。

参 数 指 南 ：
http://www.oracle.com/technetwork/java/javase/tech/vmoptions-jsp-140102

2. Tomcat 优化

  • 设置 JVM 参数，可以参考 JVM 优化参数
    在 tomcat 的 bin 目录下的 catalina.sh 中设置 jvm 参数：
JAVA_OPTS="-server -XX:+PrintGCDetails -Xmx4g -Xms4g -Xmn256m
-XX:PermSize=128m
-Xss256k
-XX:+DisableExplicitGC
-XX:+UseConcMarkSweepGC
-XX:+CMSParallelRemarkEnabled
-XX:+UseCMSCompactAtFullCollection
-XX:LargePageSizeInBytes=128m
-XX:+UseFastAccessorMethods
-XX:+UseCMSInitiatingOccupancyOnly
-XX:CMSInitiatingOccupancyFraction=70"
  • 设置 tomcat 的线程池大小
  • 设置 IO 模式
  • 配置 APR

可以参考文章：https://www.cnblogs.com/zhuawang/p/5213192.html

十一、Java 程序优化

  • 养成良好的编程习惯
  • 不要重复创建太多对象
  • 流/文件/连接 一定要记得在 finally 块中关闭
  • 少用重量级同步锁 synchronized，采用 Lock
  • 不要在循环体中使用 try/catch
  • 多定义局部变量，少定义成员变量

十二、数据库优化

1. 数据库服务器优化

修改数据库服务器的配置文件的参数，偏 DBA

2. 数据库架构优化

  • 将数据库服务器和应用服务器分离
  • 读写分离：通过数据库主从架构解决，写数据时操作主库，读数据时操作从库，分摊读写压力
  • 分库分表：扩容数据库，解决数据量容量问题

3. 数据库索引优化

  • 建立合适的索引
  • 建立索引的字段尽量的小，最好是数值
  • 尽量在唯一性高的字段上创建索引，主键、序号等
  • 不要在性别这种唯一性很低的字段上创建索引

4. SQL 优化

SQL 优化很多，可以总结出很多经验。

参考文章：https://blog.csdn.net/jie_liang/article/details/77340905

5. 采用数据搜索引擎

solr / elasticsearch 等

十三、Nginx 优化

调整配置文件参数

worker_processes 16;
gzip on; #开启 gzip 压缩输出
events {
	worker_connections 65535; #极限值 65535
	multi_accept on; #开启多路连接
	use epoll; #使用 epoll 模型
}

十四、Linux 优化

优化 Linux 内核参数

修改/etc/sysctl.conf

http://blog.51cto.com/yangrong/1567427

偏运维的职责

十五、网络优化

机房、带宽、路由器等方面优化

网络架构更合理

运维的职责

十六、前端优化

1. js 优化

  • 压缩变小
    压缩工具

  • 多个 js 合并成一个 js 文件，直接手动拷贝到一个文件中去，页面只加载这一个文件或者利用程序，比如 controller，/aa/js?path=xxx.js,xxx.js

2. css 优化

  • 压缩变小
  • 多个 css 文件合并成一个 css 文件

3. html 页面优化

  • 不要加载太多 js 和 css

  • js 和 css 加载放在页面的尾部，从用户体验角度考虑的

  • 页面上减少到服务的请求

十七、压测

  • 压测就是压力测试

  • 在系统上线前，需要对系统各个环节进行压力测试，发现系统的瓶颈点，然后对系统的瓶颈点，进行调优。调优完成后，还需要考虑另外一些风险因素，比如网络不稳定，机房故障等。所以我们需要提前有故障预备方案，比如多机房部署容灾、路由切换等。故障预备方案做好后，还需要提前进行演练，以确保预案的有效性

  • 压力测试工具
    Apache JMeter / LoadRunner 等，偏测试的工作

  • CTO、架构师，技术团队、测试团队、运维团队、DBA 等共同完成。

在森林中麋了鹿
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Java高并发解决方案
weixin_49543720的博客
02-02 458
高并发是互联网应用的一大特点，也是互联网应用不可避免的一个问题;比如 淘宝双11购物狂欢节，京东618购物促销节，12306春节火车票，促销，秒杀等。 解决高并发问题是一个系统工程，需要站在全局高度统筹谋划，从多个角度进行架构设计； 解决高并发问题，不是一个或两个方案就能解决的，需要从各个维度综合施策才能完成； 在实践中，我们总结和提炼出来了很多应对高并发的方案或者说手段，分别如下： 硬件 ⑴ 概述 系统访问用户增多，流量增大，导致服务器压力增大，出现性能瓶颈，我们可以采用一个简单粗暴的策略：提升服务器
高并发解决方案
weixin_33770878的博客
04-13 718
一、什么是高并发 高并发（High Concurrency）是互联网分布式系统架构设计中必须考虑的因素之一，它通常是指，通过设计保证系统能够同时并行处理很多请求。高并发相关常用的一些指标有响应时间（Response Time），吞吐量（Throughput），每秒查询率QPS（Query Per Second），并发用户数等。 响应时间：系统对请求做出响应的时间。例如系统处理一个HTTP请求需要2...
解密高并发系统的瓶颈：五大解决方案
最新发布
BUG制造者:图图 <p>这是一个P标签</p>
02-07 1128
在互联网应用中，高并发是指在短时间内同时有大量的用户访问一个网站或服务，造成系统压力过大，导致服务器宕机或服务停止响应的情况。高并发是互联网应用面临的一个重要问题，需要采取一系列措施来解决。负载均衡、缓存、数据库优化、异步处理和分布式架构是解决高并发问题的主要方法。在实际应用中，需要根据具体情况选择不同的方法来解决高并发问题。在高并发情况下，使用负载均衡是解决问题的一种常见方法。负载均衡可以通过将请求分配到多个服务器上，从而减少单个服务器的负载。这可以通过硬件设备或软件实现。
Python高并发解决方案实现过程详解
09-16
主要介绍了Python高并发解决方案实现过程详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
项目中高并发如何处理
贝la的博客
11-23 176
在项目中处理高并发主要需要考虑以下几个方面的策略：
项目中高并发问题的解决方案
段远山
04-19 1784
1、尽量使用缓存技术来做。用户缓存，页面缓存等一切缓存，使用特定的机制进行刷新。利用消耗内存空间来换取用户的效率，同时减少数据库的访问次数。 2、把数据库的查询语句进行优化，一般复杂的SQL语句就不要使用ORM框架自带的做法来写，采用自己来写SQL，例如hibernate的hql中的复杂语句就会很耗时。 3、优化数据库的表结构，在关键字、主键、访问率极高的字段中加入索引。但尽量只是在数字类型上...
【热更新】游戏热更新方案
qq_37717687的博客
03-20 2468
游戏热更新方案
划时代的代码热更新方案huatuo源码流程解析
月儿圆
04-07 3786
前天听说了一个名为 huatuo 的热更新方案横空出世，它基于IL2CPP对用户代码进行热更，本以为像一些热更方案一样自己实现了一整套虚拟机运行时，但看过源码之后我表示大为震撼，同时佩服作者的脑回路，简直巧夺天工。............
一文读懂App热更新技术方案
pingpinganan0828的博客
02-28 498
【热更新】是一种App软件开发者常用的更新方式。简单说，就是在用户下载安装App之后，打开App时遇到的即时更新。
.net高并发解决方案
03-04
后台高并发解决方案demo,使用entity framework关系框架和rabbitmq
redis高并发解决方案
09-19
redis高并发解决方案
常见的提高高并发和高并发解决方案案例.txt
03-20
常见的提高高并发下访问的效率的手段,了解高并发的的瓶颈在哪里,具体的高并发解决方案
处理高并发的方法
Hern_16的博客
02-02 2041
处理高并发的六种方法 1：系统拆分 将一个系统拆分为多个子系统，用dubbo来搞。然后每个系统连一个数据库，这样本来就一个库，现在多个数据库，这样就可以抗高并发。 2：缓存 大部分的高并发场景，都是读多写少，那你完全可以在数据库和缓存里都写一份，然后读的时候大量走缓存不就得了。毕竟人家redis轻轻松松单机几万的并发啊。没问题的。所以你可以考的虑考虑你的项目里，那些承载主要请求读场景，怎么用缓存来抗高并发。 3：MQ(消息队列) 可能你还是会出现高并发写的场景，比如说一个业务操作里要频繁搞数据库几十次，增删
【面试】项目高并发如何进行处理？如何优化？
m0_64210833的博客
07-21 2391
前端优化： 1对页面服务器使用集群部署，，从而分担一个服务器的压力，高并发的情况下不会都去请求一个服务器导致服务器压力过大，导致崩溃。
简述--高并发解决方案--01
时光里的博客
11-25 1085
https://blog.csdn.net/happydecai/article/details/80366986
高并发解决方案详解（9大常见解决方案）
qq_43842093的博客
12-09 1788
综合运用上述高并发架构解决方案，都可以构建出具有高性能、高可用和可扩展性的系统，满足大量并发请求的需求。类似淘宝这样的网站，海量数据的存储和访问成为了系统设计的瓶颈问题，一张表超过了亿级数据，都会考虑拆分。对于一些耗时的操作，比如：下订单后的发短信，并发量大的情况下同步操作极为耗时，需要改造为异步请求。当系统面临突发的大量请求时，可以将请求暂时存储在消息队列中，然后按照系统的处理能力逐步消费和处理。会从一个拆分为多个系统，每个系统都有独立的数据库等，通过这样的横向扩展，就可以支撑更大的并发量。
Android SDK全局热更新方案（全网唯一）
weixin_43887839的博客
02-19 5223
一、背景 App热更新 目前市面上成熟的商业热更新方案不少，有腾讯Bugly的Tinker封装，有阿里云的Sophix，也有游戏垂直行业的卓盟乐变。这些成熟方案，都有一个适用范围，即对App、对游戏整包进行热更新。前两者是和包名绑定在一起的，所以只适用于App热更新；而卓盟乐变则专注于游戏行业，可支持多渠道包热更新。其实最好的还是Sophix，可惜没有开源，虽有公开原理，但是公开资料里也透露了...
java高并发解决方案
03-01
Java高并发解决方案主要包括以下几个方面： 1. 多线程编程：Java提供了多线程编程的API，可以使用Thread类或者Runnable接口创建线程。在多线程编程中，需要注意线程安全问题，可以使用synchronized关键字或者Lock接口等机制来实现线程同步。 2. 线程池：线程池可以避免线程的频繁创建和销毁，提高了程序的执行效率。Java提供了Executor框架，可以方便地创建和管理线程池。 3. 并发集合：Java提供了线程安全的并发集合，如ConcurrentHashMap、ConcurrentLinkedQueue等，可以在多线程环境下安全地使用集合。 4. CAS算法：CAS（Compare And Swap）算法是一种无锁的并发控制方式，可以避免线程的阻塞和唤醒，提高程序的执行效率。Java提供了Atomic包，可以使用其中的AtomicInteger、AtomicLong等类来实现CAS算法。 5. AQS（AbstractQueuedSynchronizer）框架：AQS框架是Java并发包的核心，提供了一种通用的同步机制，可以实现各种同步工具，如锁、信号量、倒计时器等。 6. 函数式编程：Java 8引入了函数式编程的特性，可以使用Lambda表达式和Stream API来简化代码和处理并发任务。 综上所述，Java高并发解决方案是一个综合性的问题，需要结合具体的业务场景和需求进行选择和应用。

“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

在森林中麋了鹿

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