128.Django应用Celery

最新推荐文章于 2024-04-25 15:30:50 发布
最新推荐文章于 2024-04-25 15:30:50 发布
阅读量1.2k 收藏 6
点赞数
分类专栏： Python_Django框架 文章标签： django python 后端 celery 中间件
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_63953077/article/details/128122734
版权

1. 概述

1.1 Celery介绍

​ Celery是由Python开发、简单、灵活、可靠的分布式任务队列，是一个处理异步任务的框架，其本质是生产者消费者模型，生产者发送任务到消息队列，消费者负责处理任务。Celery侧重于实时操作，但对调度支持也很好，其每天可以处理数以百万计的任务。特点：

  • 简单：熟悉celery的工作流程后，配置使用简单
  • 高可用：当任务执行失败或执行过程中发生连接中断，celery会自动尝试重新执行任务
  • 快速：一个单进程的celery每分钟可处理上百万个任务
  • 灵活：几乎celery的各个组件都可以被扩展及自定制

​ Celery由三部分构成：

  • 消息中间件(Broker)：官方提供了很多备选方案，支持RabbitMQ、Redis、Amazon SQS、MongoDB、Memcached 等，官方推荐RabbitMQ

  • 任务执行单元(Worker)：任务执行单元，负责从消息队列中取出任务执行，它可以启动一个或者多个，也可以启动在不同的机器节点，这就是其实现分布式的核心

  • 结果存储(Backend)：官方提供了诸多的存储方式支持：RabbitMQ、 Redis、Memcached,SQLAlchemy, Django ORM、Apache Cassandra、Elasticsearch等

    架构如下：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-gMaIoHca-1669814631204)(.\imgs\celery.png)]

​ 工作原理：

  1. 任务模块Task包含异步任务和定时任务。其中，异步任务通常在业务逻辑中被触发并发往消息队列，而定时任务由Celery Beat进程周期性地将任务发往消息队列；
  2. 任务执行单元Worker实时监视消息队列获取队列中的任务执行；
  3. Woker执行完任务后将结果保存在Backend中;

1.2 django应用Celery

​ django框架请求/响应的过程是同步的，框架本身无法实现异步响应。

​ 但是我们在项目过程中会经常会遇到一些耗时的任务, 比如：发送邮件、发送短信、大数据统计等等，这些操作耗时长，同步执行对用户体验非常不友好，那么在这种情况下就需要实现异步执行。

​ 异步执行前端一般使用ajax，后端使用Celery。

2. 项目应用

​ django项目应用celery，主要有两种任务方式，一是异步任务（发布者任务），一般是web请求，二是定时任务

​

​ 本文档使用redis数据库作为消息中间件和结果存储数据库

​ 环境如下：

  • celery4.4.7
  • redis3.5.3
PS：本文仅适用celery库进行学习，另外有一些第三方库可以提供更方便的操作，譬如：django-celery，django-celery-beat等

2.1 异步任务redis

1.安装库

pip install celery

2.celery.py

在主项目目录下，新建 celery.py 文件：

import os
import django
from celery import Celery
from django.conf import settings

# 设置系统环境变量，安装django，必须设置，否则在启动celery时会报错
# celery_study 是当前项目名
os.environ.setdefault('DJANGO_SETTINGS_MODULE', 'celery_study.settings')
django.setup()
#实例化一个celery类
celery_app = Celery('celery_study')
#指定配置文件的位置
celery_app.config_from_object('django.conf:settings')
#自动从settings的配置INSTALLED_APPS中的应用目录下加载 tasks.py
celery_app.autodiscover_tasks(lambda: settings.INSTALLED_APPS)

PS：是和settings.py文件同目录，一定不能建立在项目根目录，不然会引起 celery 这个模块名的命名冲突

在这里插入图片描述

同时，在主项目的init.py中，添加如下代码：

from .celery import celery_app

__all__ = ['celery_app']

在这里插入图片描述

3.settings.py

在配置文件中配置对应的redis配置：

# Broker配置，使用Redis作为消息中间件
BROKER_URL = 'redis://127.0.0.1:6379/0' 

# BACKEND配置，这里使用redis
CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/0' 

# 结果序列化方案
CELERY_RESULT_SERIALIZER = 'json' 

# 任务结果过期时间，秒
CELERY_TASK_RESULT_EXPIRES = 60 * 60 * 24 

# 时区配置
CELERY_TIMEZONE='Asia/Shanghai'   

# 指定导入的任务模块，可以指定多个
#CELERY_IMPORTS = (     
#    'other_dir.tasks',
#)

PS：所有配置的官方文档：http://docs.celeryproject.org/en/latest/userguide/configuration.html

在这里插入图片描述

4.tasks.py

在子应用下建立各自对应的任务文件tasks.py(必须是tasks.py这个名字，不允许修改)

from celery import shared_task

@shared_task
def add(x, y):
    return x + y

@shared_task
def mul(x, y):
    return x * y

@shared_task
def xsum(numbers):
    return sum(numbers)

在这里插入图片描述

5.调用任务

在 views.py 中，通过 delay 方法调用任务，并且返回任务对应的 task_id，这个id用于后续查询任务状态

from django.shortcuts import render, HttpResponse
from .tasks import *
# Create your views here.
def task_add_view(request):
    # result = add(10,20)
    # return HttpResponse(f'调用add函数结果:{result}')

    ar = add.delay(100,200) # 添加到消息中间件，保存结果到redis
    print('add.delay(100,200)--------')
    return HttpResponse(f'任务调用id:{ar.id}')

测试结果
若使用第一种方式测试时（注释shared_task），正常输出，延迟10s
若使用第二种方式测试时（不注释），结果直接保存到

6.启动celery

在cmd窗口中，切换到项目根目录下，执行：

celery worker -A celery_study -l info

说明：

  • -A celery_study：指定项目
  • worker： 表明这是一个任务执行单元
  • -l info：指定日志输出级别

更多celery命令的参数，可以输入：

celery --help
或
celery worker --help

异常处理：

  1. win10平台，使用celery4.x时，会出现以下错误：
ValueError: not enough values to unpack (expected 3, got 0)

在这里插入图片描述

解决方法：

  • 先安装一个扩展 eventlet
pip install eventlet
  • 然后启动worker的时候加一个参数 -P eventlet，如下：
celery worker -A celery_study -l debug -P eventlet

在这里插入图片描述

  1. 使用redis时，有可能会出现如下类似的异常
AttributeError: 'str' object has no attribute 'items'

这是由于版本差异，需要卸载已经安装的python环境中的 redis 库，重新指定安装特定版本（celery4.x以下适用 redis2.10.6， celery4.3以上使用redis3.2.0以上）：

pip install redis==2.10.6

7.获取任务结果

在 views.py 中，通过 AsyncResult.get() 获取结果

from django.shortcuts import render, HttpResponse
from django.http import JsonResponse
from .tasks import *
from celery import result
def get_result_by_taskid(request):
    task_id = request.GET.get('task_id')
    ar = result.AsyncResult(task_id)
    if ar.ready(): # 是否执行完成
        return JsonResponse({'status':ar.state,'result':ar.get()})
    else:
        return JsonResponse({'status':ar.state,'result':''})

在这里插入图片描述

AsyncResult类的常用的属性和方法：

  • state: 返回任务状态，等同status；

  • task_id: 返回任务id；

  • result: 返回任务结果，同get()方法；

  • ready(): 判断任务是否执行以及有结果，有结果为True，否则False；

  • info(): 获取任务信息，默认为结果；

  • wait(t): 等待t秒后获取结果，若任务执行完毕，则不等待直接获取结果，若任务在执行中，则wait期间一直阻塞，直到超时报错；

  • successful(): 判断任务是否成功，成功为True，否则为False；

2.2 定时任务

​ 在第一步的异步任务的基础上，进行部分修改即可

1.settings.py
CELERYBEAT_SCHEDULE = {
    'mul_every_30_seconds': {
         # 任务路径
        'task': 'celery_app.tasks.mul',
         # 每5秒执行一次
        'schedule': 5,
        'args': (4, 5)
    },
    # 'xsum_week1_20_20_00': {
    #      # 任务路径
    #     'task': 'celery_app.tasks.xsum',
    #     # 每周一20点20分执行
    #     'schedule': crontab(hour=20, minute=20, day_of_week=1),
    #     'args': ([1,2,3,4],),
    # },
}

在这里插入图片描述
在这里插入图片描述

说明（更多内容见文档：http://docs.celeryproject.org/en/latest/userguide/periodic-tasks.html#crontab-schedules）：

  • task：任务函数
  • schedule：执行频率，可以是整型（秒数），也可以是timedelta对象，也可以是crontab对象，也可以是自定义类（继承celery.schedules.schedule）
  • args：位置参数，列表或元组
  • kwargs：关键字参数，字典
  • options：可选参数，字典，任何 apply_async() 支持的参数
  • relative：默认是False，取相对于beat的开始时间；设置为True，则取设置的timedelta时间
2.启动celery

分别启动worker和beat

celery worker -A celery_study -l debug -P eventlet
celery beat -A celery_study -l debug

2.3 任务绑定

​ Celery可通过task绑定到实例获取到task的上下文，这样我们可以在task运行时候获取到task的状态，记录相关日志等

代码如下：

@shared_task(bind=True)
def mul(self, x, y):
    logger.info('-mul'*10)
    logger.info(self.name)
    logger.info(dir(self))
    return x * y

说明：

  • 在装饰器中加入参数 bind=True

  • 在task函数中的第一个参数设置为self

    self对象是celery.app.task.Task的实例，可以用于实现重试等多种功能

    @shared_task(bind=True)
def mul(self, x, y):
    try:
        logger.info('-mul' * 10)
        logger.info(f'{self.name}, id:{self.request.id}')
        raise Exception
    except Exception as e:
        # 出错每4秒尝试一次，总共尝试4次
        self.retry(exc=e, countdown=4, max_retries=4)  
    return x * y

在这里插入图片描述

在这里插入图片描述

2.4 任务钩子

​ Celery在执行任务时，提供了钩子方法用于在任务执行完成时候进行对应的操作，在Task源码中提供了很多状态钩子函数如：on_success(成功后执行)、on_failure(失败时候执行)、on_retry(任务重试时候执行)、after_return(任务返回时候执行)

  1. 通过继承Task类，重写对应方法即可，示例：
class MyHookTask(Task):

    def on_success(self, retval, task_id, args, kwargs):
        logger.info(f'task id:{task_id} , arg:{args} , successful !')

    def on_failure(self, exc, task_id, args, kwargs, einfo):
        logger.info(f'task id:{task_id} , arg:{args} , failed ! erros: {exc}')

    def on_retry(self, exc, task_id, args, kwargs, einfo):
        logger.info(f'task id:{task_id} , arg:{args} , retry !  erros: {exc}')
  1. 在对应的task函数的装饰器中，通过 base=MyHookTask 指定
@shared_task(base=MyHookTask, bind=True)
def mul(self, x, y):
	......

在这里插入图片描述
在这里插入图片描述

2.5 任务编排

​ 在很多情况下，一个任务需要由多个子任务或者一个任务需要很多步骤才能完成，Celery也能实现这样的任务，完成这类型的任务通过以下模块完成：

  • group: 并行调度任务
  • chain: 链式任务调度
  • chord: 类似group，但分header和body2个部分，header可以是一个group任务，执行完成后调用body的任务
  • map: 映射调度，通过输入多个入参来多次调度同一个任务
  • starmap: 类似map，入参类似＊args
  • chunks: 将任务按照一定数量进行分组

​ 文档：https://docs.celeryproject.org/en/latest/getting-started/next-steps.html#canvas-designing-work-flows

1.group

​ urls.py:

path('primitive/', views.test_primitive),

​ views.py：

def test_primitive(request):
    # 创建10个并列的任务
    lazy_group = group(tasks.add.s(i, i) for i in range(10))
    promise = lazy_group()
    result = promise.get()
    return JsonResponse({'function': 'test_primitive', 'result': result})

说明：

通过task函数的 s 方法传入参数，启动任务

上面这种方法需要进行等待，如果依然想实现异步的方式，那么就必须在tasks.py中新建一个task方法，调用group，示例如下：

tasks.py：

@shared_task
def group_task(num):
    return group(add.s(i, i) for i in range(num))().get()

urls.py：

path('first_group/', views.first_group),

views.py:

def first_group(request):
    ar = tasks.group_task.delay(10)

    return HttpResponse('返回first_group任务，task_id:' + ar.task_id)
2.chain

​ 默认上一个任务的结果作为下一个任务的第一个参数

def test_primitive(request):
    # 等同调用  mul(add(add(2, 2), 5), 8)
    promise = chain(tasks.add.s(2, 2), tasks.add.s(5), tasks.mul.s(8))()
    #  72
    result = promise.get()  
    return JsonResponse({'function': 'test_primitive', 'result': result})
3.chord

​ 任务分割，分为header和body两部分，hearder任务执行完在执行body，其中hearder返回结果作为参数传递给body

def test_primitive(request):
    # header：  [3, 12] 
    # body: xsum([3, 12])
    promise = chord(header=[tasks.add.s(1,2),tasks.mul.s(3,4)],body=tasks.xsum.s())()
    result = promise.get()
    return JsonResponse({'function': 'test_primitive', 'result': result})

在这里插入图片描述

2.6 celery管理和监控

​ celery通过flower组件实现管理和监控功能 ，flower组件不仅仅提供监控功能，还提供HTTP API可实现对woker和task的管理

​ 官网：https://pypi.org/project/flower/

​ 文档：https://flower.readthedocs.io/en/latest

  1. 安装flower

    pip install flower==0.9.7

  2. 启动flower

    flower -A celery_study --port=5555

    说明：

    • -A：项目名
    • –port： 端口号

  3. 访问

    在浏览器输入：http://127.0.0.1:5555

在这里插入图片描述
在这里插入图片描述

想成为数据分析师的开发工程师
关注
  • 0
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
django celery celery beat项目
06-16
这个项目展示了Django和Celery结合的强大功能，提供了一个功能完善的任务管理和执行平台，适合需要定期执行复杂操作的应用场景。通过Django Admin和前端交互，使得任务管理变得直观且易用。同时，结合Django Crontab...
django+celery异步发送邮件
12-27
总的来说，结合Django和Celery实现异步发送邮件可以显著提升Web应用的性能，特别是在需要处理大量邮件发送的场景下。通过合理的任务设计和配置，你可以构建出一个稳定、高效的邮件系统，为用户提供无缝的交互体验。
celery概述
showgea的博客
11-02 1万+
1. 问题抛出 我们在做网站后端程序开发时，会碰到这样的需求：用户需要在我们的网站填写注册信息，我们发给用户一封注册激活邮件到用户邮箱，如果由于各种原因，这封邮件发送所需时间较长，那么客户端将会等待很久，造成不好的用户体验. 那么怎么解决这样的问题呢? 我们将耗时任务放到后台异步执行。不会影响用户其他操作。除了注册功能，例如上传，图形处理等等耗时的任务，都可以按照这种思路来解决。 如何实现异步执行任务呢？我们可使用celery。celery除了刚才所涉及到的异步执行任务之外，还可..
django中使用celery
年轻就做四件事：挣钱存钱、见世面、交朋友、学本事。
05-29 1657
Celery介绍： 核心及优点：1.基于分布式系统架构（负载均衡避免单点故障，高可用） 2.实现了异步任务的调度（快速） 只需要通过配置文件的修改就可以实现架构的切换所以灵活 django-celery-beat 用于定时和周期计划 django-celery-results 用于存储celery的运行结果 folower 用于监控celery的运行状态 使用方法： 1.安装库 pip install celery pip install redis 2.在项目setting.py同
Django中celery的使用
最新发布
瑞瑞的博客
04-25 550
django中celery的使用，异步任务，定时任务，以及任务的结果查看
django中异步化celery的使用
weixin_44634704的博客
08-11 1833
~网站优化第一定律：缓存 (空间换时间) -热数据(热点数据):体量不大、访问频率极高、更新不频繁 ~网站优化第二定律：削峰 (能不马上做的事情都不要马上做)、消息队列 -遇到耗时间的任务(用户请求)，用户不需要马上得到结果、异步化、推迟执行 -多线程 -异步消息队列 -celery #在django中使用celery模块提供消息队列服务 import os import celery from django.conf import settings os.environ.setdefault('DJAN
django使用celery
不会写后端的前端不是一个好运维。
05-27 2923
在用django写自己的平台时，有一些业务场景，一些请求处理时间太久，需要用到异步请求，还有一些定时任务和周期性的任务，刷新缓存，看了一些相关的库，最终觉得celery比较符合，故查阅文档，尝试celery的使用 celery: 用于一般的异步请求 eventlet windows支持插件 django-celery-beat 用于定时和周期计划 django-celery-results 用于存储celery的运行结果 folower 用于监控celery的运行状态 ...
Python Django教程之实现待办事项应用程序
软件测试技术分享官
10-21 310
Django是一个基于Python Web框架的高级Web框架，允许快速开发和干净，务实的设计。本文将创建一个待办事项应用程序，以了解Django的基础知识，感兴趣的可以尝试一下。今天，我们将创建一个待办事项应用程序，以了解Django的基础知识。在这个网络应用程序中，人们可以创建笔记，如谷歌保持或印象笔记。
django_celery_demo
03-20
然后，创建一个 celery.py 文件作为 Celery 的应用实例，这里可以定义任务队列和其他配置。 接下来，你可以定义 Celery 任务。这些任务通常作为独立的 Python 模块存在于你的应用目录下，它们使用 @app.task 装饰器...
django-celery-results：芹菜结果后端与django
02-04
描述虽然简洁，但暗示了它主要关注的是如何在Django应用中集成Celery的结果处理机制。Celery是一个分布式任务队列，常用于处理耗时的任务，如电子邮件发送、数据处理或文件上传等，以提高Web应用的响应速度。 **...
django-celery-email：使用celery任务发送电子邮件的Django电子邮件后端
02-04
这意味着，当你的Django应用需要发送邮件时，而不是立即执行，它会将此任务放入Celery的任务队列中，然后在后台处理，这样可以提高应用的响应速度并避免阻塞主线程。 **Django电子邮件系统** Django自带了一个强大...
Celery的使用
爱吃辣椒的锅包肉
02-24 845
1.1 Celery简介 Celery是由Python开发的一个简单、灵活、可靠的处理大量任务的分发系统，它不仅支持实时处理也支持任务调度。 user：用户程序，用于告知celery去执行一个任务。 broker: 存放任务（依赖RabbitMQ或Redis，进行存储） worker：执行任务 使用场景: 对耗时任务, 通过celery，将任务添加到broker队列,然后立即给用户返回一个任务ID,当任务添加到broker之后, 由worker获取任务并处理任务。任务完成之后, 在将结果放到back
django celery 使用
~
07-06 405
阻塞高风险 分布式任务调度系统 Celery 是一个简单，灵活且可靠的，处理大量消息的分布式系统，他是一个专注于实时处理的任务队列，同时也支持任务调度 broker 消息传输的中间件，生产者一旦有消息发送，将发送至broker （rq redis） backend 用于存储消息/任务结果，如果需要跟踪和查询任务状态，则需要添加相关配置 worker 工作者 消费/执行broker中消息/任务的进程 —》持续盯着broker中是否有活，会自动拿到任务 celery 实时反馈不行 无法确定消费者干活的时间 #
Django中使用Celery
林金鹏的博客
07-01 457
一.配置储值数据，本教程采用redis储值，在setting.py添加配置： CELERY_BROKER_URL = 'redis://127.0.0.1:6379/2' CELERY_RESULT_BACKEND = 'redis://127.0.0.1:6379/2' CELERY_RESULT_SERIALIZER = 'json' CELERY_TASK_RESULT_EXPIRES = 30 * 24 * 60 * 60 CELERY_MAX_TASKS_PER_CHILD = 10 二.在ws
Django Celery4 定时任务配置和使用
Auto
04-06 3955
文章目录Celery4.3 定时任务#0 GitHub#1 环境#2 需求分析#3 开始#3.1 创建一个django项目(项目名:celery4)和app(app名:app)#3.2 配置celery#3.3 启动celery#3.4 脚本启动celery(win环境不支持脚本启动)#3.5 注意 Celery4.3 定时任务 #0 GitHub https://github.com/Coxhu...
django+celery
skyllerone的博客
06-08 518
celery+django
在Docker容器中配置和运行Django + Celery
pushiqiang的博客
02-28 8796
阅读完这篇博文后，你将能够使用Django，PostgreSQL，Redis和RabbitMQ配置Celery，然后在Docker容器中运行它们。 今天，你将学习如何建立一个分布式任务处理系统来快速建立原型。你将使用Django，PostgreSQL，Redis和RabbitMQ配置Celery，然后在Docker容器中运行它们。阅读本教程前你需要一些Docker的实践知识,你可以在我以前的帖子...
Django搭配Celery进行异步/定时任务（一）初步搭建
热门推荐
sam的牛栏
01-28 1万+
以下需求场景很常见： 1. 用户点击页面按钮，请求后台进行一系列耗时非常高的操作，页面没有响应/一直Loading，用户体验非常不好。 2. 某些数据需要预先处理，每天凌晨的时候进行运算，大约半小时到1小时才能完成。 3. 进行外部系统的接口数据调用，接口要求在10秒内返回应答报文，但是Django获取数据之后要进行一定的处理，而此处理时间超过3分钟。 …… 本文介绍采用celery搭配django进行异步/定时任务的执行。
Django3 --- async
小玖工作坊-博客
06-18 1604
Django 3.1于2020年8月4日发布！从3.1版本开始，Django将逐步原生支持异步，比如异步视图和中间件。 python兼容性： ​ Django 3.1 支持 Python 3.6、3.7、3.8 和 3.9（从 3.1.3 开始）。官方强烈推荐并且只正式支持每个系列的最新版本 从创建Django项目目录来看，可以看出多出一个 asgi.py 文件， 1. 异步视图 1.1 async def 要开始使用异步视图，您需要使用以下命令声明一个视图 ：async def import asyn
django-celery使用
08-19
Django-Celery是一个用于在Django应用中集成Celery任务队列的插件。它允许你将耗时的任务异步执行，从而提高应用的性能和响应速度。下面是一些使用Django-Celery的步骤： 1. 安装Celery和Django-Celery：首先，确保你已经安装了Celery和Django-Celery。你可以通过运行以下命令来安装它们： ``` pip install celery django-celery ``` 2. 配置Celery：在Django项目的`settings.py`文件中，添加以下配置： ```python # settings.py # 配置Celery Broker（消息代理） BROKER_URL = 'amqp://guest:guest@localhost:5672//' # 配置Celery Backend（结果存储） CELERY_RESULT_BACKEND = 'db+sqlite:///results.sqlite' # 配置Celery Beat（定时任务） CELERY_BEAT_SCHEDULER = 'django_celery_beat.schedulers.DatabaseScheduler' ``` 请根据你的实际情况修改上述配置。 3. 创建Celery App：在你的Django项目中，创建一个名为`celery.py`的文件，并添加以下代码： ```python # celery.py from celery import Celery app = Celery('your_project_name') # 配置Celery app.config_from_object('django.conf:settings', namespace='CELERY') # 自动从Django app中加载任务 app.autodiscover_tasks() ``` 确保将`your_project_name`替换为你的项目名称。 4. 创建任务：在Django app中创建一个任务。例如，你可以在你的app目录下创建一个名为`tasks.py`的文件，并添加以下代码： ```python # tasks.py from celery import shared_task @shared_task def add(x, y): return x + y ``` 这是一个简单的任务示例，将两个数字相加并返回结果。 5. 启动Celery Worker：运行以下命令来启动Celery worker： ``` celery -A your_project_name worker --loglevel=info ``` 确保将`your_project_name`替换为你的项目名称。 6. 调用任务：在你的Django应用程序中，你可以通过导入任务函数并调用它来触发任务的执行。例如： ```python from your_app.tasks import add result = add.delay(1, 2) ``` 这里使用了`delay()`方法来异步调用任务。你也可以使用`apply_async()`方法来更精确地控制任务的执行。 这些是使用Django-Celery的基本步骤。你还可以配置更多高级选项，如任务重试、任务结果存储等。请参考Django-Celery的官方文档以获取更多详细信息。

“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 1
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

想成为数据分析师的开发工程师

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