Airflow使用入门指南

airflow 专栏收录该内容
1 篇文章 0 订阅

Airflow能做什么

关注公众号, 查看更多 http://mp.weixin.qq.com/s/xPjXMc_6ssHt16J07BC7jA

Airflow是一个工作流分配管理系统,通过有向非循环图的方式管理任务流程,设置任务依赖关系和时间调度。

Airflow独立于我们要运行的任务,只需要把任务的名字和运行方式提供给Airflow作为一个task就可以。

安装和使用

最简单安装

在Linux终端运行如下命令 (需要已安装好python2.xpip):

pip install airflow
pip install "airflow[crypto, password]"

安装成功之后,执行下面三步,就可以使用了。默认是使用的SequentialExecutor, 只能顺次执行任务。

  • 初始化数据库 airflow initdb [必须的步骤]
  • 启动web服务器 airflow webserver -p 8080 [方便可视化管理dag]
  • 启动任务 airflow scheduler [scheduler启动后,DAG目录下的dags就会根据设定的时间定时启动]
  • 此外我们还可以直接测试单个DAG,如测试文章末尾的DAG airflow test ct1 print_date 2016-05-14

最新版本的Airflow可从https://github.com/apache/incubator-airflow下载获得,解压缩按照安装python包的方式安装。

配置 mysql以启用LocalExecutorCeleryExecutor

  • 安装mysql数据库支持

    yum install mysql mysql-server
    pip install airflow[mysql]
    
  • 设置mysql根用户的密码

    ct@server:~/airflow: mysql -uroot #以root身份登录mysql,默认无密码
    mysql> SET PASSWORD=PASSWORD("passwd");
    mysql> FLUSH PRIVILEGES; 
    # 注意sql语句末尾的分号
    
  • 新建用户和数据库

    # 新建名字为<airflow>的数据库
    mysql> CREATE DATABASE airflow; 
    # 新建用户`ct`,密码为`152108`, 该用户对数据库`airflow`有完全操作权限
        
    mysql> GRANT all privileges on airflow.* TO 'ct'@'localhost'  IDENTIFIED BY '152108'; 
    mysql> FLUSH PRIVILEGES; 
    
  • 修改airflow配置文件支持mysql

    • airflow.cfg 文件通常在~/airflow目录下

    • 更改数据库链接

      sql_alchemy_conn = mysql://ct:152108@localhost/airflow
      对应字段解释如下: dialect+driver://username:password@host:port/database
      
    • 初始化数据库 airflow initdb

    • 初始化数据库成功后,可进入mysql查看新生成的数据表。

      ct@server:~/airflow: mysql -uct -p152108
      mysql> USE airflow;
      mysql> SHOW TABLES;
      +-------------------+
      | Tables_in_airflow |
      +-------------------+
      | alembic_version   |
      | chart             |
      | connection        |
      | dag               |
      | dag_pickle        |
      | dag_run           |
      | import_error      |
      | job               |
      | known_event       |
      | known_event_type  |
      | log               |
      | sla_miss          |
      | slot_pool         |
      | task_instance     |
      | users             |
      | variable          |
      | xcom              |
      +-------------------+
      17 rows in set (0.00 sec)
      
  • centos7中使用mariadb取代了mysql, 但所有命令的执行相同

    yum install mariadb mariadb-server
    systemctl start mariadb ==> 启动mariadb
    systemctl enable mariadb ==> 开机自启动
    mysql_secure_installation ==> 设置 root密码等相关
    mysql -uroot -p123456 ==> 测试登录!
    

mariadb升级

curl -sS https://downloads.mariadb.com/MariaDB/mariadb_repo_setup | bash
cat <<EOF >/etc/yum.repos.d/MariaDB.repo
[mariadb]
name = MariaDB-10.3.14
baseurl=http://yum.mariadb.org/10.3.14/centos7-amd64
# alternative: baseurl=http://archive.mariadb.org/mariadb-10.3.14/yum/centos7-amd64
gpgkey=https://yum.mariadb.org/RPM-GPG-KEY-MariaDB
gpgcheck=1
EOF
rpm --import https://yum.mariadb.org/RPM-GPG-KEY-MariaDB
yum install MariaDB-server galera-4 MariaDB-client MariaDB-shared MariaDB-backup MariaDB-common

配置LocalExecutor

注:作为测试使用,此步可以跳过, 最后的生产环境用的是CeleryExecutor; 若CeleryExecutor配置不方便,也可使用LocalExecutor。

前面数据库已经配置好了,所以如果想使用LocalExecutor就只需要修改airflow配置文件就可以了。airflow.cfg 文件通常在~/airflow目录下,打开更改executorexecutor = LocalExecutor即完成了配置。

把文后TASK部分的dag文件拷贝几个到~/airflow/dags目录下,顺次执行下面的命令,然后打开网址http://127.0.0.1:8080就可以实时侦测任务动态了:

ct@server:~/airflow: airflow initdb` (若前面执行过,就跳过)
ct@server:~/airflow: airflow webserver --debug &
ct@server:~/airflow: airflow scheduler

配置CeleryExecutor (rabbitmq支持)

  • 安装airflow的celery和rabbitmq组件

    pip install airflow[celery]
    pip install airflow[rabbitmq]
    
  • 安装erlang和rabbitmq

    • 如果能直接使用yumapt-get安装则万事大吉。

    • 我使用的CentOS6则不能,需要如下一番折腾,

      # (Centos6,[REF](http://www.rabbitmq.com/install-rpm.html))
      wget https://packages.erlang-solutions.com/erlang/esl-erlang/FLAVOUR_1_general/esl-erlang_18.3-1~centos~6_amd64.rpm
      yum install esl-erlang_18.3-1~centos~6_amd64.rpm
      wget https://github.com/jasonmcintosh/esl-erlang-compat/releases/download/1.1.1/esl-erlang-compat-18.1-1.noarch.rpm
      yum install esl-erlang-compat-18.1-1.noarch.rpm
      wget http://www.rabbitmq.com/releases/rabbitmq-server/v3.6.1/rabbitmq-server-3.6.1-1.noarch.rpm
      yum install rabbitmq-server-3.6.1-1.noarch.rpm
      
  • 配置rabbitmq

    • 启动rabbitmq: rabbitmq-server -detached

    • 开机启动rabbitmq: chkconfig rabbitmq-server on

    • 配置rabbitmq (REF)

      rabbitmqctl add_user ct 152108
      rabbitmqctl add_vhost ct_airflow
      rabbitmqctl set_user_tags ct airflow
      rabbitmqctl set_permissions -p ct_airflow ct ".*" ".*" ".*"
      rabbitmq-plugins enable rabbitmq_management # no usage
      
  • 修改airflow配置文件支持Celery

    • airflow.cfg 文件通常在~/airflow目录下

    • 更改executor为 executor = CeleryExecutor

    • 更改broker_url

      broker_url = amqp://ct:152108@localhost:5672/ct_airflow
      Format explanation: transport://userid:password@hostname:port/virtual_host
      
    • 更改celery_result_backend,

      # 可以与broker_url相同
      celery_result_backend = amqp://ct:152108@localhost:5672/ct_airflow
      Format explanation: transport://userid:password@hostname:port/virtual_host
      
  • 测试

    • 启动服务器:airflow webserver --debug
    • 启动celery worker (不能用根用户):airflow worker
    • 启动scheduler: airflow scheduler
    • 提示:
      • 测试过程中注意观察运行上面3个命令的3个窗口输出的日志
      • 当遇到不符合常理的情况时考虑清空 airflow backend的数据库, 可使用airflow resetdb清空。
      • 删除dag文件后,webserver中可能还会存在相应信息,这时需要重启webserver并刷新网页。
      • 关闭webserver: ps -ef|grep -Ei '(airflow-webserver)'| grep master | awk '{print $2}'|xargs -i kill {}

一个脚本控制airflow系统的启动和重启

#!/bin/bash

#set -x
#set -e
set -u

usage()
{
cat <<EOF
${txtcyn}
Usage:

$0 options${txtrst}

${bldblu}Function${txtrst}:

This script is used to start or restart webserver service.

${txtbld}OPTIONS${txtrst}:
	-S	Start airflow system [${bldred}Default FALSE${txtrst}]
	-s	Restart airflow server only [${bldred}Default FALSE${txtrst}]
	-a	Restart all airflow programs including webserver, worker and
		scheduler. [${bldred}Default FALSE${txtrst}]
EOF
}

start_all=
server_only=
all=

while getopts "hs:S:a:" OPTION
do
	case $OPTION in
		h)
			usage
			exit 1
			;;
		S)
			start_all=$OPTARG
			;;
		s)
			server_only=$OPTARG
			;;
		a)
			all=$OPTARG
			;;
		?)
			usage
			exit 1
			;;
	esac
done

if [ -z "$server_only" ] && [ -z "$all" ] && [ -z "${start_all}" ]; then
	usage
	exit 1
fi

if [ "$server_only" == "TRUE" ]; then
	ps -ef | grep -Ei '(airflow-webserver)' | grep master | \
		awk '{print $2}' | xargs -i kill {}
	cd ~/airflow/
	nohup airflow webserver >webserver.log 2>&1 &
fi

if [ "$all" == "TRUE" ]; then
	ps -ef | grep -Ei 'airflow' | grep -v 'grep' | awk '{print $2}' | xargs -i kill {}
	cd ~/airflow/
	nohup airflow webserver >>webserver.log 2>&1 &
	nohup airflow worker >>worker.log 2>&1 &
	nohup airflow scheduler >>scheduler.log 2>&1 &
fi


if [ "${start_all}" == "TRUE" ]; then
	cd ~/airflow/
	nohup airflow webserver >>webserver.log 2>&1 &
	nohup airflow worker >>worker.log 2>&1 &
	nohup airflow scheduler >>scheduler.log 2>&1 &
fi

airflow.cfg 其它配置

  • dags_folder

    dags_folder目录支持子目录和软连接,因此不同的dag可以分门别类的存储起来。

  • 设置邮件发送服务

    smtp_host = smtp.163.com
    smtp_starttls = True
    smtp_ssl = False
    smtp_user = username@163.com
    smtp_port = 25
    smtp_password = userpasswd
    smtp_mail_from = username@163.com
    
  • 多用户登录设置 (似乎只有CeleryExecutor支持)

    • 修改airflow.cfg中的下面3行配置

      authenticate = True
      auth_backend = airflow.contrib.auth.backends.password_auth
      filter_by_owner = True
      
    • 增加一个用户(在airflow所在服务器的python下运行)

      import airflow
      from airflow import models,   settings
      from airflow.contrib.auth.backends.password_auth import PasswordUser
      user = PasswordUser(models.User())
      user.username = 'ehbio'
      user.email = 'mail@ehbio.com'
      user.password = 'ehbio'
      session = settings.Session()
      session.add(user)
      session.commit()
      session.close()
      exit()
      

TASK

  • 参数解释

    • depends_on_past

      Airflow assumes idempotent tasks that operate on immutable data
      chunks. It also assumes that all task instance (each task for each
      schedule) needs to run.

      If your tasks need to be executed sequentially, you need to
      tell Airflow: use the depends_on_past=True flag on the tasks
      that require sequential execution.)

      如果在TASK本该运行却没有运行时,或者设置的interval@once时,推荐使用depends_on_past=False。我在运行dag时,有时会出现,明明上游任务已经运行结束,下游任务却没有启动,整个dag就卡住了。这时设置depends_on_past=False可以解决这类问题。

    • timestamp in format like 2016-01-01T00:03:00

    • Task中调用的命令出错后需要在网站Graph view中点击run手动重启。
      为了方便任务修改后的顺利运行,有个折衷的方法是:

      • 设置 email_on_retry: True
      • 设置较长的retry_delay,方便在收到邮件后,能有时间做出处理
      • 然后再修改为较短的retry_delay,方便快速启动
  • 写完task DAG后,一定记得先检测下有无语法错误 python dag.py

  • 测试文件1:ct1.py

    from airflow import DAG
    from airflow.operators import BashOperator, MySqlOperator
    
    from datetime import datetime, timedelta
    
    one_min_ago = datetime.combine(datetime.today() -
    	timedelta(minutes=1), datetime.min.time())
    
    default_args = {
        'owner': 'airflow',         
    		
    	  #为了测试方便,起始时间一般为当前时间减去schedule_interval
        'start_date': datatime(2016, 5, 29, 8, 30), 
        'email': ['chentong_biology@163.com'],
        'email_on_failure': False, 
        'email_on_retry': False, 
    	  'depends_on_past': False, 
        'retries': 1, 
        'retry_delay': timedelta(minutes=5), 
        #'queue': 'bash_queue',
        #'pool': 'backfill', 
        #'priority_weight': 10, 
    	  #'end_date': datetime(2016, 5, 29, 11, 30), 
    }
    
    # DAG id 'ct1'必须在airflow中是unique的, 一般与文件名相同
    # 多个用户时可加用户名做标记
    dag = DAG('ct1', default_args=default_args,
        schedule_interval="@once")
    
    t1 = BashOperator(
        task_id='print_date', 
        bash_command='date', 
        dag=dag)
    
    #cmd = "/home/test/test.bash " 注意末尾的空格
    t2 = BashOperator(
        task_id='echo', 
        bash_command='echo "test" ', 
        retries=3, 
        dag=dag)
    
    templated_command = """
        {% for i in range(2) %}
            echo "{{ ds }}" 
            echo "{{ macros.ds_add(ds, 7) }}"
            echo "{{ params.my_param }}"
        {% endfor %}
    """
    t3 = BashOperator(
        task_id='templated', 
        bash_command=templated_command, 
        params={'my_param': "Parameter I passed in"}, 
        dag=dag)
    
    # This means that t2 will depend on t1 running successfully to run
    # It is equivalent to t1.set_downstream(t2)
    t2.set_upstream(t1)
    
    t3.set_upstream(t1)
    
    # all of this is equivalent to
    # dag.set_dependency('print_date', 'sleep')
    # dag.set_dependency('print_date', 'templated')
    
  • 测试文件2: ct2.py

    from airflow import DAG
    from airflow.operators import BashOperator
    
    from datetime import datetime, timedelta
    
    one_min_ago = datetime.combine(datetime.today() - timedelta(minutes=1),
                                      datetime.min.time())
    
    default_args = {
        'owner': 'airflow',         
        'depends_on_past': True, 
        'start_date': one_min_ago,
        'email': ['chentong_biology@163.com'],
        'email_on_failure': True, 
        'email_on_retry': True, 
        'retries': 5, 
        'retry_delay': timedelta(hours=30), 
        #'queue': 'bash_queue',
        #'pool': 'backfill', 
        #'priority_weight': 10, 
        #'end_date': datetime(2016, 5, 29, 11, 30), 
    }
    
    dag = DAG('ct2', default_args=default_args,
        schedule_interval="@once")
    
    t1 = BashOperator(
        task_id='run1', 
        bash_command='(cd /home/ct/test; bash run1.sh -f ct_t1) ', 
        dag=dag)
    
    t2 = BashOperator(
        task_id='run2', 
        bash_command='(cd /home/ct/test; bash run2.sh -f ct_t1) ', 
        dag=dag)
    
    t2.set_upstream(t1)
    
    
  • run1.sh

    #!/bin/bash
    
    #set -x
    set -e
    set -u
    
    usage()
    {
    cat <<EOF
    ${txtcyn}
    Usage:
    
    $0 options${txtrst}
    
    ${bldblu}Function${txtrst}:
    
    This script is used to do ********************.
    
    ${txtbld}OPTIONS${txtrst}:
    	-f	Data file ${bldred}[NECESSARY]${txtrst}
    	-z	Is there a header[${bldred}Default TRUE${txtrst}]
    EOF
    }
    
    file=
    header='TRUE'
    
    while getopts "hf:z:" OPTION
    do
    	case $OPTION in
    		h)
    			usage
    			exit 1
    			;;
    		f)
    			file=$OPTARG
    			;;
    		z)
    			header=$OPTARG
    			;;
    		?)
    			usage
    			exit 1
    			;;
    	esac
    done
    
    if [ -z $file ]; then
    	usage
    	exit 1
    fi
    
    cat <<END >$file
    A
    B
    C
    D
    E
    F
    G
    END
    
    sleep 20s
    
  • run2.sh

    #!/bin/bash
    
    #set -x
    set -e
    set -u
    
    usage()
    {
    cat <<EOF
    ${txtcyn}
    Usage:
    
    $0 options${txtrst}
    
    ${bldblu}Function${txtrst}:
    
    This script is used to do ********************.
    
    ${txtbld}OPTIONS${txtrst}:
    	-f	Data file ${bldred}[NECESSARY]${txtrst}
    EOF
    }
    
    file=
    header='TRUE'
    
    while getopts "hf:z:" OPTION
    do
    	case $OPTION in
    		h)
    			usage
    			exit 1
    			;;
    		f)
    			file=$OPTARG
    			;;
    		?)
    			usage
    			exit 1
    			;;
    	esac
    done
    
    if [ -z $file ]; then
    	usage
    	exit 1
    fi
    
    awk 'BEGIN{OFS=FS="\t"}{print $0, "53"}' $file >${file}.out
    
    

其它问题

  • The DagRun object has room for a conf parameter that gets exposed
    in the “context” (templates, operators, …). That is the place
    where you would associate parameters to a specific run. For now this
    is only possible in the context of an externally triggered DAG run.
    The way the TriggerDagRunOperator works, you can fill in the conf
    param during the execution of the callable that you pass to the
    operator.

    If you are looking to change the shape of your DAG through parameters,
    we recommend doing that using “singleton” DAGs (using a “@once”
    schedule_interval), meaning that you would write a
    Python program that generates multiple dag_ids, one of each run,
    probably based on metadata stored in a config file or elsewhere.

    The idea is that if you use parameters to alter the shape of your
    DAG, you break some of the assumptions around continuity of the
    schedule. Things like visualizing the tree view or how to perform a
    backfill becomes unclear and mushy. So if the shape of your DAG
    changes radically based on parameters, we consider those to be
    different DAGs, and you generate each one in your pipeline file.

  • 完全删掉某个DAG的信息

    set @dag_id = 'BAD_DAG';
    delete from airflow.xcom where dag_id = @dag_id;
    delete from airflow.task_instance where dag_id = @dag_id;
    delete from airflow.sla_miss where dag_id = @dag_id;
    delete from airflow.log where dag_id = @dag_id;
    delete from airflow.job where dag_id = @dag_id;
    delete from airflow.dag_run where dag_id = @dag_id;
    delete from airflow.dag where dag_id = @dag_id;
    
  • supervisord自动管理进程

    [program:airflow_webserver]
    command=/usr/local/bin/python2.7 /usr/local/bin/airflow webserver
    user=airflow
    environment=AIRFLOW_HOME="/home/airflow/airflow", PATH="/usr/local/bin:%(ENV_PATH)s"
    stderr_logfile=/var/log/airflow-webserver.err.log
    stdout_logfile=/var/log/airflow-webserver.out.log
    
    [program:airflow_worker]
    command=/usr/local/bin/python2.7 /usr/local/bin/airflow worker
    user=airflow
    environment=AIRFLOW_HOME="/home/airflow/airflow", PATH="/usr/local/bin:%(ENV_PATH)s"
    stderr_logfile=/var/log/airflow-worker.err.log
    stdout_logfile=/var/log/airflow-worker.out.log
    
    [program:airflow_scheduler]
    command=/usr/local/bin/python2.7 /usr/local/bin/airflow scheduler
    user=airflow
    environment=AIRFLOW_HOME="/home/airflow/airflow", PATH="/usr/local/bin:%(ENV_PATH)s"
    stderr_logfile=/var/log/airflow-scheduler.err.log
    stdout_logfile=/var/log/airflow-scheduler.out.log
    
  • 在特定情况下,修改DAG后,为了避免当前日期之前任务的运行,可以使用backfill填补特定时间段的任务

    • airflow backfill -s START -e END --mark_success DAG_ID

端口转发

  • 之前的配置都是在内网服务器进行的,但内网服务器只开放了SSH端口22,因此
    我尝试在另外一台电脑上使用相同的配置,然后设置端口转发,把外网服务器
    的rabbitmq的5672端口映射到内网服务器的对应端口,然后启动airflow连接

    • ssh -v -4 -NF -R 5672:127.0.0.1:5672 aliyun

    • 上一条命令表示的格式为

      ssh -R <local port>:<remote host>:<remote port> <SSH hostname>

      local port表示hostname的port

      Remote connections from LOCALHOST:5672 forwarded to local address 127.0.0.1:5672

    • -v: 在测试时打开

    • -4: 出现错误"bind: Cannot assign requested address"时,force the
      ssh client to use ipv4

    • 若出现"Warning: remote port forwarding failed for listen port 52698"
      ,关掉其它的ssh tunnel。

不同机器使用airflow

  • 在外网服务器(用做任务分发服务器)配置与内网服务器相同的airflow模块
  • 使用前述的端口转发以便外网服务器绕过内网服务器的防火墙访问rabbitmq 5672端口。
  • 在外网服务器启动 airflow webserver scheduler, 在内网服务器启动
    airflow worker 发现任务执行状态丢失。继续学习Celery,以解决此问题。

安装redis

  • http://download.redis.io/releases/redis-3.2.0.tar.gz
  • tar xvzf redis-3.2.0.tar.gz and make
  • redis-server启动redis
  • 使用ps -ef | grep 'redis'检测后台进程是否存在
  • 检测6379端口是否在监听netstat -lntp | grep 6379

redis新版出现错误解决方案

  1. 升级GCC到9.0
yum -y install centos-release-scl
yum -y install devtoolset-9-gcc devtoolset-9-gcc-c++ devtoolset-9-binutils

# echo "source /opt/rh/devtoolset-9/enable" >>/etc/profile.d/custom.sh 
  1. server.h:54:10: fatal error: systemd/sd-daemon.h: No such file or directory
yum install -y  systemd-devel

任务未按预期运行可能的原因

  • 检查 start_dateend_date是否在合适的时间范围内
  • 检查 airflow worker, airflow scheduler
    airflow webserver --debug的输出,有没有某个任务运行异常
  • 检查airflow配置路径中logs文件夹下的日志输出
  • 若以上都没有问题,则考虑数据冲突,解决方式包括清空数据库或着给当前
    dag一个新的dag_id

References

  1. https://pythonhosted.org/airflow/
  2. http://kintoki.farbox.com/post/ji-chu-zhi-shi/airflow
  3. http://www.jianshu.com/p/59d69981658a
  4. http://bytepawn.com/luigi-airflow-pinball.html
  5. https://github.com/airbnb/airflow
  6. https://media.readthedocs.org/pdf/airflow/latest/airflow.pdf
  7. http://www.csdn.net/article/1970-01-01/2825690
  8. http://www.cnblogs.com/harrychinese/p/airflow.html
  9. https://segmentfault.com/a/1190000005078547

声明

文章原写于http://blog.genesino.com/2016/05/airflow/。转载请注明出处。

  • 3
    点赞
  • 4
    评论
  • 23
    收藏
  • 一键三连
    一键三连
  • 扫一扫,分享海报

相关推荐
在Apple TV和Chromecast上观看本地内容。 无需等待,无需索引,只需拖放即可观看。 确实没有任何简单的事情。 下载气流 复杂而独特的视频处理管道... 气流的心脏。它以最低的CPU负载确保了最佳的视频质量。 怎么样?气流透明地重新混合了可以重新混合的视频,并对需要转码的视频进行了转码。如果您的计算机支持,则代码转换可以硬件加速。听起来太技术性了吗?这就是我们构建Airflow的原因。它隐藏了所有讨厌的细节,并且可以正常使用TM。 大字幕支持 字幕很重要。与大多数类似软件不同,Airflow无需对视频进行转码即可显示文本字幕。这样可以提高视频质量并降低CPU负载。支持DVD和Bluray字幕。 擦洗预览 寻求不一定是个谜。借助即时清理预览,您可以知道在内容加载之前将要降落的位置。使用触摸遥控器进行擦洗时,在Apple TV 4上也可用。 播放清单和最后位置 通过Airflow,您可以将文件整理到播放列表中,从而观看多个剧集变得尽可能无缝。 Airflow会记住每个文件的播放位置。它还监视当前文件夹,并为新文件自动选择下一个文件以进行不间断的播放。 环绕声 Chromecast和Apple TV全面支持5.1音频。 Airflow与Airplay镜像或Chrome Tab镜像相比如何 镜像不适用于视频播放,通常会使视频质量出现问题。帧速率不正确,存在伪影和口吃。有了Airflow,您将一无所获。它是专为视频播放而设计的,可提供最佳的视频质量。包括Chromecast Ultra和Apple TV 4K上的4K HDR HEVC流。
©️2020 CSDN 皮肤主题: 大白 设计师:CSDN官方博客 返回首页
实付
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、C币套餐、付费专栏及课程。

余额充值