- 博客(6516)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 【Atlas】 Atlas 中的 Policy 和 Ranger 有何区别与联系？
在 Apache Atlas 2.4.0 源码中，并无名为 “Policy” 的独立实体类型。Classification（分类标签）类型定义位于，如PIIGDPR。每个 Classification 可携带属性（如），但不包含执行逻辑。Policy Engine（策略引擎）集成点Atlas 提供REST API 与 Webhook 机制，允许外部系统（如 Ranger）订阅 Classification 变更事件。（创建 Classification），（获取实体标签）。通俗类比。
2026-07-10 09:02:12
7
原创 【Atlas】未来 Apache Atlas 是否计划内置统一的 SQL 解析引擎？社区对此有何讨论或提案？
摘要：Apache Atlas 统一 SQL 解析引擎的现状与替代方案 截至 2026 年 4 月，Apache Atlas 官方并未计划内置统一的 SQL 解析引擎，社区也未形成相关共识提案。Atlas 的核心定位是元数据管理平台，而非 SQL 引擎，其通过 Hook 机制依赖外部系统捕获元数据。当前替代方案包括：1) 采用 OpenLineage 标准实现引擎无关的血缘采集；2) 基于 Apache Calcite 开发独立 SQL 解析服务；3) 参考商业产品的解耦设计。未来 Atlas 更可能演进为
2026-07-10 09:01:53
49
原创 【Atlas】如何验证某条 SQL 产生的血缘是否已被 Atlas 正确捕获？有哪些调试和排查手段？
Apache Atlas 2.4.0 血缘验证全链路排查指南（150字摘要） 本文针对Atlas血缘捕获失效问题，提出"四位一体"验证方法论：1)通过REST API检查实体状态；2)使用Kafka CLI验证事件通道；3)分析Hive Hook和Atlas Server日志定位异常；4)监控关键指标评估系统健康度。以金融交易宽表为例，详细演示从SQL执行到UI展示的全链路排查流程，涵盖Hive Metastore事件触发、Kafka消息生产、Atlas实体处理等关键环节。提供标准化命令和检查清单，帮助用户
2026-07-10 09:01:36
85
原创 【Atlas】SQL 解析失败或 Hook 未触发时，如何通过 Atlas REST API 手动补录血缘关系？
通过 Atlas REST API 手动补录血缘，是数据治理工程师必备的核心技能。它不仅是应对自动化管道故障的应急手段，也是主动治理历史资产、集成非标准数据源的有效途径。核心建议精通模型：深刻理解ProcessDataset三者的关系是成功补录的前提。善用工具：不要手写 JSON，开发或使用脚本化工具来提高效率和准确性。规范先行：建立并强制执行命名规范，从源头上杜绝冲突。流程保障：将手动操作纳入变更管理和审计流程，确保元数据的可信度。
2026-07-10 09:01:19
36
原创 【Atlas】在复杂 ETL 场景中（如多表 JOIN + UDF + INSERT OVERWRITE），Atlas 能否准确还原字段级血缘？存在哪些挑战？
Apache Atlas 2.4.0 字段级血缘能力深度解析 摘要 本文针对Apache Atlas 2.4.0在复杂ETL场景下的字段级血缘能力进行深入分析。首先明确指出官方Hive Hook仅支持表级血缘，无法原生提供字段级血缘关系。通过电商用户行为宽表案例，详细剖析了在多表JOIN、UDF、聚合函数等复杂场景下字段级血缘面临的五大挑战： 表达式计算导致血缘无法简单映射 聚合函数丢失分组上下文 UDF黑盒特性阻碍逻辑解析 常量字段缺乏上游数据源 多表JOIN可能产生字段歧义 提出两种解决方案：增强型Ho
2026-07-10 09:01:01
76
原创 【Atlas】Atlas 中表示血缘关系的 Relationship 类型是什么（如 `dataset_process_dataset`）？其结构如何定义？
Apache Atlas 血缘关系核心解析 Apache Atlas 2.4.0中，血缘关系的核心实现并非通过通用的dataset_process_dataset关系类型，而是基于以下机制： 三元组模型：由Process实体（如ETL作业）通过inputs和outputs属性直接引用Dataset实体（如表、文件）的qualifiedName来建立血缘。 辅助关系类型：实际使用hive_process_inputs、hive_process_outputs等特定关系类型作为查询优化工具，而非主存储机制。 实
2026-07-10 09:00:41
111
原创 【Atlas】如何利用 ANTLR 或 Calcite 构建通用 SQL 解析器，并将解析结果转换为 Atlas Entity 模型？
文章摘要：构建通用SQL解析器并转换为Atlas Entity模型 本文探讨了利用ANTLR或Calcite构建通用SQL解析器，并将解析结果转换为Apache Atlas Entity模型的技术方案。作者首先澄清了Atlas官方Hive Hook机制的工作原理，指出其依赖Hive Metastore事件而非直接SQL解析。对于需要自研解析器的场景（如Flink SQL、字段级血缘），文章对比了ANTLR和Calcite的优劣，推荐使用内置SQL标准支持的Calcite。随后以IoT设备指标宽表为例，详细演
2026-07-10 09:00:17
146
原创 【Atlas】对于未被 Hook 覆盖的 SQL 引擎（如 Trino、Presto），如何手动构建血缘 Entity 并推送到 Atlas？
摘要 本文针对Apache Atlas 2.4.0缺乏Trino/Presto原生Hook支持的问题，提出手动构建数据血缘关系的解决方案。通过剖析Atlas的血缘模型核心原理（基于"Process"实体的三元组结构），详细演示如何利用REST API实现跨系统血缘追踪。 以电商场景为例，展示从Kafka主题、Hive表到ClickHouse表的完整血缘构建流程，包括： 前置实体创建与GUID获取 Process实体构造的关键字段（inputs/outputs/qualifiedName） 完整cURL命令示
2026-07-10 09:00:00
227
原创 【Atlas】Classification 是否支持层级结构（如 PII ＞ Email）？
Apache Atlas Classification 层级结构支持解析 本文深入探讨了Apache Atlas 2.4.0中Classification的层级结构支持能力，通过金融行业数据治理场景进行说明： 核心机制：Classification的层级通过Type System继承实现，子分类通过superTypes字段指定父分类（如Email继承PII） 技术实现： 父分类(PII)和子分类(Email/PhoneNumber)都作为AtlasClassificationDef定义 子分类设置super
2026-07-10 08:59:41
80
原创 【Atlas】如何为 Entity 打上 Classification 标签？
本文介绍了在Apache Atlas中为数据资产打Classification标签的三种方法，重点解决强监管行业的数据分类分级需求。主要内容包括： Classification机制原理：作为特殊的Entity Type，用于语义标记数据资产，支持自动化打标、策略驱动和标签传播。 三种打标方式： UI手动打标：适用于少量资产 REST API批量操作：推荐生产环境使用 自动规则匹配：通过正则表达式实现自动化分类 关键技术点： 必须预注册Classification Type 标签信息存储在HBase和Solr
2026-07-10 08:59:21
34
原创 【Atlas】Atlas 是否支持解析 ANSI SQL 标准语句（如 JOIN、CTE、子查询）并提取字段映射关系？
Atlas 字段级血缘解析能力简析 Apache Atlas 2.4.0 通过 Hive Hook 机制能够部分解析 ANSI SQL 标准语句并提取字段映射关系。核心发现如下： 支持能力： 完美支持 JOIN（INNER/LEFT/RIGHT）操作 完整识别 CTE（WITH 子句） 可处理 FROM 子句中的子查询 局限： 不支持 WHERE/HAVING 条件的血缘追踪 无法解析标量子查询（SELECT 子句中的子查询） 聚合函数和窗口函数仅保留基础字段血缘 技术原理： 依赖 Hive 的 Linea
2026-07-09 09:19:51
10
原创 【Atlas】在 Flink CDC 场景下，如何将 MySQL 到 Kafka 再到 Hive 的端到端血缘上报至 Atlas？
Flink CDC端到端血缘追踪解决方案 摘要 本文介绍了一个完整的Flink CDC端到端血缘追踪方案，用于解决金融交易流水数据从MySQL到Kafka再到Hive的全链路元数据管理问题。方案基于Apache Atlas 2.4.0构建，包含三个核心组件： MySQL元数据注册：开发独立的Metadata Scanner定期扫描MySQL表结构并同步到Atlas； Flink CDC血缘捕获：通过扩展Flink Catalog或嵌入血缘上报逻辑，捕获源表与目标Topic的映射关系； Hive元数据注册：利
2026-07-09 09:19:32
73
原创 【Atlas】Flink SQL 作业的源表和结果表能否自动注册到 Atlas？需要哪些扩展开发？
Flink SQL 作业元数据自动注册至 Apache Atlas 开发摘要 核心技术方案 推荐采用 扩展 Flink Catalog 的方式实现元数据自动注册，通过实现自定义 AtlasAwareCatalog 在表创建时同步元数据至 Atlas。相比 JobListener 方案，具有原子性高、侵入性低的优势。 核心开发步骤 Atlas 元模型准备：需预先定义 Kafka Topic 类型（含字段、分区等属性） 自定义 Catalog 实现： 继承 Flink 的 Catalog 接口 在 create
2026-07-09 09:19:13
105
原创 【Atlas】如何开发一个自定义的 Spark Listener 将 DataFrame 操作上报到 Atlas？关键技术点是什么？
Spark Listener 与 Atlas 集成摘要 本文详细介绍了开发生产级自定义 Spark Listener 以捕获 DataFrame 操作并上报至 Apache Atlas 2.4.0 的完整方案。主要内容包括： 业务场景：解决 Hudi MOR 表增量血缘缺失问题，实现 Kafka-Hudi 数据流的完整血缘追踪 技术架构：基于 Spark QueryExecutionListener 接口，通过解析 LogicalPlan 提取输入输出源，构建 Atlas 实体并异步上报 关键技术点： Lo
2026-07-09 09:18:52
103
原创 【Atlas】 Spark SQL 的执行计划（LogicalPlan/PhysicalPlan）能否被 Atlas 捕获？社区有哪些集成方案？
Apache Atlas 与 Spark SQL 集成摘要 本文系统分析了 Spark SQL 执行计划（LogicalPlan/PhysicalPlan）与 Apache Atlas 集成的技术方案，重点关注血缘关系捕获问题。以 ClickHouse 表治理为实际场景，揭示了当前数据血缘缺失的业务痛点。 技术要点： Spark 的 QueryExecutionListener 机制可捕获完整执行计划，LogicalPlan 是血缘分析的黄金标准 社区主流方案包括 Hortonworks 官方 Connec
2026-07-09 09:18:25
326
原创 【Atlas】Atlas 能否解析 Hive 视图（View）的定义并建立字段级血缘？如何实现？
摘要：Apache Atlas 解析 Hive 视图字段级血缘的实现原理与实践 本文探讨了 Apache Atlas 2.4.0 如何实现 Hive 视图的元数据捕获与字段级血缘解析。通过 IoT 设备指标视图的案例，揭示了 Atlas 的双重机制： DDL 捕获：将视图作为特殊表（VIRTUAL_VIEW）注册，保存原始和展开后的视图定义 DML 血缘推导：利用 Hive 的 LineageInfo 分析逻辑计划，建立视图字段到源表字段的精确映射 生产配置要求 Hive 3.1+ 和 Atlas 2.4.
2026-07-09 09:18:07
238
原创 【Atlas】Hive Hook 是如何在 Hive 执行过程中捕获 SQL 血缘的？其工作流程是怎样的？
摘要：本文深入解析Apache Atlas Hive Hook的血缘捕获机制，以电商用户行为宽表治理为例，展示如何通过Hive Hook实现字段级血缘追踪。文章拆解了Hive Hook的四层工作模型：1) 通过MetaStoreEventListener注册回调；2) 从Operator Tree解析LineageInfo；3) 构建Atlas Entity建模血缘关系；4) 通过Kafka异步上报。详细说明了核心数据结构、关键源码路径和实体建模规则，并提供了生产级配置方案。该机制能有效解决数据异常溯源问题
2026-07-09 09:17:46
240
原创 【Atlas】 Apache Atlas 是否具备原生 SQL 解析能力？它如何获取 SQL 查询中的表和字段信息？
Apache Atlas 2.4.0 本身不具备原生SQL解析能力，其元数据捕获完全依赖外部系统的Hook机制。核心结论如下： 架构本质：Atlas采用被动上报模型，通过Hive/Spark/Flink等组件的Hook监听执行计划，提取元数据后以Entity形式上报至Kafka，由Atlas Server统一存储管理。 Hive实现：最成熟的方案，通过HiveHook捕获AST树和LineageInfo，能精确解析字段级血缘（如金融交易场景中SUM(tx_amount)→total_amount的映射）。
2026-07-09 09:17:30
176
原创 【Atlas】血缘数据的时效性如何？是实时还是准实时？
Apache Atlas血缘数据时效性分析：准实时架构与优化策略 摘要：Apache Atlas 2.4.0采用基于Kafka的异步架构实现准实时血缘关系更新，端到端延迟通常在1-5秒，但在高负载场景下可能恶化至分钟级。本文通过金融风控案例，深度剖析了从Hive Hook触发到Solr索引可查的全链路延迟构成（Kafka消息传递、HBase存储写入、Solr索引更新三大阶段），并给出关键优化配置：1）调整Kafka消费者参数减少消息积压；2）优化Solr软提交策略降低索引延迟；3）配置HBase写入缓冲区提
2026-07-09 09:17:11
330
原创 【Atlas】血缘图谱在 UI 中如何交互式查看？
Apache Atlas 血缘图谱UI交互解析 摘要：Apache Atlas 2.4.0 Web UI提供基于D3.js的交互式血缘图谱功能，支持缩放、拖拽、节点详情查看和上下游切换等操作，但默认仅展示depth=1的血缘关系。本文从电商场景实例出发，详细剖析了Atlas UI血缘图谱的渲染机制、交互功能和性能优化策略。关键点包括： 核心功能： 支持节点点击查看详情、缩放视图、拖拽移动和上下游切换 默认展示1层血缘关系，可通过URL调整深度 使用D3 Force-Directed Graph实现可视化 技
2026-07-09 09:16:48
332
原创 【Kafka】Kafka报错CORRUPT_MESSAGE This message has failed its CRC checksum
3.1 Kafka Pipeline Connector 有人使用过吗，对kafka版本有要求吗，遇到这个错误？,查看kafka的源码如下。这里可能涉及到另外一个报错。
2026-07-08 09:03:51
140
原创 【PostgreSQL】copy 批量处理数据
虽然 INSERT 是用于添加数据到数据库的标准 SQL 方法，但它不总是最合适的。假设我们有大量的行需要加入到数据库，但是实际上的数据，可能是在一个电子表格里。将数据插入数据库的一种方法先是使用电子表格的导出功能，所以我们可以可能将电子表格导出为 CSV（逗号分隔值）文件。然后我们可以使用类似于 Eacs 的文本编辑器，或者至少支持宏的其他工具，将所有的数据转换成 INSERT 语句。考虑以下的数据我们可能转换它为一系列的 INSERT 语句，所以它看上去类似于这样。
2026-07-08 09:03:31
8
原创 【PostgreSQL】psql 命令使用介绍
出自：PostgreSQL从入门到精通.pdf工具 psql 允许我们连接到数据库，执行查询以及管理数据库，包括使用 SQL 命令建立数据库，天剑新表以及输入和更新数据。
2026-07-08 09:03:15
7
原创 【MySQL】MySQL 所有日志文件
MySQL 日志文件，日志是mysql数据库的重要组成部分，记录着数据库运行期问各种状态信息。常见的日志有以下集中：作为开发，我们重点需要关注的是二进制日志(binlog)和事务日志(包括redo log和undolog)，本文接下来会详细介绍这三种日志。
2026-07-08 09:02:51
113
原创 【Atlas】 如何手动构建血缘关系（例如非标准 ETL 场景）？
强推荐：Shell/Python 脚本、自研调度系统、机器学习 pipeline不推荐：可通过标准 Hook 捕获的场景（增加维护成本）
2026-07-08 09:02:10
286
原创 【Atlas】Atlas 是否支持跨系统的端到端血缘（如 Kafka → Flink → ClickHouse）？
摘要：Apache Atlas跨系统端到端血缘实现方案 本文详细解答了如何在Apache Atlas中实现Kafka→Flink→ClickHouse的跨系统端到端血缘追踪。虽然Atlas 2.4.0官方版本不直接支持该功能，但通过扩展Type System和自研Connector可实现生产级解决方案。文章包含元模型设计（定义ClickHouse表和Flink作业类型）、qualifiedName命名规范、具体实现步骤（Kafka Topic注册、Flink血缘上报）和架构图说明。该方案已在金融级生产环境中
2026-07-08 09:01:54
255
原创 【Atlas】血缘深度（Lineage Depth）是否可配置？
强推荐：depth=1~3 的常规血缘追溯谨慎使用：depth=4~5 的合规审计场景禁止使用：depth≥6 的任意场景。
2026-07-08 09:01:39
258
原创 【Atlas】如何通过 API 查询某个表的上游/下游血缘？
强推荐：批处理作业血缘追溯、数仓分层影响分析不推荐：实时流作业（需额外上报）、字段级血缘（需扩展）
2026-07-08 09:01:18
315
原创 【Atlas】血缘信息在 Atlas 中以何种形式存储和展示？
Apache Atlas 的血缘信息存储与展示机制采用三元组关系模型（inputs-process-outputs）协同图数据库、列式存储和全文索引技术。核心要点如下： 存储架构： JanusGraph存储实体间关系（如hive_table→hive_process→hive_table） HBase保存实体原始属性（qualifiedName等） Solr提供属性检索加速 血缘模型： 以Process实体为中介节点连接输入输出 采用类似"快递转运中心"的逻辑依赖关系 通过relationshipAttri
2026-07-08 09:00:58
341
原创 【Atlas】Flink 作业是否支持与 Atlas 集成？如何上报血缘？
摘要：Apache Atlas 2.4.0 未提供原生 Flink 集成，但可通过自研 Connector 实现血缘管理。本文提出三大技术路径，重点推荐基于 FlinkAtlasReporter 的自研方案，通过解析 Source/Sink 配置构建 flink_process 实体并上报 Atlas。包含 Java 实现代码示例、作业集成方法和验证步骤，适用于需要精确追踪 Flink CDC 作业血缘的实时数仓场景。方案已在生产环境验证，支持 Kafka、Hudi 等数据源的端到端血缘闭环。
2026-07-08 09:00:25
337
原创 【Atlas】Spark 作业的血缘能否被 Atlas 自动捕获？需要什么插件？
Apache Atlas与Spark血缘集成方案解析 核心结论 官方现状：Apache Atlas 2.4.0未提供内置Spark血缘捕获插件，与Hive的完整支持形成对比 技术原因：Spark动态执行特性导致血缘捕获复杂度高，社区资源有限 生产级解决方案 方案1：自研Spark Listener 原理：通过SparkListener接口捕获作业逻辑计划，解析输入输出关系 优点：灵活可控，支持字段级血缘 挑战：需深入Spark内部机制，存在作业失败风险 部署：需配置spark.sql.queryExecut
2026-07-07 08:54:58
316
原创 【Atlas】 Atlas 如何捕获 Hive SQL 作业的血缘关系？
摘要 本文深度解析Apache Atlas捕获Hive SQL血缘关系的核心机制，重点剖析了Hive Hook如何拦截AST、构建三元组并通过Kafka上报的技术链路。主要内容包括： 三元组模型：血缘关系通过inputs(输入表)、outputs(输出表)、process(执行过程)三个核心Entity构成，形成完整的数据流转链条。 Hook工作机制：详细说明Hive Hook在SQL执行前的拦截时机，以及如何通过配置hive-site.xml启用Hook功能。 Entity构建：解析qualifiedNa
2026-07-07 08:54:36
270
原创 【Atlas】如何基于 Classification 进行数据资产搜索？
Apache Atlas基于Classification的数据资产搜索机制解析 本文深度剖析Apache Atlas 2.4.0中基于Classification（分类标签）的数据资产搜索能力，重点解决工业物联网场景下快速定位敏感数据的需求。主要内容包括： 核心机制：Classification信息通过Solr建立索引，字段名为__classificationNames，支持近实时更新和复杂查询。 搜索方式： Basic Search：简单标签匹配，适合快速查询 DSL Search：支持组合条件的高级搜索
2026-07-07 08:54:17
125
原创 【Atlas】如何为 Entity 打上 Classification 标签？
Apache Atlas 实体分类标签打标机制解析 本文深度剖析了Apache Atlas 2.4.0中Entity的Classification标签打标机制，以金融交易流水表自动识别PII字段为案例场景，从技术原理到生产实践进行全面解读。 核心内容涵盖： 分类标签的本质：作为特殊的Struct Type，Classification通过图数据库关系边实现逻辑关联，支持元数据属性标注而不改变实体结构。 五种打标方式对比： REST API手动打标（适合紧急修复） UI界面操作（适合低频治理） Hook自动打
2026-07-07 08:53:52
125
原创 【Atlas】 Atlas Web UI 的主要功能模块有哪些？
Apache Atlas Web UI 六大核心功能模块解析 摘要（148字）： Apache Atlas Web UI作为元数据治理中枢，包含六大功能模块：1）Search模块提供基于Solr的资产发现能力；2）Entity Details展示表结构、分类等完整元信息；3）Lineage模块通过D3.js实现血缘图谱可视化；4）Classification支持敏感数据自动打标；5）Glossary实现业务术语与技术资产映射；6）Audits记录元数据变更历史。各模块通过独立REST API访问底层HBas
2026-07-07 08:53:32
355
原创 【Atlas】如何通过 UI 查看数据资产目录？
在 Atlas 语境中，“数据资产目录”指通过 Web UI 浏览、搜索、查看详情的元数据集合数据库、表、列、视图、Kafka Topic、Flink 作业等 Entity它们的属性（如 owner、description、createTime）关系（如表属于哪个数据库、血缘上下游）治理标签（如 PII、GDPR、internal_only）⚠️重要前提：UI 本身不存储数据！它只是Atlas Server REST API 的前端消费者。
2026-07-07 08:53:14
262
原创 【Atlas】如何查询某个数据库下的所有表 Entity？
首选方案：使用前缀匹配，简单可靠。必做验证：通过curl单表查询确认格式。性能保障：设置足够大的limit，避免分页（Atlas 分页性能差）。监控兜底：部署 Solr 延迟和 Kafka 积压告警。在金融、电商等强监管场景中，元数据查询的准确性直接决定合规成败。掌握上述方法，可确保在秒级内定位任意数据库下的全量表资产，为血缘分析、敏感数据识别、成本分摊提供坚实基础。作者署名：九师兄【Apache Atlas】Apache Atlas 资深工程师到专家实战之路目录【目录】技术体系目录。
2026-07-07 08:52:59
293
原创 【Atlas】Atlas 是否支持批量导入 Entity？如何实现？
“44. Atlas 是否支持批量导入 Entity？如何实现？本文将围绕此问题，系统性地解析 Apache Atlas 2.4.0 中所有可行的批量导入 Entity 的技术路径，涵盖 REST API、Admin Import API、Hive Hook Bridge 工具三大核心方案，并深入源码、提供可落地的生产级代码与配置。逐条调用单实体创建 API () 在这种场景下无异于“用勺子舀干大海”——不仅效率低下，更会因频繁的网络往返和事务开销，迅速压垮 Atlas Server。此时，
2026-07-07 08:52:43
345
原创 【Atlas】如何更新或删除一个已存在的 Entity？
这篇文章详细介绍了Apache Atlas中实体更新与删除的操作指南和风险控制策略。以下是关键点摘要： 更新方式： Partial Update（PATCH）：仅修改指定属性，推荐使用，尤其适合维护血缘关系 Full Update（POST）：全量替换实体，需谨慎使用，可能覆盖关系数据 删除机制： 只支持软删除（标记__state=DELETED） 会导致血缘关系断裂，下游影响需评估 最佳实践： 更新前备份实体数据 优先使用Partial Update维护关键属性 重要实体删除前先标记为DEPRECATED
2026-07-07 08:52:16
287
原创 【Atlas】Entity 的唯一标识（qualifiedName）是如何构成的？
本文深入解析了Apache Atlas 2.4.0中qualifiedName的设计原理与核心作用。作为实体的"全球唯一身份证号"，qualifiedName遵循四段式命名空间法则（{namespace}.{asset-name}@{deployment-context}），确保跨系统血缘追踪的准确性。文章通过金融场景实例，对比了Hive表、HDFS路径等不同数据源的qualifiedName格式，并揭示了其在JanusGraph主键设计和Solr索引中的实现机制。同时强调qualifiedName一旦创建
2026-07-07 08:51:55
307
Eclipse Formatter 模板 Formatter.xml
2020-11-11
hadoop学习文档
2016-09-14
eclipse的hadoop插件
2016-09-14
我秦始皇 给我打钱 给我打钱
2025-11-19
TA创建的收藏夹 TA关注的收藏夹
TA关注的人