08-Hive高级查询join

最新推荐文章于 2024-08-13 17:53:59 发布
最新推荐文章于 2024-08-13 17:53:59 发布
阅读量1.4k 收藏 1
点赞数
分类专栏： Hive 文章标签： hive
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/qq_29622761/article/details/51598262
版权

声明：我的朋友，这一篇不要转载，因为你可以直接在这里看。

大家好，我们今天来学习Hive高级查询join语法。

你有没有期待把Hive学完整？我打算写完整，只要我知道。我写的都是比较接地气的，因为高大上的我知道的少。砸门一起加油进步吧！

1 我们先回顾一下上一节课说的。上一节我们知道了：order by是一个全局的操作，groupby是一个聚合的操作。避免数据倾斜的方法之一是设置参数：hive.groupby.skewindata=true；
当有数据倾斜的时候进行负载均衡，当选项设定为 true，生成的查询计划会有两个 MR Job。如果你想学多一点关于数据倾斜的知识，分享一个链接：数据倾斜的原因

2 今天学习【join】
表连接
2.1两个表m,n之间按照on条件连接，m中的一条记录和n中的一条记录组成一条新纪录 。
2.2 join等值连接，只有某个值在m和n中同时存在时
2.3 left outer join左外连接，左边表中的值无论是否是在b中存在时，都输出，右边表中的值只有在左边表中存在时才输出。
2.4 right outer join 和left outer join相反。
2.5left semi join 类似exits。
2.6 mapjoin 在map端完成join操作，不需要用ruduce，甚于内存做join,属于优化操作。

3 分别创建表m和表n，具有的字段如下：

clo	col2	m
A	1
C	5
B	2
C	3

col	col3	n
C	4
D	5
A	6

在hive控制台上执行以下语句：

create table m(
col string,
col2 string
)
row format delimited fields terminated by '\t' 
lines terminated by '\n'
stored as textfile;

create table n(
col string,
col3 string
)
row format delimited fields terminated by '\t' 
lines terminated by '\n'
stored as textfile;

load data local inpath '/usr/host/m' into table m;
load data local inpath '/usr/host/n' into table n;

以上的语句都看得懂吧，其实就是创建表和加载数据。

hive> select * from n;
OK
C	4
D	5
A	6
Time taken: 0.415 seconds
hive> select * from n;
OK
C	4
D	5
A	6
Time taken: 0.288 seconds
hive> select * from m;
OK
A	1
C	5
B	2
C	3
Time taken: 0.317 seconds
hive>

接下来我们开始join操作，语句如下：

hive> set hive.auto.convert.join=true;
hive> select s.col,s.col2,t.col3
    > from
    > (select col,col2 from m)s
    > join
    > (select col,col3 from n)t
    > on s.col=t.col;
java.lang.InstantiationException: org.antlr.runtime.CommonToken
Continuing ...
java.lang.RuntimeException: failed to evaluate: <unbound>=Class.new();
Continuing ...
java.lang.InstantiationException: org.antlr.runtime.CommonToken
Continuing ...
java.lang.RuntimeException: failed to evaluate: <unbound>=Class.new();
Continuing ...
Total MapReduce jobs = 3
Ended Job = -1393545778, job is filtered out (removed at runtime).
Ended Job = -1334217954, job is filtered out (removed at runtime).
2016-06-06 05:25:03	Starting to launch local task to process map join;	maximum memory = 518979584
2016-06-06 05:25:05	Processing rows:	3	Hashtable size:	3	Memory usage:	5078208	rate:	0.01
2016-06-06 05:25:05	Dump the hashtable into file: file:/tmp/root/hive_2016-06-06_05-24-57_982_7288788097348023892/-local-10002/HashTable-Stage-3/MapJoin-mapfile01--.hashtable
2016-06-06 05:25:05	Upload 1 File to: file:/tmp/root/hive_2016-06-06_05-24-57_982_7288788097348023892/-local-10002/HashTable-Stage-3/MapJoin-mapfile01--.hashtable File size: 432
2016-06-06 05:25:05	End of local task; Time Taken: 1.587 sec.
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
Mapred Local Task Succeeded . Convert the Join into MapJoin
Launching Job 2 out of 3
Number of reduce tasks is set to 0 since there's no reduce operator
Job running in-process (local Hadoop)
Hadoop job information for null: number of mappers: 1; number of reducers: 0
2016-06-06 05:25:19,055 null map = 0%,  reduce = 0%
2016-06-06 05:25:28,989 null map = 100%,  reduce = 0%, Cumulative CPU 0.97 sec
2016-06-06 05:25:30,087 null map = 100%,  reduce = 0%, Cumulative CPU 0.97 sec
2016-06-06 05:25:31,173 null map = 100%,  reduce = 0%, Cumulative CPU 0.97 sec
MapReduce Total cumulative CPU time: 970 msec
Ended Job = job_1465200327080_0019
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
OK
A	1	6
C	5	4
C	3	4
Time taken: 35.081 seconds
hive>

join等值连接，只有某个值在m和n中同时存在时才输出。所以输出的结果就是如上所示了。

2 左外连接

hive> set hive.optimize.skewjoin=true;
hive> set hive.auto.convert.join=true;
hive> select s.col,s.col2,t.col3
    > from
    > (select col,col2 from m)s
    > left outer join
    > (select col,col3 from n)t
    > on s.col=t.col;
Total MapReduce jobs = 2
Ended Job = 1311401655, job is filtered out (removed at runtime).
16/06/06 05:57:17 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name
16/06/06 05:57:17 INFO Configuration.deprecation: mapred.system.dir is deprecated. Instead, use mapreduce.jobtracker.system.dir
2016-06-06 05:57:18	Starting to launch local task to process map join;	maximum memory = 518979584
2016-06-06 05:57:20	Processing rows:	3	Hashtable size:	3	Memory usage:	5081104	rate:	0.01
2016-06-06 05:57:20	Dump the hashtable into file: file:/tmp/root/hive_2016-06-06_05-57-12_989_8198446239599600254/-local-10002/HashTable-Stage-3/MapJoin-mapfile111--.hashtable
2016-06-06 05:57:20	Upload 1 File to: file:/tmp/root/hive_2016-06-06_05-57-12_989_8198446239599600254/-local-10002/HashTable-Stage-3/MapJoin-mapfile111--.hashtable File size: 435
2016-06-06 05:57:20	End of local task; Time Taken: 1.401 sec.
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
Mapred Local Task Succeeded . Convert the Join into MapJoin
Launching Job 2 out of 2
Number of reduce tasks is set to 0 since there's no reduce operator
16/06/06 05:57:21 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name
16/06/06 05:57:21 INFO Configuration.deprecation: mapred.system.dir is deprecated. Instead, use mapreduce.jobtracker.system.dir
Job running in-process (local Hadoop)
Hadoop job information for null: number of mappers: 1; number of reducers: 0
2016-06-06 05:57:32,269 null map = 0%,  reduce = 0%
2016-06-06 05:57:41,293 null map = 100%,  reduce = 0%, Cumulative CPU 1.04 sec
2016-06-06 05:57:42,388 null map = 100%,  reduce = 0%, Cumulative CPU 1.04 sec
MapReduce Total cumulative CPU time: 1 seconds 40 msec
Ended Job = job_1465200327080_0027
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
OK
A	1	6
C	5	4
B	2	NULL
C	3	4
Time taken: 30.428 seconds
hive>

3 右外连接

hive> set hive.auto.convert.join=true;
hive> select s.col,s.col2,t.col3
    > from
    > (select col,col2 from m)s
    > right outer join
    > (select col,col3 from n)t
    > on s.col=t.col;
java.lang.InstantiationException: org.antlr.runtime.CommonToken
Continuing ...
java.lang.RuntimeException: failed to evaluate: <unbound>=Class.new();
Continuing ...
java.lang.InstantiationException: org.antlr.runtime.CommonToken
Continuing ...
java.lang.RuntimeException: failed to evaluate: <unbound>=Class.new();
Continuing ...
Total MapReduce jobs = 2
Ended Job = 84151671, job is filtered out (removed at runtime).
16/06/06 06:01:40 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name
16/06/06 06:01:40 INFO Configuration.deprecation: mapred.system.dir is deprecated. Instead, use mapreduce.jobtracker.system.dir
16/06/06 06:01:40 INFO Configuration.deprecation: mapred.local.dir is deprecated. Instead, use mapreduce.cluster.local.dir
2016-06-06 06:01:41	Starting to launch local task to process map join;	maximum memory = 518979584
2016-06-06 06:01:43	Processing rows:	3	Hashtable size:	3	Memory usage:	5105544	rate:	0.01
2016-06-06 06:01:43	Dump the hashtable into file: file:/tmp/root/hive_2016-06-06_06-01-36_820_8095318663586481472/-local-10002/HashTable-Stage-3/MapJoin-mapfile00--.hashtable
2016-06-06 06:01:43	Upload 1 File to: file:/tmp/root/hive_2016-06-06_06-01-36_820_8095318663586481472/-local-10002/HashTable-Stage-3/MapJoin-mapfile00--.hashtable File size: 451
2016-06-06 06:01:43	End of local task; Time Taken: 1.559 sec.
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
Mapred Local Task Succeeded . Convert the Join into MapJoin
Launching Job 2 out of 2
Number of reduce tasks is set to 0 since there's no reduce operator
16/06/06 06:01:44 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name
16/06/06 06:01:44 INFO Configuration.deprecation: mapred.system.dir is deprecated. Instead, use mapreduce.jobtracker.system.dir
16/06/06 06:01:44 INFO Configuration.deprecation: mapred.local.dir is deprecated. Instead, use mapreduce.cluster.local.dir
Job running in-process (local Hadoop)
Hadoop job information for null: number of mappers: 1; number of reducers: 0
2016-06-06 06:01:56,531 null map = 0%,  reduce = 0%
2016-06-06 06:02:05,414 null map = 100%,  reduce = 0%, Cumulative CPU 0.71 sec
2016-06-06 06:02:06,504 null map = 100%,  reduce = 0%, Cumulative CPU 0.71 sec
MapReduce Total cumulative CPU time: 710 msec
Ended Job = job_1465200327080_0029
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
OK
C	5	4
C	3	4
NULL	NULL	5
A	1	6
Time taken: 31.606 seconds
hive>

为什么输出的结果会是这样，下面这幅图好好琢磨一下吧。
4 数据输出对比
这里写图片描述

5 优化参数设置
如果你发现有问题，执行不了，可以在执行语句前设置以下参数尝试一下：

set hive.optimize.skewjoin=true;

这一个参数设置的意思是：类似于之前的groupby操作的时候设置优化参数避免数据倾斜问题，这一个也是具有类似意义。

6 mapjoin
mapjoin其实就是join的优化操作。
mapjoin(map side join)
在map端把小表加载到内存中，然后读取大表，和内存中的小表完成连接操作
其中使用了分布式缓存技术
mapjoin的原理：
这里写图片描述
优点：
不消耗集群的reduce资源（reduce相对紧缺）
减少了reduce操作，加快程序执行
降低网络
缺点：
占用部分内存，所以加载到内存中的表不能过大，因为每个计算节点都会加载一次
生成较多的小文件

设置成mapjoin有两种方式：
配置以下参数，是hive自动根据sql，选择使用common join或者map join
第一种方式：
set hive.auto.convert.join=true;
set hive.mapjoin.smalltable.filesize，默认值是25mb
第二种方式，手动指定，句式如下：

select /*+mapjoin(n)*/ m.col,m.col2,n.col3 from m
join n
on m.col=n.col；

hive> select /*+mapjoin(n)*/ m.col,m.col2,n.col3 from m
    > join n
    > on m.col=n.col;
Total MapReduce jobs = 1
16/06/06 06:04:14 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name
16/06/06 06:04:14 INFO Configuration.deprecation: mapred.system.dir is deprecated. Instead, use mapreduce.jobtracker.system.dir
16/06/06 06:04:14 INFO Configuration.deprecation: mapred.local.dir is deprecated. Instead, use mapreduce.cluster.local.dir
2016-06-06 06:04:16	Starting to launch local task to process map join;	maximum memory = 518979584
2016-06-06 06:04:17	Processing rows:	3	Hashtable size:	3	Memory usage:	5062584	rate:	0.01
2016-06-06 06:04:17	Dump the hashtable into file: file:/tmp/root/hive_2016-06-06_06-04-09_627_2210755106302628931/-local-10002/HashTable-Stage-1/MapJoin-n-11--.hashtable
2016-06-06 06:04:17	Upload 1 File to: file:/tmp/root/hive_2016-06-06_06-04-09_627_2210755106302628931/-local-10002/HashTable-Stage-1/MapJoin-n-11--.hashtable File size: 432
2016-06-06 06:04:17	End of local task; Time Taken: 1.451 sec.
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
Mapred Local Task Succeeded . Convert the Join into MapJoin
Launching Job 1 out of 1
Number of reduce tasks is set to 0 since there's no reduce operator
16/06/06 06:04:18 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name
16/06/06 06:04:18 INFO Configuration.deprecation: mapred.system.dir is deprecated. Instead, use mapreduce.jobtracker.system.dir
16/06/06 06:04:18 INFO Configuration.deprecation: mapred.local.dir is deprecated. Instead, use mapreduce.cluster.local.dir
Job running in-process (local Hadoop)
Hadoop job information for null: number of mappers: 1; number of reducers: 0
2016-06-06 06:04:29,775 null map = 0%,  reduce = 0%
2016-06-06 06:04:38,832 null map = 100%,  reduce = 0%, Cumulative CPU 1.01 sec
2016-06-06 06:04:39,896 null map = 100%,  reduce = 0%, Cumulative CPU 1.01 sec
2016-06-06 06:04:40,995 null map = 100%,  reduce = 0%, Cumulative CPU 1.01 sec
MapReduce Total cumulative CPU time: 1 seconds 10 msec
Ended Job = job_1465200327080_0030
Execution completed successfully
Mapred Local Task Succeeded . Convert the Join into MapJoin
OK
A	1	6
C	5	4
C	3	4
Time taken: 32.387 seconds
hive>

简单总结以下，mapjoin的使用场景：
1 关联操作中有一张表非常小
2 不等值的链接操作

好了，有点累了，今天就先玩到这里吧。如果你看到此文，想进一步学习或者和我沟通，加我微信公众号：名字：谢华东

在这里插入图片描述

当法律与事业相遇
关注
专栏目录
hive 报错Starting to launch local task to process map join； maximum memory = 518979584 Exception
qq_15009447的博客
06-10 927
Starting to launch local task to process map join; maximum memory = 518979584 Exception in thread “main” java.lang.OutOfMemoryError: Java heap space mapjoin的时候 OOM了。 MapJoin简单逻辑：读取小文件，缓存到distributeCache 再从cache里边读，和大表进行关联。 简单来说就是这边把表读到内存中，内存塞不下了爆了OOM.
Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.mr.MapredLocalTask
u010011737的专栏
12-08 9404
hive 遇到的问题，总结一下： Query ID = grid_20151208110606_377592ad-5984-4f7b-9cfc-9cb2d6be4b6a Total jobs = 1 java.io.IOException: Cannot run program "/home/grid/hadoop-2.6.1-64/bin/hadoop" (in directory "/r
MapJoin 详细介绍
最新发布
Taerge0110的博客
08-13 1428
MapJoin 是大数据处理框架如 Apache Hive 中的一种优化技术, 专门用于提升联接操作 (Join Operation) 的效率;通常在处理海量数据时, 联接操作需要在两张或多张表直接匹配数据行, 这个过程可能会消耗大量的时间和资源;MapJoin 提供了一种优化方案, 通过Map 阶段完成联接操作, 减少数据传输量和计算开销, 从而加快查询速度;MapJoin 是大数据处理框架中一个非常有效的优秀技术, 特别适用于大表与小表的联接操作;
starting to launch local task to process map join maximum memory =1029701632 的原因
zz0548的博客
07-19 4864
错误日志如下 这是由于join的时候，其中一个表（左表或者右表）没有数据或者数据很小导致的
大数据开发之Hive篇----join的工作原理和UDF的定义
weixin_39702831的博客
01-09 835
深入join的过程 虽然我们在Spark篇的SparkSQL入门中也提到了一些join的东西，但是还是不够详细。这里我们将在Hive中执行join操作，看看在执行计划中究竟是怎么样的。 现在我们有这么一个SQL语句，里面是对两个表进行join： select a.empno,a.ename,a.deptno,b.dname from emp a join dept b on a.de...
hive sql数据倾斜——大表join小表如何使用map join
qq_41018861的博客
01-05 5408
Map Join是Hive的一种优化操作，其适用于小表JOIN大表的场景，由于表的JOIN操作是在Map端且在内存进行的，所以其并不需要启动Reduce任务也就不需要经过shuffle阶段，从而能在一定程度上节省资源提高JOIN效率 一、mapjoin的使用场景： 关联操作中有一张表非常小 不等值的链接操作 二、具体使用： 方法一： 在Hive0.11前，必须使用MAPJOIN来标记显示地启动该优化操作，由于其需要将小表加载进内存所以要注意小表的大小 SELECT/*+MAPJOIN(smallta.
hive-9 hive高级查询之join
a3125504x的博客
06-28 546
hive高级查询之joinhive join 支持的类型注意事项Join操作内连接(inner join）左外连接(left [outer] join）右外连接 (right [outer] join）满外连接 (full [outer] join）左半连接（LEFT SEMI JOIN）笛卡尔积关联（CROSS JOIN）多表连接join原理join原理之common joinjoin原理之map joinjoin的优化官网地址 hive join 支持的类型 hive中支持： 内关联（JOIN） 左
apache-hive-2.3.6-bin.tar.gz
10-11
3. **优化器**：Hive的优化器根据执行计划进行查询优化，例如选择最佳的执行路径和JOIN策略。 4. **执行引擎**：Hive使用MapReduce、Tez或Spark作为执行引擎，将优化后的计划转化为分布式任务执行。 5. **数据存储**...
apache-hive-2.3.3-bin.7z
11-28
4. **编译和优化**：Hive将HQL转换为MapReduce任务，然后进行优化，如推导出常量、合并JOIN操作等，以提高查询效率。 5. **可扩展性**：Hive可以轻松地扩展到数千台服务器，处理PB级别的数据。 6. **容错性**：...
07-Hive高级查询order by、group by
热门推荐
当法律与事业相遇
06-06 1万+
声明：未经本人允许，不得转载哦！哈喽，大家好。这两天就要高考了，我原本是一名物理老师，这一届初高中的学生带完，估计就要开始找大数据岗位的工作了。目前掌握的是技能有java+linux++mysql+hadoop+hive+hbase，正在学习的是shell,计划2016年接着要学习的是scala+spark。祝我好运吧。今天我们一起来学习的是【Hive高级查询group、order语法】。话不多说，
Hive高级用法01-hive调优
小梁
07-24 1817
文章目录1. 查看执行计划    1.1 执行计划有什么用:    1.2 怎么查询执行计划    1.3 简单示例2.建表优化      2.1 建分区表         2.1.1 什么是分区表   &nbs
MapJoin 的使用方法
Taerge0110的博客
10-27 1154
在对大表和一个或多个小表执行join操作时，mapjoin会将您指定的小表全部加载到执行join操作的程序的内存中，在Map阶段完成表连接从而加快join的执行速度。要使MapJoin能够顺利进行，那就必须满足这样的条件：除了一份表的数据分布在不同的Map中外，其他连接的表的数据必须在每个Map中有完整的拷贝。mapjoin在Map阶段执行表连接，而非等到Reduce阶段才执行表连接，可以缩短大量数据传输时间，提升系统资源利用率，从而起到优化作业的作用。mapjoin中多个小表用英文逗号（,）分隔，例如/
Hive 高级查询 详解（实例操作演示）CET、JOIN、MAPJOIN、UNION、CLUSTER BY、ISTRIBUTE BY 、SORT BY
小白
06-11 1125
Hive高级查询Hive查询-select基础Hive查询-CTE和嵌套查询CTE嵌套查询Hive查询-进阶列匹配正则表达式虚拟列（Virtual Columns）Hive join - 关联查询实操：Hive JOIN – MAPJOINHive集合操作(UNION)UNION在FROM子句内Hive数据排序 - ORDER BY Hive查询-select基础 SELECT用于映射符合指定查询条件的行 Hive SELECT是数据库标准SQL的子集 使用方法类似于MySQL SELECT 1; SE
Map Join案例实操
weixin_63257947的博客
05-18 449
在Reduce端处理过多的表，非常容易产生数据倾斜。我们可以在Map端缓存多张表，提前处理业务逻辑，这样增加Map端业务，减少Reduce端数据的压力，尽可能的减少数据倾斜。具体办法：采用DistributedCache（1）在Mapper的setup阶段，将文件读取到缓存集合中。（2）在Driver驱动类中加载缓存。//缓存普通文件到Task运行节点。//如果是集群运行,需要设置HDFS路径。
hive基础与高级查询
korry24的博客
04-04 567
hive基础与高级查询1.数据库和数据仓库1.1 数据仓库1.2 数据库和数据仓库的区别1.3 数据仓库的分层架构2.Hive2.1 Hive的基本概念2.2 Hive元数据管理2.3 hive的命令窗口模式2.4 hive的数据类型2.5 数据库与数据表2.6 建表语句2.7 hive 分区2.8 分桶2.9 Hive视图（Views）2.10 装载数据2.11 Hive数据排序2.12 聚合函数2.13 窗口函数 1.数据库和数据仓库 1.1 数据仓库 什么是数据仓库 数据仓库（Data Wareho
Hive中MapJoin的原理和机制
ych0112xzz的博客
07-24 8596
笼统的说，Hive中的Join可分为Common Join（Reduce阶段完成join）和Map Join（Map阶段完成join）。本文简单介绍一下两种join的原理和机制。 1 Hive Common Join 如果不指定MapJoin或者不符合MapJoin的条件，那么Hive解析器会将Join操作转换成Common Join,即：在Reduce阶段完成join. 整个过程包含Ma...
Hive Map Join 原理
hellojoy的博客
01-27 548
https://cloud.tencent.com/developer/article/1481780 1. Join如何运行 首先，让我们讨论一下 Join 如何在Hive中运行。Common Join 操作如图1所示被编译为 MapReduce 任务。Common Join 任务涉及 Map 阶段和 Reduce 阶段。Mapper 从连接表中读取数据并将连接的 key 和连接的 value 键值对输出到中间文件中。Hadoop 在所谓的 shuffle 阶段对这些键值对进行排序和合并。Reduce
大表join小表，独钟爱mapjoin
我的祖传代码
09-22 1935
在Hive调优里面，经常会问到一个很小的表和一个大表进行join，如何优化。 ​ Shuffle 阶段代价非常昂贵，因为它需要排序和合并。减少 Shuffle 和 Reduce 阶段的代价可以提高任务性能。 MapJoin通常用于一个很小的表和一个大表进行join的场景，具体小表有多小，由参数hive.mapjoin.smalltable.filesize来决定，该参数表示小表的总大小，默认值为25000000字节，即25M。 Hive0.7...
Hive数据查询语言指南：从基础到高级
“大数据学习：Hive数据查询语言.pdf”涵盖了Hive数据仓库中关于HiveQL（Hive Query Language）的使用，旨在帮助用户熟练掌握Hive数据查询的各种操作。 在Hive数据仓库中，HiveQL是主要的数据查询语言，它基于SQL，...
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

当法律与事业相遇

你的鼓励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