Hadoop 安装配置、官方案例、自己编写案例（入门到入土）

最新推荐文章于 2023-06-04 01:12:30 发布
最新推荐文章于 2023-06-04 01:12:30 发布
阅读量669 收藏 4
点赞数
分类专栏： Hadoop
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_39451578/article/details/110290915
版权

os: ubuntu 18.04
jdk: 1.8
hadoop: 3.0.3

1.linux下安装jdk和idea

linux下安装jdk和idea

2.SSH的安装、配置

参考自Ubuntu18.04安装hadoop
在Linux中安装SSH免登录认证，用于避免使用Hadoop时的权限问题。
SSH的安装命令:

sudo apt-get install ssh
ssh-keygen -t rsa

密码输入空

cd ~/.ssh
cat id_rsa.pub >> authorized_keys
ssh localhost

3.hadoop下载安装

tar -zxf /home/yusong/Desktop/hadoop-3.0.3.tar.gz  -C /home/yusong/software     # 解压到指定目录中
cd /home/yusong/software  # 进入当指定目录
mv ./hadoop-3.0.3/ ./hadoop # 将文件夹名改为hadoop
chown -R huyn ./hadoop      # 修改文件权限

验证是否安装成功

cd /usr/local/hadoop
./bin/hadoop version

安装成功会显示版本：

Hadoop 3.0.3
Source code repository https://yjzhangal@git-wip-us.apache.org/repos/asf/hadoop.git -r 37fd7d752db73d984dc31e0cdfd590d252f5e075
Compiled by yzhang on 2018-05-31T17:12Z
Compiled with protoc 2.5.0
From source with checksum 736cdcefa911261ad56d2d120bf1fa
This command was run using /home/yusong/software/hadoop/share/hadoop/common/hadoop-common-3.0.3.jar

4.测试

参考官方教材：Hadoop: Setting up a Single Node Cluster.
博客：hadoop3的简单安装方法（单节点）

1.独立运行

默认情况下，Hadoop被配置为以非分布式模式作为单个Java进程运行。这对于调试很有用。
下面的示例复制解压缩的conf目录以用作输入，然后查找并显示给定正则表达式的每个匹配项。输出被写入给定的输出目录。

  $ mkdir input
  $ cp etc/hadoop/*.xml input
  $ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.3.jar grep input output 'dfs[a-z.]+'
  $ cat output/*

输出结果为：

1	dfsadmin

2.伪分布式

组态

在/etc/hadoop/core-site.xml文件末尾添加如下内容：

vim ./etc/hadoop/core-site.xml

添加内容：

<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

在/etc/hadoop/hdfs-site.xml文件末尾添加如下内容：

vim ./etc/hadoop/hdfs-site.xml

添加内容：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
</configuration>

打开文件添加java路径：

vim ./etc/hadoop/hadoop-env.sh

添加内容：

export JAVA_HOME=/home/yusong/software/jvm/jdk1.8.0_271
执行

以下说明是在本地运行MapReduce作业。如果要在YARN上执行作业，请参阅YARN在单节点上。

  • 1.格式化文件系统：
    bin/hdfs namenode -format
  • 2.启动NameNode守护程序和DataNode守护程序：
    sudo sbin/start-dfs.sh
    如果报错如下：
   Starting namenodes on [localhost]
   ERROR: Attempting to operate on hdfs namenode as root
   ERROR: but there is no HDFS_NAMENODE_USER defined. Aborting operation.
   Starting datanodes
   ERROR: Attempting to operate on hdfs datanode as root
   ERROR: but there is no HDFS_DATANODE_USER defined. Aborting operation.
   Starting secondary namenodes [yusong-desktop]
   ERROR: Attempting to operate on hdfs secondarynamenode as root
   ERROR: but there is no HDFS_SECONDARYNAMENODE_USER defined. Aborting operation

需要执行如下操作

vim sbin/start-dfs.sh

添加如下内容：

HDFS_DATANODE_USER=yusong
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=yusong
HDFS_SECONDARYNAMENODE_USER=yusong

vim sbin/stop-dfs.sh

添加如下内容：

HDFS_DATANODE_USER=yusong
HADOOP_SECURE_DN_USER=hdfs
HDFS_NAMENODE_USER=yusong
HDFS_SECONDARYNAMENODE_USER=yusong

然后在重新执行上面的操作：sudo sbin/start-dfs.sh

  • 3.浏览Web界面以查找NameNode；默认情况下，它在以下位置可用：
    NameNode- http://localhost:9870/
    在这里插入图片描述
    在Utilities->Browse the file system功能界面如下：
    在这里插入图片描述
  • 4.设置执行MapReduce作业所需的HDFS目录：
    bin/hdfs dfs -mkdir /user
bin/hdfs dfs -mkdir /user/yusong   // 换成自己的用户名
  • 5.将输入文件复制到分布式文件系统中：
    bin/hdfs dfs -mkdir input
bin/hdfs dfs -put etc/hadoop/*.xml input
  • 6.运行提供的一些示例：
    bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.3.jar grep input /user/yusong/output 'dfs[a-z.]+'
  • 7.检查输出文件：将输出文件从分布式文件系统复制到本地文件系统并检查它们：
    bin/hdfs dfs -get /user/yusong/output output
cat output/*
    要么
    查看分布式文件系统上的输出文件：
    bin/hdfs dfs -cat /user/yusong/output/*
    结果如下：
    在这里插入图片描述
    bin/hdfs dfs -cat /user/yusong/output/*
  • 8.完成后，使用以下命令停止守护进程：
    sbin/stop-dfs.sh

可以在网页上看到上面操作产生的数据：
在这里插入图片描述

在单个节点上的YARN

可以通过设置一些参数并另外运行ResourceManager守护程序和NodeManager守护程序，以伪分布式模式在YARN上运行MapReduce作业。
以下指令假定上述指令的步骤已经执行。

  • 配置参数如下：

    vim etc/hadoop/mapred-site.xml

    添加如下内容：

    <configuration>
    <property>
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <name>mapreduce.application.classpath</name>
        <value>$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/*:$HADOOP_MAPRED_HOME/share/hadoop/mapreduce/lib/*</value>
    </property>
</configuration>

    配置参数如下：

    vim etc/hadoop/yarn-site.xml

    添加如下内容：

    <configuration>
    <property>
        <name>yarn.nodemanager.aux-services</name>
        <value>mapreduce_shuffle</value>
    </property>
    <property>
        <name>yarn.nodemanager.env-whitelist</name>
        <value>JAVA_HOME,HADOOP_COMMON_HOME,HADOOP_HDFS_HOME,HADOOP_CONF_DIR,CLASSPATH_PREPEND_DISTCACHE,HADOOP_YARN_HOME,HADOOP_MAPRED_HOME</value>
    </property>
</configuration>

  • 启动ResourceManager守护程序和NodeManager守护程序：

    sbin/start-yarn.sh

    可能会报如下错误：

    Starting resourcemanagers on []
  ERROR: Attempting to operate on yarn resourcemanager as root
  ERROR: but there is no YARN_RESOURCEMANAGER_USER defined. Aborting operation.
  Starting nodemanagers
  ERROR: Attempting to operate on yarn nodemanager as root
  ERROR: but there is no YARN_NODEMANAGER_USER defined. Aborting operation.

    可以看出是因为没有配置YARN_RESOURCEMANAGER_USER和YARN_NODEMANAGER_USER导致的。需要到 sbin 目录下 更改 start-yarn.sh 和 stop-yarn.sh 信息，在两个配置文件的第一行添加user：
    依次打开文件：

    vim sbin/start-yarn.sh
vim sbin/stop-yarn.sh

    添加内容：

    YARN_RESOURCEMANAGER_USER=root
HADOOP_SECURE_DN_USER=yarn
YARN_NODEMANAGER_USER=root

    重新执行：sbin/start-yarn.sh

  • 浏览Web界面以找到ResourceManager；默认情况下，它在以下位置可用：
    ResourceManager - http://localhost:8088/
    在这里插入图片描述

  • 运行MapReduce作业。
    运行依然要保证dfs在运行，如果没有，需要开启：
    sbin/start-dfs.sh
    例如执行：

    bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.3.jar wordcount input_2 /user/yusong/output_2

    出现如下错误：

      2020-11-28 22:10:24,373 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032
java.net.ConnectException: Call From yusong-desktop/127.0.1.1 to localhost:9000 failed on connection exception: java.net.ConnectException: Connection refused; For more details see:  http://wiki.apache.org/hadoop/ConnectionRefused
	at sun.reflect.NativeConstructorAccessorImpl.newInstance0(Native Metho

    查看：cat /etc/hosts
    结果如下：

    127.0.0.1	localhost
127.0.1.1	yusong-desktop

The following lines are desirable for IPv6 capable hosts
   ::1     ip6-localhost ip6-loopback
   fe00::0 ip6-localnet
   ff00::0 ip6-mcastprefix
   ff02::1 ip6-allnodes
   ff02::2 ip6-allrouters

    参考：https://blog.csdn.net/Julyaaaa/article/details/94865033
    执行：

    修改/etc/hosts文件，将::1开头的那一行注释掉（代码前面加上#即可）；
    注意：修改该文件需要root权限，开启方法：
    sudo vim /etc/hosts #按i在原地插入，插入完之后按Esc，输入：wq，回车，完成修改。
    修改core-site.xml文件，将localhost改为主机名。
    主机名查询方法：hostname
    初始化名称节点：bin/hadoop namenode -format
    重启hadoop：./sbin/start-all.sh
    关闭hadoop：./sbin/stop-all.sh
    关闭防火墙：service iptables stop
    如果上面的命令报错可以用下面的：
    使用sudo ufw status命令查看当前防火墙状态。
    使用sudo ufw enable命令来开启防火墙。
    使用sudo ufw disable命令来关闭防火墙。
    查询9000端口是否开启：lsof -i:9000，若未开启，检查core-site.xml配置是否正确。
    若开启，查询9000端口是否连接：netstat -tlpn
    （我到这一步就成功了，主机ip成功连接上9000端口）

  • 完成后，使用以下命令停止守护进程：

    sbin/stop-yarn.sh
sbin/start-dfs.sh

词频统计(wordcount)

1.利用官方在自带的测试

利用Hadoop自带的share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.3.jar来实现。
参考：hadoop3.1.3wordcount实例讲解
随便在某处建立一个文件例如：

vim /home/yusong/test.txt

内容如下：

hello
world
qit
stop
sdf
apple
EA
steam
orange
world
hello

bin/hdfs dfs -mkdir input_2
bin/hdfs dfs -put /home/yusong/test.txt /user/yusong/input_2
bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.0.3.jar wordcount input_2 /user/yusong/output_2
bin/hdfs dfs -cat /user/yusong/output_2/*

结果如下：

EA	1
apple	1
hello	2
orange	1
qit	1
sdf	1
steam	1
stop	1
world	2

2.自己编写

不是用官方提供的jar来实现wordcount需要自己先编写代码，然后打包为jar包，使用自己生成的jar包来运行wordcount。
这个思路很简单，但是网上教材差异很大，我按照官方教材也运行失败了。
下面记录下经过多次摸索得到的过程。在本文第一节jdk和idea中已经介绍了idea的安装，下面将基于idea来介绍。

1.建立一个java maven项目

首先需要在idea中建立一个maven项目，File->new->Project->选择Maven(Project SDK一定要和你hadoop配置的jdk版本一致！)->next->HadoopDemo
在这里插入图片描述

2.代码编写

代码是从官方教材上摘的代码来源。
在项目结果src/main/java下新建一个class文件：WordCount.java，代码解读,内容如下：

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCount {

    public static class TokenizerMapper
            extends Mapper<Object, Text, Text, IntWritable>{

        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public void map(Object key, Text value, Context context
        ) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());
                context.write(word, one);
            }
        }
    }

    public static class IntSumReducer
            extends Reducer<Text,IntWritable,Text,IntWritable> {
        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterable<IntWritable> values,
                           Context context
        ) throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get();
            }
            result.set(sum);
            context.write(key, result);
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        FileInputFormat.addInputPath(job, new Path(args[0]));
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}
3.打jar包

打包前需要先配置依赖，在项目主目录下有个pom.xml文件，在里面添加如下内容，注意我在里面配置的jdk为1.8。

<dependencies>
        <!-- hadoop-client-->
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-mapreduce-client-core</artifactId>
            <version>3.0.3</version>
            <scope>provided</scope>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>3.0.3</version>
            <scope>provided</scope>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.8.1</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                </configuration>
            </plugin>
        </plugins>
    </build>

添加并保存后，点击右侧Maven->HadoopDamo->Lifecycle->package,有疑问可以参考Hadoop实例学习(五)打jar包)双击package之后，idea自动为我们打jar包，待完成后，可以在项目主目录下的target路径下看到新生成的jar包: HadoopDamo-1.0-SNAPSHOT.jar,如下图所示：
在这里插入图片描述

3.运行测试

我将 HadoopDamo-1.0-SNAPSHOT.jar改名为wc2.jar,然后放到hadoop下的新建的myjar文件夹下，操作如下：

mkdir myjar
cp /home/yusong/IdeaProjects/HadoopDamo/target/wc2.jar myjar/wc2.jar
bin/hadoop jar myjar/wc2.jar WordCount input_2 /user/yusong/output_2

以上操作建立在已经开启了hadoop的基层之上。
运行结果：
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
查看运行结果：bin/hdfs dfs -cat /user/yusong/output_2/*
在这里插入图片描述

倒排索引(Inverted Index)

MapReduce功能实现十—倒排索引(Inverted Index)

hdfs中删除文件、文件夹、抓取内容

ystraw_ah
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
Hadoop-官方小例子
Ficus的博客
09-13 531
Hadoop 官方小例子Hadoop 官方小例子Grep 案例1 创建input文件夹2 拷贝etc/hadoop文件夹下 后缀为xml的文件到input文件夹下3 执行4 输出WordCount 案例1 创建在hadoop-2.7.2文件下面创建一个wcinput文件夹2 在wcinput文件下创建一个wc.input文件3 编辑wc.input文件4 回到Hadoop目录/opt/module/hadoop-2.7.25 执行程序6 查看结果 Hadoop 官方小例子 Grep 案例 1 创建input
Hadoop的单机模式和官方示例
致虚极，守静笃，万物并作，吾以观其复
05-08 445
一、 单机模式说明 单机模式是Hadoop的默认模式。 又称本地模式、独立模式等。 因为不需要与其他节点交互，单机模式就不使用HDFS，也不加载任何Hadoop的守护进程。 该模式主要用于开发调试MapReduce程序的应用逻辑。 1. 环境准备 在一台linux机器上，安装好hadoop运行环境，安装方式请查看：HADOOP运行环境搭建 2. 配置说明 首先说明，单机模式在安装之后不需要修改任何配置，配置文件为空即可！ 之所以单机模式不需要任何配置文件，是因为配置文件不配置时，系统默认值即为单机模式所
Hadoop之MapReduce官方案例实战
yxdwind的博客
12-30 174
Hadoop之MapReduce官方案例实战
Hadoop运行mapre官方程序实例
qq_27527961的博客
11-09 451
1、运行grep案例，grep是官方提供的搜索文件中的单词的出现次数     根据正则表达式来进行搜索          1.1进入share目录下的hadoop/mapreduce目录环境，可以看到可以运行         官方实例的jar包，然后记住目录，返回到hadoop目录下执行该jar对应的命令      2、同理，可以使用的方式进行wordcount实例的启动。  ...
hadoop几个实例
07-28
网上很难找的hadoop代码，很适合初学或想从事大数据方向的程序猿，心动者赶紧下载。
hadoop安装配置共51页.pdf.zip
10-29
【标题】：“Hadoop安装配置共51页.pdf”是一个关于Hadoop分布式文件系统安装与配置的详细教程，涵盖了从环境准备到集群搭建的全过程。Hadoop是Apache软件基金会的一个开源项目，它为大规模数据处理提供了可靠、可...
hadoop案例-只有案例无答案
11-17
hadoop案例-只有案例无答案
Hadoop安装和配置
08-20
Hadoop安装和配置，Hadoop安装和配置，Hadoop安装和配置
Hadoop简单应用案例
06-04
在案例中，你会学习到如何设置和使用Zookeeper来管理和监控Hadoop集群。 5. **Hive**：Hive是基于Hadoop的数据仓库工具，它可以将结构化的数据文件映射为一张数据库表，并提供SQL（HQL，Hive SQL）接口进行查询，...
【Hadoop笔记_4】项目案例实战
REDANDBLUE_OvO的博客
04-26 4346
由于文章太长，其余部分在我的其他几篇博客中！ 第一部分：Hadoop介绍及安装 第二部分：HDFS 第四部分：MapReduce 6、基于Web日志数据处理的网站KPI分析系统项目 分析资料 链接：https://pan.baidu.com/s/1sn9uRWi3Rhl4GL4g04Tv5w 提取码：zidg 6.1 项目开发流程 6.2 项目任务 6.2.1 合并小文件 说明： 由于在网络上挖掘下来的数据可能不止一个文件，而对每一个小文件进行MapReduce分析则需要分成等.
基于Hadoop的项目实战-职位数据综合分析
热门推荐
cxm259的博客
07-21 1万+
一、数据采集（selenium） from selenium import webdriver import time import re import pandas as pd import os 在爬取的过程中可能会有登陆弹窗，要先定义一个处理弹窗的函数 def close_windows(): #如果有登录弹窗，就关闭 try: time.sleep(0.5) if dr.find_element_by_class_name("jconfi..
Hadoop实战——MapReduce实现主播的播放量等数据的统计及TopN排序（第一篇）
小袁同学的博客
11-23 8985
本次实战项目一共分三篇教学（二三篇后续更新） 第一篇：对主播文本数据的清洗，从大量数据中获取我们所需要的数据（如播放量，时长等） 第二章：对清洗后的数据进行统计处理操作，对相同的主播id进行对应播放量等的求和统计，同时对id号进行从小到大的升序操作 第三章：对统计好的数据进行Top10展示的操作，Top10的排序规则可自定义（如播放量的Top10，粉丝量的Top10等），当然也可以进行Top100的操作，都是自己定义的 目录 一、流程介绍 二、创建Maven工程项目 （1）创建Maven .
Hadoop—20.网站日志分析项目案例（详解）
最新发布
yh1009的博客
06-04 3053
本次实践的目的就在于通过mapreduce方法对apache common日志进行分析，计算一些关键指标。
高可用Hadoop平台－实战
weixin_33859844的博客
04-01 309
1.概述 　　今天继续《高可用的Hadoop平台》系列，今天开始进行小规模的实战下，前面的准备工作完成后，基本用于统计数据的平台都拥有了，关于导出统计结果的文章留到后面赘述。今天要和大家分享的案例是一个基于电商网站的用户行为分析，这里分析的指标包含以下指标： 统计每日PV 每日注册用户 每日IP 跳出用户 　　其他指标可以参考上述4个指标进行拓展，下面我们开始今天的分析之旅。 ...
【学习笔记】大数据技术之Hadoop（源码记录）
prague6695的博客
03-22 2439
源码第0章 RPC通信原理解析第1章 NameNode启动源码解析1.1 启动9870端口服务1.2 加载镜像文件和编辑日志1.3 初始化NN的RPC服务端1.4 NN启动资源检查1.5 NN对心跳超时判断1.6 安全模式第2章 DataNode启动源码解析2.1 初始化DataXceiverServer2.2 初始化HTTP服务2.3 初始化DN的RPC服务端2.4 DN向NN注册2.5 向NN发送心跳第3章 HDFS上传源码解析3.1 create创建过程3.1.1 DN向NN发起创建请求3.1.2 N
hadoop inputformat
weixin_41948645的博客
09-22 392
MapReduce过程Mapper的输出参数和Reducer的输入参数是一样的，都是中间需要处理的结果，而Reducer的输出结果便是我们想要的输出结果。所以根据需要对InputFormat进行较合理的设置，Job才能正常运行。Job过程中间的Key和Value的对应关系可以简单阐述如下： map: <k1,v1> -> list(k2,v2) combile: <k2,list(v2)> ->
Hadoop大数据综合案例5-SSM可视化基础搭建
CDHong.it的技术分享博客
05-17 4702
数据可视化是利用计算机图形学和图像处理技术,将数据转换成图形或图像在屏幕上显示出来,从而进行交互处理的理论、方法和技术。数据可视化涉及计算机图形学、图像处理、计算机视觉、计算机辅助设计等多个领域,成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。有效的可视化可以帮助用户分析、推理数据。数据可视化使复杂的数据更容易理解和使用。 系统架构 招聘网站职位分析可视化系统以JavaWeb为基础搭建，通过SSM（Spring、Springmvc、Mybatis）框架实现后端功能，前端在Jsp中使用Echart
java.net.ConnectException: 拒绝连接； For more details see: http://wiki.apache.org/hadoop/ConnectionRefu
AAAiii_的博客
03-10 1万+
java.net.ConnectException: 拒绝连接; For more details see: http://wiki.apache.org/hadoop/ConnectionRefused 可能是没睡醒的原因，一打开虚拟机就想着把hive启动起来，结果，出现面前的错误让我猝不及防，仔细看看 Exception in thread “main” java.lang.RuntimeException: java.net.ConnectException: Call From hadoop102
Hadoop安装配置流程.doc
03-07
hadoop伪分布式安装文档 这个文档里主要介绍了Hadoop的安装与环境搭建教程图解,本文图文并茂给大家介绍的非常详细，具有一定的参考借鉴价值，需要的朋友可以参考下

“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

ystraw_ah

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