MySQL-窗口函数

已于 2023-02-13 00:43:03 修改
阅读量893 收藏 2
点赞数 1
分类专栏： MySQL 文章标签： mysql 数据库 sql
于 2023-02-11 21:17:44 首次发布
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_43501821/article/details/128989228
版权

窗口函数

概念

窗口函数对一组查询执行类似于聚合的操作。然而，聚合操作将查询行分组为单个结果行，而窗口函数为每个查询行生成一个结果；

查询中的每个窗口操作都通过包含一个OVER子句来表示，该子句指定如何将查询行划分为组以供窗口函数处理：

  • 第一个OVER子句为空，它将整个查询行集视为一个分区。窗口函数因此产生一个全局计算结果，但对每一行都这样做。
  • 第二个OVER子句按对应的分区，生成每个组的计算结果。该函数为每个分组行生成次计算结果

窗口函数只允许在选择列表(类似于需要显示的字段)和ORDER BY子句中使用。查询结果行由FROM 子句确定，在WHERE、GROUP BY和HAVING处理之后，，窗口执行发生在ORDER BY、LIMIT和SELECT DISTINCT之前。

常用窗口函数

聚合窗口函数

  • AVG() – 窗口内平均数
  • COUNT() – 窗口内数据
  • MAX() – 窗口内最大值
  • MIN() – 窗口内最小值
  • SUM() – 窗口内求和

当聚合函数带有OVER()子句是则该函数为聚合窗口函数

专用窗口函数

  • ROW_NUMBER() ---- 分区行号
  • RANK() · ---- 分区内的排名，有间隙（间隙指同排名会继续往后排）
  • DENSE_RANK() ---- 分区内的排名，没有间隙
  • PERCENT_RANK() ---- 分区内的百分比排名， (rank - 1) / (rows - 1)
  • LAG() ---- 分区内向上平移
  • LEAD() ---- 分区内向下平移
  • NTILE() ---- 分区（平均的划分） 得到的当前行是第几桶
  • FIRST_VALUE() ---- 窗口内的第一行
  • LAST_VALUE() ---- 窗口内的最后一行
  • NTH_VALUE() ---- 窗口内第几行的数据

专用窗口函数必须要有OVER()子句

分区与窗口的区别

分区为 partition by 执行过后的所有行 称之为分区 如果没有partition by 则所有行称之为分区

当我们的分区加上了 rows|range 他们指定的范围内的数据称之为窗口

语法

OVER子句

# 有两种形式定义OVER 子句
over_clause:
	{OVER (window_spec) | OVER window_name}
window_spec
# 以下几个部分都是可选的
window_spec:
	[window_name] [partition_clause] [order_clause] [frame_clause]

如果OVER() 为空，则分区由所有查询行组成，窗口函数使用所有行计算结果。否则，括号内的子句确认哪些查询行用于计算函数结果以及他们如何分区、窗口和排序：

window_name (命名窗口)

可以定义窗口并为他指定名称，以便在OVER子句中引用它们，使用WINDOW关键字定义，WINDOW子句位于 HAVING 和ORDER BY之间

WINDOW window_name as(window_spec)
	[,window_name as (window_spec)]...

SELECT
  DISTINCT year, country,
  # 可以继续添加 window_name 中没有的子句
  FIRST_VALUE(year) OVER (w ORDER BY year ASC) AS first, 
  FIRST_VALUE(year) OVER (w ORDER BY year DESC) AS last
FROM sales
WINDOW w AS (PARTITION BY country);

window_name可以互相引用但是不能循环引用

partition_clause 分区

一个PARTITION BY子句 指示如何将查询行分区。给定行的窗口函数结果基于包含该行的分区的行查询。

如果PARTITION BY忽略，则存在所有查询行组成的单个分区

PARTITION BY 语法
PARTITION BY expr [,expr1] ...
order_clause 排序
order_clause:
	ORDER BY expr [ASC|DESC] [,expr1 [ASC|DESC]] ...
frame_clause 范围 （指定窗口大小）
frame_clause:
    frame_units frame_extent

frame_units:
    {ROWS | RANGE}
    
frame_extent:
    {frame_start | frame_between}

frame_between:
    BETWEEN frame_start AND frame_end
FOLLOWING
frame_start, frame_end: {
    CURRENT ROW         -- 当前行
  | UNBOUNDED PRECEDING -- 之前所有含当前行
  | UNBOUNDED FOLLOWING -- 之后所有含当前行
  | expr PRECEDING      -- 当前行 之前的expr行 不包含当前行
  | expr FOLLOWING      -- 当前行 之后的expr行 不包含当前行
}

如果没有 frame_clause 则会取决于order_clause是否存在

  • 存在

    • 则当前分区的开始到当前行 包含当前行

      RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW

  • 不存在

    • 则默认为当前分区的所有行

      RANGE BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING

使用限制

  1. 不支持在UPDATE orDELETE中使用
  2. 不允许嵌套窗口

练习

准备

INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (1, '可比克', '食品', 'a', 10, '2022-01-01');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (2, '乐事', '食品', 'b', 15, '2022-01-01');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (3, '布洛芬', '药品', 'a', 50, '2022-02-11');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (4, '999感冒灵', '药品', 'b', 20, '2022-03-01');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (5, '连花清瘟胶囊', '药品', 'c', 100, '2022-04-03');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (6, '扫把', '日用品', 'b', 10, '2022-05-05');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (7, '拖把', '日用品', 'b', 20, '2022-06-01');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (8, '口罩', '日用品', 'c', 50, '2022-07-01');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (9, '德芙', '食品', 'c', 120, '2022-08-05');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (10, '镜子', '日用品', 'c', 55, '2022-09-04');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (11, '卫龙', '食品', 'a', 8, '2022-10-01');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (12, '方便面', '食品', 'b', 5, '2022-11-01');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (13, '阿莫西林', '药品', 'b', 20, '2022-12-11');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (14, '青霉素', '药品', 'b', 20, '2022-03-11');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (15, '眼药水', '药品', 'c', 15, '2022-04-23');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (16, '桌子', '日用品', 'a', 150, '2022-05-15');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (17, '凳子', '日用品', 'b', 30, '2022-06-21');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (18, '笔', '日用品', 'c', 5, '2022-07-11');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (19, '热干面', '食品', 'a', 5, '2022-08-24');
INSERT INTO `test`.`pay_record` (`id`, `goods_name`, `goods_type`, `user_name`, `pay_money`, `pay_time`) VALUES (20, '水壶', '日用品', 'b', 50, '2022-09-27');

+----+--------------------+------------+-----------+-----------+------------+
| id | goods_name         | goods_type | user_name | pay_money | pay_time   |
+----+--------------------+------------+-----------+-----------+------------+
|  1 | 可比克             | 食品       | a         |        10 | 2022-01-01 |
|  2 | 乐事               | 食品       | b         |        15 | 2022-01-01 |
|  3 | 布洛芬             | 药品       | a         |        50 | 2022-02-11 |
|  4 | 999感冒灵          | 药品       | b         |        20 | 2022-03-01 |
|  5 | 连花清瘟胶囊       | 药品       | c         |       100 | 2022-04-03 |
|  6 | 扫把               | 日用品     | b         |        10 | 2022-05-05 |
|  7 | 拖把               | 日用品     | b         |        20 | 2022-06-01 |
|  8 | 口罩               | 日用品     | c         |        50 | 2022-07-01 |
|  9 | 德芙               | 食品       | c         |       120 | 2022-08-05 |
| 10 | 镜子               | 日用品     | c         |        55 | 2022-09-04 |
| 11 | 卫龙               | 食品       | a         |         8 | 2022-10-01 |
| 12 | 方便面             | 食品       | b         |         5 | 2022-11-01 |
| 13 | 阿莫西林           | 药品       | b         |        20 | 2022-12-11 |
| 14 | 青霉素             | 药品       | b         |        20 | 2022-03-11 |
| 15 | 眼药水             | 药品       | c         |        15 | 2022-04-23 |
| 16 | 桌子               | 日用品     | a         |       150 | 2022-05-15 |
| 17 | 凳子               | 日用品     | b         |        30 | 2022-06-21 |
| 18 | 笔                 | 日用品     | c         |         5 | 2022-07-11 |
| 19 | 热干面             | 食品       | a         |         5 | 2022-08-24 |
| 20 | 水壶               | 日用品     | b         |        50 | 2022-09-27 |
+----+--------------------+------------+-----------+-----------+------------+
20 rows in set (0.02 sec)

1.计算每个用户在各类商品的支付金额和所有支付金额

聚合窗口函数我们使用sum()来说明如何使用

SELECT
  # 利用OVER(partition by) 子句按照用户名分区 计算总金额
	* , SUM(sum_type_money) over(partition by user_name) as sum_money
FROM
  # 首先查询出每个用户在各类商品的支付金额 
	( SELECT user_name, goods_type, sum( pay_money ) sum_type_money FROM pay_record GROUP BY user_name, goods_type ORDER BY user_name ) a;
	
+-----------+------------+----------------+-----------+
| user_name | goods_type | sum_type_money | sum_money |
+-----------+------------+----------------+-----------+
| a         | 日用品     |            150 |       223 |
| a         | 药品       |             50 |       223 |
| a         | 食品       |             23 |       223 |
| b         | 日用品     |            110 |       190 |
| b         | 药品       |             60 |       190 |
| b         | 食品       |             20 |       190 |
| c         | 日用品     |            110 |       345 |
| c         | 药品       |            115 |       345 |
| c         | 食品       |            120 |       345 |
+-----------+------------+----------------+-----------+
9 rows in set (0.01 sec)

2.计算每个用户购买日用品花费的金额及排名(升序排列)

SELECT
	user_name,
	sum( pay_money ),
	# 行号
	ROW_NUMBER() over ( group_goods_type_order_sum_type_money ) AS money_row_number,
	# 排名 有相同名次的情况 会跳数字
	RANK() over ( group_goods_type_order_sum_type_money ) AS money_rank,
	# 排名 有相同名次的情况 不会跳数字
	DENSE_RANK() over ( group_goods_type_order_sum_type_money ) AS money_dense_rank,
	# 排名 百分比排名 返回分区内小于当前行值的百分比  (rank - 1) / (rows - 1)
	PERCENT_RANK() over ( group_goods_type_order_sum_type_money ) AS money_percent_rank 
FROM
	pay_record 
WHERE
	goods_type = '日用品' 
	GROUP BY# WINDOW 定义 命名窗口 上面有重复使用的时候 可以直接引用
	user_name WINDOW group_goods_type_order_sum_type_money AS (
		PARTITION BY goods_type 
	ORDER BY
	sum( pay_money ));

+-----------+------------------+------------------+------------+------------------+--------------------+
| user_name | sum( pay_money ) | money_row_number | money_rank | money_dense_rank | money_percent_rank |
+-----------+------------------+------------------+------------+------------------+--------------------+
| b         |              110 |                1 |          1 |                1 |                  0 |
| c         |              110 |                2 |          1 |                1 |                  0 |
| a         |              150 |                3 |          3 |                2 |                  1 |
+-----------+------------------+------------------+------------+------------------+--------------------+
3 rows in set (0.01 sec)

3.查询支付金额排名 占前 30% 的购买记录

SELECT
	* 
FROM
	# 把整个分区当做一个组去分成 10 份
	( SELECT *, NTILE( 10 ) over ( ORDER BY pay_money DESC ) LEVEL FROM pay_record ) a 
WHERE
	LEVEL <= 3
	
	
+----+--------------------+------------+-----------+-----------+------------+-------+
| id | goods_name         | goods_type | user_name | pay_money | pay_time   | LEVEL |
+----+--------------------+------------+-----------+-----------+------------+-------+
| 16 | 桌子               | 日用品     | a         |       150 | 2022-05-15 |     1 |
|  9 | 德芙               | 食品       | c         |       120 | 2022-08-05 |     1 |
|  5 | 连花清瘟胶囊       | 药品       | c         |       100 | 2022-04-03 |     2 |
| 10 | 镜子               | 日用品     | c         |        55 | 2022-09-04 |     2 |
|  3 | 布洛芬             | 药品       | a         |        50 | 2022-02-11 |     3 |
|  8 | 口罩               | 日用品     | c         |        50 | 2022-07-01 |     3 |
+----+--------------------+------------+-----------+-----------+------------+-------+
6 rows in set (0.00 sec)

4.查询a用户 第二次后面的商品次数、第一次购买商品的时间，及最后一次购买商品的时间

SELECT
	pay_time,
	# 窗口内的第2行数据
	NTH_VALUE( pay_time, 2 ) over ( ORDER BY pay_time rows BETWEEN unbounded preceding AND unbounded following ) twoRow,
	# 窗口内的第一行数据
	FIRST_VALUE( pay_time ) over ( ORDER BY pay_time rows BETWEEN unbounded preceding AND unbounded following ) firstRow,
	# 窗口内的最后一行数据
	LAST_VALUE( pay_time ) over ( ORDER BY pay_time rows BETWEEN unbounded preceding AND unbounded following ) lastRow 
FROM
	pay_record 
WHERE
	user_name = 'a'
	
+------------+------------+------------+------------+
| pay_time   | twoRow     | firstRow   | lastRow    |
+------------+------------+------------+------------+
| 2022-01-01 | 2022-02-11 | 2022-01-01 | 2022-10-01 |
| 2022-02-11 | 2022-02-11 | 2022-01-01 | 2022-10-01 |
| 2022-05-15 | 2022-02-11 | 2022-01-01 | 2022-10-01 |
| 2022-08-24 | 2022-02-11 | 2022-01-01 | 2022-10-01 |
| 2022-10-01 | 2022-02-11 | 2022-01-01 | 2022-10-01 |
+------------+------------+------------+------------+

# 5.查询两次购买时间间隔最长的天数用户

SELECT
	*,
	DATEDIFF( pay_time, following_pay_time ) paytime_diff,
	RANK() over ( ORDER BY DATEDIFF( pay_time, following_pay_time ) DESC ) paytime_diff_rank
FROM
	(
	SELECT
		user_name,
		pay_time,
		# 分区内当前行的下一行数据
		lead( pay_time, 1 ) over ( PARTITION BY user_name ORDER BY pay_time desc ) following_pay_time, 
		 # 分区内当前行的上一行数据
		lag( pay_time, 1 ) over ( PARTITION BY user_name ORDER BY pay_time desc)  preceding_pay_time  
	FROM
		pay_record 
	) a limit 1
	
	
+-----------+------------+--------------------+--------------------+--------------+-------------------+
| user_name | pay_time   | following_pay_time | preceding_pay_time | paytime_diff | paytime_diff_rank |
+-----------+------------+--------------------+--------------------+--------------+-------------------+
| a         | 2022-08-24 | 2022-05-15         | 2022-10-01         |          101 |                 1 |
+-----------+------------+--------------------+--------------------+--------------+-------------------+
1 row in set (0.00 sec)
假女吖☌
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【mysql学习笔记】窗口函数汇总
m0_63073742的博客
05-27 3440
mysql窗口函数一览
MySQL窗口函数
weixin_48352526的博客
04-20 196
第5行：由于整数除整数得到的还是整数，而增长率是一个小数，所以要对其中一个数据类型进行修改，cast（gmv as double）就是讲gmv改成double类型的数据。{range|rows} between frame_start and frame_end：从指定行开始到指定行结束。{range|rows} frame_start：range、rows二选一，从指定行开始到当前行结束。lag(expression,n)：返回当前行的前n行。row_number()：序号不重复，序号连续。
mysql as用法_一文搞懂 MySQL 的窗口函数
weixin_39980711的博客
11-28 783
窗口函数在统计类的需求中很常见，稍微复杂一点的查询需求就有可能用到它，使用窗口函数可以极大的简化我们的 SQL 语句。像 Oracle、SQL Server 这些数据库在较早的版本就支持窗口函数了，MySQL 直到 8.0 版本后才支持它。本文将介绍一些常用的窗口函数的用法。窗口函数按照实现方式分成两种：一种是非聚合窗口函数，另外一种是聚合窗口函数。非聚合窗口函数是相对于聚合窗口函数来说...
mysql--窗口函数
weixin_42972832的博客
08-25 1378
窗口函数
MySQL-窗口函数【重点】
独自优秀的数据分析师
04-21 971
对一个成熟的数据分析师来说，窗口函数可以大幅提高查询效率，且SQL代码优雅。 窗口函数学起来，炫飞同行~ 本文内容导航： 一、定义 窗口可以理解为记录集合，窗口函数就是在满足某种条件的记录集合上执行的特殊函数。 即：应用在窗口内的函数。 静态窗口：每条记录都要在此窗口内执行函数，窗口大小都是固定的。 动态窗口：不同的记录对应着不同的窗口，这种动态变化的窗口叫滑动窗口。 二、语法格式 函数名(字段名) over(子句) over()括号内若不写，则意味着窗口函数基于满足where条件的所有行进行计算。
mysql-窗口函数概述
12-21
mysql中窗口函数的概述以及一些数据练习，可以更好的对窗口函数理解。 什么是窗口函数：可以像聚合函数一样对一组数据进行分析并返回结果，二者的不同之处在于，窗口函数不是将一组数据汇总成单个结果，而是为每一行...
MySql-窗口函数-面试题.md
08-09
MySql-窗口函数-面试题，很细，有函数讲解，有题干和解答
mysql-窗口函数-实验三.docx
06-15
窗口函数的使用
32-视频33MySQL窗口函数
09-13
32--[视频]33MySQL窗口函数
MySQL8.0窗口函数入门实践及总结
09-08
主要给大家介绍了关于MySQL8.0窗口函数入门实践及总结的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者使用MySQL8.0具有一定的参考学习价值，需要的朋友们下面来一起学习学习吧
【MySQL】服务器配置和管理
p_fly的博客
06-09 802
MySQL服务器通常说的是mysqld程序。mysqld 是 MySQL 数据库服务器的核心程序，负责处理客户端的请求、管理数据库和执行数据库操作。管理员可以通过配置文件和各种工具来管理和监控 mysqld 服务器的运行本文将介绍下面三个内容：服务器启动选项：可以在命令行和配置文件中指定，用于配置服务器的行为和特性。服务器系统变量：反映了启动选项的当前状态和值，其中一些变量可以在服务器运行时修改。服务器状态变量：包含了关于运行时操作的计数器和统计信息。
Mysql--基础知识点--86--慢查询
Chasing__Dreams的博客
06-11 782
mysql 慢查询
【MySQL】（基础篇十二） —— 子查询
最新发布
dao_cao_renshuai的博客
06-15 287
本文介绍什么是子查询以及如何使用它们。
【MySQL】索引（上）
开心星人的博客
06-11 772
索引是一种用于快速查询和检索数据的数据结构，排序好的数据结构。 优点：加快检索速度；通过创建唯一性索引，可以保证行数据的唯一性；通过索引列对数据进行排序，降低数据排序的成本，降低CPU的消耗 缺点：创建和维护索引需要耗费时间，本身存储也要耗费一定空间不同引擎对索引的支持情况 哈希表、有序数组、B+树、B树、红黑树，二叉树哈希表：只适用于等值查询的场景，用这种索引做不了范围查询，必须全表扫描。查询效率高有序数组：有序数组在等值查询和范围查询场景中的性能就都非常优秀，但是一旦更新数据就得挪动后面的元素，成本太高
C++100行超简单系统
古文波
06-15 509
Process Explorer，查询进程的详细信息，如查询java进程启动参数，运行环境，线程信息、网络连接信息、使用了哪些dll，打开了什么句柄。如果使用
Ubuntu修改MySQL的tmpdir参数失败的解决方法
q2972112的博客
06-15 189
但修改后重启MySQL服务时提示查看log文件也没发现相关提示； 经过测试（删除修改后的参数即可启动MySQL服务成功），推测应该是新的临时文件夹出现了问题，但是权限也给了，为啥呢？ 解决方法 搜索得知1，Linux内核安全模块可能限制MySQL写入新的临时目录。配置文件定义程序的文件访问权限，而的配置文件可能不允许写入指定的新临时目录。 要解决此问题，需要更新的配置文件，以允许MySQL写入新的临时目录。 https://stackoverflow.com/questions/1894465
论述MySQL的同异步复制
2301_78925669的博客
06-10 1420
同异步复制
Mysql的增、删、查、改
weixin_56187723的博客
06-15 153
MySQL 是一个流行的关系型数据库管理系统，它支持 SQL（结构化查询语言）用于管理数据库中的数据。以下是使用 SQL 在 MySQL 中进行增（INSERT）、删（DELETE）、查（SELECT）、改（UPDATE）操作的基本示例。
Docker MySQL Shutting down mysqld
lvhui321的博客
06-15 248
6)查看日志，在日志发现，有人操作shutdown，初步判断是受到了攻击，一是在防火墙上对外端口使用不常用的端口，二是对数据库密码复杂度及权限进行了各种设置。6月初至6月15日发现MySQL无故停机多次，导致系统无法使用。二、排查被系统杀掉进程的原因，可能就是人为关闭MySQL，该功能系统使用人数不是很高。查询Linux系统日志，在宿主机/var/log/messages进行查看，并未查到memory关键字。一、根据Docker的日志初步估计是数据库内存飙升，从而被系统杀掉进程。
mysql 5.7窗口函数
08-18
MySQL 5.7并不支持窗口函数。窗口函数在MySQL中是从版本8.0开始引入的。所以，如果你想使用窗口函数，你需要升级到MySQL 8.0或更高版本。目前，MySQL的窗口函数的功能非常强大，可以方便地进行分组查询和排序操作。...

“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

假女吖☌

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