HBase（三）

最新推荐文章于 2024-06-22 23:48:56 发布
最新推荐文章于 2024-06-22 23:48:56 发布
阅读量104 收藏
点赞数
分类专栏： # Hbase 文章标签： 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_43528451/article/details/115327961
版权

Hadoop实时day21–Apache HBase

今日内容大纲
1、Apache HBase和 mapreduce整合（重要）
	读写hbase表
	bulkload加载数据
	（file--->hfile--->bulkload--->hbase）
2、Apache HBase Hive整合（重要）
3、Apache HBase sqoop整合
  mysql<---->hbase

4、HBase 预分区 + rowkey设计（重要）（重要）（重要）（重要）（重要）（重要）
	rowkey是字符串 底层使用bytes[]  
	从左到右根据字典序比较

5、Hbase 协处理器
6、Hbase 二级索引
	什么一级索引。 hbase中只有rowkey才有索引。
	
--------
重要扩展
1、master HA机制
2、TTL 超时时间
3、布隆过滤器  加快查询速度 
	概率型数据结构
HBase 和mapreduce整合

  • mapreduce天生可以和hbase整合。

  • mapreduce专门设计了两个类 用于mr和hbase的交互

    • TableMapper --负责从HBase中读数据的类

    • TableReducer– 负责把数据写入HBase中

      在使用tablereducer写数据到hbase的时候 输出的v必须是put或者是delete

the output value must be either a Put or a Delete instance when using the TableOutputFormat class.

  • 需求：使用mapreduce从hbase一张表中读取数据 对数据进行处理 再把部分数据写入hbase另一张表。

    将myuser这张表当中f1列族的 name 和 age 字段写入到 myuser1 这张表的 f1 列族当中去。
create 'myuser1','f1'

get  put  scan  delete

  • HBase专门封装了一个工具类 TableMapReduceUtil用于mr程序的map reduce任务的初始化。

            TableMapReduceUtil.initTableMapperJob(TableName.valueOf("myuser"),
                scan,HBaseMrMapper.class, ImmutableBytesWritable.class, Put.class,job);

        TableMapReduceUtil.initTableReducerJob("myuser1",HBaseMrReducer.class,job);

  • bulkloadh功能

    • 当我们使用put方式加载数据的时候 需要一条条插入进行 数据需要经过内存 磁盘 最终才能编程hfile。

    • 也可以使用技术把数据首先变成hfile格式 加载移动到hbase对应的位置路径下

    • 弊端：使用bulkload导入数据 不会有hlog日志产生 意味着后续数据恢复成为问题。

    • 实现

      • 如何把普通的文件变成hfile格式 要满足表约束。

        • 使用mapreduce内置==HFileOutputFormat2==类把输出的数据变成Hfile格式

          job.setOutputFormatClass(HFileOutputFormat2.class);

HFileOutputFormat2.configureIncrementalLoad(job,table,connection.getRegionLocator(TableName.valueOf("myuser1")));

      • 如何把hfile加载到hbase对应的路径下。

        • 核心api

          LoadIncrementalHFiles load = new LoadIncrementalHFiles(configuration);
load.doBulkLoad(new
Path("hdfs://node-1:8020/hbase/output_hfile2"),
admin,table,connection.getRegionLocator(TableName.valueOf("myuser1")));

    • 数据准备

      #hdfs 路径/hbase/input/user.txt 内容如下:

0007    zhangsan        18
0008    lisi    25
0009    wangwu  20
HBase 和HIve整合

  • 两者对比

    • hive–数据仓库

      基于Hadoop的数仓。面向分析支持分析。 olap系统。
可以将结构化文件映射成为一张表 提供了基于表sql查询能力。
支持复杂的业务分析。

    • hbase–nosql数据库

      基于hdfs的nosql数据库。 
不支持sql 不支持复杂业务分析。不支持复杂事务，支持简单行级事务。
支持基于rowkey索引查询。
大表数据实时读写查询。

  • 整合方式

    • 创建hive表 把数据存储在hbase中。
    • 创建hive外部表 映射hbase已有的表。

  • 整合过程

    • 添加hbase相关的jar到hive lib路径下

      cd /export/servers/hbase/lib/

cp hbase-client-1.2.0-cdh5.14.0.jar hbase-hadoop2-compat-1.2.0-cdh5.14.0.jar hbase-hadoop-compat-1.2.0-cdh5.14.0.jar hbase-it-1.2.0-cdh5.14.0.jar hbase-server-1.2.0-cdh5.14.0.jar /export/servers/hive/lib/

    • 修改hive的配置文件 添加zk属性

      <property>
	<name>hive.zookeeper.quorum</name>
	<value>node-1,node-2,node-3</value>
</property>
<property>
	<name>hbase.zookeeper.quorum</name>
	<value>node-1,node-2,node-3</value>
</property>

    • 修改hive环境变量shell 添加hbase路径

        export HADOOP_HOME=/export/servers/hadoop-2.6.0-cdh5.14.0
  export HBASE_HOME=/export/servers/hbase
  export HIVE_CONF_DIR=/export/servers/hive/conf

  • 核心api语法

    STORED BY
'org.apache.hadoop.hive.hbase.HBaseStorageHandler' WITH SERDEPROPERTIES
("hbase.columns.mapping" = ":key,cf:name,cf:score") TBLPROPERTIES("hbase.table.name"
="hbase_hive_score")
HBase和sqoop整合

  • 从mysql到hbase

    bin/sqoop import \
--connect jdbc:mysql://192.168.1.5:3306/library \
--username root \
--password admin \
--table book \
--columns "id,name,price" \  #列
--column-family "info" \ #列族名称
--hbase-create-table \   #在hbase中创建表
--hbase-row-key "id" \   #rowkey对应着表的字段
--hbase-table "hbase_book" \   #表名
--num-mappers 1 \
--split-by id

  • 从hbase到mysql

    • 思路：Hbase→hive 外部表→hive 内部表→通过 sqoop→mysql
    • 注意：位于mysql中表要提前存在。
    #step1 创建hive外部表映射hbase表
CREATE EXTERNAL TABLE hbase2mysql (id int,name string,price int)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
"hbase.columns.mapping" =
":key,info:name, info:price"
)
TBLPROPERTIES( "hbase.table.name" = "hbase_book",
"hbase.mapred.output.outputtable" = "hbase2mysql");


#step2 创建hive内部表 把外部表数据插入到内部表中
CREATE TABLE hbase2mysqlin(id int,name string,price int);
insert overwrite table hbase2mysqlin select * from hbase2mysql;

#step3 使用sqoop把内部表的数据导出到mysql中
bin/sqoop export -connect jdbc:mysql://node-1:3306/library \
-username root -password hadoop -table book \
-export-dir /user/hive/warehouse/hbase2mysqlin \
--input-fields-terminated-by '\001' \
--input-null-string '\\N' --input-null-non-string '\\N'

#sqoop参数 
	--input-null-string '\\N' --input-null-non-string '\\N'
	
	对于hive的空值数据 不管是字符串类型的空值 还是非字符串类型的空值 在导出到mysql的时候 统一的使用\N表示空  避免null和“null”歧义。
HBase 预分区、rowkey设计

  • rowkey特性

    • rowkey是字符串类型 最大长度64K。

    • 底层是以二级制==字节数组byte[]==形式存储的。

    • 默认根据字节数组**索引字典序**排序。

      从左往右逐位比较 如果相等继续比较下一位。

 001 
 0010
 001|
 002 
 00a 
#底层是通过ASCII 码表进行比较

http://ascii.911cha.com/

  • HBase预分区

    • 默认region split规则有什么不好的地方。

      • 拆分规则导致region大小不相等 负载不均衡。
      • 默认的rowkey排序会导致某块区域集中访问 热点问题。

    • 默认情况下创建表的时候只有一个分区 范围是:

      [-oo , +oo]
      • 意味着数据只要put 就写入该分区中 直到满足条件进行region split拆分
      • 分区的关键之处是分区标识键：Start Key End Key

    • hbase支持在创建表的时候 指定分区的个数 提取创建好分区 这叫做预分区。

    • 如何预分区

      • 把分区标识写在文件中 建表的时候加载文件。

        cd /export/servers/
vim splits.txt

aa|
bb|
cc|
dd|

 create 'staff3','partition2',SPLITS_FILE =>'/export/servers/splits.txt'

      • 建表手动写

        create 'staff','info' ,SPLITS =>['1000','2000','3000','4000']

    • 预分区创建好之后 还必须结果rowkey设计 否则将失去意义。

  • rowkey设计原则

    • 官方指导标准：https://hbase.apache.org/book.html#rowkey.design

    • 唯一原则

      rowkey是不同行数据之间的唯一标识。类似于主键 不能重复的。

    • rowkey长度原则

      理论上rowkey最高支持64K。实际中并不是越长越好，因为rowkey最终也是要存储在hfile总的。

    • 散列原则

      尽量避免rowkey在一台regionserver上，造成读写的热点问题。尽量打散分布在各个不同机器上，配合预分区技术实现负载均衡。

      • 在追求散列原则的同时 追求集中原则。

        追求散列的目的是避免热点问题。
追求集中的目的是保证业务查询相关的数据尽量集中在一起 避免多台机器查询。

      • 散列实现方式

        • 加盐（Salting）–random

          在rowkey前加上随机字符串等符号。

foo0001
foo0002
foo0003
foo0004

加盐之后
a-foo0003
b-foo0001
c-foo0004
d-foo0002
a-foo0003
b-foo0001

比如：分区表示
a|
b|
c|
d|

        • ==哈希（Hashing）==重点

          使用hash等算法对数据进行取值  只要数据不变 得出的结果是一样的。

哈希方法：  hash(手机号+月+天)  % 4 = 余数就是前缀

hash(13888888888+2018+1031) = 1
hash(13888888888+2018+1101) = 3
hash(13888888888+2018+1101) = 3
hash(13888888888+2018+1102) = 4

        • 反转

          原始数据：
13888888888
13999999999
13777777777
13666666666

反转之后：
88888888831
99999999931
77777777731
66666666631

        • 时间戳反转

  • 案例：中国联不通–手机上网流量详单

    • 需求：提供用户查询指定某一天上网详细记录。 按天查询。

    • 预分区

      # 根据业务和数据量 确定hbase表分区个数
	100个 region
# 确定分区标识键 starkey stookey
00|
01|
02|
03|
...
98|

    • rowkey设计

      • 指导标准：追求散列的同时 追求数据集中。

        • 散列：不同用户不同天上网记录分散开
        • 集中：同一个用户同一天上网记录集中一起 便于查询。

      • 设计hash方法

        hash(手机号+天) % 99

      • 原始数据

        用户：18888888888

起始时间	  				通信地点	网络类型	计费类型	总流量/KB	  通信费
2020-08-10 00:25:29  		sh        4G         免费       2225        0.0
2020-08-10 11:43:49  		nj        7G         免费       5566        0.0
2020-08-12 03:25:52  		dj        2G         免费       3152        0.0
2020-08-13 04:23:29  		sh        4G         免费       445         0.0

      • rowkey的前缀

        #step1
18888888888+2020-08-10  通过hash方法计算前缀
hash(18888888888+2020-08-10) % 99  = 25

	rowkey
25-手机号+2020-08-10+00:25:29    sh        4G         免费       2225        0.0
25-手机号+2020-08-10+11:43:49    nj        7G         免费       5566        0.0
32-手机号+2020-08-12+03:25:52    dj        2G         免费       3152        0.0
48-手机号+2020-08-13+04:23:29    sh        4G         免费       445         0.0

      • scan查询的时候如何设置查询条件

        # 用户操作：查询 18888888888 2020-08-10上网通信记录。

# step1: 通过页面表单拿取到当前操作的用户手机号 查询天条件
	18888888888 2020-08-10

# step2: 使用哈希方法计算前缀值
    hash(18888888888+2020-08-10) % 99 = 25
# step3:封装scan查询条件

Scan scan = new Scan();
scan.setStartRow("25-手机号+2020-08-10")  #有比没有打
scan.setStopRow("25-手机号+2020-08-10|")  #| 老子倒数第三大
Hbase 协处理器

  • 概念

    • 协助帮助用户进行某种操作的处理器技术。

  • 背景知识

    • 触发器
      • 相当于在数据库上绑定一些函数 当用户操作行为满足条件 触发函数的执行。
      • 对应hbase来说 给put delete进行绑定
    • 存储过程
      • 相当于定义一个函数。需要用户手动调用才会在服务器上执行相关的逻辑。

  • hbase协处理器分类

    • observer --触发器 和具体操作绑定
    • endpoint–存储过程 需要用户手动调用执行。

  • hbase协处理器都是在服务端执行的。

  • 栗子：observer 使用。

    • 需求：给一张表绑定协处理器 当有put数据插入的时候 通过协处理器把数据复制一份到另一张表。

    • 创建表

      create 'proc1','info'
create 'proc2','info'

#没有挂载协处理器之前 表元数据样子
hbase(main):041:0> describe 'proc1'
                                                                          
{NAME => 'info', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALS
E', DATA_BLOCK_ENCODING => 'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCAC
HE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOPE => '0'}

    • 写类继承BaseRegionObserver

    • 把协处理器打成一个jar 注意：此时打包只需要把自己的代码打包即可 把pom中打包插件注释掉。

    • 把打好jar上传到hdfs的目录下

      cd /export/servers
mv example-hbase-1.0.jar processor.jar

hdfs dfs -mkdir -p /processor
hdfs dfs -put processor.jar /processor

    • 给指定的表挂载协处理器

      alter 'proc1',METHOD =>
'table_att','Coprocessor'=>'hdfs://node-1:8020/processor/processor.jar|cn.itcast.hbase.MyCp|1001|'

Coprocessor'=>'hdfs jar路径|主类|1001|   数字是优先级 一个表可以挂载多个协处理器 数字越小优先级越高

  • 晚上练习：https://hbase.apache.ocp_examplerg/book.html#

HBase 重要扩展

  • master HA机制

    • master在哪台机器运行是如何决定的？

      在哪里启动 哪台机器就是master

当使用脚本一键的时候 在运行脚本的机器上就是master.

    • 如果多个机器都启动master怎么办？

      谁先启动去zk注册节点/master 谁就是master 其他的自动成为备份master.

hbase支持多主

当active master出现故障之后 其他备份收到zk通知 去抢夺节点。谁抢到谁就是新的master.

    • 如果想在一键启动的时候 自动帮助我们启动备份master 可以在conf下创建一个文件

      backup-masters

node-2
node-3

  • HBase TTL

    • 概念：Time To Live 生存时间值。

    • 在hbase中 默认情况下数据 TTL是永久的。除非手动删除 否则一致存在。

    • 可以在建表的时候 或者修改表 让TTL时间生效 倒计时结束之后 数据将会被自动删除。

      TTL => 'FOREVER'

create 't_9', {NAME => 'f1', VERSIONS => 1, TTL => 10}   #单位是s

TTL => '10 SECONDS',

    • 应用场景

      • 秒杀场景
      • 支付验证码
      • 扩展：redis也有TTL 基于内存nosql数据库。 它的TTL功能更好哦。

  • HBase 布隆过滤器

    • 是一种概率型数据结构
    • 可以判断某个数据一定不在 但是不能判断数据是否一定在。
今日作业
  • hbase和mapreduce、hive 、sqoop集成。
  • 预分区和rowkey设计 吃透概念 举一反三。
    • 散列又集中
  • 笔记上概率 扩展知识 查缺补漏。
  • 预习kafka MQ。

​

章鱼哥TuNan&Z
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
HBase的基础知识总结
weixin_43952215的博客
09-07 381
概念: Hbase是建立在Hadoop HDFS之上, 提供高可靠性, 高性能, 列存储, 可伸缩, 实时读写的nosql数据库 只支持通过主键 rowkey来检索数据 不支持SQL语句的查询, 不支持join等复杂查询, 不支持复杂的事务 支持的数据类型byte[] HBase, Hadoop, RDBMS三者之间的对比 (1) hbase依赖于Hadoop HDFS, 紧耦合依赖关系, 除此之外, hbase还依赖于zookeeper, 用于存储一些元数据. (2) Hbase不支持事务,..
HBase:HBase三个重要机制
12-17 2933
HBase三个重要机制 flush机制 1.（hbase.regionserver.global.memstore.size）默认：堆大小的40% regionServer的全局memstore的大小，超过该大小会触发flush到磁盘的操作,默认是堆大小的40%,而且regionserver级别的flush会阻塞客户端读写 2.（hbase.hregion.memstore.flush.size）...
HBASE
ThreeAspects的博客
05-17 2405
HBASEHBASE与关系型数据库HBASE表结构HBASE集群架构及表存储机制HBASE基本语法 HBASE与关系型数据库   Oracle、MySQL和HBASE比较：Oracle和MySQL是传统的关系型数据库，优势在于处理复杂的表与表之间的关系，进行各种复杂的关系查询。HBASE是没有表关联的，不提供表的关联查询，它对于这种关系的处理是不擅长的，属于NoSQL的范围，只适合做简单的查询，基...
Hbase三个重要机制
Mr_Yang888的博客
03-23 1万+
Hbase三个重要机制 文章目录Hbase三个重要机制1、flush机制2、compact机制3、split机制 1、flush机制 1.（hbase.regionserver.global.memstore.size）默认;堆大小的40% regionServer的全局memstore的大小，超过该大小会触发flush到磁盘的操作,默认是堆大小的40%,而且regionserver级别的flu...
Hbase学习（三）-- Hbase客户端
qq_38787854的博客
05-04 3258
对于使用Hbase，通常情况下是Hbase客户端到Hbase服务端再到HDFS客户端这么一个路径，所以使用Hbase时需要对Hbase客户端有较好的理解。实际上，由于Hbase的复杂性以及Region的定位设计在客户端上（hbase:meta元数据表缓存在客户端上用于定位region），导致Hbase客户端并不足够轻量级。 Hbase客户端实现： Hbase提供了多种语言的客户端，由于Hbase是通过Java语言实现的，所以非Java语言需要先访问ThriftServer，然后通过Jav...
HBase Shell命令大全
热门推荐
人不风流枉少年
03-18 14万+
HBase关键名称： Row Key 列族 column family 单元 Cell 时间戳 timestamp HBase Shell 是官方提供的一组命令，用于操作HBase。如果配置了HBase的环境变量了，就可以知己在命令行中输入hbase shell 命令进入命令行。 hbase shell help命令 可以通过 help '命名名称'来查看命令行的具体使用 查询服务器状态st...
Hbase：实验三-HBase多种客户端的使用
m0_62670963的博客
11-14 1419
1实验目的 掌握REST客户端访问HBase。 掌握MapReduce批量操作HBase。 2实验内容 本实验将使用2种客户端对HBase进行操作。 3实验知识点 安装REST服务器； 使用curl工具，向REST服务器发送URL语法的命令； 编写MapReduce程序操作HBase； 4. 实验时长 4学时 5. 实验环境 需要一台台服务器，并且该服务器已经安装好单机版HBase，该服务器的登录用户名是：root，登录密码是：123456。 软件环境： 1)JDK-1.8.0_...
HBase的三大组件
无始无终的博客
08-21 5131
•HBase的实现包括三个主要的功能组件： –（1）库函数：链接到每个客户端 –（2）一个Master主服务器 –（3）许多个Region服务器 •主服务器Master负责管理和维护HBase表的分区信息，维护Region服务器列表，分配Region，负载均衡 •Region服务器负责存储和维护分配给自己的Region，处理来自客户端的读写请求 •客户端并不是直接从Master主服务器...
Hbase三大组件 -- Region Server、HMaster、Zookeeper 介绍
小方块的博客
09-15 5242
1）实时查询，可以认为是从内存中查询，一般响应时间在1秒内。HBase的机制是数据先写入到内存中，当数据量达到一定的量（如128M），再写入磁盘中， 在内存中，是不进行数据的更新或合并操作的，只增加数据，这使得用户的写操作只要进入内存中就可以立即返回，保证了HBase I/O的高性能。1） 在HBase中Hmaster负责监控RegionServer的生命周期，均衡RegionServer的负载，如果Hmaster挂掉了，那么整个HBase集群将陷入不健康的状态，并且此时的工作状态并不会维持太久。
Hbase简介
m0_57382185的博客
03-08 5585
Hbase基本原理，数据节点、名称节点
实验三：熟悉常用的HBase操作
05-05
A.3实验三:熟悉常用的HBase操作 本实验对应第5章的内容。 A.3.1 实验目的 (1)理解HBase在Hadoop体系结构中的角色。(2）熟练使用HBase操作常用的 Shell命令。(3）熟悉HBase操作常用的 Java API。 A.3.2 实验平台 （1...
hbase 权限三种方式.docx
11-06
本文主要介绍了三种HBase的权限管理方式，包括静态数据透明加密、Kerberos认证以及用户权限访问控制。 首先，静态数据透明加密是一种保护存储在HDFS（Hadoop Distributed File System）上的HFile和WAL（Write-Ahead...
大数据实验三-HBase编程实践
04-03
一．实验内容 HBase编程实践： 1）在Hadoop基础上安装HBase； 2）使用Shell命令（create:创建表 ...三．实验过程截图及说明 1、安装HBase （1）解压HBase文件到/usr/local目录下，并将目录改名为hbase：
HBase.docx
05-03
三、HBase的架构以及各个模块的功能 19 一：整体架构 20 1.体系结构 20 2.物理模型 20 3.存储体系 22 4.HDFS上的目录结构 22 5.整体结构 23 …………………… …………………… ……………………
hbase的搭建
11-03
**三、HBase 集群版搭建** 1. **解压与配置**: 同单机版，但需要在所有节点上进行，并在 `hbase-env.sh` 中关闭自带的 ZooKeeper，使用集群中的 ZooKeeper。 2. **环境变量**: 配置 HBase 环境变量，如 `source /...
Hadoop3：MapReduce中的Partition原理及自定义Partition
Brave_heart4pzj的博客
06-19 332
Hadoop
【人机交互 复习】第2章 Hadoop
最新发布
m0_69194031的博客
06-22 382
在Hadoop 2.0及以上版本中，start-all.sh 已被拆分为 start-dfs.sh 和 start-yarn.sh，但在旧版本中，start-all.sh 可以启动这两个服务。1.Hadoop 是一个能够对大量数据进行分布式处理的软件框架，并 且是以一种可靠、高效、可伸缩的方式进行处理的，一种高吞吐量的分布式发布订阅消息系统，可以处理消费者规模的网站中的所有动作流数据。一个高可用的，高可靠的，分布式的海量日志采集、聚合和传输的系统。D) 伪分布式安装是在一台机器上模拟一个小的集群。
Hadoop升级失败，File system image contains an old layout version -64
JustinMars的博客
06-19 140
datasophon 部署Hadoop版本。原始版本 Hadoop 3.1.3。升级版本 Hadoop 3.3.3。查看Hadoop格式化版本。
hadoop Yarn资源调度器
weixin_40398522的博客
06-19 912
Yarn是一个资源调度平台，负责为运算程序提供服务器资源，相当于一个分布式的操作系统平台，而MapReduce等运算程序相当于操作系统之上的应用程序。
HBase三级寻址定位原理是什么，画流程图并说明
03-25
HBase 的三级寻址定位原理是基于其数据存储的分布式特性。在 HBase 中，数据是按照表、行、列族和列的结构进行存储的。具体的定位流程如下： 1. 首先，根据表名，在 HBase 集群中找到包含该表的 RegionServer。 2....

“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

章鱼哥TuNan&Z

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