一步一步理解Oracle Parallel机制（1）

最新推荐文章于 2024-05-17 09:42:48 发布
最新推荐文章于 2024-05-17 09:42:48 发布
阅读量239 收藏 1
点赞数
文章标签： 数据库
原文链接：http://www.cnblogs.com/dayu-liu/p/9528717.html
版权
先从一个案例入手，开始深入理解学习Oracle的并行机制，并以此延申到其他数据库。
 
1系统持续报direct path read，导致IO短时间内变化较大，经过定位为sql_id为4j4g5wsd7nbjs导致，由于该sql中并无对表 dayureport（199G）的过滤条件，当前并无优化空间。
  
select 'I' || ' | ' || to_char(sysdate, 'yyyymmdd') || ' | ' ||
       car.car_caseid || ' | ' || car.car_txnseqno || ' | ' ||
       car.rei_reporttype || ' | ' || car.car_userid || ' | ' ||
       car.car_modifytime || ' | ' || car.car_modifyseq || ' | ' ||
       car.rei_filename || ' | ' || car.rei_batchno || ' | ' || ca r.rei_extdate || ' | ' || car.rei_reportdate || ' | ' || car.rei_cati_seqno || ' | ' || car.rei_htcr_seqno || ' | ' || car.rei_tsdt_seqno || ' | ' || car.rei_ctif_seqno || ' | ' || car.rei_atif_seqno || ' | ' || car.rei_rpdi_seqno || ' | ' || car.rei_dtdt_seqno || ' | ' || car.rei_receipttype || ' | ' || car.rei_subtype || ' | ' || car.rei_cifbranchcd || ' | ' || car.rei_transloc || ' | ' || car.ety_rgn_code || ' | ' || car.car_customertype || ' | ' || car.txn_rgn_code || ' | ||'
  from dayureport car
 where car_caseid in
       (select cad_caseid from cad_day_20180818 where ety_rgn_code = 42208);
 
2.在排查过程中发现表dayureport自带degree属性， 这 使sql即使没有加并行参数，但实际执行过程中也起了50个并行度，其执行计划如下，其中:TQ为开启并行标志。
  
Global Information
------------------------------
 Status              :  DONE (ALL ROWS)
 Instance ID         :  1
 Session             :  FINDNA (1751:64765)
 SQL ID              :  4j4g5wsd7nbjs
 SQL Execution ID    :  16777216
 Execution Started   :  08/23/2018 18:21:03
 First Refresh Time  :  08/23/2018 18:21:03
 Last Refresh Time   :  08/23/2018 18:22:43
 Duration            :  100s
 Module/Action       :  SQL*Plus/-
 Service             :  oraAMLM
 Program             :  sqlplus@pamlaeadb1 (TNS V1-V3)
 Fetch Calls         :  250

Global Stats
=======================================================================================================
| Elapsed |   Cpu   |    IO    | Application | Concurrency |  Other   | Fetch | Buffer | Read | Read  |
| Time(s) | Time(s) | Waits(s) |  Waits(s)   |  Waits(s)   | Waits(s) | Calls |  Gets  | Reqs | Bytes |
=======================================================================================================
|    4632 |     241 |     4263 |        0.00 |        0.00 |      128 |   250 |    26M |   2M | 194GB |
=======================================================================================================

Parallel Execution Details (DOP=50 , Servers Allocated=50)   --degree of parallel
===========================================================================================================================================================
|      Name      | Type  | Server# | Elapsed |   Cpu   |    IO    | Application | Concurrency |  Other   | Buffer | Read  | Read  |      Wait Events         |
|                |       |         | Time(s) | Time(s) | Waits(s) |  Waits(s)   |  Waits(s)   | Waits(s) |  Gets  | Reqs  | Bytes |      (sample #)          |
===========================================================================================================================================================
| PX Coordinator | QC    |         |    0.46 |    0.46 |          |        0.00 |             |          |    986 |       |     . |  |
| p000           | Set 1 |       1 |      54 |    3.25 |       49 |             |             |     1.67 |   353K | 21848 |   3GB | direct path read (48) |
| p001           | Set 1 |       2 |      94 |    4.86 |       87 |             |        0.00 |     2.67 |   530K | 32831 |   4GB | direct path read (89) |
| p002           | Set 1 |       3 |      95 |    4.93 |       87 |             |             |     2.54 |   535K | 33108 |   4GB | direct path read (88) |
| p003           | Set 1 |       4 |      94 |    4.92 |       86 |             |             |     2.70 |   531K | 32890 |   4GB | direct path read (88) |
| p004           | Set 1 |       5 |      56 |    3.44 |       51 |             |             |     1.88 |   376K | 23314 |   3GB | direct path read (47) |
| p005           | Set 1 |       6 |      94 |    4.83 |       87 |             |             |     2.48 |   526K | 32485 |   4GB | direct path read (83) |
| p006           | Set 1 |       7 |      94 |    4.86 |       86 |             |             |     2.52 |   525K | 32492 |   4GB | direct path read (85) |
| p007           | Set 1 |       8 |      94 |    4.88 |       87 |             |             |     2.67 |   527K | 32718 |   4GB | direct path read (88) |
| p008           | Set 1 |       9 |      94 |    4.81 |       86 |             |             |     2.62 |   525K | 32432 |   4GB | direct path read (86) |
| p009           | Set 1 |      10 |      94 |    4.91 |       86 |             |             |     2.68 |   528K | 32772 |   4GB | direct path read (84) |
| p00a           | Set 1 |      11 |      94 |    4.90 |       86 |             |             |     2.68 |   529K | 32716 |   4GB | direct path read (84) |
| p00b           | Set 1 |      12 |      94 |    4.81 |       87 |             |             |     2.47 |   530K | 32743 |   4GB | direct path read (86) |
| p00c           | Set 1 |      13 |      94 |    4.84 |       87 |             |             |     2.48 |   528K | 32769 |   4GB | direct path read (86) |
| p00d           | Set 1 |      14 |      95 |    4.85 |       87 |             |             |     2.64 |   533K | 33007 |   4GB | direct path read (85) |
| p00e           | Set 1 |      15 |      94 |    4.81 |       86 |             |             |     2.65 |   529K | 32649 |   4GB | direct path read (87) |
| p00f           | Set 1 |      16 |      94 |    4.85 |       87 |             |             |     2.50 |   531K | 32909 |   4GB | direct path read (86) |
| p00g           | Set 1 |      17 |      94 |    4.91 |       87 |             |             |     2.66 |   530K | 32889 |   4GB | direct path read (88) |
| p00h           | Set 1 |      18 |      94 |    4.87 |       87 |             |             |     2.50 |   534K | 32903 |   4GB | direct path read (80) |
| p00i           | Set 1 |      19 |      94 |    5.01 |       86 |             |             |     2.58 |   529K | 32691 |   4GB | direct path read (84) |
| p00j           | Set 1 |      20 |      94 |    4.83 |       86 |             |             |     2.64 |   528K | 32720 |   4GB | direct path read (86) |
| p00k           | Set 1 |      21 |      94 |    4.93 |       86 |             |             |     2.69 |   533K | 32979 |   4GB | direct path read (86) |
| p00l           | Set 1 |      22 |      94 |    4.82 |       87 |             |             |     2.49 |   526K | 32622 |   4GB | direct path read (87) |
| p00m           | Set 1 |      23 |      96 |    4.94 |       88 |             |             |     2.69 |   536K | 33214 |   4GB | direct path read (87) |
| p00n           | Set 1 |      24 |      94 |    4.86 |       86 |             |             |     2.68 |   533K | 32870 |   4GB | direct path read (87) |
| p00o           | Set 1 |      25 |      94 |    5.01 |       86 |             |             |     2.78 |   527K | 32605 |   4GB | direct path read (85) |
| p00p           | Set 1 |      26 |      95 |    4.89 |       88 |             |             |     2.68 |   536K | 33159 |   4GB | direct path read (89) |
| p00q           | Set 1 |      27 |      94 |    4.83 |       87 |             |             |     2.63 |   534K | 32984 |   4GB | direct path read (89) |
| p00r           | Set 1 |      28 |      95 |    4.89 |       88 |             |             |     2.52 |   535K | 33126 |   4GB | direct path read (87) |
| p00s           | Set 1 |      29 |      94 |    4.85 |       87 |             |             |     2.64 |   525K | 32614 |   4GB | direct path read (88) |
| p00t           | Set 1 |      30 |      94 |    4.85 |       87 |             |             |     2.50 |   529K | 32742 |   4GB | direct path read (84) |
| p00u           | Set 1 |      31 |      94 |    4.86 |       86 |             |             |     2.67 |   527K | 32587 |   4GB | direct path read (88) |
| p00v           | Set 1 |      32 |      94 |    4.83 |       87 |             |             |     2.46 |   530K | 32747 |   4GB | direct path read (83) |
| p00w           | Set 1 |      33 |      94 |    4.75 |       87 |             |             |     2.61 |   524K | 32413 |   4GB | direct path read (83) |
| p00x           | Set 1 |      34 |      94 |    4.91 |       87 |             |             |     2.69 |   532K | 32937 |   4GB | direct path read (86) |
| p00y           | Set 1 |      35 |      94 |    5.01 |       87 |             |             |     2.57 |   538K | 33278 |   4GB | direct path read (86) |
| p00z           | Set 1 |      36 |      94 |    4.91 |       87 |             |             |     2.52 |   533K | 32933 |   4GB | direct path read (84) |
| p010           | Set 1 |      37 |      94 |    4.77 |       87 |             |             |     2.62 |   523K | 32298 |   4GB | direct path read (90) |
| p011           | Set 1 |      38 |      94 |    4.85 |       87 |             |             |     2.50 |   529K | 32747 |   4GB | direct path read (81) |
| p012           | Set 1 |      39 |      95 |    4.94 |       87 |             |             |     2.71 |   531K | 32932 |   4GB | direct path read (87) |
| p013           | Set 1 |      40 |      94 |    4.88 |       86 |             |             |     2.51 |   528K | 32748 |   4GB | direct path read (89) |
| p014           | Set 1 |      41 |      94 |    4.82 |       86 |             |             |     2.47 |   529K | 32762 |   4GB | direct path read (87) |
| p015           | Set 1 |      42 |      95 |    4.95 |       87 |             |             |     2.74 |   536K | 33190 |   4GB | direct path read (86) |
| p016           | Set 1 |      43 |      94 |    4.86 |       87 |             |             |     2.50 |   533K | 33021 |   4GB | direct path read (89) |
| p017           | Set 1 |      44 |      94 |    4.88 |       87 |             |             |     2.67 |   532K | 32987 |   4GB | direct path read (82) |
| p018           | Set 1 |      45 |      94 |    4.86 |       86 |             |             |     2.50 |   527K | 32681 |   4GB | direct path read (87) |
| p019           | Set 1 |      46 |      94 |    4.88 |       86 |             |             |     2.53 |   529K | 32783 |   4GB | direct path read (85) |
| p01a           | Set 1 |      47 |      95 |    4.97 |       87 |             |             |     2.56 |   530K | 32894 |   4GB | direct path read (87) |
| p01b           | Set 1 |      48 |      94 |    4.94 |       86 |             |             |     2.70 |   528K | 32673 |   4GB | direct path read (86) |
| p01c           | Set 1 |      49 |      95 |    4.92 |       87 |             |             |     2.52 |   524K | 32512 |   4GB | direct path read (88) |
| p01d           | Set 1 |      50 |      95 |    4.83 |       87 |             |             |     2.62 |   531K | 32981 |   4GB | direct path read (86) |
===========================================================================================================================================================

SQL Plan Monitoring Details (Plan Hash Value=3281332499)
===============================================================================================================================================================================
| Id |           Operation            |       Name       |  Rows   | Cost |   Time    | Start  | Execs |   Rows   | Read | Read  |  Mem  | Activity |        Activity Detail   |
|    |                                |                  | (Estim) |      | Active(s) | Active |       | (Actual) | Reqs | Bytes | (Max) |   (%)    |          (# samples)     |
===============================================================================================================================================================================
|  0 | SELECT STATEMENT               |                  |         |      |         5 |    +96 |    51 |     3721 |      |       |     . |          |                         |
|  1 |   PX COORDINATOR               |                  |         |      |         5 |    +96 |    51 |     3721 |      |       |     . |          |                         |
|  2 |    PX SEND QC (RANDOM)         | :TQ10001         |    208K | 111K |         3 |    +96 |    50 |     3721 |      |       |     . |          |                         |
|  3 |     HASH JOIN                  |                  |    208K | 111K |       100 |     +1 |    50 |     3721 |      |       |  59MB |     0.11 | Cpu (5)                 |
|  4 |      BUFFER SORT               |                  |         |      |         1 |     +2 |    50 |    72800 |      |       |   3MB |          |                         |
|  5 |       JOIN FILTER CREATE       | :BF0000          |    1551 |   10 |         1 |     +2 |    50 |    72800 |      |       |     . |          |                         |
|  6 |        PX RECEIVE              |                  |    1551 |   10 |         1 |     +2 |    50 |    72800 |      |       |     . |          |                         |
|  7 |         PX SEND BROADCAST      | :TQ10000         |    1551 |   10 |         1 |     +2 |     1 |    72800 |      |       |     . |          |                         |
|  8 |          PARTITION LIST SINGLE |                  |    1551 |   10 |         1 |     +2 |     1 |     1456 |      |       |     . |          |                         |
|  9 |           TABLE ACCESS FULL    | CAD_DAY_20180818 |    1551 |   10 |         1 |     +2 |     1 |     1456 |      |       |     . |          |                         |
| 10 |      JOIN FILTER USE           | :BF0000          |      1G | 111K |        99 |     +2 |    50 |      29M |      |       |     . |          |                         |
| 11 |       PX BLOCK ITERATOR        |                  |      1G | 111K |        99 |     +2 |    50 |      29M |      |       |     . |          |                         |
| 12 |        TABLE ACCESS FULL       | CAR_CASEREPORT   |      1G | 111K |       100 |     +1 | 20606 |      29M |   2M | 194GB |     . |    99.89 | Cpu (375)               |
|    |                                |                  |         |      |           |        |       |          |      |       |       |          | direct path read (4227) |
===============================================================================================================================================================================

 

 

 
 
3.表dayureport带有并行degree的原因是由于我们在建表的时候指定了并行参数，导致表的degree发生变化。如以下测试：
  
create table parallel_test1 parallel (degree 4)  as select * from dba_objects;
SQL> select DEGREE from dba_tables where table_name='PARALLEL_TEST1';

TABLE_NAME                               DEGREE
---------------------------------------- ------------------------------
PARALLEL_TEST1                           4                                   --可见degree受创建表时指定的degree影响。
create table parallel_test2 parallel (degree 8)  as select * from dba_objects;
SQL> select table_name,degree from dba_tables where table_name='PARALLEL_TEST2';
TABLE_NAME                               DEGREE
---------------------------------------- ------------------------------
PARALLEL_TEST2                           8
 
4.表自带并行度在对表的并发访问个数较多时，会造成系统瞬间并发激增，系统负载瞬时压力过大的情况。可通过以下方式调整并行度，见如下测试：
  
SQL> alter table PARALLEL_TEST2 parallel;  
Table altered.
SQL> select DEGREE from dba_tables where table_name='PARALLEL_TEST2';
DEGREE
------------------------------
DEFAULT
5.调整默认并行度为是不是DDL操作呢？ 
SQL> select LAST_DDL_TIME from dba_objects where object_name='PARALLEL_TEST2';

LAST_DDL_TIME
--------------
20180823 21:35

SQL> alter table PARALLEL_TEST2 parallel 1;  --此处建议将其默认并行度改为1，而不是默认值

Table altered.

SQL> select DEGREE from dba_tables where table_name='PARALLEL_TEST2';

DEGREE
------------------------------
DEFAULT                                      --

SQL> select LAST_DDL_TIME from dba_objects where object_name='PARALLEL_TEST2';

LAST_DDL_TIME
--------------
20180824 09:37
 
5.当degree的并行度为默认时，其default值为多少？
  
当采用默认值时，default=cpu_count*parallel_thread_per_cpu。也就是说当表的默认度为default时，其并行度为4所以设置这个参数的时候要谨慎！

SQL> show parameter cpu_count

NAME                                 TYPE                              VALUE
------------------------------------ --------------------------------- ------------------------------
cpu_count                            integer                           2
SQL> show parameter parallel_thread

NAME                                 TYPE                              VALUE
------------------------------------ --------------------------------- ------------------------------
parallel_threads_per_cpu             integer                           2

 

 
 
 

转载于:https://www.cnblogs.com/dayu-liu/p/9528717.html

weixin_30299709
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
oracle parallel SQL
11-12
oracle parallel SQL,oracle parallel SQL
oracle并行模式（Parallel）
narutobing的专栏
07-09 2611
一、Parallel 1．  用途 强行启用并行度来执行当前SQL。这个在Oracle 9i之后的版本可以使用，之前的版本现在没有环境进行测试。也就是说，加上这个说明，可以强行启用Oracle的多线程处理功能。举例的话，就像电脑装了多核的CPU，但大多情况下都不会完全多核同时启用（2核以上的比较明显），使用parallel说明，就会多核同时工作，来提高效率。 但本身启动这个功能，
Oracle Parallel
袈裟本无清净，红尘不染性空。幽幽古刹千年钟，都是痴人说梦
07-19 413
背景：在系统中，有2个4核心的CPU，那么一共8个逻辑CPU。每当ORACLE进行查询时，就会产生一个session，对于oracle 每个session占用一个CPU。当整个系统只有一个人在用的时候，剩下7个CPU，是空闲状态。那么就可以用parallel语句合理利用起来剩下7个CPU。 注意：当系统有很多用户连接时，开启parallel不是一个明确的选择。 1．  用途强行启用并行度来执...
oracle parallel
huangliang0703的专栏
05-21 588
文章来自：http://jingyan.baidu.com/article/f3ad7d0ffb9e1109c2345b58.html Oracle数据库的并行操作特性，其本质上就是强行榨取除数据库服务器空闲资源（主要是CPU资源），对一些高负荷大数据量数据进行分治处理。并行操作是一种非确定性的优化策略，在选择的时候需要小心对待。目前，使用并行操作特性的主要有下面几个方面： Paral
Oracle Parallel 并行处理
07-07
oracle中的并行处理，还是值得一看的！
Oracle_Parallel.rar_oracle
09-14
Oracle_Parallel_SQL并行处理1_深入原理介绍.pdf Oracle_Parallel_SQL并行处理2_执行计划分析与问题跟踪.pdf
oracle的Parallel_并行技术案例详解
08-26
oracle的Parallel_并行技术案例详解
Oracle Parallel SQL
11-18
oracle并行SQL的介绍，对SQL优化很有帮助
Oracle Parallel使用方法
热门推荐
c2311156c的博客
06-12 4万+
转自：https://blog.csdn.net/richieruan/article/details/50534886一、 并行查询并行查询允许将一个sql select语句划分为多个较小的查询，每个部分的查询并发地运行，然后将各个部分的结果组合起来，提供最终的结果，多用于全表扫描，索引全扫描等，大表的扫描和连接、创建大的索引、分区索引扫描、大批量插入更新和删除 1.    启用并行查询SQL&...
Oracle Parallel Query
nsj820的专栏
09-04 4291
<br />Oracle Parallel Query(OPQ)可以将一个SQL statement分成多个片(chunks)，然后在独自的CPU上通过多个process（子查询）进行并行运行。每个子查询同时读取一个大型表中的一块。所有子查询完毕以后，Oracle将结果会传给并行查询调度器，他会重新安排数据，如果需要则进行排序，并且将结果传递给最终用户。OPQ具有无限的伸缩性，因此，以前需要花费几分钟的全表检索，目前的响应时间却不到1秒。<br />OPQ 严重依赖于处理器的数量，通过并行运行之所以能极大地
Oracle Parallel使用
03-11 200
oracle 并行(Parallel)使用   1.查询 SELECT /*+ Parallel(t,8) */ * FROM emp t; SELECT /*+ Parallel(8) */ * FROM emp t; SELECT /*+ Parallel */ * FROM emp t;   2.创建索引 create index idx_emp_test o...
Oracle并行执行（Oracle Parallel Execution）
Vincent的博客
06-20 5426
在会话级别开启并行度后，可以通过v$session表中的pdml_status，pddl_status, pq_status来查看DML，DDL, QUERY 的会话并行状态，可能的状态有disabled/enabled/forced。使用force选项时，会强制后续语句使用并行执行，并且用指定的并行度覆盖默认并行度。如果你不知道并行度该设置为多少，可以不指定并行度，这样Oracle会自动决定并行度，例如上面的语句中，我们去掉parallel后的数字，oracle将自行决定并行度。
oracle之parallel用法
weixin_33699914的博客
04-26 1148
select /*+ parallel(表别名,n) */ * from 表名 表别名 ;[parallel后面的表别名也可以直接要表名,若是表名太长,就用表别名吧,n代表并行度,表示用的cpu数目,不必太大3-5就差不多了] 增删改都是可以用的,直接在insert/delete/update后面 紧跟/*+ parallel(表别名,n)*/ 就可以了 create 也要可以用的,如 cr...
oracle 并行parallel
xiongch_xionger的博客
01-08 3109
一、并行（parallel） 当一个sql返回的结果集非常大时，可以开启并行机制。 并行处理的机制是：把一个要扫描的数据集分成很多小的数据集，oracle会启动几个并行服务进程同时处理这些小数据集，最后将结果汇总，作为最终的处理结果返回给用户。    并行处理的注意点：1、并行查询可以在查询语句，子查询语句中使用，但是不可以使用在一个远程引用的对象上（如DBLink）。 para
Oracle Parallel 多线程
04-14 2万+
一、Parallel 1． 用途 强行启用并行度来执行当前SQL。这个在Oracle 9i之后的版本可以使用，之前的版本现在没有环境进行测试。也就是说，加上这个说明，可以强行启用Oracle的多线程处理功能。举例的话，就像电脑装了多核的CPU，但大多情况下都不会完全多核同时启用（2核以上的比较明显），使用parallel说明，就会多核同时工作，来提高效率。 但本身启动这个功能，也是要消耗资
Parallel使用
Acettest's Blogs
10-01 611
Parallel的静态For，ForEach和Invoke方法 Parallel是对Task的封装，目的是简化一些常见的编程情形中任务Task的使用，它内部使用Task。 以上三者的编程情形： Parallel.For(0,1000,i=&gt;DoWork(i))；//指定某个操作的执行次数 Parallel.ForEach(collection,item=&gt;DoWork(item));/...
Spring-Cloud 微服务
weixin_65127444的博客
05-15 899
先来思考一个问题*通过上一章的操作，我们已经可以实现微服务之间的调用。但是我们把服务提供者的网络地址（ip，端口）等硬编码到了代码中，这种做法存在许多问题：1.一旦服务提供者地址变化，就需要手工修改代码2. 一旦是多个服务提供者，无法实现负载均衡功能3.一旦服务变得越来越多，人工维护调用关系困难那么应该怎么解决呢，这时候就需要通过注册中心动态的实现。
生产报表工具PI DataLInk 与 行列视之间的区别
最新发布
2401_83701843的博客
05-17 252
行列视，全名“行列视生产数据应用系统”，行列视品牌所面对的业务范围远远超越了PIDatalink报表工具，他首先是一款本地部署的在线Excel文档管理系统，解决个人报表在线管理问题，其次，她和PIDataLInk一样，也是面向实时数据库报表需求的一套工具，其区别在于行列视品牌兼容国内外大多数实时数据库，也可以同时连接多个数据源，也就是她完全可以替代PI-DataLINk，同时也适用于其他品牌下的实时数据库系统；
oracle create table parallel,使用oracle parallel
05-31
在Oracle数据库中，可以通过使用Parallel选项来创建并行表。使用并行表可以提高表的创建速度，特别是在大型数据集上。以下是创建并行表的语法示例： ```sql CREATE TABLE table_name ( column1 datatype [ NULL | NOT NULL ], column2 datatype [ NULL | NOT NULL ], ... ) PARALLEL degree_clause; ``` 其中，degree_clause指定并行度，可以是一个数字或AUTO关键字。数字指定并行进程数，AUTO关键字会自动根据系统资源分配并行度。 例如，创建一个并行表my_table，使用自动并行度： ```sql CREATE TABLE my_table ( id NUMBER(10), name VARCHAR2(50), age NUMBER(3) ) PARALLEL AUTO; ``` 注意，在使用并行表创建时需要考虑系统资源和性能，过多的并行进程可能会影响系统稳定性。建议在测试环境中进行测试和调整并行度。

“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
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