DSP广告数据系统的地域指标统计场景案例

最新推荐文章于 2024-07-23 23:42:14 发布
最新推荐文章于 2024-07-23 23:42:14 发布
阅读量280 收藏
点赞数
分类专栏： 业务场景用例 文章标签： spark
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/weixin_39868387/article/details/118275312
版权

上一篇：DSP广告数据系统的提交job到yarn运行案例

1、统计各省市的数据分布情况

需求：统计日志中，每个省市的数据记录条数

分析：使用spark SQL进行实现，实现的结果存储到MySQL，存json文件

引入pom文件

<!--gson|jackson|....-->
        <dependency>
            <groupId>com.google.code.gson</groupId>
            <artifactId>gson</artifactId>
            <version>2.8.4</version>
        </dependency>

直接上代码

dolphin-doit01\src\main\scala\cn\sheep\dolphin\report\ProvinceCityAnalysisCore.scala 

package cn.sheep.dolphin.report

import cn.sheep.dolphin.common.DolphinAppComm
import cn.sheep.dolphin.config.DolphinConfig
import com.google.gson.Gson
import org.apache.spark.sql.{SQLContext, SaveMode}

/**
 * 统计各省市数据分布情况的 - Core
 * author: old sheep
 * Created 2021/04/04  12:22
 */
object ProvinceCityAnalysisCore {
  def main(args: Array[String]): Unit = {

    if (args.length != 2) {
      println(
        """
          |Usage: cn.sheep.dolphin.report.ProvinceCityAnalysisCore
          |参数：<parquetInputPath> <jsonOutputPath>
        """.stripMargin)
      sys.exit(-1)
    }

    // 接受参数
    val Array(parquetInputPath, jsonOutputPath) = args

    // sparkContext
    val sc = DolphinAppComm.createSparkContext("统计各省市数据分布情况的")

    // parquet <- SQLContext
    val sqlc = new SQLContext(sc)
    val dataFrame = sqlc.read.parquet(parquetInputPath)

    // 统计数据
    val result = dataFrame.map(row => {
      // 日期
      val day = row.getAs[String]("requestdate").substring(0, 10)
      // 省份
      val province = row.getAs[String]("provincename")
      // 地市
      val city = row.getAs[String]("cityname")

      ((day, province, city), 1)
    }).reduceByKey(_ + _)

    // 存储-MySQL
    import sqlc.implicits._
    val resultDF = result
      .map { case ((day, province, city), count) => (day, province, city, count) }
      .toDF("day", "province", "city", "cnt")

    resultDF.write.mode(SaveMode.Overwrite).jdbc(DolphinConfig._url, "r_procity_analysis", DolphinConfig.props)

    // 存储-JSON
    // 第一种方式
    // resultDF.write.json()

    // 第二种方式 case class => Schema
    result.map { case ((day, province, city), count) => {
      val gson = new Gson()
      gson.toJson(RProcityAnalysis(day, province, city, count))
    }}.saveAsTextFile(jsonOutputPath)

    sc.stop()

  }

}
/*封装结果数据样例对类*/
case class RProcityAnalysis(day: String, province: String, city: String, cnt: Int)

 启动程序之前需要配置传参:

C:\Users\mrman\dolphin-doit01\parquet
C:\Users\mrman\dolphin-doit01\provinceCityAnalysisCore

运行ProvinceCityAnalysisCore程序，在自己的磁盘可以查看输出的数据

 查看输出的part-00000文件数据信息

由于是对mysql的数据进行重写操作，所以可以在mysql的spark数据库查看

总结：

（1）在生产环境下，对应程序运行时的参数，一般都是args传递的，这样做的灵活性会比较好；对于不可变的数据集，实际上是可以放到配置文件中的，比如字段数据；

（2）无论是SQL还是Core的实现方式，其实思想是一样的，永远都是要找到你的统计需求里面的维度字段是什么，即就是SQL中的group by的字段，Core中就是reduceByKey的Key；

（3）通过SQLContext可以获得DataFrame对象,构建DataFrame的几种方式

a.RDD[Row] + StructType(Seq(StructField......)) 
b.RDD + case class =>toDF
RDD[A <: Product]

（4）fastjson对scala样例类支持不是特别好，建议大家在scala中将对象转换成json时使用Gson|Jackson

2、地域指标统计

省市原始请求有效请求广告请求参与竞价竞价成功广告展示广告点击广告消费广告成本

2.1、需求：

2.2、要求

  • 数据存储到MySQL中，省市数据分成2个字段存储；

  • 需求的实现采用两种方式进行实现(SQL|Core)；

  • 结果要求一个job完成；

  • 需要按天统计

sparkcore方式实现

直接上代码

dolphin-doit01\src\main\scala\cn\sheep\dolphin\bean\AreaReportResult.scala


package cn.sheep.dolphin.bean
/**
 * author: old sheep
 * Created 2021/04/04  16:13
 */
case class AreaReportResult(
                             day: String,
                             provinceName: String,
                             cityName: String,
                             rawRequest: Int,
                             effectiveRequest: Int,
                             adRequest: Int,
                             isRTB: Int,
                             succRTB: Int,
                             adShow: Int,
                             adClick: Int,
                             expense: Double,
                             cost: Double
                           )

dolphin-doit01\src\main\scala\cn\sheep\dolphin\report\AreaAnalysisCore.scala


package cn.sheep.dolphin.report

import cn.sheep.dolphin.bean.AreaReportResult
import cn.sheep.dolphin.common.DolphinAppComm
import cn.sheep.dolphin.config.DolphinConfig
import org.apache.spark.sql.{Row, SQLContext, SaveMode}

/**
 * 地域指标统计 - core
 * author: old sheep
 * Created 2021/04/04 14:25
 */
object AreaAnalysisCore {
  def main(args: Array[String]): Unit = {
    if (args.size != 1) {
      println(
        """
          |Usage: cn.sheep.dolphin.report.AreaAnalysisCore
          |  <parquetInputPath>
        """.stripMargin)
      sys.exit(-1)
    }

    val Array(parquetInputPath) = args

    val sc = DolphinAppComm.createSparkContext("地域指标统计")
    val sQLContext = new SQLContext(sc)

    // 读取数据parquet
    val dataFrame = sQLContext.read.parquet(parquetInputPath)

    import sQLContext.implicits._

    dataFrame.map(row =>{
      //获取省市及日期
      val day = row.getAs[String]("requestdate").substring(0, 10)  //请求时间,格式为：yyyy-m-dd hh:mm:ss
      val proName = row.getAs[String]("provincename")  //设备所在省份名称
      val cityName = row.getAs[String]("cityname")  //设备所在城市名称

      //提取判断字段的依据
      val requestMode = row.getAs[Int]("requestmode")  //数据请求方式（1:请求、2:展示、3:点击）
      val processNode = row.getAs[Int]("processnode") //流程节点（1：请求量kpi 2：有效请求 3：广告请）
      val effective = row.getAs[Int]("iseffective")  //有效标识（有效指可以正常计费的）(0：无效 1：有效）
      val billing = row.getAs[Int]("isbilling")  //是否收费（0：未收费1：已收费）
      val isBid = row.getAs[Int]("isbid")  //是否rtb
      val isWin = row.getAs[Int]("iswin")   //是否竞价成功
      val adOrderId = row.getAs[Int]("adorderid")  //广告id

      val winPrice = row.getAs[Double]("winprice")  //竞价成功价格
      val adPayment = row.getAs[Double]("adpayment")  //转换后的广告消费

      //原始请求、有效请求、广告请求
      val (rawRequest,effectiveRequest,adRequest)=if (requestMode == 1 && processNode >=3)(1,1,1)
      else if (requestMode ==1 && processNode ==2)(1,1,0)
      else if (requestMode ==1 && processNode ==1)(1,0,0)
      else(0,0,0)

      //是否参与竞价的日志
      val isRBT=if(effective ==1 && billing ==1 && isBid ==1 && adOrderId !=0) 1 else 0

      //是竞价成功的日志吗
      val (succRTB,expense,cost) = if (effective == 1 && billing == 1 && isWin == 1) {
        val winPrice = row.getAs[Double]("winprice")/1000d  //竞价成功价格
        val adPayment = row.getAs[Double]("adpayment")/1000d  //转换后的广告消费
        (1,winPrice,adPayment)
      } else (0,0d,0d)

      //（广告的展示、广告点击）
      val (adShow,adClick) = if (requestMode == 2 && effective == 1) (1, 0)
      else if (requestMode == 3 && effective ==1)(0,1)
      else(0,0)

 //组装数据格式（k，v） => (day,proName,cityName),(原始请求、有效请求、广告请求、参与竞价、竞价成功、广告的展示、广告点击)
      (
        (day,proName,cityName),
          (rawRequest,effectiveRequest,adRequest,isRBT,succRTB,adShow,adClick,expense,cost)
        )

    }).reduceByKey((a,b) =>{
      (
        a._1 + b._1,
      a._2 + b._2,
      a._3 + b._3,
      a._4 + b._4,
      a._5 + b._5,
      a._6 + b._6,
      a._7 + b._7,
      a._8 + b._8,
      a._9 + b._9
      )

    }).map{
      case ((day, pname, cname),(rawReq, effReq, adReq, isRTB, succRTB, adShow, adClick, expense, cost)) =>
        AreaReportResult(
          day, pname, cname,
          rawReq.toInt, effReq.toInt, adReq.toInt,
          isRTB.toInt, succRTB.toInt, adShow.toInt,
          adClick.toInt, expense, cost)
    }
      .toDF()
      .write.mode(SaveMode.Append)
      .jdbc(DolphinConfig._url, "r_area_analysis", DolphinConfig.props)

    sc.stop()

  }

}

运行AreaAnalysisCore程序，控制台打印输出

在mysql查看spark数据库发现多了一张r_area_analysis数据表

代码优化改造


package cn.sheep.dolphin.report

import cn.sheep.dolphin.bean.AreaReportResult
import cn.sheep.dolphin.common.DolphinAppComm
import cn.sheep.dolphin.config.DolphinConfig
import org.apache.spark.sql.{SQLContext, SaveMode}

/**
 * 地域指标统计 - core【代码优化改造后】
 * author: old sheep
 * Created 2021/04/04 19：23
 */
object AreaAnalysisCore {
  def main(args: Array[String]): Unit = {
    if (args.size != 1) {
      println(
        """
          |Usage: cn.sheep.dolphin.report.AreaAnalysisCore
          |  <parquetInputPath>
        """.stripMargin)
      sys.exit(-1)
    }

    val Array(parquetInputPath) = args

    val sc = DolphinAppComm.createSparkContext("地域指标统计")
    val sQLContext = new SQLContext(sc)

    // 读取数据parquet
    val dataFrame = sQLContext.read.parquet(parquetInputPath)

    import sQLContext.implicits._

    dataFrame.map(row =>{
      //获取省市及日期
      val day = row.getAs[String]("requestdate").substring(0, 10)  //请求时间,格式为：yyyy-m-dd hh:mm:ss
      val proName = row.getAs[String]("provincename")  //设备所在省份名称
      val cityName = row.getAs[String]("cityname")  //设备所在城市名称

      //提取判断字段的依据
      val requestMode = row.getAs[Int]("requestmode")  //数据请求方式（1:请求、2:展示、3:点击）
      val processNode = row.getAs[Int]("processnode") //流程节点（1：请求量kpi 2：有效请求 3：广告请）
      val effective = row.getAs[Int]("iseffective")  //有效标识（有效指可以正常计费的）(0：无效 1：有效）
      val billing = row.getAs[Int]("isbilling")  //是否收费（0：未收费1：已收费）
      val isBid = row.getAs[Int]("isbid")  //是否rtb
      val isWin = row.getAs[Int]("iswin")   //是否竞价成功
      val adOrderId = row.getAs[Int]("adorderid")  //广告id

      val winPrice = row.getAs[Double]("winprice")  //竞价成功价格
      val adPayment = row.getAs[Double]("adpayment")  //转换后的广告消费

      //原始请求、有效请求、广告请求
      val (rawRequest,effectiveRequest,adRequest)=if (requestMode == 1 && processNode >=3)(1,1,1)
      else if (requestMode ==1 && processNode ==2)(1,1,0)
      else if (requestMode ==1 && processNode ==1)(1,0,0)
      else(0,0,0)

      //是否参与竞价的日志
      val isRBT=if(effective ==1 && billing ==1 && isBid ==1 && adOrderId !=0) 1 else 0

      //是竞价成功的日志吗
      val (succRTB,expense,cost) = if (effective == 1 && billing == 1 && isWin == 1) {
        val winPrice = row.getAs[Double]("winprice")/1000d  //竞价成功价格
        val adPayment = row.getAs[Double]("adpayment")/1000d  //转换后的广告消费
        (1,winPrice,adPayment)
      } else (0,0d,0d)

      //（广告的展示、广告点击）
      val (adShow,adClick) = if (requestMode == 2 && effective == 1) (1, 0)
      else if (requestMode == 3 && effective ==1)(0,1)
      else(0,0)

 //组装数据格式（k，v） => (day,proName,cityName),(原始请求、有效请求、广告请求、参与竞价、竞价成功、广告的展示、广告点击)
      (
        (day,proName,cityName),
         List (rawRequest,effectiveRequest,adRequest,isRBT,succRTB,adShow,adClick,expense,cost)
        )

    }).reduceByKey((a,b) => {
      a.zip(b).map(tp => tp._1 + tp._2)

    }).map{
      case ((day, pname, cname),List(rawReq, effReq, adReq, isRTB, succRTB, adShow, adClick, expense, cost)) =>
        AreaReportResult(
          day, pname, cname,
          rawReq.toInt, effReq.toInt, adReq.toInt,
          isRTB.toInt, succRTB.toInt, adShow.toInt,
          adClick.toInt, expense, cost)
    }
      .toDF()
      .write.mode(SaveMode.Append)
      .jdbc(DolphinConfig._url, "r_area_analysis", DolphinConfig.props)

    sc.stop()

  }
}

sparkSql方式实现

 


package cn.sheep.dolphin.report

import cn.sheep.dolphin.common.DolphinAppComm
import cn.sheep.dolphin.config.DolphinConfig
import org.apache.spark.sql.{SQLContext, SaveMode}
/** 地域指标统计 - sql
 * author: old sheep
 * Created 2021/04/04 21:30
 */
object AreaAnalysisSQL {
  def main(args: Array[String]): Unit = {

    if (args.size != 1) {
      println(
        """
          |Usage: cn.sheep.dolphin.report.AreaAnalysisSQL
          |  <parquetInputPath>
        """.stripMargin)
      sys.exit(-1)
    }

    val Array(parquetInputPath) = args

    val sc = DolphinAppComm.createSparkContext("地域指标统计")
    val sQLContext = new SQLContext(sc)

    // 读取数据parquet
    val dataFrame = sQLContext.read.parquet(parquetInputPath)

    // 将dataFrame注册成临时表
    dataFrame.registerTempTable("adlogs")

    // spark sql提供了udf功能
    sQLContext.udf.register("sheepif", (bool: Boolean, right: Double, wrong: Double) => if (bool) right else wrong)

    // 写sql查表
    val result = sQLContext.sql(
      """
        |select provincename, cityname, substring(requestdate, 0, 10) day,
        |sum(case when requestmode=1 and processnode>=1 then 1 else 0 end) rawReq,
        |sum(case when requestmode=1 and processnode>=2 then 1 else 0 end) effReq,
        |sum(case when requestmode=1 and processnode=3 then 1 else 0 end) adReq,
        |
        |sum(sheepif(iseffective=1 and isbilling=1 and isbid=1 and adorderid!=0, 1, 0)) isRTB,
        |sum(if(iseffective=1 and isbilling=1 and iswin=1, 1, 0)) succRTB,
        |
        |sum(if(requestmode=2 and iseffective=1, 1, 0)) adShow,
        |sum(if(requestmode=3 and iseffective=1, 1, 0)) adClik,
        |
        |sum(if(iseffective=1 and isbilling=1 and iswin=1, winprice/1000, 0)) expense,
        |sum(if(iseffective=1 and isbilling=1 and iswin=1, adpayment/1000, 0)) cost
        |
        |from adlogs
        |group by provincename, cityname, substring(requestdate, 0, 10)
        |
      """.stripMargin)

    // 将结果写入到数据库中
    result.write.mode(SaveMode.Overwrite).jdbc(DolphinConfig._url, "r_area_analysis2", DolphinConfig.props)


    sc.stop()


  }
}

运行AreaAnalysisSQL程序，控制台打印输出

在mysql查看spark数据库发现多了一张r_area_analysis2数据表

若想在控制台查看数据，直接show方法即可：

  // 将结果写入到数据库中
//    result.write.mode(SaveMode.Overwrite).jdbc(DolphinConfig._url, "r_area_analysis2", DolphinConfig.props)
    result.show()

控制台打印输出

查看spark的地域指标的Web UI 页面

江湖侠客
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
DSP音频软件开发之数据文件关系
xinbo7077的博客
06-21 113
11111111111
TikTok广告实操案例数据分析（一）
ydgy369的博客
10-16 465
TikTok作为短视频届的头部平台，在鼓励用户进行原创内容生产（UGC）、搭建话题社区和话题造势方面的能力远远超出了APP本身该具备的能力范畴。而话题标签功能（#XXXX）在造势方面发挥着不小的作用——视频发布时，TikTok允许用户使用不同词汇标签附在文案中，以生成新的甚至是具备“爆款”因子的话题，吸引更多用户“拍同款”或是进行二次创作。在“野火效应”之下，相应标签的受众将远超标签创造者的粉丝人数。 根据相关统计数据显示，约有35%的TikTok用户参与或发起过“标签挑战”（Hashtag Challe
大数据分析与应用的8个场景
波希米亚的专栏
03-10 2060
企业大数据应用远不止此，理论上看，业务价值链的各个环节都有数据分析的必要性，随着大数据应用的进一步深化，会有越来越多的应用场景，最大程度发挥大数据应用的价值。
DSP CMD文件
08-18
DSP的CMD文件原理详解
场景分类数据集
qq_33786177的博客
04-01 6337
1. UC Merced Land-Use Data Set 图像像素大小为256*256，总包含21类场景图像，每一类有100张，共2100张。 下载地址：http://weegee.vision.ucmerced.edu/datasets/landuse.html 2.WHU-RS19 Data Set 图像像素大小为600*600，总包含19类场景图像，每一类大概50张，共1005...
单片机与DSP中的关于数据采集系统的关键性能指标
11-12
数据采集系统（DAQ）在单片机与DSP领域中扮演着至关重要的角色，尤其是在各种物理量的监测和分析中。然而，许多开发人员缺乏专业的测试工程背景，这使得选择合适的DAQ系统成为一项挑战。了解其关键性能指标是确保...
互联网DSP广告系统架构及关键技术解析.docx
08-23
总之，DSP广告系统结合了高速计算、大数据处理、机器学习等多种技术，实现了广告的精准投放和实时优化，是互联网广告领域的重要创新。了解这些核心技术有助于深入理解广告行业的运作模式和优化策略。
DSP中的数据采集系统设计与实现
10-23
在现代控制系统中，数据采集系统就像控制系统的“眼睛”和“耳朵”一样，成为控制系统不可或缺的重要部分。它是各种控制系统获取信息的一种重要途径。本采集系统采用ADI公司生产的12位模数转换器AD7862，它是一款...
基于DSP和FPGA的红外信息数据处理系统
01-19
文中从工作原理、硬件及软件3个方面介绍了基于DSP和FPGA芯片的红外信息数据处理系统设计方法。 　1 红外制导控制系统硬件总体设计 　红外信息数据处理系统按照功能划分为两大板块，由图像信息处理板和控制信息处理...
DSP中的双CPU数据处理系统设计
10-23
在嵌入式控制系统中经常需要对现场物理量进行数据采集与实时处理，且要求系统具有良好的人机交互功能，这时仅采用DSP处理器往往不能满足要求。本文选择以单片机为主处理单元（主要完成各种控制和接口功能）、DSP芯片...
超详细的CMD文件讲解（DSP28035）
热门推荐
鸟宿江边树的博客
10-08 4万+
一、 CMD文件基本概念及语法 CMD的专业名称叫链接器配置文件，是存放链接器的配置信息的，我们简称为命令文件。从其名称可以看出，该文件的作用是指明如何链接程序的。 那么我们知道，在编写TI DSP程序时，是可以将程序分为很多段，比如text、bss等，各段的作用均不相同。实际在片中运行时，所处的位置也不相同。比如text代码一般应该放在flash内，而bss的变量应该放在ram内。等等。但是对
DSP 从外部加载文件到内存
09-06 2575
所写代码如下：#include int main(){  unsigned char *a;  int i=1000;  a=(unsigned char*)0x0000B000; // printf("%d/n",*a); while(i>0) { i--; printf("%d/n",*a++);   }  return 0;}ccs 默认的加载内存数据和保存内存数据的起始地址
海量实时广告流平台（DSP广告系统）架构设计与实践
erainm
07-25 6645
1. 项目背景 在互联网上，流量=变现 流量变现的⽅式有很多种，不同的产品/平台，变现模式不一样。按大类分，无外乎三类:卖广告、卖产品/服务、增值服务。 今天重点说说广告的变现模式，并主要解决两个问题: ⼴告从何来？ 怎样的广告策略才能让流量变现最大化？ 广告来源可以有很多渠道，分两个大类: 直投客户:来⾃自己销售，或代理公司。 这⾥的直投是指直接在流量⽅广告系统投放，可以自建也可以使用第三方⼴告系统。 在变现上，DAU千万级以上的产品就不用过于发愁了，不管是自建销售队伍还是走代理公司，一般
常用数据分析工具和应用场景
清平乐的技术专栏
06-24 3687
MATLAB MATLAB是Matrix Laboratory（矩阵实验室）的缩写，是一款由美国The MathWorks公司出品的商业数学软件。MATLAB不仅仅是一款可以用来做统计分析的软件，它还可以高效地处理其他很多的数学问题。它常被用于各种数学建模和工程设计，相比于它强大的统计分析功能，这可说是大材小用。它具有丰富的库函数（工具箱）；内嵌绘图功能，可实现数据的多维度展现；同时有良好的交互...
spark：地区广告点击量排行统计（小案例）
qq_55906442的博客
07-25 565
1）获得高点击率后就可以收取一部分广告收入，当然你的内容粘性越大，广告收入越高；注可以获得客户资料和数据，分析客户的需求，进行定制性服务，让客户更满意；2022-5-3-221930浙江城市6大笨蛋广告1。时间、省份、城市、用户、广告中间字段使用空格分隔。通过分析，平台可以增加内容与服务，更改结构和工作流程。（3）获取无形资产网站知名度，客户资料，客户数据。统计每个省份每个广告被点击数排行的Top5。（2）商业网站更重要的是能够获得信息资产；如下图，作者懒，不想做文字解释。...
数据安全平台——DSP
数据安全学习分享
04-03 7720
DSP全称是Data Security Platforms，Gartner将数据安全平台（DSP）定义为以数据安全为中心的产品和服务，旨在跨数据类型、存储孤岛和生态系统集成数据的独特保护需求。 DSP涵盖了各种场景下的数据安全保护需求，DSP是以数据安全为核心的保护方案，以数据发现和数据分类分级为基础，混合了多种技术来实现数据安全防护。例如：数据访问控制，数据脱敏，文件加密等，成熟的DSP也可能包含了数据活动监控和数据风险评估的功能。 2、DSP发展的驱动力 随着数据逐渐变成.
Spark实时（二）：StructuredStreaming编程模型
最新发布
Lansonli（蓝深李）的博客
07-23 1071
对于流式数据处理时，我们更希望使用事件时间evnet time来对数据进行窗口划分，事件时间一般嵌入到数据本身，是数据中的一个列，例如：Iot设备产生实时数据时，我们对这些数据进行处理时，我们希望使用事件产生的时间，即：event time，而不希望使用Spark接收这些事件的时间进行窗口划分数据分析。此外，Structured Streaming 基于事件时间处理数据时还支持对延迟数据的处理，当有延迟数据到达时，Structured Streaming可以基于事件时间找到对应的窗口对数据进行更新。
付海军解读：高可用互联网DSP广告系统架构与关键技术
互联网DSP广告系统架构及关键技术解析是一篇由付海军——一位具有丰富经验的广告行业资深架构师分享的内容，他在文章中深入探讨了DSP（Demand-Side Platform）广告系统的核心要素及其关键技术。付海军目前任职于时趣...
评论 1
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