ElasticSearch 学习（二）—— IK 分词器和 Kibana

最新推荐文章于 2024-05-17 18:08:02 发布
最新推荐文章于 2024-05-17 18:08:02 发布
阅读量1.7k 收藏 1
点赞数
分类专栏： ElasticSearch Kibana 文章标签： elasticsearch kibana
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_55220613/article/details/121528844
版权

文章目录

前言

在了解过 ElasticSearch 的基础和基本的对外提供的接口之后，我接触了 IK分词器和 Kibana 工具。

提示：以下是本篇文章正文内容，下面案例可供参考

一、IK 分词器

1.1 简介

IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开 始，IKAnalyzer已经推出 了3个大版本。最初，它是以开源项目Lucene为应用主体的，结合词典分词和 文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为 面向Java的公用分词组件，独立于 Lucene项目，同时提供了对Lucene的默认优化实现。

IK分词器3.0的特性如下：

  1. 采用了特有的“正向迭代最细粒度切分算法“，具有60万字/秒的高速处理能力。 ；
  2. 采用了多子处理器分析模式，支持：英文字母（IP地址、Email、URL）、数字（日期，常用中文数量词，罗马数字，科 学计数法），中文词汇（姓名、地名处理）等分词处理；
  3. 对中英联合支持不是很好,在这方面的处理 比较麻烦.需再做一次查询,同时是支持个人词条的优化的词典存储，更小的内存占用；
  4. 支持用户词 典扩展定义 ；
  5. 针对Lucene全文检索优化的查询分析器IKQueryParser；采用歧义分析算法优化查询 关键字的搜索排列组合，能极大的提高Lucene检索的命中率。

1.2 安装

IK 分词器的下载地址 ， 下载完成之后上传到我们准备好的服务器上，并进行解压。然后改名为 ik（改名是为了方便操作，可以不改）。

解压和重命名的指令：

# 解压
unzip elasticsearch-analysis-ik-5.6.8.zip
# 重命名
mv elasticsearch ik

然后，将 IK 分词器插件拷贝到 ElasticSearch 容器的 plugins 目录下（容器的下载安装参考前面的 ElasticSearch基础）：

# ik 插件的路径根据自己的实际情况改一下
docker cp ./ik  c_es:/usr/share/elasticsearch/plugins

然后重启容器，插件就生效了。

1.3 简单的参数说明

  • _analyze： 发送请求到分词器；
  • analyzer： 分词器：有两种，一种是 ik_smar 会做最粗粒度的拆分 ， 比如会将“中华人民共和国人民大会堂”拆分为中华人民共和国、人民大会堂。 一种是 ik_max_word 会将文本做最细粒度的拆分， 比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共 和国、人民、共和国、大会堂、大会、会堂等词语。
  • pretty： 格式化数据，便于查看。
  1. 测试1
http://192.168.191.128:9200/_analyze?analyzer=ik_smart&pretty=true&text=我是程序员

返回结果：
在这里插入图片描述
2. 测试2

http://192.168.191.128:9200/_analyze?analyzer=ik_max_word&pretty=true&text=我是程序员

在这里插入图片描述
总结：

  1. ik_max_word：会将文本做最细粒度的拆分；
    比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、中华人民、中华、华人、人民共和国、人民、共和国、大会堂、大会、会堂”等词语；
  2. ik_smart：会做最粗粒度的划分；
    比如会将“中华人民共和国人民大会堂”拆分为“中华人民共和国、人民大会堂”。

二、Kibana 使用 — 掌握 DSL 语句

2.1 简介

我们原来使用过 elasticsearch-header 插件实现数据查找的，但是 elasticsearch-header 的功能比较单一，因此引入一个更加专业的工具实现对日志的实时分析。就是 Kibana。

Kibana 是一款开源的数据分析可视化平台，他是 ElasticSearch 成员之一，用于和 ElasticSearch 协作。我们可以通过 Kibana 对 ElasticSearch 索引中的数据进行搜索、查看和交互。可以很方便的利用图表、表格以及地图对数据进行多元化的分析和呈现。

Kibana 可以使大数据通俗易懂。它很简单，基于浏览器的界面使得可以快速创建和分享动态数据仪表板来追踪 ElasticSearch 的实时数据变化。

搭建 Kibana 也非常简单。通过他的镜像自带的容器就可以实现安装，并不需要额外的代码和设施。

2.2 Kibana 下载安装

  1. 镜像下载
docker pull docker.io/kibana:5.6.8
  1. 安装 kibana 容器
docker run -it -d -e ELASTICSEARCH_URL=http://192.168.198.100:9200 --name
kibana -p 5601:5601 kibana:5.6.8

ELASTICSEARCH_URL=http://192.168.198.100:9200 是指链接的 ElasticSearch 地址。5601 是访问端口。

  1. 部分快捷键
ctrl+i ⾃动缩进
ctrl+enter 提交请求
down 打开⾃动补全菜单
enter或tab 选中项⾃动补全
esc 关闭补全菜单
    1. 测试
# 根据自己的实际的 地址和端口进行访问
http://192.168.198.100:5601/

在这里插入图片描述

2.3 Kibana 使用

2.3.1 配置索引

使用 Kibana 时，必须至少配置一个索引。索引用于标识 ElasticSearch 以运行搜索、分析和配置字段。
在这里插入图片描述
我们修改索引名称的匹配方式即可，下面两个选项不用勾选。然后点击 create，会展示出当前配置的索引的域信息；

我们在刚进来的时候是看不到 create 的按钮的（因为默认的匹配规则 logstash-* 在我们的 ElasticSearch 中匹配不到信息），当我们在 Index pattern 的输入框中输入我们要连接的索引后，就会出现 create 按钮
在这里插入图片描述
我们创建之后，就能看到对应的索引的信息了
在这里插入图片描述

域的每个标题选项分别代表如下意思：
在这里插入图片描述

2.3.2 数据搜索

Discover 为数据搜索部分，可以对日志信息进行搜索操作。
在这里插入图片描述

可以使⽤Discover实现数据搜索过滤和搜索条件显⽰以及关键词搜索：
在这里插入图片描述

2.3.3 DSL 语句

2.3.3.1 Query DSL 结构化查询介绍

Query DSL 是一个 JAVA 开源框架，用于构建类型安全的 SQL 查询语句。采用 API 代替传统的拼接字符串来构造查询语句。目前 Query DSL 支持的平台包括 JPA、JDO、SQL、Java Collections、RDF、Lucene、Hibernate Search。ElasticSearch 提供了一整套基于 JSON 的 DSL 语言来定义查询。

2.3.3.2 索引操作
  1. 查询所有索引
GET /_cat/indices?v

在这里插入图片描述
2. 删除某个索引

DELETE /blog1  # DELETE 索引名称

在这里插入图片描述

  1. 新增索引
PUT /user

在这里插入图片描述

  1. 创建映射
PUT /user/userinfo/_mapping 
{
 "properties": {
   "name": {
     "type": "text",
     "analyzer": "ik_smart",
     "search_analyzer": "ik_smart"
   },
   "city": {
     "type": "text",
     "analyzer": "ik_smart",
     "search_analyzer": "ik_smart"
   },
   "age": {
     "type": "long"
   },
   "description": {
     "type": "text",
     "analyzer": "ik_smart",
     "search_analyzer": "ik_smart"
   }
 }
}

在这里插入图片描述
5. 新增文档数据

PUT /user/userinfo/1
{
  "name": "李四",
  "age": 22,
  "city": "北京",
  "description": "李四来自湖北武汉 "
}

在这里插入图片描述
在增加几条数据：

# 新增⽂档数据 id=2
PUT /user/userinfo/2
{
 "name":"王五",
 "age":35,
 "city":"深圳",
 "description":"王五家住在深圳！"
}
#新增⽂档数据 id=3
PUT /user/userinfo/3
{
 "name":"张三",
 "age":19,
 "city":"深圳",
 "description":"在深圳打⼯，来⾃湖北武汉"
}
#新增⽂档数据 id=4
PUT /user/userinfo/4
{
 "name":"张三丰",
 "age":66,
 "city":"武汉",
 "description":"在武汉读书，家在武汉！"
}
#新增⽂档数据 id=5
PUT /user/userinfo/5
{
 "name":"赵⼦⻰",
 "age":77,
 "city":"⼴州",
 "description":"赵⼦⻰来⾃深圳宝安，但是在⼴州⼯作！",
 "address":"⼴东省茂名市"
}
#新增⽂档数据 id=6
PUT /user/userinfo/6
{
 "name":"赵毅",
 "age":55,
 "city":"⼴州",
 "description":"赵毅来⾃⼴州⽩云区，从事电⼦商务8年！"
}
#新增⽂档数据 id=7
PUT /user/userinfo/7
{
 "name":"赵哈哈",
 "age":57,
 "city":"武汉",
 "description":"武汉赵哈哈，在深圳打⼯已有半年了，⽉薪7500！"
}
  1. 修改数据
    a. 替换操作
    更新数据可以使用之前的增加操作，，这种操作回将数据整个替换：
#更新数据,id=4
PUT /user/userinfo/4
{
 "name":"张三丰",
 "description":"在武汉读书，家在武汉！在深圳⼯作！"
}

在这里插入图片描述
在查看一下数据：
在这里插入图片描述
b. 替换操作:
使用 POST 更新某个列数据
在这里插入图片描述
再使用 GET 命令查询一下数据：
在这里插入图片描述
7. 删除 Document

DELETE /user/userinfo/7

在这里插入图片描述

2.3.3.3 数据查询
  1. 查询所有数据
GET /user/_search

在这里插入图片描述
2. 根据 ID 查询

GET /user/userinfo/3

在这里插入图片描述
3. sort 排序

GET /user/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

在这里插入图片描述

  1. 分页
    from：从第 N 条记录开始查询；
    size：每页显示的数量
GET /user/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ],
  "from": 0,
  "size": 2
}

在这里插入图片描述

2.3.3.4 查询模式
  1. term 查询
    term 主要用于分词精确匹配，如字符串、数值、日期等。但不适用于 （1）列中除英文字符外还有其他值； （2）字符串值中有冒号或者中文； （3）系统自带属性（如 _version）
GET _search 
{
  "query": {
    "term": {
      "city": {
        "value": "深圳"
      }
    }
  }
}

在这里插入图片描述
2. terms 查询
terms 和 term 有点相似，但是 terms 可以指定多个匹配条件。如果某个字段制定了多个值，那么文档需要一起做匹配

GET _search
{
  "query": {
    "terms": {
      "city": [
        "北京",
        "深圳"
      ]
    }
  }
}

在这里插入图片描述
3. match 查询
会对我们的查询语句进行匹配

{
  "query": {
    "match": {
      "city": "深圳北京"
    }
  }
}

在这里插入图片描述

  1. query_string 查询
GET _search
{
  "query": {
    "query_string": {
      "default_field": "city",
      "query": "深圳北京"
    }
  }
}

在这里插入图片描述
5. range 查询

# range：表示过滤范围
# gt 表示 >；  gte 表示 >=
# lt 表示 <；  lte 表示 <=
GET _search
{
  "query": {
    "range": {
      "age": {
        "gte": 30,
        "lte": 50
      }
    }
  }
}

在这里插入图片描述

  1. exists 查询
    exists 过滤可以用于查找拥有某个域的数据：
GET _search
{
  "query": {
    "exists": {
      "field": "address"
    }
  }
}

在这里插入图片描述
7. bool 查询
bool 可以用来合并多个查询条件的布尔逻辑值；它包含以下操作符：

  • must：多个查询条件的完全匹配，相当于 and；
  • must_not：多个查询条件的相反匹配，相当于 not；
  • should：至少有一个查询条件匹配，相当于 or。

这些参数可以分别继承一个过滤条件或者一个过滤条件的数组。

GET _search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "city": {
              "value": "深圳"
            }
          }
        },
        {
          "range": {
            "age": {
              "gte": 10,
              "lte": 20
            }
          }
        }
      ]
    }
  }
}

在这里插入图片描述
8. match_all 查询
可以查询到所有文档，是没有查询条件下的你默认语句；

GET _search
{
  "query": {
    "match_all": {}
  }
}

在这里插入图片描述

  1. match 查询
    match 查询是一个标准查询，不管你需要全文本查询还是精确查询，及本省都需要用到它。
    如果使用 match 查询一个全文本字段，他会在真正查询之前，先通过分析器分析 match 以下要查询的字符：
GET _search
{
  "query": {
    "match": {
      "city": "北京"
    }
  }
}

在这里插入图片描述

  1. prefix 查询
    以 某字符开头 的，可以更简单的使用 prefix ，例如：查询所有以 张 开始的用户描述：
GET  _search
{
  "query": {
    "prefix": {
      "name": {
        "value": "赵"
      }
    }
  }
}

在这里插入图片描述
11. multi_match 查询
multi_match 查询允许允许在做 match 查询的基础上同时搜索多个字段，在多个字段（域）中同时查一个：

GET _search
{
  "query": {
    "multi_match": {
      "query": "深圳",
      "fields": [
        "city",
        "description"
        ]
    }
  }
}

在这里插入图片描述

2.2.3.5 完整 DSL 语句代码
# 查看所有索引
GET /_cat/indices?v

# 删除 skuinfo 索引
DELETE /skuinfo

# 新增 user 索引
PUT /user

# 创建 userinfo 映射
PUT /user/userinfo/_mapping 
{
  "properties": {
    "name": {
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart"
    },
    "city": {
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart"
    },
    "age": {
      "type": "long"
    },
    "description": {
      "type": "text",
      "analyzer": "ik_smart",
      "search_analyzer": "ik_smart"
    }
  }
}


# 新增文档 user 中的 id 为 1 的文档
# 更新文档 
PUT /user/userinfo/1
{
  "name": "李四",
  "age": 22,
  "city": "北京",
  "description": "李四来自湖北武汉 "
}


# 根据 id 查询，查询 id=4 的文档数据
GET user/userinfo/4

 # 更新 id=4 的文档信息
POST /user/userinfo/4/_update
{
  "doc": {
    "name": "张三丰1",
    "description": "在武汉读书，家在武汉！在深圳⼯作........."
  }
}    

#删除数据
DELETE user/userinfo/4

#查询所有
GET /user/_search

#搜索排序
GET /user/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ]
}

#分⻚实现
GET /user/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "age": {
        "order": "desc"
      }
    }
  ],
  "from": 0,
  "size": 2
}


#查询-term
# term 查询 
GET _search 
{
  "query": {
    "term": {
      "city": {
        "value": "深圳"
      }
    }
  }
}

#查询-terms 允许多个Term
GET _search
{
  "query": {
    "terms": {
      "city": [
        "北京",
        "深圳"
      ]
    }
  }
}

# match查询
GET _search
{
  "query": {
    "match": {
      "city": "深圳北京"
    }
  }
}

# query_string
GET _search
{
  "query": {
    "query_string": {
      "default_field": "city",
      "query": "深圳北京"
    }
  }
}


#过滤-range 范围过滤
#gt表示> gte表示=>
#lt表示< lte表示<=
GET _search
{
  "query": {
    "range": {
      "age": {
        "gte": 30,
        "lte": 50
      }
    }
  }
}

#过滤搜索 exists：是指包含某个域的数据检索
GET _search
{
  "query": {
    "exists": {
      "field": "address"
    }
  }
}

#过滤搜索 bool
#must : 多个查询条件的完全匹配,相当于 and。
#must_not : 多个查询条件的相反匹配，相当于 not。
#should : ⾄少有⼀个查询条件匹配, 相当于 or。
GET _search
{
  "query": {
    "bool": {
      "must": [
        {
          "term": {
            "city": {
              "value": "深圳"
            }
          }
        },
        {
          "range": {
            "age": {
              "gte": 10,
              "lte": 20
            }
          }
        }
      ]
    }
  }
}

#查询所有 match_all
GET _search
{
  "query": {
    "match_all": {}
  }
}

#字符串匹配
GET _search
{
  "query": {
    "match": {
      "city": "北京"
    }
  }
}

#前缀匹配 prefix
GET  _search
{
  "query": {
    "prefix": {
      "name": {
        "value": "赵"
      }
    }
  }
}

#多个域匹配搜索
GET _search
{
  "query": {
    "multi_match": {
      "query": "深圳",
      "fields": [
        "city",
        "description"
        ]
    }
  }
}
橙子是蓝色的
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
elasticsearch-6.2.2，ik分词器，kibana-6.2.2-windows-64
04-29
Elasticsearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级...
ES-IK分词器的概念和基本使用
jc15274630894的博客
04-21 4547
ES-IK分词器的概念和基本使用
ElasticSearch之IK分词器安装以及使用介绍
热门推荐
qq_39939541的博客
07-27 1万+
elasticsearch 默认的内置分词器对中文的分词效果可能并不理想，因为它们主要是针对英文等拉丁语系的文本设计的。如果要在中文文本上获得更好的分词效果，我们可以考虑使用中文专用的分词器。IK 分词器是一个开源的中文分词器插件，特别为 Elasticsearch 设计和优化。它在中文文本的分词处理上表现出色，能够根据中文语言习惯进行精细的分词。IK 分词器允许用户自定义词典，可以添加新词、调整词频等，以便更好地适应特定的领域或需求。自定义词典可以提高分词的准确性和召回率。
IK分词器
最新发布
m0_63102097的博客
05-17 551
IK 分词器（IK Analyzer）是一个开源的中文分词器，专门为 Elasticsearch 提供的中文分词组件。它支持细粒度和智能化的中文分词，能够有效处理中文文本的索引和搜索需求。
ES中文分词器-ik分词器安装
weixin_49211575的博客
11-26 2247
IK分词器安装 1、环境准备 Elasticsearch 要使用 ik，就要先构建 ik 的 jar包，这里要用到 maven 包管理工具，而 maven 需要java 环境，而 Elasticsearch 内置了jdk， 所以可以将JAVA_HOME设置为Elasticsearch 内置的jdk 1）设置JAVA_HOME vim /etc/profile # 在profile文件末尾添加 #java environment export JAVA_HOME=/opt/elasticsearch-7.4.
ElasticSearch 学习8 ：ik分词器的扩展，及java调用ik分词器的analyzer
zhaofuqiangmycomm的博客
10-08 3465
上篇已经说过ik的集成，这篇说下ik的实际使用。
elasticsearch学习（六）：IK分词器
weixin_40482816的博客
09-19 1万+
IKAnalyzer是一个开源的，基于java语言开发的轻量级的中文分词工具包。从2006年12月推出1.0版开始IKAnalyzer已经推出 了3个大版本。最初，它是以开源项目Lucene为应用主体的，结合词典分词和文法分析算法的中文分词组件。新版本的IKAnalyzer3.0则发展为 面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。1）采用了特有的“正向迭代最细粒度切分算法“，具有60万字/秒的高速处理能力。
ES+IK分词器+kibana 7.6.2.txt
04-23
2020年4月最新ES压缩包： 包含： elasticsearch-7.6.2-linux-x86_64.tar elasticsearch-analysis-ik-7.6.2 kibana-7.6.2-linux-x86_64.tar 链接：https://pan.baidu.com/s/1c4dnND9KLA2thrI7l47-_Q
ElasticSearch学习代码有注释和ES安装包、iK分词安装包和kibana安装包
06-15
在本压缩包中，包含了Elasticsearch的安装包以及相关的学习代码，还有iK分词器的安装包和Kibana的安装包。这些组件共同构成了一个强大的数据检索和分析平台。 首先，Elasticsearch的核心特性是其分布式架构。它能够...
ElasticSearch + IK中文分词器 + kibana.zip（6.2.4版本）
10-29
ElasticSearch + IK中文分词器 + kibana.zip（6.2.4版本），SpringBoot 整合 Elasticsearch、IK分词器 实现全文检索所需软件包，文章说明：https://blog.csdn.net/qq_38762237/article/details/89552017
elasticsearch+kibana+ik分词器
05-09
elasticsearch的7.12.1版本的镜像，使用docker load -i elasticsearch.tar 加载镜像 kibana的7.12.1版本的镜像，使用docker load -i kibana.tar 加载kibana...使用docker安装elasticsearch、数据可视化kibana和IK分词器
Ik分词器（自定义分词-mysql）
Lin_XXiang的博客
11-22 2633
自定义ik分词，并且与mysql关联使用
本地elasticsearch中文分词器 ik分词器安装及使用
aq_money的博客
04-29 9889
ElasticSearch 内置了分词器，如标准分词器、简单分词器、空白词器等。但这些分词器对我们最常使用的中文并不友好，不能按我们的语言习惯进行分词。ik分词器就是一个标准的中文分词器。它可以根据定义的字典对域进行分词，并且支持用户配置自己的字典，所以它除了可以按通用的习惯分词外，我们还可以定制化分词。ik分词器是一个插件包，我们可以用插件的方式将它接入到ES。下载地址：ik分词器地址 注意要选择跟自己es保持一致的版本下载。 将下载的安装包在es安装目录下的plugins下新建一个ik文件夹、将文件解压
es--基础--05--集成IK分词器
zhou920786312的博客
12-29 2446
一、 标准分词存在的问题 1.1、 当前的数据 1.2、 标准分词器 1.3、 标准分词存在的问题 但是我们有"两头"的数据 1.4、 标准分词器分词效果测试 http://60.205.188.229:9200/_analyze?analyzer=standard&pretty=true&text=我是程序员 { "tokens": [ { "token": "我", "start_offset": 0,
中英文停止词表（stopword）
weixin_33953249的博客
11-23 1279
停止词，是由英文单词:stopword翻译过来的，原来在英语里面会遇到很多a，the，or等使用频率很多的字或词，常为冠词、介词、副词或连词等。如果搜索引擎要将这些词都索引的话，那么几乎每个网站都会被索引，也就是说工作量巨大。可以毫不夸张的说句，只要是个英文网站都会用到a或者是the。那么这些英文的词跟我们中文有什么关系呢？ 在中文网站里面其实也存在大量的stopword，我们称它为停止词。比...
ElasticSearch之 ik分词器详解
pgcdnameming的博客
11-22 2501
IK分词器 简介，基本使用，以及扩展词典禁用词典
三、IK分词器
Tony_chenph的博客
06-19 2538
使用ik分词器对中文文本内容进行切分，并配置个性化定制的词典
kibana中如何设置并查看分词器ik
07-15
1. 确保已经在 Elasticsearch 中安装和配置了 IK 分词器插件。您可以按照 Elasticsearch 官方文档提供的步骤进行安装和配置。 2. 打开 Kibana 控制台，通过浏览器访问 Kibana 的 URL 地址。 3. 在左侧导航栏中选择...

“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