Flink对于迟到数据的处理

原创 已于 2024-06-03 10:14:29 修改 · 596 阅读 · 3 ·
CC 4.0 BY-SA版权
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。
文章标签：

#flink #大数据 #Java

于 2024-05-06 10:16:33 首次发布

文章目录

简单理解什么是迟到数据

比如一个0-10s的窗口，设置了延迟时间是2s,后来来了一条12s的数据，窗口要触发然后关闭，紧接着又来了一条6s的数据，这个数据应该属于0-10s，但是窗口的延迟时间已经过去并且窗口已经关闭了，此时这条数据就叫做迟到数据。

迟到数据的处理

1.窗口允许迟到

Flink的窗口，也允许迟到数据。当触发了窗口计算后，会先计算当前的结果，但是此时并不会关闭窗口。
以后每来一条迟到数据，就触发一次这条数据所在窗口计算。直到wartermark 超过了窗口结束时间+推迟时间，此时窗口会真正关闭。

案例：

package window;
import flink_Partition.WaterSensorMapFunction;
import flink_transfrom.WaterSensor;
import org.apache.commons.lang.time.DateFormatUtils;
import org.apache.flink.api.common.eventtime.SerializableTimestampAssigner;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.assigners.TumblingProcessingTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;

import java.time.Duration;
public class WatermarkAllowLateness {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        SingleOutputStreamOperator<WaterSensor> sensorsDS = env
                .socketTextStream("hadoop102", 7777)
                .map(new WaterSensorMapFunction());

        //TODO 定义Watermark策略
        WatermarkStrategy<WaterSensor> watermarkStrategy = WatermarkStrategy
                .<WaterSensor>forBoundedOutOfOrderness(Duration.ofSeconds(3)) //指定watermark生成：乱序的，等待3s
                //指定 时间戳分配器，从数据中提取
                .withTimestampAssigner(new SerializableTimestampAssigner<WaterSensor>() {
                    @Override
                    public long extractTimestamp(WaterSensor element, long recordTimestamp) {
                        return element.getTs() * 1000L;
                    }
                });


        SingleOutputStreamOperator<WaterSensor> sensorsDSWithWatermark = sensorsDS.assignTimestampsAndWatermarks(watermarkStrategy);

        SingleOutputStreamOperator<String> watermark = sensorsDSWithWatermark.keyBy(r -> r.getId())
                // 使用 事件时间语义 的窗口
                .window(TumblingEventTimeWindows.of(Time.seconds(10)))
                .allowedLateness(Time.seconds(2))//推迟两秒关窗
                .process(
                        new ProcessWindowFunction<WaterSensor, String, String, TimeWindow>() {
                            @Override
                            public void process(String s, Context context, Iterable<WaterSensor> elements, Collector<String> out) throws Exception {
                                long startTs = context.window().getStart();
                                long endTs = context.window().getEnd();
                                String windowStart = DateFormatUtils.format(startTs, "yyyy-MM-dd HH:mm:ss.SSS");
                                String windowEnd = DateFormatUtils.format(endTs, "yyyy-MM-dd HH:mm:ss.SSS");

                                long count = elements.spliterator().estimateSize();

                                out.collect("key=" + s + "的窗口[" + windowStart + "," + windowEnd + ")包含" + count + "条数据===>" + elements.toString());
                            }
                        }
                );

        watermark.print();

        env.execute();
    }
}

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
设置了迟到时间后，窗口是这样的：
在这里插入图片描述

15s这条数据来了后窗口就关闭了，所以后续的5s的数据也不会进入0-10s这个窗口（桶），所以也不会输出了。

2.使用侧流接收迟到的数据

关窗后的迟到数据可以放到侧输出流中。

package window;
import flink_Partition.WaterSensorMapFunction;
import flink_transfrom.WaterSensor;
import org.apache.commons.lang.time.DateFormatUtils;
import org.apache.flink.api.common.eventtime.SerializableTimestampAssigner;
import org.apache.flink.api.common.eventtime.WatermarkStrategy;
import org.apache.flink.api.common.typeinfo.Types;
import org.apache.flink.streaming.api.datastream.SingleOutputStreamOperator;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.api.functions.windowing.ProcessWindowFunction;
import org.apache.flink.streaming.api.windowing.assigners.TumblingEventTimeWindows;
import org.apache.flink.streaming.api.windowing.assigners.TumblingProcessingTimeWindows;
import org.apache.flink.streaming.api.windowing.time.Time;
import org.apache.flink.streaming.api.windowing.windows.TimeWindow;
import org.apache.flink.util.Collector;
import org.apache.flink.util.OutputTag;

import java.time.Duration;
public class WatermarkAllowLateness {
    public static void main(String[] args) throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        env.setParallelism(1);

        SingleOutputStreamOperator<WaterSensor> sensorsDS = env
                .socketTextStream("hadoop102", 7777)
                .map(new WaterSensorMapFunction());

        //TODO 定义Watermark策略
        WatermarkStrategy<WaterSensor> watermarkStrategy = WatermarkStrategy
                .<WaterSensor>forBoundedOutOfOrderness(Duration.ofSeconds(3)) //指定watermark生成：乱序的，等待3s
                //指定 时间戳分配器，从数据中提取
                .withTimestampAssigner(new SerializableTimestampAssigner<WaterSensor>() {
                    @Override
                    public long extractTimestamp(WaterSensor element, long recordTimestamp) {
                        return element.getTs() * 1000L;
                    }
                });


        SingleOutputStreamOperator<WaterSensor> sensorsDSWithWatermark = sensorsDS.assignTimestampsAndWatermarks(watermarkStrategy);

        OutputTag<WaterSensor> lateTag = new OutputTag<>("late-data", Types.POJO(WaterSensor.class));
        SingleOutputStreamOperator<String> watermark = sensorsDSWithWatermark.keyBy(r -> r.getId())
                // 使用 事件时间语义 的窗口
                .window(TumblingEventTimeWindows.of(Time.seconds(10)))
                .allowedLateness(Time.seconds(2))//推迟两秒关窗
                .sideOutputLateData(lateTag)//关窗后的迟到数据，放入侧输出流
                .process(
                        new ProcessWindowFunction<WaterSensor, String, String, TimeWindow>() {
                            @Override
                            public void process(String s, Context context, Iterable<WaterSensor> elements, Collector<String> out) throws Exception {
                                long startTs = context.window().getStart();
                                long endTs = context.window().getEnd();
                                String windowStart = DateFormatUtils.format(startTs, "yyyy-MM-dd HH:mm:ss.SSS");
                                String windowEnd = DateFormatUtils.format(endTs, "yyyy-MM-dd HH:mm:ss.SSS");

                                long count = elements.spliterator().estimateSize();

                                out.collect("key=" + s + "的窗口[" + windowStart + "," + windowEnd + ")包含" + count + "条数据===>" + elements.toString());
                            }
                        }
                );

        watermark.getSideOutput(lateTag).printToErr("关窗后的迟到数据"); //从主流获取侧输出流打印
        watermark.print();//打印主流

        env.execute();
    }
}

在这里插入图片描述

在这里插入图片描述

Flink迟到数据处理方式详解
SunnyRivers
08-28 311
所以总结起来，Flink 处理迟到数据，对于结果的正确性有三重保障：水位线的延迟，窗口允许迟到数据，以及将迟到数据放入窗口侧输出流。
Flink 窗口延迟数据处理 AllowedLateness
SmartSi
09-20 751
之前介绍过，Watermark 可以用来平衡结果的完整性和延迟。除非你选择一种非常保守的 Watermark 生成策略，等待足够长的时间确保应该到的数据已经全部到达（以高延迟为代价确保了数据的完整性），否则你的应用程序很有可能有迟到的数据。所谓迟到数据是指数据记录元素到达算子后，本应该参与的计算已经执行完毕。
Flink迟到数据输出到测输出流
cts618
06-14 717
Flink迟到数据处理
Flink之迟到的数据
qq_44273739的博客
12-11 450
IntervalJoin : 以一条流中数据的时间为基准， 设定上界和下界， 形成一个时间范围， 另外一条流中相同key的数据如果能落到对应的时间范围内， 即可join成功。WindowJoin: 在同一个窗口内的相同key的数据才能join成功。解决某条流长时间没有数据，不能推进水位线，导致下游窗口的窗口无法正常计算。
Flink迟到数据
XxCxYyyds的博客
04-11 291
同时，Flink还提供了丰富的API和工具来处理迟到数据，开发人员可以根据实际的业务需求和数据特点来选择和使用相应的处理方式。Flink迟到数据是指在Flink窗口操作中，到达时间超过窗口结束时间的数据。正常迟到数据是指到达时间在窗口结束时间之后，但在窗口允许迟到数据的时间范围内到达的数据。早期迟到数据是指到达时间在窗口结束时间之前，但在窗口触发时未被处理的数据。严重迟到数据是指到达时间超过了窗口允许迟到数据的时间范围的数据。设置窗口允许迟到数据的处理来处理。设置迟到数据的处理方式来处理。
Flink之窗口 (Window) 下篇
四维大脑的博客
04-27 1050
定义了窗口分配器，我们只是知道了数据属于哪个窗口，可以将数据收集起来了；至于收集起来到底要做什么，其实还完全没有头绪。所以在窗口分配器之后，必须再接上一个定义窗口如何进行计算的操作，这就是所谓的“窗口函数”（window functions）。 经窗口分配器处理之后，数据可以分配到对应的窗口中，而数据流经过转换得到的数据类型是 WindowedStream。这个类型并不是 DataStream，所以并不能直接进行其他转换，而必须进一步调用窗口函数，对收集到的数据进行处理计算之后，才能最终再次得到 Data
Flink应如何处理窗口中迟到的数据？
qq_43147161的博客
03-21 2198
Flink如何处理迟到的数据？ 1 设置水位线延迟时间 2.允许窗口处理迟到数据 3.将迟到数据放入窗口侧输出流
Flink-处理乱序数据和迟到数据的总结和解决办法
Knight
10-29 2869
Flink有三重保证 watermark可以设置延迟时间 window的allowedLateness方法，可以设置窗口允许处理迟到数据的时间 window的sideOutputLateData方法，可以将迟到的数据写入侧输出流 我以我之前做的项目进行优化 https://blog.csdn.net/qq_46548855/article/details/107170533 看看乱序数据(大约最大时间相差50s，那么我设置成1分钟) 提醒：尽量不要watermark不要设置成60s，因为10:13.50
Flink解决延迟数据问题
weixin_63297999的博客
11-26 1819
解决Flink延迟数据问题
【学习笔记 — Flink 处理迟到数据（★）】
a2752454047的博客
11-21 1321
Flink处理迟到数据
Flink对迟到数据的处理
龙飞的博客
01-04 1977
🍊水位线WaterMarker：Flink 使用水位线来跟踪流中的时间进度。水位线是由源发出的周期性时间戳，用于确定一条数据的延迟时间。您可以根据水位线指定数据的最大延迟。例如，您可以指定延迟超过 10 个水位线的数据应该被删除。🍊窗口延迟数据：Flink 允许为预计在窗口内无序到达的数据指定最大延迟（延迟）。allowedLateness可以在定义窗口时使用参数设置此最大延迟。任何在最大延迟时间之后到达的数据都将被丢弃。🍊侧输入流：Flink 还允许您使用侧输入来处理延迟数据。
Flink中迟到数据的处理
weixin_40659514的博客
11-10 1100
flink中迟到数据处理的方式
flink 处理迟到数据(Trigger、设置水位线延迟时间、允许窗口处理迟到数据、将迟到数据放入侧输出流、代码示例、迟到数据触发窗口计算重复结果处理)
热门推荐
不是一枚开发
05-22 7万+
文章目录前言1.Trigger2.处理迟到数据2.1 设置水位线延迟时间2.2 允许窗口处理迟到数据2.3 将迟到数据放入侧输出流3.实操3.1 代码示例3.2 中间遇到的异常3.3 结果演示4. 迟到数据触发窗口计算重复结果处理 前言   迟到数据，是指在watermark之后到来的数据，事件时间在水位线之前。所以只有在事件时间语义下，讨论迟到数据的处理才有意义。对于乱序流，可以设置一个延迟时间；对于窗口计算，可以设置窗口的允许延迟时间；另外可以将迟到数据输出到Side Outputs 1.Trigg
Flink 对于迟到数据的处理
magic_kid_2010的专栏
04-29 1734
WaterMark 和 Window 机制解决了流式数据的乱序问题，对于因为延迟而顺序有误的数据，可以根据eventTime进行业务处理。 Event Time语义下我们使用Watermark来判断数据是否迟到。一个迟到元素是指元素到达窗口算子时，该元素本该被分配到某个 窗口，但由于延迟，窗口已经触发计算。目前Flink有三种处理迟到数据的方式： 直接将迟到数据丢弃 将迟到数据发送到另一个...
Flink时间系列：Event Time下如何处理迟到数据
皮皮鲁的AI星球
01-20 709
Event Time语义下我们使用Watermark来判断数据是否迟到。一个迟到元素是指元素到达窗口算子时，该元素本该被分配到某个窗口，但由于延迟，窗口已经触发计算。目前Flink有三种处理迟到数据的方式： 直接将迟到数据丢弃 将迟到数据发送到另一个流 重新执行一次计算，将迟到数据考虑进来，更新计算结果 将迟到数据丢弃 如果不做其他操作，默认情况下迟到数据会被直接丢弃。 将迟到数据发送到另外...
大数据专家详解，Flink事件时间水印和迟到数据处理，Flink Time
2401_83384536的博客
03-20 1258
之前的文章中已经屡次提到过Flink的事件时间（event time）、水印（watermark）、乱序（out-of-order）、迟到数据（late element）这些概念，虽然它们都非常基础，但笔者还没有对它们做过像样的介绍，感觉不太合适。正好今天脑子比较累，又是Friday night，不适合写复杂的东西，就来谈谈简单的吧。
【源码解析】Flink 是如何处理迟到数据
weixin_30449239的博客
08-24 252
相信会看到这篇文章的都对Flink的时间类型（事件时间、处理时间、摄入时间）和Watermark有些了解，当然不了解可以先看下官网的介绍：https://ci.apache.org/projects/flink/flink-docs-master/dev/event_time.html 这里就会有这样一个问题：FLink 是怎么基于事件时间和Watermark处理迟到数据的呢？ 在...
Flink如何处理迟到数据？
lx104921的博客
12-27 1343
在flink中进行窗口计算时，由于乱序流数据的问题，往往会出现迟到数据，迟到数据未参与所属窗口的计算会对计算结果的准确性产生影响，对此，Flink有如下三种方法来保障结果的准确性。
Flink 中 timeWindow 滚动窗口边界和数据延迟问题解析
03-21 1685
多流join操作需要用到window，window的重点是窗口数据丢失问题 看了一些博客，讲的不怎么清晰，这篇讲的较为清晰，在此分享。 https://blog.csdn.net/xsdxs/article/details/82415450 ...
Flink1.16 SQL 实现 处理迟到的数据
最新发布
08-02
<think>在Flink 1.16中，处理迟到数据主要依靠**事件时间语义**和**水印（Watermark）**机制，并结合窗口的**允许延迟（allowed lateness）**和**侧输出（side output）**功能。以下是具体实现方法： --- ### 1. **定义水印策略** 水印用于表示事件时间的进展，并容忍一定程度的乱序。在Flink SQL中，可以在创建表时定义水印策略： ```sql CREATE TABLE orders ( order_id STRING, amount DECIMAL(10, 2), order_time TIMESTAMP(3), WATERMARK FOR order_time AS order_time - INTERVAL '5' SECOND -- 允许5秒的乱序 ) WITH (...); ``` - `WATERMARK FOR order_time AS order_time - INTERVAL '5' SECOND` 表示系统允许事件时间比水印时间晚5秒。 --- ### 2. **使用窗口函数并设置允许延迟** 在窗口聚合（如`TUMBLE`、`HOP`）中，通过`GROUP BY`子句指定窗口，并设置`ALLOWED_LATENESS`来定义窗口关闭前的最大延迟时间： ```sql INSERT INTO result_table SELECT TUMBLE_END(order_time, INTERVAL '1' HOUR) AS window_end, SUM(amount) AS total_revenue FROM orders GROUP BY TUMBLE(order_time, INTERVAL '1' HOUR) -- 滚动窗口1小时 ALLOWED_LATENESS (INTERVAL '10' MINUTE); -- 允许迟到10分钟 ``` - **允许延迟机制**：窗口不会在水印到达窗口结束时间后立即关闭，而是会继续等待`10`分钟。在此期间到达的迟到数据，会触发窗口的**增量更新**（即重新计算并输出新结果）。 --- ### 3. **使用侧输出捕获迟到数据** 对于超过允许延迟的极端迟到数据，可通过`EMIT`语法（Flink 1.16新增）输出到独立的侧输出流： ```sql INSERT INTO result_table SELECT TUMBLE_END(order_time, INTERVAL '1' HOUR) AS window_end, SUM(amount) AS total_revenue FROM orders GROUP BY TUMBLE(order_time, INTERVAL '1' HOUR) WITH ( 'allow-lateness' = '10min', -- 允许迟到10分钟 'emit-mode' = 'allow-lateness-and-retract' -- 允许延迟并支持撤回 ); ``` - **侧输出流**：超过允许延迟的数据会被路由到侧输出表（需提前定义），避免污染主结果流。 --- ### 完整示例 #### Step 1: 创建源表（含水印） ```sql CREATE TABLE orders ( order_id STRING, amount DECIMAL(10, 2), order_time TIMESTAMP(3), WATERMARK FOR order_time AS order_time - INTERVAL '5' SECOND ) WITH ( 'connector' = 'kafka', 'topic' = 'orders', 'properties.bootstrap.servers' = 'localhost:9092', 'format' = 'json' ); ``` #### Step 2: 创建结果表 ```sql CREATE TABLE revenue_report ( window_end TIMESTAMP(3), total_revenue DECIMAL(10, 2) ) WITH ( 'connector' = 'jdbc', 'url' = 'jdbc:mysql://localhost:3306/flink', 'table-name' = 'revenue' ); ``` #### Step 3: 执行聚合（允许延迟10分钟） ```sql INSERT INTO revenue_report SELECT TUMBLE_END(order_time, INTERVAL '1' HOUR) AS window_end, SUM(amount) AS total_revenue FROM orders GROUP BY TUMBLE(order_time, INTERVAL '1' HOUR) ALLOWED_LATENESS (INTERVAL '10' MINUTE); ``` --- ### 关键点说明 1. **水印**：定义了事件时间的进度和乱序容忍度（如5秒）。 2. **允许延迟（`ALLOWED_LATENESS`）**：窗口会额外等待一段时间（如10分钟），期间迟到数据触发结果更新。 3. **侧输出**：超过允许延迟的数据单独处理，避免影响主流程[^1][^3]。 --- ### 相关问题 1. Flink SQL中水印延迟设置对窗口计算有何影响？ 2. 如何配置Flink SQL作业以处理超过允许延迟的极端迟到数据？ 3. 在Flink 1.16中，`EMIT`语法的具体使用场景有哪些？ 4. 如何验证Flink SQL窗口聚合结果的准确性？</think>在 Flink 1.16 SQL 中处理迟到数据主要通过 **水印(Watermark)** 机制和 **允许延迟(Allowed Lateness)** 功能实现，以下是完整实现方案： ### 1. 定义水印策略 在创建表时使用 `WATERMARK` 子句定义水印策略，允许数据延迟到达： ```sql CREATE TABLE orders ( order_id STRING, amount DECIMAL(10, 2), order_time TIMESTAMP(3), WATERMARK FOR order_time AS order_time - INTERVAL '2' MINUTE -- 允许2分钟延迟 ) WITH ( 'connector' = 'kafka', 'topic' = 'orders', 'properties.bootstrap.servers' = 'localhost:9092', 'format' = 'json' ); ``` - `WATERMARK FOR order_time AS order_time - INTERVAL '2' MINUTE` 表示系统允许事件时间比水印时间晚2分钟到达[^2] ### 2. 使用允许延迟功能 在窗口聚合时添加 `ALLOWED_LATENESS` 子句处理迟到数据： ```sql INSERT INTO revenue_report SELECT HOP_END(order_time, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE) AS window_end, SUM(amount) AS total_revenue FROM orders GROUP BY HOP(order_time, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE) ALLOWED_LATENESS (INTERVAL '5' MINUTE); -- 额外允许5分钟延迟 ``` - **窗口行为**： - 主窗口：每10分钟计算一次（窗口大小） - 滑动间隔：每5分钟触发一次计算 - 允许延迟：窗口关闭后额外等待5分钟处理迟到数据 ### 3. 完整示例（每5分钟计算，每10分钟输出） ```sql -- 创建结果表 CREATE TABLE revenue_report ( window_end TIMESTAMP(3), total_revenue DECIMAL(10, 2) ) WITH ( 'connector' = 'jdbc', 'url' = 'jdbc:mysql://localhost:3306/flink', 'table-name' = 'revenue' ); -- 处理迟到数据的聚合查询 INSERT INTO revenue_report SELECT HOP_END(order_time, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE) AS window_end, SUM(amount) AS total_revenue FROM orders GROUP BY HOP(order_time, INTERVAL '5' MINUTE, INTERVAL '10' MINUTE) ALLOWED_LATENESS (INTERVAL '5' MINUTE); ``` ### 迟到数据处理机制 1. **首次计算结果**：在窗口结束时间（如10:10）立即输出 2. **延迟数据到达**：窗口关闭后5分钟内到达的数据（允许延迟期内） 3. **更新结果**：Flink 会输出一条**撤回消息**（retract）和**更新后的结果** 4. **最终关闭**：水印超过 `窗口结束时间 + 允许延迟` 后窗口永久关闭 ### 验证结果准确性 可通过查询系统表验证迟到数据处理： ```sql SELECT * FROM TABLE( DESCRIBE_STATEMENT( 'INSERT INTO revenue_report...' -- 替换为实际INSERT语句 ) ); ``` ### 注意事项 1. **水印生成**：确保使用事件时间（`TIMESTAMP(3)` 类型） 2. **状态保留**：允许延迟会增加状态存储时间 3. **结果更新**：下游系统需支持撤回/更新（如JDBC、Upsert Kafka） 4. **极端延迟**：超过允许延迟的数据会被丢弃（可通过侧输出捕获）[^1][^3] > **提示**：在 Flink 1.16 中，Python UDF 支持得到增强，可通过 JNI 在 JVM 中执行自定义函数[^4]，适用于复杂迟到数据处理逻辑。 --- ### 相关问题 1. Flink SQL 中如何配置水印延迟时间以优化迟到数据处理？ 2. 在 Flink 1.16 中，如何实现窗口聚合结果的撤回和更新？ 3. 如何处理超过允许延迟时间的极端迟到数据？ 4. Flink SQL 的 `HOP` 窗口与 `CUMULATE` 窗口在处理迟到数据时有何区别？ 5. 如何监控 Flink SQL 作业中迟到数据的处理情况？
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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

IT阿牛

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