大数据Hive--DDL(数据定义)和DML(数据操作)

最新推荐文章于 2024-05-06 21:57:27 发布
最新推荐文章于 2024-05-06 21:57:27 发布
阅读量1k 收藏 27
点赞数 31
分类专栏： 大数据生态 文章标签： 大数据 hive 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/xd__xy/article/details/134864453
版权

文章目录

一、DDL

1、数据库

1.1 创建数据库

1）语法

CREATE DATABASE [IF NOT EXISTS] database_name
[COMMENT database_comment]
[LOCATION hdfs_path]
[WITH DBPROPERTIES (property_name=property_value, …)];

2）案例

  • 创建一个数据库，不指定路径

create database db_hive1;

  1. 创建 一个数据库指定路径

create database db_hive2 location ‘/db_hive2’;

  1. 创建一个数据库，带有dbproperties

create database db_hive3 with dbproperties(‘create_date’=‘2023-12-07’);

1.2 查询数据库

1）展示所有数据库

  • 语法

SHOW DATABASES [LIKE ‘identifier_with_wildcards’];
注：like通配表达式说明：*表示任意个任意字符，|表示或的关系。

2）查看数据库信息

  • 语法

DESCRIBE DATABASE [EXTENDED] db_name;
注：加EXTENDED关键字可以查看更多信息

1.3 修改数据库

用户可以使用alter database命令修改数据库某些信息，其中能够修改的信息包括dbproperties、location、owner user。需要注意的是：修改数据库location，不会改变当前已有表的路径信息，而只是改变后续创建的新表的默认的父目录。
1）语法

–修改dbproperties
ALTER DATABASE database_name SET DBPROPERTIES (property_name=property_value, …);
–修改location
ALTER DATABASE database_name SET LOCATION hdfs_path;
–修改owner user
ALTER DATABASE database_name SET OWNER USER user_name;
2）案例

  • 修改 dbproperties

ALTER DATABASE db_hive3 SET DBPROPERTIES (‘create_date’=‘2023-12-08’);

1.4 删除数据库

1）语法

DROP DATABASE [IF EXISTS] database_name [RESTRICT|CASCADE];
注：RESTRICT：严格模式，若数据库不为空，则会删除失败，默认为该模式
CASCADE：级联模式，若数据库不为空，则会将库中的表一并删除。

1.5 切换当前数据库

1）语法

USE database_name;

2、表

2.1 创建表

1）普通建表

（1）完整语法

CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS]
[db_name.]table_name
[(col_name data_type [COMMENT col_comment], …)]
[COMMENT table_comment]
[PARTITIONED BY (col_name data_type [COMMENT col_comment], …)]
[CLUSTERED BY (col_name, col_name, …)
[SORTED BY (col_name [ASC|DESC], …)] INTO num_buckets BUCKETS]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, …)]

（2）关键字说明：
①TEMPORARY
临时表，该表只在当前会话可见，会话结束，表会被删除。

②EXTERNAL（重点）
外部表，与之相对应的是内部表（管理表）。管理表意味着Hive会完全接管该表，包括元数据和HDFS中的数据。而外部表则意味着Hive只接管元数据，而不完全接管HDFS中的数据。

③data_type（重点）
Hive中的字段类型可分为基本数据类型和复杂数据类型

基本数据类型如下:

类型说明定义
tinyint1byte有符号整数
smallint2byte有符号整数
int4byte有符号整数
bigint8byte有符号整数
boolean布尔类型，true或者false
float单精度浮点数
double双精度浮点数
decimal十进制精准数字类型decimal(16,2)
varchar字符序列，需指定最大长度，最大长度的范围是[1,65535]varchar(32)
string字符串，无需指定最大长度
timestamp时间类型
binary二进制数据
tinyint1byte有符号整数
smallint2byte有符号整数
int4byte有符号整数
bigint8byte有符号整数
boolean布尔类型，true或者false
float单精度浮点数
double双精度浮点数
decimal十进制精准数字类型decimal(16,2)
varchar字符序列，需指定最大长度，最大长度的范围是[1,65535]varchar(32)
string字符串，无需指定最大长度
timestamp时间类型
binary二进制数据

复杂数据类型如下:

类型说明定义取值
array数组是一组相同类型的值的集合arrayarr[0]
mapmap是一组相同类型的键-值对集合map<string, int>map[‘key’]
struct结构体由多个属性组成，每个属性都有自己的属性名和数据类型struct<id:int, name:string>struct.id
  • 注：类型转换
    Hive的基本数据类型可以做类型转换，转换的方式包括隐式转换以及显示转换。
    类型转换规则可参考官方说明：Allowed Implicit Conversions
    • 显示转换
    -- 语法
cast(expr as <type>)

④PARTITIONED BY（重点）
创建分区表

⑤CLUSTERED BY … SORTED BY…INTO … BUCKETS（重点）
创建分桶表

⑥ROW FORMAT（重点）
指定SERDE，SERDE是Serializer and Deserializer的简写。Hive使用SERDE序列化和反序列化每行数据。

  • 语法一：DELIMITED关键字表示对文件中的每个字段按照特定分割符进行分割，其会使用默认的SERDE对每行数据进行序列化和反序列化。

    ROW FORAMT DELIMITED
    [FIELDS TERMINATED BY char]
    [COLLECTION ITEMS TERMINATED BY char]
    [MAP KEYS TERMINATED BY char]
    [LINES TERMINATED BY char]
    [NULL DEFINED AS char]

    • fields terminated by ：列分隔符
    • collection items terminated by ： map、+ + struct和array中每个元素之间的分隔符
    • map keys terminated by ：map中的key与value的分隔符
    • ines terminated by ：行分隔符

  • 语法二：SERDE关键字可用于指定其他内置的SERDE或者用户自定义的SERDE。例如JSON SERDE，可用于处理JSON字符串。
    ROW FORMAT SERDE serde_name [WITH SERDEPROPERTIES (property_name=property_value,property_name=property_value, …)]

⑦STORED AS（重点）
指定文件格式，常用的文件格式有，textfile（默认值），sequence file，orc file、parquet file等等。

⑧LOCATION
指定表所对应的HDFS路径，若不指定路径，其默认值为

${hive.metastore.warehouse.dir}/db_name.db/table_name

⑨TBLPROPERTIES
用于配置表的一些KV键值对参数

2）Create Table As Select（CTAS）建表

该语法允许用户利用select查询语句返回的结果，直接建表，表的结构和查询语句的结构保持一致，且保证包含select查询语句放回的内容。

CREATE [TEMPORARY] TABLE [IF NOT EXISTS] table_name
[COMMENT table_comment]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, …)]
[AS select_statement]

3）Create Table Like语法

该语法允许用户复刻一张已经存在的表结构，与上述的CTAS语法不同，该语法创建出来的表中不包含数据。

CREATE [TEMPORARY] [EXTERNAL] TABLE [IF NOT EXISTS] [db_name.]table_name
[LIKE exist_table_name]
[ROW FORMAT row_format]
[STORED AS file_format]
[LOCATION hdfs_path]
[TBLPROPERTIES (property_name=property_value, …)]

2.2 案例

1）内部表与外部表

（1）内部表
Hive中默认创建的表都是的内部表，有时也被称为管理表。对于内部表，Hive会完全管理表的元数据和数据文件。

创建内部表如下：

create table if not exists student(
    id int, 
    name string
)
row format delimited fields terminated by '\t'
location '/user/hive/warehouse/student';

准备其需要的文件如下，注意字段之间的分隔符。

[yudan@hadoop102 datas]$ vim /opt/module/datas/student.txt

1001 student1
1002 student2
1003 student3
1004 student4
1005 student5
1006 student6
1007 student7
1008 student8
1009 student9
1010 student10
1011 student11
1012 student12
1013 student13
1014 student14
1015 student15
1016 student16

上传文件到Hive表指定的路径

[yudan@hadoop102 datas]$ hadoop fs -put student.txt /user/hive/warehouse/student

删除表，观察数据HDFS中的数据文件是否还在

drop table student;

（2）外部表
外部表通常可用于处理其他工具上传的数据文件，对于外部表，Hive只负责管理元数据，不负责管理HDFS中的数据文件。

创建外部表如下：

create external table if not exists student(
    id int, 
    name string
)
row format delimited fields terminated by '\t'
location '/user/hive/warehouse/student';

上传文件到Hive表指定的路径

[yudan@hadoop102 datas]$ hadoop fs -put student.txt /user/hive/warehouse/student

删除表，观察数据HDFS中的数据文件是否还在

drop table student;

2）SERDE和复杂数据类型

若现有如下格式的JSON文件需要由Hive进行分析处理，请考虑如何设计表？
注：以下内容为格式化之后的结果，文件中每行数据为一个完整的JSON字符串。

{
“name”: “dasongsong”,
“friends”: [
“bingbing”,
“lili”
],
“students”: {
“xiaohaihai”: 18,
“xiaoyangyang”: 16
},
“address”: {
“street”: “hui long guan”,
“city”: “beijing”,
“postal_code”: 10010
} }

我们可以考虑使用专门负责JSON文件的JSON Serde，设计表字段时，表的字段与JSON字符串中的一级字段保持一致，对于具有嵌套结构的JSON字符串，考虑使用合适复杂数据类型保存其内容。最终设计出的表结构如下：

create table teacher
(
    name     string,
    friends  array<string>,
    students map<string,int>,
    address  struct<city:string,street:string,postal_code:int>
)
row format serde 'org.apache.hadoop.hive.serde2.JsonSerDe'
location '/user/hive/warehouse/teacher';

创建该表，并准备以下文件。注意，需要确保文件中每行数据都是一个完整的JSON字符串，JSON SERDE才能正确的处理。

[yudan@hadoop102 datas]$ vim /opt/module/datas/teacher.txt

{“name”:“dasongsong”,“friends”:[“bingbing”,“lili”],“students”:{“xiaohaihai”:18,“xiaoyangyang”:16},“address”:{“street”:“huilong guan”,“city”:“beijing”,“postal_code”:10010}}

上传文件到Hive表指定的路径

[yudan@hadoop102 datas]$ hadoop fs -put teacher.txt /user/hive/warehouse/teacher
尝试从复杂数据类型的字段中取值

2.3 查看表

1）展示所有表

  • 语法

SHOW TABLES [IN database_name] LIKE [‘identifier_with_wildcards’];
注：like通配表达式说明：*表示任意个任意字符，|表示或的关系。

2）查看表信息

  • 语法

DESCRIBE [EXTENDED | FORMATTED] [db_name.]table_name
注：EXTENDED：展示详细信息
FORMATTED：对详细信息进行格式化的展示

2.4 修改表

1）重命名表

  • 语法
    ALTER TABLE table_name RENAME TO new_table_name

2）修改列信息

  • 语法
    ①增加列
    该语句允许用户增加新的列，新增列的位置位于末尾。

ALTER TABLE table_name ADD COLUMNS (col_name data_type [ COMMENT col_comment], …)

②更新列
该语句允许用户修改指定列的列名、数据类型、注释信息以及在表中的位置。

ALTER TABLE table_name CHANGE [COLUMN ] col_old_name col_new_name column_type [COMMENT col_comment] [FIRST|AFTER column_name]

③替换列
该语句允许用户用新的列集替换表中原有的全部列。

ALTER TABLE table_name REPLACE COLUMNS (col_name data_type [[COMMENT col_comment], …)

-- 案列
-- 查询表结构
hive (default)> desc stu;
-- 添加列
hive (default)> alter table stu add columns(age int);
-- 查询表结构
hive (default)> desc stu;
-- 更新列
hive (default)> alter table stu change column age ages double;
-- 替换列
hive (default)> alter table stu replace columns(id int, name string);

2.5 删除表

  • 语法

DROP TABLE [IF EXISTS] table_name;

2.6 清空表

  • 语法

TRUNCATE [TABLE] table_name
注意：truncate只能清空管理表，不能删除外部表中数据。

二、DML

1.1 Load

Load语句可将文件导入到Hive表中。

  • 语法

LOAD DATA [LOCAL] INPATH ‘filepath’ [ OVERWRITE] INTO TABLE tablename [ PARTITION (partcol1=val1, partcol2=val2 …)];

  • 关键字说明：
    • local：表示从本地加载数据到Hive表；否则从HDFS加载数据到Hive表。
    • overwrite：表示覆盖表中已有数据，否则表示追加。
    • partition：表示上传到指定分区，若目标是分区表，需指定分区。

实操案例

-- (1)创建一张表
create table student(
    id int, 
    name string
) 
row format delimited fields terminated by '\t';

-- (2)加载本地文件到hive
load data local inpath '/opt/module/datas/student.txt' into table student;

(3)加载HDFS文件到hive中

①上传文件到HDFS

[yudan@hadoop102 ~]$ hadoop fs -put /opt/module/datas/student.txt /user/yudan

②加载HDFS上数据，导入完成后去HDFS上查看文件是否还存在

load data inpath '/user/atguigu/student.txt' 
into table student;

(4)加载数据覆盖表中已有的数据

-- 上传文件到HDFS
dfs -put /opt/module/datas/student.txt /user/atguigu;

-- 加载数据覆盖表中已有的数据
load data inpath '/user/atguigu/student.txt' 
overwrite into table student;

1.2 Insert

1.2.1 将查询结果插入表中

  • 语法

INSERT (INTO | OVERWRITE) TABLE tablename [PARTITION (partcol1=val1, partcol2=val2 …)] select_statement;
关键字说明：
（1）INTO：将结果追加到目标表
（2）OVERWRITE：用结果覆盖原有数据

  • 案例
-- 新建一张表
hive (default)> 
create table student1(
    id int, 
    name string
) 
row format delimited fields terminated by '\t';

-- 根据查询结果插入数据
hive (default)> insert overwrite table student3 
select 
    id, 
    name 
from student;

1.2.2 将给定的Values插入表中

  • 语法

INSERT (INTO | OVERWRITE) TABLE tablename [PARTITION (partcol1[=val1],
partcol2[=val2] …)] VALUES values_row [, values_row …]

  • 案例
insert into table  student1 values(1,'wangwu'),(2,'zhaoliu');

1.2.3 将查询结果写入目标路径

  • 语法

INSERT OVERWRITE [LOCAL] DIRECTORY directory [ROW FORMAT row_format] [STORED AS file_format] select_statement;

  • 案例
insert overwrite local directory '/opt/module/datas/student' ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.JsonSerDe'
select id,name from student;

1.3 Export&Import

xport导出语句可将表的数据和元数据信息一并到处的HDFS路径，Import可将Export导出的内容导入Hive，表的数据和元数据信息都会恢复。Export和Import可用于两个Hive实例之间的数据迁移。

  • 语法

– 导出
EXPORT TABLE tablename TO ‘export_target_path’

– 导入
IMPORT [EXTERNAL] TABLE new_or_original_tablename FROM ‘source_path’ [LOCATION ‘import_target_path’]

  • 案例
--导出
export table default.student to '/user/hive/warehouse/export/student';

--导入
import table student2 from '/user/hive/warehouse/export/student';
泛黄的咖啡店
关注
  • 31
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Hive之DML数据操作
01-07
Hive简介：https://blog.csdn.net/weixin_45102492/article/details/104418259 Hive安装部署 ： ...Hive之DDL数据定义： https://blog.csdn.net/weixin_45102492/article/details/91349323 Hive
Hive之DDL、DML数据操作
lslslslslss的博客
12-22 878
目录 一、DDL(Data Definition Language 数据库定义语言) 1.创建数据库 2.查询数据库 3.修改数据库 4.删除数据库 5.创建表 管理表（内部表） 外部表 两个表的相互转换 修改表 删除表 清除表 二、DML数据操作 1.数据导入 向表中装载数据（Load） 通过查询语句向表中插入数据（Insert） 查询语句中创建表并加载数据（As Select） 创建表时通过Location指定加载数据路径 Import数据到指定Hive表中 2.
大数据-玩转数据-Hive应用小结
s_unbo的博客
03-27 1550
说明 本文只为说明功能，除十二节外，案例数据并不连贯。 一、 HIVE是什么 HIVE是基于Hadoop的一个数据仓库工具，它是一个可以将Sql翻译为MR程序的工具；HIVE支持用户将HDFS上的文件映射为表结构，然后用户就可以输入SQL对这些表（HDFS上的文件）进行查询分析,HIVE将用户定义的库、表结构等信息存储到HIVE的元数据库（可以是本地derby，也可以是远程mysql）中。 其优点是学习成本低，可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十
【Hive---05】DDL数据定义语言『 数据库操作 | 表操作 | 视图 vs 物化视图』
渐渐的忘记，赶不上明天（读研ing，2024年毕业）
10-25 1773
1. DDL概述 2. 查看完整建表/建库语句 3. 数据库操作 ⭐ 3.1 创建数据库 3.2 查询数据库 3.3 切换数据库 3.4 修改数据库元数据 3.5 删除数据库 4. 表操作⭐ 4.1 创建表 4.1.1 完整建表语句 4.1.2 内部表(管理表) / 外部表：external 关键字 4.1.3 分隔符：row format 关键字 4.2 删除表 4.3 修改表 4.4 查看表 2. 创建 2.1 完整语法树 2.2 指定分隔符 2.3 hive真实数据存储路径 4.1.2 管理表（内部表
大数据技术之Hive------操作记录笔记
阿里里的博客
08-02 869
尚硅谷Hive学习
大数据之-hive
weixin_43204767的博客
11-18 1647
1 hive环境搭建 2hive 安装 2.1 hive交互命令 1） “-e”不进入 hive 的交互窗口执行 sql 语句 [root@hadoop102 hive]# bin/hive -e “select * from test” 2） “-f”执行脚本中 sql 语句 bin/hive -f /opt/module/hive/datas/hivef.sql 主要运用写脚本时候使用的。 3 Hive数据类型 3.1 基本数据类型 对于 Hive 的 String 类型相当于数据库的 varchar
Hive语法--DDL、DML 详解＋实例
m0_63733763的博客
07-15 736
Hive SQL（HQL）与SQL的语法大同小异，基本上是相通的，学过SQL的使用者可以快速上手Hive SQL。只需要特别要注意Hive特有的语法知识点，比如partition相关的DDL操作。 本文将通过一篇文章梳理HQL中的关键——建表语句，以及其他DDL和DML语句
Hive-数据类型，DDL数据定义语言，DML数据操作
H_X_P_的博客
05-28 458
Hive-数据类型，DDL数据定义语言，DML数据操作
大数据-HiveDDL和DML操作
Destiny的博客
04-14 341
Hive数据类型 Java数据类型 Hive数据类型 长度 byte TINYINT 1个字节（有符号整数） short SMALLINT 2个字节（有符号整数） int INT 4个字节（有符号整数） long BIGINT 8个字节（有符号整数） boolean BOOLEAN ...
大数据技术之Hive数据仓库工具
03-31
第一章 Hive基本概念 第二章 Hive的安装 第三章 Hive数据类型 第四章 DDL数据定义 第五章 DML数据操作 第六章 查询 第七章 函数 第八章 压缩和存储 第九章 企业级调优 第十章 常见错误及解决方案
11-Hive-SQL语法
02-17
HiveSQL思维导图，便捷整理思路，HiveBeeline、HiveDDL、HiveDML、Hive分区、HiveSerDe
大数据之Hive详解
06-15
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件...本课程从基本概念,hive和mysql软件的安装入手,讲解hive的数据类型,DDL和DML操作,以及常用的查询和函数的使用,让你快速入门hive,即刻成为大数据程序员.
Hive DDL 之 表
01-07
创建表 语法： CREATE [EXTERNAL] TABLE [IF NOT EXISTS] table_name [(col_name data_type [COMMENT col_comment], …)] [COMMENT table_comment] [PARTITIONED BY (col_name data_type [COMMENT col_comment], …)...
ruoyi漏洞总结
qq_59468567的博客
05-03 785
baseurl 就有了，有的是全的 url，大多数是只给个 baseurl：prod-api，这类。js 下面有个 app.xxxxxx(一些个字母数字).js，直接里面搜。如果页面访问显示不正常，可添加默认访问路径尝试是否显示正常。若依有个特点，密码可能在前台直接显示，点击并能够成功登录。监控中存在大量接口路径，可通过未授权获取更多敏感信息在。图标和登录页面及验证码处的样式识别出若依。认证失败，无法访问系统资源。进行替换实现登录系统。数据库存在未授权访问。
010_redhat安装zookeeper
WLKUYM的博客
05-02 558
zookeeper的安装在RedHat与CentOS、ubuntu 等Linux系统下的安装基本相同,我是在redhat系统中操作的，安装步骤做个记录，仅供参考。ZooKeeper服务器是用Java创建的，它运行在JVM之上。需要安装JDK 7或更高版本。进入到conf目录拷贝一个zoo_sample.cfg并完成配置。将tar包解压到/usr/local/目录下。准备一台linux服务器。我测试安装的jdk1.8。
大数据技术概述_4.大数据的应用领域
最新发布
huaqianzkh的专栏
05-06 695
主要介绍大数据在制造业、服务业、交通行业、医疗行业的应用。
Elasticsearch：对 Java 对象的 ES|QL 查询
Elastic 中国社区官方博客
05-03 1000
ES|QL 是 Elasticsearch 引入的一种新的查询语言，它将简化的语法与管道操作符结合起来，使用户能够直观地推断和操作数据。官方 Java 客户端的新版本 8.13.0 引入了对 ES|QL 查询的支持，提供了一个新的 API，允许轻松执行查询，并自动将结果翻译为 Java 对象。
Delta lake with Java--读《Delta Lake Up and Running》总结
kanganrui的专栏
05-05 477
第三章 Delta lake最基本操作，包括建库，建表，描述表结构，插入数据，查询数据，可以通过3种方式实现，分别是spark sql+sql语句，spark dataframe api，deltatable api，个人觉得用sql语句比较简单。第七章 表结构变化处理，主要是两类处理，一类是固定结构，遇到不一致的就报错，另外一个类就是结构可以根据数据变化，要实现主要在数据写入的时候，设置option("mergeSchema",true)。
列举出hive所有的ddl、dml语句例子
06-02
以下是一些常见的Hive DDL（数据定义语言）和DML（数据操作语言）语句的例子： DDL语句： 1. 创建数据库 ``` CREATE DATABASE IF NOT EXISTS my_database; ``` 2. 删除数据库 ``` DROP DATABASE IF EXISTS my_database; ``` 3. 创建表 ``` CREATE TABLE my_table ( column1 INT, column2 STRING, column3 DOUBLE ) ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' STORED AS TEXTFILE; ``` 4. 删除表 ``` DROP TABLE IF EXISTS my_table; ``` 5. 重命名表 ``` ALTER TABLE my_table RENAME TO new_table_name; ``` 6. 添加列 ``` ALTER TABLE my_table ADD COLUMNS ( new_column1 INT COMMENT 'a new column', new_column2 STRING ); ``` DML语句： 1. 插入数据 ``` INSERT INTO my_table VALUES (1, 'row 1', 1.0); ``` 2. 查询数据 ``` SELECT * FROM my_table WHERE column1 = 1; ``` 3. 更新数据 ``` UPDATE my_table SET column2 = 'new value' WHERE column1 = 1; ``` 4. 删除数据 ``` DELETE FROM my_table WHERE column1 = 1; ``` 这只是一些常见的Hive DDL和DML语句的例子，还有许多其他命令和选项可以使用。

“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 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