Hadoop 实战之运行MultiFile（二）

最新推荐文章于 2020-03-09 21:22:03 发布
置顶 最新推荐文章于 2020-03-09 21:22:03 发布
阅读量1.9k 收藏
点赞数
分类专栏： hadoop 文章标签： hadoop output string input exception path
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/xiaotom5/article/details/8101259
版权

环境：Vmware 8.0 和ubuntu11.04

Hadoop 实战之运行MultiFile（二）---将输入数据的不同列提取为不同文件的程序

第一步：首先创建一个工程命名为HadoopTest.目录结构如下图:

第二步: 在/home/tanglg1987目录下新建一个start.sh脚本文件，每次启动虚拟机都要删除/tmp目录下的全部文件，重新格式化namenode，代码如下：

sudo rm -rf /tmp/*
rm -rf /home/tanglg1987/hadoop-0.20.2/logs
hadoop namenode -format
hadoop datanode -format
start-all.sh
hadoop fs -mkdir input 
hadoop dfsadmin -safemode leave

第三步：给start.sh增加执行权限并启动hadoop伪分布式集群，代码如下:

chmod 777 /home/tanglg1987/start.sh
./start.sh

执行过程如下：

第四步：上传本地文件到hdfs

在专利局http://data.nber.org/patents/网站下载专利数据

http://data.nber.org/patents/apat63_99.zip

hadoop fs -put /home/tanglg1987/apat63_99.txt input

五步：新建一个MultiFile2.java，代码如下：

package com.baison.action;
import java.io.IOException;
import java.util.Iterator;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.NullWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.SequenceFileInputFormat;
import org.apache.hadoop.mapred.SequenceFileOutputFormat;
import org.apache.hadoop.mapred.KeyValueTextInputFormat;
import org.apache.hadoop.mapred.TextInputFormat;
import org.apache.hadoop.mapred.TextOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.lib.MultipleTextOutputFormat;
import org.apache.hadoop.mapred.lib.MultipleOutputs;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
public class MultiFile2 extends Configured implements Tool {    
    public static class MapClass extends MapReduceBase
        implements Mapper<LongWritable, Text, NullWritable, Text> {        
        private MultipleOutputs mos;
        private OutputCollector<NullWritable, Text> collector;        
        public void configure(JobConf conf) {
            mos = new MultipleOutputs(conf);
        }        
        public void map(LongWritable key, Text value,
                        OutputCollector<NullWritable, Text> output,
                        Reporter reporter) throws IOException {                        
            String[] arr = value.toString().split(",", -1);
            String chrono = arr[0] + "," + arr[1] + "," + arr[2];
            String geo    = arr[0] + "," + arr[4] + "," + arr[5];           
            collector = mos.getCollector("chrono", reporter);
            collector.collect(NullWritable.get(), new Text(chrono));
            collector = mos.getCollector("geo", reporter);
            collector.collect(NullWritable.get(), new Text(geo));
        }
        public void close() throws IOException {
            mos.close();
        }
    }
    public int run(String[] args) throws Exception {
        // Configuration processed by ToolRunner
        Configuration conf = getConf();       
        // Create a JobConf using the processed conf
        JobConf job = new JobConf(conf, MultiFile.class);       
        // Process custom command-line options
        Path in = new Path(args[0]);
        Path out = new Path(args[1]);
        FileInputFormat.setInputPaths(job, in);
        FileOutputFormat.setOutputPath(job, out);        
        // Specify various job-specific parameters     
        job.setJobName("MultiFile");
        job.setMapperClass(MapClass.class);       
        job.setInputFormat(TextInputFormat.class);
//        job.setOutputFormat(PartitionByCountryMTOF.class);
        job.setOutputKeyClass(NullWritable.class);
        job.setOutputValueClass(Text.class);
        job.setNumReduceTasks(0);        
        MultipleOutputs.addNamedOutput(job,
                                       "chrono",
                                       TextOutputFormat.class,
                                       NullWritable.class,
                                       Text.class);
        MultipleOutputs.addNamedOutput(job,
                                       "geo",
                                       TextOutputFormat.class,
                                       NullWritable.class,
                                       Text.class);       
        // Submit the job, then poll for progress until the job is complete
        JobClient.runJob(job);       
        return 0;
    }    
    public static void main(String[] args) throws Exception {
        // Let ToolRunner handle generic command-line options 
    	String [] arg={"hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt","hdfs://localhost:9100/user/tanglg1987/output"};
        int res = ToolRunner.run(new Configuration(), new MultiFile(), arg);
        System.exit(res);
    }
}

第六步：Run On Hadoop，运行过程如下：

12/10/22 21:25:59 INFO jvm.JvmMetrics: Initializing JVM Metrics with processName=JobTracker, sessionId=
12/10/22 21:25:59 WARN mapred.JobClient: No job jar file set.  User classes may not be found. See JobConf(Class) or JobConf#setJar(String).
12/10/22 21:25:59 INFO mapred.FileInputFormat: Total input paths to process : 1
12/10/22 21:25:59 INFO mapred.JobClient: Running job: job_local_0001
12/10/22 21:26:00 INFO mapred.FileInputFormat: Total input paths to process : 1
12/10/22 21:26:00 INFO mapred.MapTask: numReduceTasks: 0
12/10/22 21:26:00 INFO mapred.JobClient:  map 0% reduce 0%
12/10/22 21:26:03 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:0+67108864
12/10/22 21:26:04 INFO mapred.JobClient:  map 17% reduce 0%
12/10/22 21:26:06 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:0+67108864
12/10/22 21:26:07 INFO mapred.JobClient:  map 37% reduce 0%
12/10/22 21:26:09 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:0+67108864
12/10/22 21:26:10 INFO mapred.JobClient:  map 58% reduce 0%
12/10/22 21:26:12 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:0+67108864
12/10/22 21:26:12 INFO mapred.JobClient:  map 84% reduce 0%
12/10/22 21:26:14 INFO mapred.TaskRunner: Task:attempt_local_0001_m_000000_0 is done. And is in the process of commiting
12/10/22 21:26:14 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:0+67108864
12/10/22 21:26:14 INFO mapred.TaskRunner: Task attempt_local_0001_m_000000_0 is allowed to commit now
12/10/22 21:26:15 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:0+67108864
12/10/22 21:26:15 INFO mapred.JobClient:  map 100% reduce 0%
12/10/22 21:26:15 INFO mapred.FileOutputCommitter: Saved output of task 'attempt_local_0001_m_000000_0' to hdfs://localhost:9100/user/tanglg1987/output
12/10/22 21:26:15 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:0+67108864
12/10/22 21:26:15 INFO mapred.TaskRunner: Task 'attempt_local_0001_m_000000_0' done.
12/10/22 21:26:15 INFO mapred.MapTask: numReduceTasks: 0
12/10/22 21:26:18 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:67108864+67108864
12/10/22 21:26:19 INFO mapred.JobClient:  map 63% reduce 0%
12/10/22 21:26:21 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:67108864+67108864
12/10/22 21:26:22 INFO mapred.JobClient:  map 80% reduce 0%
12/10/22 21:26:24 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:67108864+67108864
12/10/22 21:26:25 INFO mapred.JobClient:  map 93% reduce 0%
12/10/22 21:26:27 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:67108864+67108864
12/10/22 21:26:28 INFO mapred.JobClient:  map 100% reduce 0%
12/10/22 21:26:28 INFO mapred.TaskRunner: Task:attempt_local_0001_m_000001_0 is done. And is in the process of commiting
12/10/22 21:26:28 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:67108864+67108864
12/10/22 21:26:28 INFO mapred.TaskRunner: Task attempt_local_0001_m_000001_0 is allowed to commit now
12/10/22 21:26:29 INFO mapred.FileOutputCommitter: Saved output of task 'attempt_local_0001_m_000001_0' to hdfs://localhost:9100/user/tanglg1987/output
12/10/22 21:26:29 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:67108864+67108864
12/10/22 21:26:29 INFO mapred.TaskRunner: Task 'attempt_local_0001_m_000001_0' done.
12/10/22 21:26:29 INFO mapred.MapTask: numReduceTasks: 0
12/10/22 21:26:32 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:134217728+67108864
12/10/22 21:26:32 INFO mapred.JobClient:  map 78% reduce 0%
12/10/22 21:26:35 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:134217728+67108864
12/10/22 21:26:35 INFO mapred.JobClient:  map 89% reduce 0%
12/10/22 21:26:38 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:134217728+67108864
12/10/22 21:26:38 INFO mapred.JobClient:  map 99% reduce 0%
12/10/22 21:26:40 INFO mapred.TaskRunner: Task:attempt_local_0001_m_000002_0 is done. And is in the process of commiting
12/10/22 21:26:40 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:134217728+67108864
12/10/22 21:26:40 INFO mapred.TaskRunner: Task attempt_local_0001_m_000002_0 is allowed to commit now
12/10/22 21:26:41 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:134217728+67108864
12/10/22 21:26:41 INFO mapred.JobClient:  map 100% reduce 0%
12/10/22 21:26:41 INFO mapred.FileOutputCommitter: Saved output of task 'attempt_local_0001_m_000002_0' to hdfs://localhost:9100/user/tanglg1987/output
12/10/22 21:26:41 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:134217728+67108864
12/10/22 21:26:41 INFO mapred.TaskRunner: Task 'attempt_local_0001_m_000002_0' done.
12/10/22 21:26:41 INFO mapred.MapTask: numReduceTasks: 0
12/10/22 21:26:44 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:201326592+35576587
12/10/22 21:26:45 INFO mapred.JobClient:  map 86% reduce 0%
12/10/22 21:26:47 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:201326592+35576587
12/10/22 21:26:48 INFO mapred.TaskRunner: Task:attempt_local_0001_m_000003_0 is done. And is in the process of commiting
12/10/22 21:26:48 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:201326592+35576587
12/10/22 21:26:48 INFO mapred.TaskRunner: Task attempt_local_0001_m_000003_0 is allowed to commit now
12/10/22 21:26:48 INFO mapred.JobClient:  map 100% reduce 0%
12/10/22 21:26:48 INFO mapred.FileOutputCommitter: Saved output of task 'attempt_local_0001_m_000003_0' to hdfs://localhost:9100/user/tanglg1987/output
12/10/22 21:26:48 INFO mapred.LocalJobRunner: hdfs://localhost:9100/user/tanglg1987/input/apat63_99.txt:201326592+35576587
12/10/22 21:26:48 INFO mapred.TaskRunner: Task 'attempt_local_0001_m_000003_0' done.
12/10/22 21:26:49 INFO mapred.JobClient: Job complete: job_local_0001
12/10/22 21:26:49 INFO mapred.JobClient: Counters: 8
12/10/22 21:26:49 INFO mapred.JobClient:   FileSystemCounters
12/10/22 21:26:49 INFO mapred.JobClient:     FILE_BYTES_READ=66764
12/10/22 21:26:49 INFO mapred.JobClient:     HDFS_BYTES_READ=639593233
12/10/22 21:26:49 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=137016
12/10/22 21:26:49 INFO mapred.JobClient:     HDFS_BYTES_WRITTEN=639556540
12/10/22 21:26:49 INFO mapred.JobClient:   Map-Reduce Framework
12/10/22 21:26:49 INFO mapred.JobClient:     Map input records=2923923
12/10/22 21:26:49 INFO mapred.JobClient:     Spilled Records=0
12/10/22 21:26:49 INFO mapred.JobClient:     Map input bytes=236903179
12/10/22 21:26:49 INFO mapred.JobClient:     Map output records=2923923

第七步：查看结果集，运行结果如下：

 

xiaotom5
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Hadoop实战大数据大作业
06-08
一个基于Hadoop平台进行的单词统计系统，其中包含了伪分布架构，并且包含HDFS数据存储，结合Java后台利用Mapreduce架包进行单词的统计与分析。包含了完整的实践过程，内涵源代码，以及实验命令，内容丰富，实验过程...
Hadoop 实战之运行MultiFile（一）
xiaotom5的专栏
10-23 1908
环境：Vmware 8.0 和ubuntu11.04 Hadoop 实战之运行MultiFile（一）---根据国家将专利元数据分割到多个目录中 第一步：首先创建一个工程命名为HadoopTest.目录结构如下图: 第二步: 在/home/tanglg1987目录下新建一个start.sh脚本文件，每次启动虚拟机都要删除/tmp目录下的全部文件，重新格式化namenode，代码如下：
hadoop-mapreduce-examples Hadoop实例
12-07 1377
[root@master hadoop-3.1.1]# bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.1.jar An example program must be given as the first argument.Valid program names are: aggregatewo...
详细解析如何运行hadoop自带例子
夜阑听风
05-07 8356
本文，简单介绍下，如何运行hadoop自带的mapreduce的那些例子。本文针对的hadoop版本，是2.6.5版本，自带的例子包名为：hadoop-mapreduce-examples-2.6.5.jar；位于/share/hadoop/mapreduce目录下。简单来说，如果想要完成范例的运行，直接：hadoop jar hadoop-mapreduce-examples-2.6.5.jar...
Hadoop之WC
小谷的博客
03-09 670
MapReduce之WC说明Mapperreducejob运行结果 说明 wc作为hadoop中经典的程序，是入门必须理解的程序之一。话不多说，直接见源码 Mapper package com.gugu.mr.wc; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import ...
Ubuntu下eclipse开发hadoop应用程序环境配置
热门推荐
xiaotom5的专栏
10-17 1万+
大家好，今天给大家介绍一下Ubuntu下eclipse开发hadoop应用程序环境配置，目的很简单，为进行研究与学习，部署一个hadoop运行环境，并搭建一个hadoop开发与测试环境。 环境：Vmware 8.0 和Ubuntu11.04 第一步：下载eclipse-SDK-4.2.1-linux-gtk.tar.gz http://mirrors.ustc.edu.cn/eclips
Ubuntu下搭建Hadoop开发环境
xiaotom5的专栏
10-17 1万+
大家好，最近对Hadoop非常感兴趣，今天花点工夫搭建一个开发环境，并整理成文。 首先要了解一下Hadoop的运转形式： 单机形式（standalone）        单机形式是Hadoop的默许形式。现在次解压Hadoop的源码包时，Hadoop无奈了解硬件安装环境，便激进地抉择了最小配置。在这种默许形式下所有3个XML文件均为空。当配置文件为空时，Hadoop会齐全运转在当地。由于不需
Hadoop 实战之运行PutMerge
xiaotom5的专栏
10-17 1万+
大家好，今天给大家介绍一下Hadoop的文件系统HDFS，HDFS是一种文件系统，存储着Hadoop应用将要处理的数据，类似于普通的Unix和linux文件系统，不同的是他是实现了google的GFS文件系统的思想，是适用于大规模分布式数据处理相关应用的、可扩展的分布式文件系统。它有以下优点： 1、在分布式存储中，经常会出现节点失效的情况，HDFS可以持续监视，错误检查，容错处理，自动恢复；
Hadoop 实战之运行DataJoin
xiaotom5的专栏
10-17 1万+
大家好，今天给大家介绍一下DataJoin，Hadoop有一个叫DataJoin的包为Data Join提供相应的框架。它的Jar包存在于contrib/datajoin/hadoop-*-datajoin。 为区别于其他的data join技术，我们称其为reduce-side join。（因为我们在reducer上作大多数的工作） reduce-side join引入了一些术语及概念：
Hadoop 实战之单词计数WordCount
xiaotom5的专栏
10-15 1万+
大家好，今天给大家介绍Hadoop版的"Hello World" WordCount，单词计数是最简单也是最能体现MapReduce思想的程序之一，可以称为MapReduce版"Hello World"，该程序的完整代码可以在Hadoop安装包的"src/examples"目录下找到。单词计数主要完成功能是：统计一系列文本文件中每个单词出现的次数 环境：Vmware 8.0 和Ubuntu11.
Hadoop 实战之分析专利引用数据集（一）
xiaotom5的专栏
10-18 1万+
大家好，今天给大家介绍一下如何建立MapReduce程序的基本模板 MapReduce程序与您所学过的编程模型有所不同。您需要花一些时间，并进行一些练习来熟悉它。为了帮助您精通它，我们在后面几章会通过多个例子来进行练习。这些例子描述了不同的MapReduce编程技术。通过用不同方式应用MapReduce，您可以开始培养一种直觉，并养成“用MapReduce思考(thinking in MapRe
Hadoop 实战之运行AveragingWithCombiner（一）
xiaotom5的专栏
10-17 1万+
环境：Vmware 8.0 和ubuntu11.04 Hadoop 实战之运行AveragingWithCombiner---使用combiner提升性能 第一步：首先创建一个工程命名为HadoopTest.目录结构如下图: 第二步: 在/home/tanglg1987目录下新建一个start.sh脚本文件，每次启动虚拟机都要删除/tmp目录下的全部文件，重新格式化namenod
Hadoop 实战之MapReduce链接作业之预处理
xiaotom5的专栏
10-17 8766
环境：Vmware 8.0 和Ubuntu11.04 Hadoop 实战之MapReduce链接作业之预处理 第一步：首先创建一个工程命名为HadoopTest.目录结构如下图: 第二步: 在/home/tanglg1987目录下新建一个start.sh脚本文件，每次启动虚拟机都要删除/tmp目录下的全部文件，重新格式化namenode，代码如下： sudo r
Hadoop 实战之分析专利引用数据集（二）
xiaotom5的专栏
10-19 6518
大家好，今天给大家介绍一下Mapreduce新旧API的改变，并用新的Api的实现了Hadoop 实战之分析专利引用数据集（一）中计算专利引用数据并排序同样的功能 Hadoop最新版本的MapReduce Release 0.20.0的API包括了一个全新的Mapreduce JAVA API，有时候也称为上下文对象。 　　新的API类型上不兼容以前的API，所以，以前的应用程序需要重写才
Hadoop 实战之分析专利引用数据集（三）
xiaotom5的专栏
10-19 6338
大家好，今天我们在Hadoop 实战之分析专利引用数据集（一）的基础上来实现计算专利被引用的次数 许多外行人认为统计学就是数量统计，并且许多基本的Hadoop Job就是用于统计数量的。我们已经在第一章中看过统计单词个数的例子了。对于那些专利引用数据，我们可能想要知道专利被引用的次数。这也是一种数量统计。我们期望得到如下形式的结果： 1 2   10000 1   100000 1
Hadoop 实战之Streaming（一）
xiaotom5的专栏
10-20 5985
Hadoop 的Streaming 1、概述 Hadoop Streaming是Hadoop提供的一个编程工具，它允许用户使用任何可执行文件或者脚本文件作为Mapper和Reducer，例如： 采用shell脚本语言中的一些命令作为mapper和reducer（cat作为mapper，wc作为reducer） $HADOOP_HOME/bin/hadoop  jar $HADOOP_H
Hadoop 实战之运行CitationHistogram
xiaotom5的专栏
10-19 5321
大家好，今天我们在Hadoop 实战之分析专利引用数据集（一）和Hadoop 实战之分析专利引用数据集（三）的基础上来实现计算不同引用次数专利的数目 环境：Vmware 8.0 和Ubuntu11.04 Hadoop 实战之运行CitationHistogram---计算不同引用次数专利的数目 第一步：首先创建一个工程命名为HadoopTest.目录结构如下图: 第二步: 在/
Hadoop 实战之使用RegexMapper
xiaotom5的专栏
10-19 5272
大家好，今天给大家介绍一下Hadoop一些有用的Mapper实现 IdentityMapper: 实现了Mapper 将输入直接映射为输出 InverseMapper:实现了Mapper 逆置key/value对 RegexMapper: 实现了Mapper,对匹配的项生成(match,1)对 TokenCount: 实现了Mapper,生成(token,1)对 为了便于大家更好地理
Hadoop 实战之Streaming（五）
xiaotom5的专栏
10-20 3861
Hadoop的Python语言封装 Hadoop使用Java语言实现，编写具体的应用业务除了借助Hadoop的Java API外，还可以使用开发者所熟悉的Python或C++等其他语言编码。在Hadoop安装路径的/src/examples/目录中，给出了Python实现的分布式应用示例。除了将Python代码通过Jython运行时转换为jar包部署，还可借助Hadoop Strea
hadoop实战作业
最新发布
11-29
Hadoop实战作业通常涉及到大规模数据处理和分析。学生可能被要求使用Hadoop生态系统中的工具和技术来解决现实世界的数据问题。这可能包括数据清洗、转换和存储，以及针对数据集执行复杂的分析和查询。 例如，学生...

“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