使用docker-compose搭建hadoop伪分布式,并用springboot进行读写访问

最新推荐文章于 2024-06-09 19:06:15 发布
最新推荐文章于 2024-06-09 19:06:15 发布
阅读量1k 收藏 10
点赞数 4
文章标签： springboot hadoop hdfs hadoop伪分布式 docker-compose
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/zisuu/article/details/106171037
版权

前言

  • 本人初学Hadoop,在不懂得什么是完全分布式,什么是伪分布式,以及hdfs的具体架构得情况下,就盲目的跟着网上的教程搭建hadoop集群.最后结果是,环境搭起来了,springboot客户端却无法访问,然后反反复复重装hadoop环境,却不懂得问题所在.最后重新学习hadoop原理,才发现了突破口.
  • 这篇文章的内容经过实践,是可以成功运行并访问的.
  • docker的宿主机是阿里云的linux centos系统
  • 遇到的问题是,springboot可以访问namenode,但是无法真正的上传文件,只能在namenode创建目录(后面会有解决办法)
  • 如果你不适用springboot进行访问也没事,解决办法一样的

文章目录:

预备知识

docker-compose编写

springboot访问

遇到的问题

解决办法

总结经验

预备知识

在开始搭环境之前,我们先看看什么是伪分布式,什么是完全分布式

1.单机(非分布式)模式
这种模式在一台单机上运行，没有分布式文件系统，而是直接读写本地操作系统的文件系统，一般仅用于本地MR程序的调试

2.伪分布式运行模式

  • 这种模式也是在一台单机上运行，但用不同端口模仿分布式运行中的各类结点: (NameNode,DataNode,JobTracker,TaskTracker,SecondaryNameNode)

  • 从分布式存储的角度来说，集群中的结点由一个NameNode和若干个DataNode组成,另有一个SecondaryNameNode作为NameNode的备份。
    开启多个进程模拟完全分布式

  • 如果用docker进行部署hadoop伪分布式集群环境,docker上有一个专门的伪分布式镜像,如下:(可根据几个镜像写一个docker-compose,进行伪分布式部署)

在这里插入图片描述
在这里插入图片描述
3.完全分布式模式
真正的分布式，由3个及以上的实体机或者虚拟机组件的机群。
如果要用docker进行部署,基本思路:(只是一个基本思路)

  • 在docker中创建centos容器
  • 在该容器中创建hadoop
  • 配置hadoop
  • 将该centos容器制作成镜像,由此创造出三个centos容器,一主二辅
  • 规划好哪个容器上有namenode,datanode,resource Manager…如下:
    在这里插入图片描述

知道了伪分布式和完全分布式的区别,接下来我们看看hdfs的读写流程

详情请学习这篇中的hdfs模块

看完之后,你应该清楚了,namenode只是一个目录,客户端和namenode创建连接的时候,namenode返回给客户端的是datanode的地址,准确的来说,是datanode的内网ip, 这也是后面用springboot无法访问hdfs文件系统的原因.不急,我们先把环境搭起来,再说怎么解决

docker-compose编写

在Linux虚拟机上新建一个文件夹hadoop
创建docker-compose 和hadoop.env文件,
创建data文件夹
在data文件夹中创建三个文件夹

在这里插入图片描述

docker-compose :

version: "2"

services:
  namenode:
    image: bde2020/hadoop-namenode:1.1.0-hadoop2.7.1-java8
    hostname: namenode
    container_name: namenode
    volumes:
      - ./data/namenode:/hadoop/dfs/name
    environment:
      - CLUSTER_NAME=test
    env_file:
      - ./hadoop.env
    ports:
      - "50070:50070"
      - "8020:8020"
      - "50470:50470"

  resourcemanager:
    image: bde2020/hadoop-resourcemanager:1.1.0-hadoop2.7.1-java8
    hostname: resourcemanager
    container_name: resourcemanager
    depends_on:
      - "namenode"
    links:
      - "namenode"
    ports:
      - "58088:8088"
    env_file:
      - ./hadoop.env

  historyserver:
    image: bde2020/hadoop-historyserver:1.1.0-hadoop2.7.1-java8
    hostname: historyserver
    container_name: historyserver
    volumes:
      - ./data/historyserver:/hadoop/yarn/timeline
    depends_on:
      - "namenode"
    links:
      - "namenode"
    ports:
      - "58188:8188"
    env_file:
      - ./hadoop.env

  nodemanager1:
    image: bde2020/hadoop-nodemanager:1.1.0-hadoop2.7.1-java8
    hostname: nodemanager1
    container_name: nodemanager1
    depends_on:
      - "namenode"
      - "resourcemanager"
    links:
      - "namenode"
      - "resourcemanager"
    ports:
      - "58042:8042"
    env_file:
      - ./hadoop.env

  datanode:
    image: bde2020/hadoop-datanode:1.1.0-hadoop2.7.1-java8
    hostname: datanode
    container_name: datanode
    depends_on:
      - "namenode"
    links:
      - "namenode"
    volumes:
      - ./data/datanode1:/hadoop/dfs/data
    env_file:
      - ./hadoop.env
    ports:
      - "50010:50010"
      - "50075:50075"
      - "50475:50475"
      - "50020:50020"

hadoop.env:

这里解释一下,这个文件相当于hadoop的配置文件,只是放在一个文件中进行配置
如果你还不懂hadoop的配置文件有哪些,请先看这篇文章中的Hadoop配置文件模块

我在这个配置文件中,进行了这样的设置:
HDFS_CONF_dfs_client_use_datanode_hostname=true
HDFS_CONF_dfs_datanode_use_datanode_hostname=true
意思是修改了默认的ip内网访问,改为主机名访问.为什么这样改呢?请继续往下看

下面是配置的对应关系:

  • /etc/hadoop/core-site.xml ----- CORE_CONF
  • /etc/hadoop/hdfs-site.xml HDFS_CONF
  • /etc/hadoop/yarn-site.xml YARN_CONF
  • /etc/hadoop/httpfs-site.xml HTTPFS_CONF
  • /etc/hadoop/kms-site.xml KMS_CONF
  • /etc/hadoop/mapred-site.xml MAPRED_CONF
CORE_CONF_fs_defaultFS=hdfs://namenode:8020
CORE_CONF_hadoop_http_staticuser_user=root
CORE_CONF_hadoop_proxyuser_hue_hosts=*
CORE_CONF_hadoop_proxyuser_hue_groups=*

HDFS_CONF_dfs_webhdfs_enabled=true
HDFS_CONF_dfs_permissions_enabled=false
HDFS_CONF_dfs_client_use_datanode_hostname=true
HDFS_CONF_dfs_datanode_use_datanode_hostname=true
YARN_CONF_yarn_log___aggregation___enable=true
YARN_CONF_yarn_resourcemanager_recovery_enabled=true
YARN_CONF_yarn_resourcemanager_store_class=org.apache.hadoop.yarn.server.resourcemanager.recovery.FileSystemRMStateStore
YARN_CONF_yarn_resourcemanager_fs_state___store_uri=/rmstate
YARN_CONF_yarn_nodemanager_remote___app___log___dir=/app-logs
YARN_CONF_yarn_log_server_url=http://historyserver:8188/applicationhistory/logs/
YARN_CONF_yarn_timeline___service_enabled=true
YARN_CONF_yarn_timeline___service_generic___application___history_enabled=true
YARN_CONF_yarn_resourcemanager_system___metrics___publisher_enabled=true
YARN_CONF_yarn_resourcemanager_hostname=resourcemanager
YARN_CONF_yarn_timeline___service_hostname=historyserver
YARN_CONF_yarn_resourcemanager_address=resourcemanager:8032
YARN_CONF_yarn_resourcemanager_scheduler_address=resourcemanager:8030
YARN_CONF_yarn_resourcemanager_resource___tracker_address=resourcemanager:8031

在hadoop目录下运行,

docker-compose up -id

不出意外的话,访问你的主机ip+50070就能访问:
在这里插入图片描述
点击Utilities->brose the file system,可以浏览文件目录
在这里插入图片描述

springboot访问hadoop

pom.xml:

      <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.7.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-yarn</artifactId>
            <version>2.7.1</version>
        </dependency>

目录:
在这里插入图片描述
HadoopConfig:

@Configuration
public class HadoopConfig {

    @Bean("fileSystem")
    public FileSystem createFs(){
        //读取配置文件
        org.apache.hadoop.conf.Configuration conf = new org.apache.hadoop.conf.Configuration();
        conf.set("dfs.replication", "1");
        conf.set("dfs.client.use.datanode.hostname", "true");
        System.setProperty("HADOOP_USER_NAME","root");
        FileSystem fs = null;
        try {
            URI uri = new URI("hdfs://121.199.16.65:8020/");
            fs = FileSystem.get(uri,conf);
        } catch (Exception e) {
            e.printStackTrace();
        }
        return  fs;
    }
}

HadoopTemplate

这里PostConstruct会先创建一个名为test的目录

@Service
@ConditionalOnBean(FileSystem.class)
public class HadoopTemplate {

    @Autowired
    private FileSystem fileSystem;
    private String nameSpace="/test";

    @PostConstruct
    public void init(){
        existDir(nameSpace,true);
    }


    public void uploadFile(String srcFile){
        copyFileToHDFS(false,true,srcFile,nameSpace);
    }

    public void uploadFile(String srcFile,String destPath){
        copyFileToHDFS(false,true,srcFile,destPath);
    }

    public void delFile(String fileName){
        rmdir(nameSpace,fileName) ;
    }

    public void delDir(String path){
        nameSpace = nameSpace + "/" +path;
        rmdir(path,null) ;
    }

    public void download(String fileName,String savePath){
        getFile(nameSpace+"/"+fileName,savePath);
    }


    /**
     * 创建目录
     * @param filePath
     * @param create
     * @return
     */
    public boolean existDir(String filePath, boolean create){
        boolean flag = false;
        if(StringUtils.isEmpty(filePath)){
            throw new IllegalArgumentException("filePath不能为空");
        }
        try{
            Path path = new Path(filePath);
            if (create){
                if (!fileSystem.exists(path)){
                    fileSystem.mkdirs(path);
                }
            }
            if (fileSystem.isDirectory(path)){
                flag = true;
            }
        }catch (Exception e){
            e.printStackTrace();
        }
        return flag;
    }




    /**
     * 文件上传至 HDFS
     * @param delSrc       指是否删除源文件，true为删除，默认为false
     * @param overwrite
     * @param srcFile      源文件，上传文件路径
     * @param destPath     hdfs的目的路径
     */
    public  void copyFileToHDFS(boolean delSrc, boolean overwrite,String srcFile,String destPath) {
        // 源文件路径是Linux下的路径，如果在 windows 下测试，需要改写为Windows下的路径，比如D://hadoop/djt/weibo.txt
        Path srcPath = new Path(srcFile);

        // 目的路径
        Path dstPath = new Path(destPath);
        // 实现文件上传
        try {
            // 获取FileSystem对象
            fileSystem.copyFromLocalFile(srcPath, dstPath);

            //fileSystem.copyFromLocalFile(delSrc,overwrite,srcPath, dstPath);
            //释放资源
        //    fileSystem.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }


    /**
     * 删除文件或者文件目录
     *
     * @param path
     */
    public void rmdir(String path,String fileName) {
        try {
            // 返回FileSystem对象
            if(org.junit.platform.commons.util.StringUtils.isNotBlank(fileName)){
                path =  path + "/" +fileName;
            }
            // 删除文件或者文件目录  delete(Path f) 此方法已经弃用
            fileSystem.delete(new Path(path),true);
        } catch (IllegalArgumentException | IOException e) {
            e.printStackTrace();
        }
    }

    /**
     * 从 HDFS 下载文件
     *
     * @param hdfsFile
     * @param destPath 文件下载后,存放地址
     */
    public void getFile(String hdfsFile,String destPath) {
        // 源文件路径
        Path hdfsPath = new Path(hdfsFile);
        Path dstPath = new Path(destPath);
        try {
            // 下载hdfs上的文件
            fileSystem.copyToLocalFile(hdfsPath, dstPath);
            // 释放资源
           // fs.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

}

test:


@RestController
public class test {

    @Autowired
    HadoopTemplate template;
    @GetMapping(value = "/test")
    public String test(){

     template.copyFileToHDFS(true,false,"D:\\Amaven\\test.txt","/test");
        return "success";
    }
}

遇到的问题

  • 这个时候你可能会高高兴兴的用postMan进行测试,发现报了下面这个错误:
 File /test/test.txt could only be replicated to 0 nodes instead of minReplication (=1).  There are 1 datanode(s) running and 1 node(s) are excluded in this operation.

但是你到回到前面访问过的那个50070web页面,发现目录里是有text.txt的,但是大小却为0
在这里插入图片描述

  • 亦或者,你尝试着在50070web界面下载文件,却告诉你无法连接
    在这里插入图片描述

原因分析:

我们知道,客户端对Hdfs文件系统访问的大概流程是:

  • 客户端通过公网ip+端口与namenode进行通信
  • namenode返回datanode的地址,注意是hdfs文件系统的内网地址!!!
  • 客户端根据地址去和datanode进行连接

但是,我们是在自己的电脑去访问虚拟机,用的是公网的地址,这样当然是无法访问hdfs的内网地址,也无法和datanode建立正常的输送连接,这也是为什么namenode上有目录,但是大小却为0的原因,也是为什么web界面无法下载文件的原因

所以,我们要去想办法让namenode不要返回datanode的内网地址,而是公网的地址,这样我们才能访问和连接

解决办法:

回顾上面的hadoop.env配置文件,有以下配置,将默认的内网ip访问,改为主机名访问

HDFS_CONF_dfs_datanode_use_datanode_hostname=true

再看dockerFile文件,datanode模块下的配置,指定了datanode的主机名为datanode,映射了宿主机的端口

 datanode:
    image: bde2020/hadoop-datanode:1.1.0-hadoop2.7.1-java8
    hostname: datanode
    container_name: datanode
    depends_on:
      - "namenode"
    links:
      - "namenode"
    volumes:
      - ./data/datanode1:/hadoop/dfs/data
    env_file:
      - ./hadoop.env
    ports:
      - "50010:50010"
      - "50075:50075"
      - "50475:50475"
      - "50020:50020"

再看看springboot的HadoopConfig中的一行代码,设置了namenode返回的是datanode的主机名,而不是内网ip

conf.set(“dfs.client.use.datanode.hostname”, “true”);

ok,我们来撸一撸思路,现在已经配置了hdfs以主机名的方式进行互相访问,设置了datanode的主机名叫datanode,并且namenode返回的是datanode的主机名,现在该做什么?
没错,就是在我们自己的电脑上的/etc/hosts文件中,加一个linux公网ip和datanode的主机名(datanode)的映射:
在这里插入图片描述

你的虚拟机公网ip datanode
121.199.16.xx datanode

这样,当我们根据namenode返回的datanode的主机名,并通过映射关系,以公网ip+端口去访问datanode时,也就成功了

在这里插入图片描述

总结经验

  • 在学习之前,一定要先理解原理再去跟着教程做,如果不懂得hdfs的读写流程,就不懂到底是和datanode连接错误,还是和namenode连接错误,不懂为什么可以创建目录,但是size=0.
  • 本人也正是因为太心急,没有理解清楚原理,导致吃了大亏,卡在这个地方好几天,但是实际上,理解清楚原理,可能只需要两个小时
zisuu
关注
  • 4
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于docker-compose安装hadoop 1+3模式集群
dh12313012的博客
07-06 1354
基于docker-compose安装hadoop 1+3模式集群1、`docker-compose.yml`：2、`hadoop.env`： 此处的样例是参考别人的，之后自己整合一套可以使用的1+3模式的集群。 1、docker-compose.yml： version: "2.2" services: namenode: image: bde2020/hadoop-namenode:1.1.0-hadoop2.7.1-java8 # 配置好 docker 内的假域名 hostn
bigdata-docker-compose:Hadoop，Hive，Spark，Zeppelin和Livy
05-23
大数据游乐场：通过Docker-compose与Hadoop，Hive，Spark，Zeppelin和Livy集群。 我希望能够轻松地处理各种大数据应用程序，即Amazon EMR中的那些应用程序。 理想情况下，这可以在一个命令中提出和拆除。 这就是这个存储库的样子！ 成分图像： ： ： ： 用法 克隆： git clone https://github.com/panovvv/bigdata-docker-compose.git 在非Linux平台上，您应为Docker分配比默认情况下更多的RAM（在我的计算机上为2Gb，带16Gb RAM）。 否则，应用程序（在我的情况下为ResourceManager）将偶尔退出，并且您会在日志中看到类似这样的消息： current-datetime INFO org.apache.hadoop.util.JvmPauseMonit
Docker部署常见应用之大数据基础框架Hadoop
最新发布
weixin_44585288的博客
06-09 1307
文章介绍了如何使用Docker Compose 部署Hadoop 集群。 Hadoop是一个开源框架，由Apache软件基金会开发，用于在普通硬件构建的集群中存储和处理大量数据。它最初由Doug Cutting和Mike Cafarella创建，并受Google的MapReduce和Google File System (GFS) 论文的启发。Hadoop已成为大数据处理的事实上的标准，并被许多企业和组织广泛采用。
Docker-compose部署Hadoop
Winter的博客
04-20 1330
Docker部署Hadoop的优势Docker部署Hadoop的优势：简化部署流程：使用Docker可以快速部署Hadoop集群，无需手动安装和配置各个组件；提高可移植性：Docker容器可以在不同的环境中运行，保证了Hadoop集群的可移植性；方便管理和维护：Docker提供了一套完整的容器管理和维护工具，可以方便地管理和维护Hadoop集群；节省资源：使用Docker可以避免虚拟化技术带来的性能损失，同时也可以节省硬件资源。Hadoop在Docker中的限制。
1.hadoop系列之部署与组成简介
算法小生
12-28 639
本文开始，我们学习大数据系列，我们先从hadoop开始本篇文章主要目的就是我们成功运行起来，后面在详细介绍hadoop组成工作原理。
通过docker-compose安装hadoop
taoruicheng1的博客
12-20 1729
docker-compose的Compose配置文件语法版本有3个版本,分别为1, 2.x 和 3.x。如果不关闭V2版本的话，运行docker-compose命令时会报错：unexpected character “-” in variable name near，执行docker-compose disable-v2解决该问题。4）对于高可用集群，默认会启动两个NameNode，一个是Active NameNode，另一个是Standby NameNode，两个NameNode承担不同角色。
docker-compose快速搭建hadoop
blues的博客
05-16 1591
1、docker-compose.yml version: "3" services: namenode: image: bde2020/hadoop-namenode:2.0.0-hadoop3.2.1-java8 container_name: namenode restart: always ports: - 9870:9870 - 9000:9000 volumes: - ./hadoop/dfs/name:/ha
podman-compose:使用podman运行docker-compose.yml的脚本
05-12
Podman撰写带有后端的 docker-compose的实现。 该项目的主要目标是能够未经修改且无根地运行docker-compose.yml 。 该项目旨在为docker-compose提供docker-compose替换，并且在某些情况下非常有用，因为： 可以无根...
docker-compose-maven-plugin：使用Maven运行docker-compose
02-03
Docker Compose Maven插件 ... < artifactId>docker-compose-maven-plugin $VERSION 关于 Maven插件，用于通过Maven运行基本的docker-compose命令。 它可以用作Maven生命周期的一部分，也可以用作将do
docker-compose启动springboot项目-springboot+redis实战案例.zip
08-30
docker-compose启动springboot项目-springboot+redis实战案例。可以参考文章：https://blog.csdn.net/Ber_Bai/article/details/119995240
docker-compose安装包
12-19
Docker-Compose项目是Docker官方的开源项目，负责实现对Docker容器集群的快速编排。 Docker-Compose将所管理的容器分为三层，分别是工程（project），服务（service）以及容器（container）。Docker-Compose运行目录...
docker一键安装hadoop集群
10-14
全部源码dockerfile等，按照readme说明可以使用docker一键安装hadoop集群，需要在linux系统下使用
docker-compose-linux-x86_64
09-21
Docker-Compose项目是Docker官方的开源项目，负责实现对Docker容器集群的快速编排。 Docker-Compose将所管理的容器分为三层，分别是工程（project），服务（service）以及容器（container）。Docker-Compose运行...
docker-compose部署hadoop集群（高可用）—— 筑梦之路
筑梦之路
06-05 1413
hadoop高可用依赖组件zookeeper。
容器化 hadoop 3.1.1Docker-Compose方式
oneslide
01-11 1868
本文基于CentOS 7基础镜像使用docker-compose单机搭建包含一个namenode和一个datanode HDFS分布式集群，用于概念验证。 最后使用Java Client Library 访问HDFS写入一个文件，验证HDFS可远程访问。 文章目录规划端口构建镜像1. 目录机构2. 文件内容3. 构建镜像配置启动HDFS测试HDFS测试远程访问Java示例 规划端口 docker需要暴露适当端口，以使得hadoop可以被远程访问。 远程客户端要访问hdfs时,会先从端口9000 获取数据元
基于docker-compose的hadoop集群搭建
Qbit编程学习笔记
04-29 2823
docker-compose.yml 这个配置文件是根据bde2020文件略作调整,去掉了tag信息(可以拉取latest)和volume信息,另外也去掉了restart配置 version: "3" services: namenode: image: bde2020/hadoop-namenode container_name: namenode ports: ...
Docker-compose 安装 hadoop集群
wuhulala的休息室
09-22 832
Hadoop 使用docker-compose 构造一个master-2slave的小集群 https://github.com/wuhulala/wuhulala-dockerfile/tree/master/hadoop 分享感谢 https://github.com/kiwenlau/hadoop-cluster-docker 安装 clone项目 git clone https:...
实战：使用Docker部署Hadoop集群
勤于笔记，成于点滴。
08-10 998
用docker方式部署hadoop集群较普通物理更为简单，且方便管理。本次实战过程用的bridge网络，如果需要远程访问hdfs则是需要用host网络构建容器。
docker-compose 部署hadoop集群
xiaoxiao081228的专栏
03-03 3495
1、创建自己的centos镜像 FROM centos MAINTAINER summer COPY jdk1.8.0_121 /usr/local/jdk1.8 RUN yum install -y openssh-server RUN yum install -y which.x86_64 RUN yum install -y openssh-clients
linux中下载docker-compose的详细步骤和如何使用docker-compose
01-19
在Linux中下载docker-compose的详细步骤如下： 1. 打开终端，使用以下命令下载docker-compose二进制文件： ```shell sudo curl -L "https://github.com/docker/compose/releases/latest/download/docker-compose-$(uname -s)-$(uname -m)" -o /usr/local/bin/docker-compose ``` 2. 授予docker-compose二进制文件执行权限： ```shell sudo chmod +x /usr/local/bin/docker-compose ``` 3. 验证docker-compose是否成功安装： ```shell docker-compose --version ``` 如果成功安装，将显示docker-compose的版本信息。 使用docker-compose的步骤如下： 1. 创建一个docker-compose.yml文件，定义你的服务和容器配置。例如： ```yaml version: '3' services: web: image: nginx:latest ports: - 80:80 volumes: - ./html:/usr/share/nginx/html ``` 2. 在终端中，使用以下命令启动docker-compose： ```shell docker-compose up -d ``` 这将根据docker-compose.yml文件中的配置创建和启动容器。 3. 使用以下命令停止和删除容器： ```shell docker-compose down ``` 这将停止并删除由docker-compose创建的容器。 4. 使用以下命令查看docker-compose创建的容器状态： ```shell docker-compose ps ``` 这将显示容器的状态信息，包括容器的名称、状态、端口映射等。
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