HIve中的查询语句

这篇具有很好参考价值的文章主要介绍了HIve中的查询语句。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。


HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

Hive中的查询语句

1. 基础语法

1)官网地址

https://cwiki.apache.org/confluence/display/Hive/LanguageManual+Select

2)查询语句语法:

SELECT [ALL | DISTINCT] select_expr, select_expr, ...
  FROM table_reference       -- 从什么表查
  [WHERE where_condition]    -- 过滤
  [GROUP BY col_list]        -- 分组查询
  [HAVING col_list]          -- 分组后过滤
  [ORDER BY col_list]        -- 排序
  [CLUSTER BY col_list| [DISTRIBUTE BY col_list] [SORT BY col_list]]
  [LIMIT number]                -- 限制输出的行数

2. 基本查询(Select…From)

2.1 数据准备

(0)原始数据

①在/opt/module/datas/路径上创建dept.txt文件

vim dept.txt

并赋值如下内容:

部门编号 部门名称 部门位置id

10	行政部	1700
20	财务部	1800
30	教学部	1900
40	销售部	1700

②在/opt/module/datas/路径上创建emp.txt文件

vim emp.txt

并赋值如下内容:
员工编号 姓名 岗位 薪资 部门

7369	张三	研发	800.00	30
7499	李四	财务	1600.00	20
7521	王五	行政	1250.00	10
7566	赵六	销售	2975.00	40
7654	侯七	研发	1250.00	30
7698	马八	研发	2850.00	30
7782	金九	\N	2450.0	30
7788	银十	行政	3000.00	10
7839	小芳	销售	5000.00	40
7844	小明	销售	1500.00	40
7876	小李	行政	1100.00	10
7900	小元	讲师	950.00	30
7902	小海	行政	3000.00	10
7934	小红明	讲师	1300.00	30
(1)创建部门表
create table if not exists dept(
    deptno int,    -- 部门编号
    dname string,  -- 部门名称
    loc int        -- 部门位置
)
row format delimited fields terminated by '\t';

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(2)创建员工表
create table if not exists emp(
    empno int,      -- 员工编号
    ename string,   -- 员工姓名
    job string,     -- 员工岗位(大数据工程师、前端工程师、java工程师)
    sal double,     -- 员工薪资
    deptno int      -- 部门编号
)
row format delimited fields terminated by '\t';

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(3)导入数据
load data local inpath '/opt/module/datas/dept.txt' into table dept;
load data local inpath '/opt/module/datas/emp.txt' into table emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

注意:路径要正确。

2.2 全表和特定列查询

1)全表查询

查询表中的所有数据:

select * from emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

2)选择特定列查询

查询员工表的员工编号、员工姓名字段:

select empno, ename from emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

注意:

(1)SQL 语言大小写不敏感。

(2)SQL 可以写在一行或者多行。

(3)关键字不能被缩写也不能分行。

(4)各子句一般要分行写。

(5)使用缩进提高语句的可读性。

2.3 列别名

1)为什么要给列起别名?
  • 便于理解
  • 如果查询的字段有重名的情况,可以用起别名的方法来区分
2)如何给列其别名?
  • SELECT 字段 AS 别名 FROM 表名;
  • SELECT 字段 别名 FROM 表名;
3)案例实操

查询名称和部门。

select 
    ename AS name, 
    deptno dn 
from emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

2.4 Limit语句

典型的查询会返回多行数据。limit子句用于限制返回的行数。

# 查看前5条数据
select * from emp limit 5;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

select * from emp limit 2,3; -- 表示从第2行开始,向下抓取3行

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

2.5 Where语句

使用where子句,将不满足条件的行过滤掉。

案例:查询出薪水大于1000的所有员工。

select * from emp where sal > 1000;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

注意:where子句中不能使用字段别名。

在Hive中,不能在 WHERE 子句中直接使用字段别名,这是因为 Hive 的语法顺序限制了 WHERE 子句的启动时间早于 SELECT 子句中列别名的解析时间,所以在 WHERE 子句中,列别名是未知的。

可以使用子查询或者使用HAVING子句替代在 WHERE 子句中使用字段别名的方法。

2.6 关系运算函数

1)基本语法

如下操作符主要用于where和having语句中。

操作符 支持的数据类型 描述
A=B 基本数据类型 如果A等于B则返回true,反之返回false
A<=>B 基本数据类型 如果A和B都为null或者都不为null,则返回true,
如果只有一边为null,返回false
A<>B, A!=B 基本数据类型 A或者B为null则返回null;
如果A不等于B,则返回true,反之返回false
A<B 基本数据类型 A或者B为null,则返回null;
如果A小于B,则返回true,反之返回false
A<=B 基本数据类型 A或者B为null,则返回null;
如果A小于等于B,则返回true,反之返回false
A>B 基本数据类型 A或者B为null,则返回null;
如果A大于B,则返回true,反之返回false
A>=B 基本数据类型 A或者B为null,则返回null;
如果A大于等于B,则返回true,反之返回false
A [not] between B and C 基本数据类型 如果A,B或者C任一为null,则结果为null。
如果A的值大于等于B而且小于或等于C,则结果为true,反之为false。
如果使用not关键字则可达到相反的效果。
A is null 所有数据类型 如果A等于null,则返回true,反之返回false
A is not null 所有数据类型 如果A不等于null,则返回true,反之返回false
in(数值1,数值2) 所有数据类型 使用 in运算显示列表中的值
A [not] like B string 类型 B是一个SQL下的简单正则表达式,也叫通配符模式,
如果A与其匹配的话,则返回true;反之返回false。
B的表达式说明如下:‘x%’表示A必须以字母‘x’开头,‘%x’表示A必须以字母‘x’结尾,而‘%x%’表示A包含有字母‘x’,可以位于开头,结尾或者字符串中间。
如果使用not关键字则可达到相反的效果。
A rlike B, A regexp B string 类型 B是基于java的正则表达式,如果A与其匹配,则返回true;反之返回false。
匹配使用的是JDK中的正则表达式接口实现的,因为正则也依据其中的规则。
例如,正则表达式必须和整个字符串A相匹配,而不是只需与其字符串匹配。

2.7 逻辑运算函数

1)基本语法(and/or/not)
操作符 含义
and 逻辑并
or 逻辑或
not 逻辑否
2)案例实操

(1)查询薪水大于1000,部门是30

select 
    * 
from emp 
where sal > 1000 and deptno = 30;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(2)查询薪水大于1000,或者部门是30

select 
    * 
from emp 
where sal>1000 or deptno=30;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(3)查询除了20部门和30部门以外的员工信息

select 
    * 
from emp 
where deptno not in(30, 20);

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

2.8 聚合函数

1)语法
  • count(*),表示统计所有行数,包含null值;
  • count(某列),表示该列一共有多少行,不包含null值;
  • max(),求最大值,不包含null,除非所有值都是null;
  • min(),求最小值,不包含null,除非所有值都是null;
  • sum(),求和,不包含null。
  • avg(),求平均值,不包含null。
2)案例实操

(1)求总行数(count)

select count(*) cnt from emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(2)求工资的最大值(max)

select max(sal) max_sal from emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(3)求工资的最小值(min)

select min(sal) min_sal from emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(4)求工资的总和(sum)

select sum(sal) sum_sal from emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(5)求工资的平均值(avg)

select avg(sal) avg_sal from emp;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

3 分组

3.1 Group By语句

Group By语句通常会和聚合函数一起使用,按照一个或者多个列队结果进行分组,然后对每个组执行聚合操作。

1)案例实操:

(1)计算emp表每个部门的平均工资。

select 
    t.deptno, 
    avg(t.sal) avg_sal 
from emp t 
group by t.deptno;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(2)计算emp每个部门中每个岗位的最高薪水。

select 
    t.deptno, 
    t.job, 
    max(t.sal) max_sal 
from emp t 
group by t.deptno, t.job;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

3.2 Having语句

1)having与where不同点

(1)where后面不能写分组聚合函数,而having后面可以使用分组聚合函数。

(2)having只用于group by分组统计语句。

2)案例实操

(1)求每个部门的平均薪水大于2000的部门

①求每个部门的平均工资。

select 
    deptno, 
    avg(sal) 
from emp 
group by deptno;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

②求每个部门的平均薪水大于2000的部门。

select 
    deptno, 
    avg(sal) avg_sal 
from emp 
group by deptno  
having avg_sal > 2000;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4 Join语句

4.1 等值Join

Hive支持通常的sql join语句,但是只支持等值连接,不支持非等值连接。

1)案例实操

(1)根据员工表和部门表中的部门编号相等,查询员工编号、员工名称和部门名称。

select 
    e.empno, 
    e.ename, 
    d.dname 
from emp e 
join dept d 
on e.deptno = d.deptno;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4.2 表的别名

1)好处

(1)使用别名可以简化查询。

(2)区分字段的来源。

2)案例实操

合并员工表和部门表。

select 
    e.*,
    d.* 
from emp e 
join dept d 
on e.deptno = d.deptno;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4.3 内连接

内连接:只有进行连接的两个表中都存在与连接条件相匹配的数据才会被保留下来。

select 
    e.empno, 
    e.ename, 
    d.deptno 
from emp e 
join dept d 
on e.deptno = d.deptno;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4.4 左外连接

左外连接:join操作符左边表中符合where子句的所有记录将会被返回。

select 
    e.empno, 
    e.ename, 
    d.deptno 
from emp e 
left join dept d 
on e.deptno = d.deptno;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4.5 右外连接

右外连接:join操作符右边表中符合where子句的所有记录将会被返回。

select 
    e.empno, 
    e.ename, 
    d.deptno 
from emp e 
right join dept d 
on e.deptno = d.deptno;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4.6 满外连接

满外连接:将会返回所有表中符合where语句条件的所有记录。如果任一表的指定字段没有符合条件的值的话,那么就使用null值替代。

select 
    e.empno, 
    e.ename, 
    d.deptno 
from emp e 
full join dept d 
on e.deptno = d.deptno;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4.7 多表连接

注意:连接n个表,至少需要n-1个连接条件。例如:连接三个表,至少需要两个连接条件。

0)数据准备

在/opt/module/datas/下:

vim location.txt

部门位置id 部门位置

1700	北京
1800	上海
1900	深圳
1)创建位置表
create table if not exists location(
    loc int,           -- 部门位置id
    loc_name string   -- 部门位置
)
row format delimited fields terminated by '\t';

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

2)导入数据
load data local inpath '/opt/module/datas/location.txt' into table location;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

3)多表连接查询
select 
    e.ename, 
    d.dname, 
    l.loc_name
from emp e 
join dept d
on d.deptno = e.deptno 
join location l
on d.loc = l.loc;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

大多数情况下,Hive会对每对join连接对象启动一个MapReduce任务。本例中会首先启动一个MapReduce job对表e和表d进行连接操作,然后会再启动一个MapReduce job将第一个MapReduce job的输出和表l进行连接操作。

注意:为什么不是表d和表l先进行连接操作呢?这是因为Hive总是按照从左到右的顺序执行的。

4.8 笛卡尔集

1)笛卡尔集会在下面条件下产生

(1)省略连接条件

(2)连接条件无效

(3)所有表中的所有行互相连接

2)案例实操
select 
    empno, 
    dname 
from emp, dept;

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4.9 联合(union & union all)

1)union&union all上下拼接

union和union all都是上下拼接sql的结果,这点是和join有区别的,join是左右关联,union和union all是上下拼接。union去重,union all不去重。

union和union all在上下拼接sql结果时有两个要求:

(1)两个sql的结果,列的个数必须相同

(2)两个sql的结果,上下所对应列的类型必须一致

2)案例实操

将员工表30部门的员工信息和40部门的员工信息,利用union进行拼接显示。

select 
    *
from emp
where deptno=30
union
select 
    *
from emp
where deptno=40;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

5 排序

5.1 全局排序(Order By)

Order By:全局排序,只有一个Reduce。

1)使用Order By子句排序

asc(ascend):升序(默认)

desc(descend):降序

2)基础案例实操

(1)查询员工信息按工资升序排列

select 
    * 
from emp 
order by sal;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

(2)查询员工信息按工资降序排列

select 
    * 
from emp 
order by sal desc;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

3)按照别名排序案例实操

按照员工薪水的2倍排序。

select 
    ename, 
    sal * 2 twosal 
from emp 
order by twosal;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4)多个列排序案例实操

按照部门和工资升序排序。

select 
    ename, 
    deptno, 
    sal 
from emp 
order by deptno, sal;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

5.2 每个Reduce内部排序(Sort By)

Sort By:对于大规模的数据集order by的效率非常低。在很多情况下,并不需要全局排序,此时可以使用Sort by。

Sort by为每个reduce产生一个排序文件。每个Reduce内部进行排序,对全局结果集来说不是排序。

1)查看默认reduce个数

set mapreduce.job.reduces;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

2)设置reduce个数

set mapreduce.job.reduces=3;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

3)根据部门编号降序查看员工信息

select 
    * 
from emp 
sort by deptno desc;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

4)将查询结果导入到文件中(按照部门编号降序排序)

insert overwrite local directory '/opt/module/datas/sortby-result'
 select * from emp sort by deptno desc;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

5.3 分区(Distribute By)

Distribute By:在有些情况下,我们需要控制某个特定行应该到哪个Reducer,通常是为了进行后续的聚集操作。distribute by子句可以做这件事。distribute by类似MapReduce中partition(自定义分区),进行分区,结合sort by使用。

对于distribute by进行测试,一定要分配多reduce进行处理,否则无法看到distribute by的效果。

案例实操:先按照部门编号分区,再按照员工编号薪资排序

set mapreduce.job.reduces=3;

insert overwrite local directory 
'/opt/module/datas/distribute-result' 
select 
    * 
from emp 
distribute by deptno 
sort by sal desc;

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

注意:

  • distribute by的分区规则是根据分区字段的hash码与reduce的个数进行相除后,余数相同的分到一个区。
  • Hive要求****distribute by****语句要写在sort by语句之前。
  • 演示完以后mapreduce.job.reduces的值要设置回-1,否则下面分区or分桶表load跑MapReduce的时候会报错。

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

5.4 分区排序(Cluster By)

当distribute by和sort by字段相同时,可以使用cluster by方式。

cluster by除了具有distribute by的功能外还兼具sort by的功能。但是排序只能是升序排序,不能指定排序规则为asc或者desc。

(1)以下两种写法等价

select 
    * 
from emp 
cluster by deptno;

select 
    * 
from emp 
distribute by deptno 
sort by deptno;

注意:按照部门编号分区,不一定就是固定死的数值,可以是20号和30号部门分到一个分区里面去。

hive sql执行过程:

HIve中的查询语句,Hive数据仓库,hive,hadoop,数据仓库

参考资料:文章来源地址https://www.toymoban.com/news/detail-519457.html

尚硅谷大数据Hive 3.x教程全新升级版(基于hive3.1.3)p31-p45
https://www.bilibili.com/video/BV1g84y147sX/?p=31&share_source=copy_web&vd_source=e6e32ebc65d9be6b5ec630207a388b36

到了这里,关于HIve中的查询语句的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • hive sql 语句查询规则

    注意: 1、order by 会对输入做全局排序,因此只有一个reducer,会导致当输入规模较大时,需要较长的计算时间。 2、sort by不是全局排序,其在数据进入reducer前完成排序。因此,如果用sort by进行排序,并且设置mapred.reduce.tasks1,则sort by只保证每个reducer的输出有序,不保证全局

    2024年04月28日
    浏览(41)
  • Hive在阿里巴巴数据仓库中的实践与应用

    作者:禅与计算机程序设计艺术 Apache Hive 是 Hadoop 的一个子项目,它是一个基于 HQL(Hadoop Query Language)语言的查询引擎,可以将结构化的数据文件存储在HDFS上并提供分布式计算功能。Hive 有着良好的扩展性、稳定性、高效执行速度、完备的SQL支持等优点。Hive 适用于互联网行

    2024年02月11日
    浏览(36)
  • 漫谈数据仓库之拉链表(原理、设计以及在Hive中的实现

    本文将会谈一谈在数据仓库中拉链表相关的内容,包括它的原理、设计、以及在我们大数据场景下的实现方式。 全文由下面几个部分组成: 先分享一下拉链表的用途、什么是拉链表。 通过一些小的使用场景来对拉链表做近一步的阐释,以及拉链表和常用的切片表的区别。

    2024年04月12日
    浏览(37)
  • 详解数据仓库之拉链表(原理、设计以及在Hive中的实现)

    最近发现一本好书,读完感觉讲的非常好,首先安利给大家,国内第一本系统讲解数据血缘的书!点赞!近几天也会安排朋友圈点赞赠书活动(ง•̀_•́)ง 0x00 前言 本文将会谈一谈在数据仓库中拉链表相关的内容,包括它的原理、设计、以及在我们大数据场景下的实现方式

    2024年02月05日
    浏览(54)
  • hive、pg库,建表语句及查询表结构语句

    hive 建表语句 hive 查询表结构语句   pg库建表语句

    2024年02月11日
    浏览(48)
  • Hive 中执行 SQL语句 报错 :FAILED: SemanticException org.apache.hadoop.hive.ql.metadata.HiveException: java.

    在命令输入 hive 启动后: 解决方案: **错误原因:**服务端未开启服务,在hive服务端使用命令:hive --service metastore 然后再启动hive , 就可以正常使用sql语句了。 **其他原因:**有的是mysql没有启动,下面有完整的hive 启动流程 启动hive 流程(很多问题往往是少了步骤导致的)

    2024年02月15日
    浏览(53)
  • 二百零九、Hive——with嵌套语句报错:hadoop.hive.ql.parse.SemanticException: Line 2:5 Ambiguous table alias ‘t2‘

    在Hive的with嵌套语句时,HQL报错Line 2:5 Ambiguous table alias \\\'t2\\\' org.apache.hadoop.hive.ql.parse.SemanticException: Line 2:5 Ambiguous table alias \\\'t2\\\' 看报错提示,Ambiguous table alias \\\'t2\\\',似乎是with嵌套子语句命名t2报错,但是我试了很多其他命名,都报类似的错误,如果大家知道原因的话还望告知,谢

    2024年01月20日
    浏览(46)
  • Hive数据仓库---Hive的安装与配置

    Hive 官网地址:https://hive.apache.org/ 下载地址:http://www.apache.org/dyn/closer.cgi/hive/ 把安装文件apache-hive-3.1.2-bin.tar.gz上传到master节点的/opt/software目 录下,执行以下命令把安装文件解压到/opt/app目录中 进入/opt/app目录,为目录apache-hive-3.1.2-bin建立软件链接 即输入hive就相当于输入a

    2024年02月02日
    浏览(43)
  • Hive数据仓库简介

    Hive起源于Facebook,Facebook公司有着大量的日志数据,而Hadoop是实现了MapReduce模式开源的分布式并行计算的框架,可轻松处理大规模数据。然而MapReduce程序对熟悉Java语言的工程师来说容易开发,但对于其他语言使用者则难度较大。因此Facebook开发团队想设计一种使用SQL语言对日

    2024年02月15日
    浏览(57)
  • hive数据仓库课后答案

    一、 填空题 1.数据仓库的目的是构建面向     分析         的集成化数据环境。 2.Hive是基于     Hadoop         的一个数据仓库工具。 3.数据仓库分为3层,即      源数据层        、     数据应用层        和数据仓库层。 4.数据仓库层可以细分为      明细层

    2023年04月08日
    浏览(47)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包