Guff_9hys

这个屌丝很懒，什么也没留下！

热门标签

快学Big Data -- Hbase导数据的几种方式（十九）_pig loder导出hbase数据到csv

作者：Guff_9hys | 2024-08-09 11:38:35

踩

pig loder导出hbase数据到csv

Hbase导数据的几种方式

测试数据请到Blog中下载：http://blog.csdn.net/xfg0218/article/details/51712157

1-1）、hive-hbase-handler导数据

A）、反编译JAR包

http://www.apache.org/dyn/closer.cgi/hive/选择apache-hive-1.2.1-src.tar.gz点击下载之后使用MyEclipse进行反编译,或者使用作者反编译好的JAR 链接：http://pan.baidu.com/s/1hscaORi 密码：wv6p

放在/opt/hive-1.2/lib/下记得备份之前的JAR包

B）、修改配置文件

在hive的conf目录下修改一下文件

[root@skycloud1 conf]# vi hive-site.xml

在之前的基础上添加以下内容

<value>file:///opt/hive-1.2/lib/hive-hbase-handler-1.2.1.jar,file:///opt/hive-1.2/lib/guava-14.0.1.jar,file:///opt/hbase-1.2.1/lib/hbase-common-1.2.1.jar,file:///opt/hbase-1.2.1/lib/hbase-client-1.2.1.jar,file:///opt/hive-1.2/lib/zookeeper-3.4.6.jar</value>

</property>

<name>hbase.zookeeper.quorum</name>

<value>skycloud1:2181,skycloud2:2181,skycloud3:2181</value>

</property>

C）、创建Hive的表结构

Hive > create table hive_hbase_test(id int,name string,age int);

D）、插入数据

hive> insert into hive_hbae_test(id,name,age) values(1,"xiaozhang","18");

hive> insert into hive_hbase_test(id,name,age) values(2,"xiaowang","19");

E）、查看Hive中的数据

hive> select * from hive_hbase_test;

1 xiaozhang 18

2 xiaowang 19

Time taken: 0.081 seconds, Fetched: 2 row(s)

F）、映射Hbase的表

A）、常见内表

Hive > create table hive_hbase_pro(row_key string,id bigint,name string,age int)

STORED BY "org.apache.hadoop.hive.hbase.HBaseStorageHandler" WITH SERDEPROPERTIES

("hbase.columns.mapping" = ":key,info:id,info:name,info:age")

TBLPROPERTIES ("hbase.table.name"="hive_hbase_pro");

B）、创建外表

Hive > create external table hive_hbase_pro(row_key string,id bigint,name string,age int)

STORED BY "org.apache.hadoop.hive.hbase.HBaseStorageHandler" WITH SERDEPROPERTIES

("hbase.columns.mapping" = ":key,info:id,info:name,info:age")

TBLPROPERTIES ("hbase.table.name"="hive_hbase_pro");

说明：org.apache.hadoop.hive.hbase.HBaseStorageHandler是Hbase的储存方式

Hbase.columns.mapping：是作为Hbase的映射rowkey与列族

hive_hbase_pro：映射给Hbase的表名字

external : 可创建外表，Hbase中已经存在的表映射到hive用词操作，区别请查看一下解释

G）、查看HBase中表结构

hbase(main):020:0> describe 'hive_hbase_pro'

Table hive_hbase_pro is ENABLED

hive_hbase_pro

COLUMN FAMILIES DESCRIPTION

{NAME => 'info', BLOOMFILTER => 'ROW', VERSIONS => '1', IN_MEMORY => 'false', KEEP_DELETED_CELLS => 'FALSE', DATA_BLOCK_ENCODING =>

'NONE', TTL => 'FOREVER', COMPRESSION => 'NONE', MIN_VERSIONS => '0', BLOCKCACHE => 'true', BLOCKSIZE => '65536', REPLICATION_SCOP

E => '0'}

1 row(s) in 0.0170 seconds

H）、插入到映射Hbase表中的数据

-- 关闭hbase的WAL,有点事提高了写入速度，缺点是如果出现错误无法查找日志

hive> set hive.hbase.wal.enabled=false;

-- 开启大量导入配置

hive> set hive.hbase.bulk=true;

-- 设置扫描的缓存

hive> set hbase.client.scanner.caching=1000000;

hive> insert overwrite table hive_hbase_pro select id as row_key,id,name,age from hive_hbase_test;

I）、查看映射表的数据

hive> select * from hive_hbase_pro;

1 1 xiaozhang 18

2 2 xiaowang 19

Time taken: 0.121 seconds, Fetched: 2 row(s)

J）、查看Hbase表中的数据

hbase(main):021:0> scan 'hive_hbase_pro'

ROW COLUMN+CELL

1 column=info:age, timestamp=1510126017074, value=18

1 column=info:id, timestamp=1510126017074, value=1

1 column=info:name, timestamp=1510126017074, value=xiaozhang

2 column=info:age, timestamp=1510126016682, value=19

2 column=info:id, timestamp=1510126016682, value=2

2 column=info:name, timestamp=1510126016682, value=xiaowang

2 row(s) in 0.0420 seconds

K）、映射Hbase已经存在的表

Hive > create external table hive_hbase_xiaoxu(row_key string,id bigint,name string,age int)

STORED BY "org.apache.hadoop.hive.hbase.HBaseStorageHandler" WITH SERDEPROPERTIES

("hbase.columns.mapping" = ":key,info:id,info:name,info:age")

TBLPROPERTIES ("hbase.table.name"="hive_hbase_pro");

L）、查看Hive表中的结构

hive> desc hive_hbase_xiaoxu;

row_key string from deserializer

id bigint from deserializer

name string from deserializer

age int from deserializer

Time taken: 0.357 seconds, Fetched: 4 row(s)

M）、查看数据

hive> select * from hive_hbase_xiaoxu;

1 1 xiaozhang 18

2 2 xiaowang 19

N）、总结

使用hive-hbase-handler往hbase中插入数据是按照一条一条的的形式插入的，速度是比较慢的，如果数量级在百万千万级别机器比较好的情况下可以使用这种方式，执行的速度大概在每妙2-3W之间

O）、官网说明

https://cwiki.apache.org/confluence/display/Hive/HBaseIntegration

P）、增量更新与增量更新的说明

增量更新，建立的是Hive外表；而全量覆盖建立的是Hive内部表；

增量更新，必须先创建HBase表；而全量覆盖不需要事先建立HBase表；

增量更新，是在原有的HBase表的基础上新增数据，不改变原有数据；而全量覆盖则会覆盖原有数据

Q）、Hive 读取Hbase数据的说明

优点

可以方便的使用SQL的形式查看Hbase中的数据，也可以利用MapReduce的优势针对HBase存储的大量内容进行离线的计算和分析

缺点

查询速度性能的损失，hive有这样的功能, 他支持通过类似sql语句的语法来操作hbase中的数据, 但是速度慢

1-2）、Bulkload方式导数据

优势：

1、BulkLoad 不会写 WAL，也不会产生 flush 以及 split

2、如果我们大量调用 PUT 接口插入数据，可能会导致大量的 GC 操作。如果没有对Hbase的表进行预分区，会导致单太机器的热点问题，

严重时甚至可能会对 HBase 节点的稳定性造成影响，采用 BulkLoad 无此顾虑。

过程中没有大量的接口调用消耗性能。

A）、按照需要的数据的字段把数据导出到HDFS中

hive> insert overwrite directory "/tmp/sp_addr_bulktable" row format delimited FIELDS terminated by '\t' select sa.ID,sa.PLACE_CODE,sa.PLACE_NAME from xiaoxu.sp_address sa;

Query ID = root_20170403234442_c34e1570-f478-4c8b-bacf-83485f94b567

Total jobs = 3

Launching Job 1 out of 3

Number of reduce tasks is set to 0 since there's no reduce operator

Starting Job = job_1491287068852_0001, Tracking URL = http://hadoop1:8088/proxy/application_1491287068852_0001/

Kill Command = /opt/hadoop-2.6.4/bin/hadoop job -kill job_1491287068852_0001

Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0

2017-04-03 23:45:28,478 Stage-1 map = 0%, reduce = 0%

2017-04-03 23:46:01,357 Stage-1 map = 100%, reduce = 0%, Cumulative CPU 1.46 sec

MapReduce Total cumulative CPU time: 1 seconds 460 msec

Ended Job = job_1491287068852_0001

Stage-3 is selected by condition resolver.

Stage-2 is filtered out by condition resolver.

Stage-4 is filtered out by condition resolver.

Moving data to: hdfs://mycluster/tmp/sp_addr_bulktable/.hive-staging_hive_2017-04-03_23-44-42_657_7591325811272483144-1/-ext-10000

Moving data to: /tmp/sp_addr_bulktable

MapReduce Jobs Launched:

Stage-Stage-1: Map: 1 Cumulative CPU: 1.46 sec HDFS Read: 250195 HDFS Write: 166508 SUCCESS

Total MapReduce CPU Time Spent: 1 seconds 460 msec

Time taken: 81.082 seconds

B）、利用importtsv命令生成Hfile文件

[root@skycloud1 conf]# HADOOP_CLASSPATH=`hbase classpath` hadoop jar /opt/hbase-1.2.1/lib/hbase-server-1.2.1.jar importtsv -Dimporttsv.columns=HBASE_ROW_KEY,sp_address:ID,sp_address:PLACE_CODE,sp_address:PLACE_NAME -Dimporttsv.bulk.output="/tmpbulkdata/sp_addr_data" sp_address_bulkload "/tmp/sp_addr_bulktable"

详细的执行过程可以查看：http://blog.csdn.net/xfg0218/article/details/69063014

资料请查看：http://hbase.apache.org/book.html#importtsv

C）、查看Hbase中的表

hbase(main):011:0> list

TABLE

sp_address_bulkload

2 row(s) in 0.1430 seconds

=> ["sp_address_bulkload",]

D）、把Hfile文件导入到Hbase中

方式一：

[root@skycloud1 conf]# HADOOP_CLASSPATH=`hbase classpath` hadoop jar /opt/hbase-1.2.1/lib/hbase-server-1.2.1.jar completebulkload "/tmpbulkdata/sp_addr_data" sp_address_bulkload

详细的执行过程可以查看：http://blog.csdn.net/xfg0218/article/details/69063137

方式二：

[root@skycloud1 conf]# export HADOOP_CLASSPATH=`hbase classpath`

[root@skycloud1 conf]# yarn jar /opt/hbase-1.2.1/lib/hbase-server-1.2.1.jar completebulkload completebulkload "/tmpbulkdata/sp_addr_data" sp_address_bulkload

E）、总结

在这几种导数据的速度上这种方式是最快的，原理是按照Hfile进行的，一次性处理多条数据，建议使用这种方式。本次测试由于是自己的虚拟机所以会比较慢，在真是环境中会相当快的快，我们测试的是4亿多条的数据，20分钟搞定。

官网介绍：https://cwiki.apache.org/confluence/display/Hive/HBaseBulkLoad

1-3）、Phoneix导入Hbase数据

Phoenix 官网：https://phoenix.apache.org/pig_integration.html

在下载时注意版本的问题。

A）、安装Phoneix

[root@hadoop1 bin]# chmod a+x apache-phoenix-4.8.2-HBase-1.2-bin.tar.gz

[root@hadoop1 bin]# tar -zxvf apache-phoenix-4.8.2-HBase-1.2-bin.tar.gz

[root@hadoop1 bin]# mv apache-phoenix-4.9.0-HBase-1.1-bin phoenix-4.8.2-HBase-1.2

[root@hadoop1 bin]# cd phoenix-4.8.2-HBase-1.2/

移动phoenix的以下的JAR到Hbase集群中

[root@hadoop1 bin]# cp phoenix-core-4.8.2-HBase-1.2.jar phoenix-4.8.2-HBase-1.2-server.jar /opt/hbase-1.2.1/lib/

复制到其他的机器中：

[root@hadoop1 bin]# scp -r phoenix-core-4.8.2-HBase-1.2.jar phoenix-4.8.2-HBase-1.2-server.jar hadoop2:/opt/hbase-1.2.1/lib/

[root@hadoop1 bin]# scp -r phoenix-core-4.8.2-HBase-1.2.jar phoenix-4.8.2-HBase-1.2-server.jar hadoop3:/opt/hbase-1.2.1/lib/

复制Hbase的hbase-site.xml和Hadoop的core-site.xml和hdfs-site.xml到phoenix的bin目录下：

[root@hadoop1 bin]# cd /opt/hbase-1.2.1/conf/

[root@hadoop1 bin]# cp hbase-site.xml /opt/phoenix-4.8.2-HBase-1.2/bin/

[root@hadoop1 bin]# cd /opt/hadoop-2.6.4/etc/hadoop/

[root@hadoop1 bin]# cp core-site.xml hdfs-site.xml /opt/phoenix-4.8.2-HBase-1.2/bin/

B）、启动Phoneix

[root@hadoop1 bin]# cd /opt/phoenix-4.8.2-HBase-1.2/

[root@hadoop1 bin]# chmod 777 psql.py sqlline.py

重启Hbase集群使配置文件生效

[root@hadoop1 bin]# ./sqlline.py

Setting property: [incremental, false]

Setting property: [isolation, TRANSACTION_READ_COMMITTED]

issuing: !connect jdbc:phoenix: none none org.apache.phoenix.jdbc.PhoenixDriver

Connecting to jdbc:phoenix:

SLF4J: Class path contains multiple SLF4J bindings.

SLF4J: Found binding in [jar:file:/opt/phoenix-4.9.0-HBase-1.1/phoenix-4.9.0-HBase-1.1-client.jar!/org/slf4j/impl/StaticLoggerBinder.class]

SLF4J: Found binding in [jar:file:/opt/hadoop-2.6.4/share/hadoop/common/lib/slf4j-log4j12-1.7.5.jar!/org/slf4j/impl/StaticLoggerBinder.class]

SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.

17/04/07 00:25:29 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable

Connected to: Phoenix (version 4.8.2)

Driver: PhoenixEmbeddedDriver (version 4.9)

Autocommit status: true

Transaction isolation: TRANSACTION_READ_COMMITTED

Building list of tables and columns for tab-completion (set fastconnect to true to skip)...

87/87 (100%) Done

Done

sqlline version 1.2.0

0: jdbc:phoenix:>

也可以制定端口运行：

[root@hadoop1 bin]# sqlline.py hadoop1:2181

Hadoop1:主机的名字

2181:当前执行的端口

C）、修改超时时间

[root@hadoop1 bin]# cd /opt/phoenix-4.9.0-HBase-1.1/bin

[root@hadoop1 bin]# vi hbase-site.xml

追加一下配置文件

<name>phoenix.query.timeoutMs</name>

</property>

<name>hbase.rpc.timeout</name>

</property>

D）、Phoneix常用命令

1-1）、查看全部的表的信息

0: jdbc:phoenix:> !tables

可以看出有比较好的列的名字与分割线

1-2）、查看一个表的结构

0: jdbc:phoenix:> !describe "STATS"

1-3）、删除表

0: jdbc:phoenix:> DROP TABLE “STATS”

1-4）、查询语句

Phoneix支持常用的SQL语句，不过在查询时使用””与不适用””的区别。

1-5）、Phoenix支持的类型

INTEGER 整形

UNSIGNED_INT 无符号整形

BIGINT 长整形

UNSIGNED_LONG 无符号长整形

TINYINT 短整形

UNSIGNED_TINYINT 无符号短整型

SMALLINT 小整形

UNSIGNED_SMALLINT 无符号短整型

FLOAT 浮点型

UNSIGNED_FLOAT 无符号浮点型

DOUBLE 双精度浮点型

UNSIGNED_DOUBLE 无符号双精度浮点型

DECIMAL 长精度双精度浮点型

BOOLEAN 布尔类型

TIME 时间类型

DATE 日期类型

TIMESTAMP 时间戳类型

UNSIGNED_TIME 无符号时间类型

UNSIGNED_DATE 无符号日期类型

UNSIGNED_TIMESTAMP 无符号时间戳类型

VARCHAR 字符串类型

CHAR 字符类型

BINARY 二进制类型

VARBINARY 可变长二进制类型

ARRAY 数组类型

1-6）、常用的函数

A）、聚合函数

AVG：求平均，如果没有返回NULL

SUM：求和函数

COUNT：求行数，如果指定某列，则返回该列非空个数，如果为*或1,则返回所有行，加上distinct则返回不相同的行数

MAX：求最大值

MIN：求最小值

PERCENTILE_CONT：指定

PERCENTILE_DISC：指定占比的列具体值是多少

PERCENT_RANK：指定值占的百分比，PERCENT_RANK( 39 ) WITHINGROUP (ORDER BY id ASC)

STDDEV_SAMP：样本标准差

STDDEV_POP：总体标准差

B）、支持的字符串函数

SUBSTR：取子串，默认是基于1的，如果想基于0，则指定0，如果指定为负数，则是从字符串结尾算起

TRIM：去除字符串头尾空格

LTRIM:去除字符串左侧空格

RTRIM:去除字符串右侧空格

LENGTH:返回字符串长度

REGEXP_SUBSTR:通过指定正则表达式获取子串

REGEXP_REPLACE:正则替换

UPPER:大写转换

LOWER:小写转换

REVERSE:字符串反转

TO_CHAR:将日期、时间、时间戳或数字格式化为一个字符串。默认日期格式为yyyy-MM-dd HH:mm:ss,数字格式为#，##0.###。

C）、支持的时间、日期函数

ROUND：四舍五入

TRUNC:截断

TO_DATE:转换为date类型

CURRENT_DATE:返回RS上当前日期

CURRENT_TIME:返回RS上当前时间

D）、支持的时间、日期函数

TO_NUMBER:转换日期、时间、时间戳为一个数字，可接受格式化串

COALESCE:指定默认值，如果相应值为null

E）、往Hbase中导入数据

1-1）、数据从hive中导出成phoenix支持的csv格式

hive> insert overwrite directory '/tmp/sp_address' row format delimited FIELDS TERMINATED BY ',' select * from sp_address;

1-2）、查看HDFS上的信息

[root@hadoop1 bin]# hadoop fs -du -h -s /tmp/sp_address

234.0 K /tmp/sp_address

1-3）、在phoenix中创建表

创建表在Hbase,必须制定主键

0: jdbc:phoenix:> create table sp_address(id integer primary key,place_type varchar,place_code varchar,place_name varchar,up_place_code varchar);

No rows affected (3.185 seconds)

1-4）、使用phoenix将数据导入hbase

[root@hadoop1 phoenix-4.9.0-HBase-1.1]# HADOOP_CLASSPATH=/opt/hbase-1.2.1/lib/hbase-protocol-1.2.1.jar:/etc/hbase/conf/ hadoop jar /opt/phoenix-4.8.2-HBase-1.2/phoenix-4.8.2-HBase-1.2-client.jar org.apache.phoenix.mapreduce.CsvBulkLoadTool --table SP_ADDRESS --input /tmp/sp_address/*

***********************************

详细的运行日志请查看：http://blog.csdn.net/xfg0218/article/details/69669632

1-4）、Hbase导出数据

、导成制定格式的文件

[root@hadoop1 ~]# vi exportHbase.sh

# get current path

SCRIPT_DIR=`cd $(dirname $0) && pwd`

# export data

echo "scan 'portrayal',{LIMIT=>10}" | hbase shell > $SCRIPT_DIR/ExportHbase.txt

查看数据

[root@hadoop1 ~]# tail -n 5 ExportHbase.txt

00000075d9d93dc17e163d5c6dd335f8 column=tag:es_jcsx_rksx_xm, timestamp=1491033321055, value=***

00000075d9d93dc17e163d5c6dd335f8 column=tag:es_jcsx_rksx_xz, timestamp=1491033321055, value=\xE7\x8B\xAE\xE5\xAD\x90

00000075d9d93dc17e163d5c6dd335f8 column=tag:es_jcsx_rksx_zjlx, timestamp=1491033321055, value=1

10 row(s) in 0.4260 seconds

B）、Import/Export导出到序列化的文件

1-1）、构造数据

hbase(main):008:0> create 'xiaoxu','cf'

0 row(s) in 4.2890 seconds

=> Hbase::Table - xiaoxu

hbase(main):009:0> put 'xiaoxu','001','cf:name','xiaozhang'

0 row(s) in 0.1870 seconds

hbase(main):010:0> put 'xiaoxu','001','cf:age','18'

0 row(s) in 0.0340 seconds

hbase(main):011:0> scan 'xiaoxu'

ROW COLUMN+CELL

001 column=cf:age, timestamp=1491364070907, value=18

001 column=cf:name, timestamp=1491364050527, value=xiaozhang

1 row(s) in 0.0970 seconds

hbase(main):012:0>

1-2）、导出数据

[root@hadoop1 ~]#hbase org.apache.hadoop.hbase.mapreduce.Export xiaoxu /xiaoxu/test-output-001

***************************

详细的执行过程请查看：http://blog.csdn.net/xfg0218/article/details/69231258

1-3）、查看HDFS上的数据

[jboss@10.2.201.145 ~/xiaoxu]$ hadoop fs -cat test-output-001/part-m-00000

SEQ1org.apache.hadoop.hbase.io.ImmutableBytesWritable%org.apache.hadoop.hbase.client.ResultР5ƀ¹z,N001F

001cfage ᱫ(218

001cfname ࠬ桳+(2 xiaozhang

因为是序列化的数据所以会乱码

1-4）、清空表中的数据

hbase(main):014:0> truncate 'xiaoxu'

Truncating 'xiaoxu' table (it may take a while):

- Disabling table...

- Truncating table...

0 row(s) in 3.6910 seconds

hbase(main):015:0> scan 'xiaoxu'

ROW COLUMN+CELL

0 row(s) in 0.3180 seconds

1-5）、导入数据

[root@hadoop1 ~]#hbase org.apache.hadoop.hbase.mapreduce.Import xiaoxu /xiaoxu/test-output-001

***************************

详细的导入的过程请查看：http://blog.csdn.net/xfg0218/article/details/69231415

1-6）、查看Hbase导入后的数据

hbase(main):016:0> scan 'xiaoxu'

ROW COLUMN+CELL

001 column=cf:age, timestamp=1491364070907, value=18

001 column=cf:name, timestamp=1491364050527, value=xiaozhang

1 row(s) in 0.0110 seconds

C）、利用pig从HBase中导出csv格式文件

1-1）、安装pig

官网：http://mirror.bit.edu.cn/apache/pig/

或者下载：链接：http://pan.baidu.com/s/1bpmu0px 密码：gw05

[root@hadoop1 opt]# chmod a+x pig-0.16.0-src.tar.gz

[root@hadoop1 opt]# tar -zxvf pig-0.16.0-src.tar.gz

1-2）、修改配置文件

[root@hadoop1 opt]# vi /etc/profile

export PIG_HOME=/opt/pig-0.16.0

export PIG_CLASSPATH=$HADOOP_HOME

export PATH=$PATH:$PIG_HOME/bin:$PIG_CLASSPATH

1-3）、查看Pig是否能使用

[root@hadoop1 opt]# pig -help

Cannot locate pig-core-h2.jar. do 'ant -Dhadoopversion=23 jar', and try again

1-4）、使用pig导出csv文件

[root@hadoop1 opt]# vi ExportHbase.pig

x=LOAD 'hbase://sp_address_src' USING org.apache.pig.backend.hadoop.hbase.HBaseStorage('

sp_address:place_code,

sp_address:place_type

','-loadKey true');

STORE x INTO 'sp_address.csv' USING PigStorage(',');

-loadKey true' : 是显示主键，以，为分割并把文件导出到HDFS的sp_address.csv中

1-5）、运行脚本

[root@hadoop1 opt]# pig -x mapreduce ExportHbase.pig

D）、使用Phoenix 导出csv文件

官网：http://pig.apache.org/

1-1）、准备脚本

脚本一：table查询方式

[root@hadoop1 testSh]# vi example1.pig

rows = load 'hbase://table/sp_address_orc' USING org.apache.phoenix.pig.PhoenixHBaseLoader('hadoop1:2181,hadoop2:2181,hadoop3:2181');

STORE rows INTO 'sp_address_orc.csv' USING PigStorage(',');

脚本二：query查询方式

[root@hadoop1 testSh]# vi example2.pig

rows = load 'hbase://query/SELECT * FROM SP_ADDRESS' USING org.apache.phoenix.pig.PhoenixHBaseLoader('hadoop1,hadoop2,hadoop3:2181');

STORE rows INTO 'SP_ADDRESS.csv' USING PigStorage(',');

运行脚本：

[root@hadoop1 testSh]# pig -x local example1.pig

详细运行日志请查看：http://blog.csdn.net/xfg0218/article/details/69675774

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Guff_9hys/article/detail/953086