Elasticsearch 从入门到实战

拼搏现实的明天。 2021-09-07 16:32 616阅读 0赞

这篇文章我们来讲下 Spring Boot 中如何整合 ES，以及如何在 Spring Cloud 微服务项目中使用 ES 来实现全文检索，来达到搜索题库的功能。

而且题库的数据量是非常大的，题目的答案也是非常长的，通过 ES 正好可以解决 mysql 模糊搜索的低效性。

通过本实战您可以学到如下知识点：

*  Spring Boot 如何整合 ES。
 *  微服务中 ES 的 API 使用。
 *  项目中如何使用 ES 来达到全文检索。

本篇主要内容如下：

![1c80fb49d86cc409051991106c0f0209.png][]

主要内容

本文案例都是基于 PassJava 实战项目来演示的。

> Github 地址：https://github.com/Jackson0714/PassJava-Platform

##  ##

为了让大家更清晰地理解 PassJava 项目中 ES 是如何使用的，我画了三个流程图：

*  第一步：创建 question 索引。

首先定义 question 索引，然后在 ES 中创建索引。

![4f238f453106750f9a1612ff69d4268a.png][]

*  第二步：存 question 数据进 ES 。

前端保存数据时，保存的 API 请求先经过网关，然后转发到 passjava-question 微服务，然后远程调用 passjava-search 微服务，将数据保存进 ES 中。

![7e285a7fbeae2c8b4e70dfdc74735455.png][]

*  第三步：从 ES 中查数据。
    
    前端查询数据时，先经过网关，然后将请求转发给 passjava-search 微服务，然后从 ES 中查询数据。

![b3c46590b7b4819a8590996efa335f4f.png][]

## 一、Elasticsearch 组件库介绍 ##

在讲解之前，我在这里再次提下全文检索是什么：

**全文检索：** 指以全部文本信息作为检索对象的一种信息检索技术。而我们使用的数据库，如 Mysql，MongoDB 对文本信息检索能力特别是中文检索并没有 ES 强大。所以我们来看下 ES 在项目中是如何来代替 SQL 来工作的。

我使用的 Elasticsearch 服务是 7.4.2 的版本，然后采用官方提供的 Elastiscsearch-Rest-Client 库来操作 ES，而且官方库的 API 上手简单。

该组件库的官方文档地址：

https://www.elastic.co/guide/en/elasticsearch/client/java-rest/current/java-rest-high.html

另外这个组件库是支持多种语言的：

![27b85be0bbc2aa13b578b0f333e19563.png][] 支持多语言

注意：`Elasticsearch Clients` 就是指如何用 API 操作 ES 服务的组件库。

可能有同学会提问，Elasticsearch 的组件库中写着 JavaScript API，是不是可以直接在前端访问 ES 服务？可以是可以，但是会暴露 ES 服务的端口和 IP 地址，会非常不安全。所以我们还是用后端服务来访问 ES 服务。

我们这个项目是 Java 项目，自然就是用上面的两种：`Java Rest Client` 或者 `Java API`。我们先看下 Java API，但是会发现已经废弃了。如下图所示：

![cda62666d1bf98b7deddcd3052a588fa.png][]

Java API 已经废弃了

所以我们只能用 Java REST Client 了。而它又分成两种：高级和低级的。高级包含更多的功能，如果把高级比作MyBatis的话，那么低级就相当于JDBC。所以我们用高级的 Client。

![3016b8a9c42ac3be7b55c2002f24585b.png][]

高级和低级 Client

## 二、整合检索服务 ##

我们把检索服务单独作为一个服务。就称作 passjava-search 模块吧。

### 1.1 添加搜索服务模块 ###

*  创建 passjava-search 模块。

首先我们在 PassJava-Platform 模块创建一个 搜索服务模块 passjava-search。然后勾选 spring web 服务。如下图所示。

第一步：选择 Spring Initializr，然后点击 Next。

![d2d0590cc739ae32ce69fe4426d495b7.png][]

选择 Spring Initializr

第二步：填写模块信息，然后点击 Next。

![cb508fb3ab08f7f29f64d89eda87e87b.png][]

passjava-search 服务模块

第三步：选择 Web->Spring Web 依赖，然后点击 Next。

![be1675b8a18c8613d2425e5344fab2b9.png][]

### 1.2 配置 Maven 依赖 ###

*  参照 ES 官网配置。

进入到 ES 官方网站，可以看到有低级和高级的 Rest Client，我们选择高阶的（High Level Rest Client）。然后进入到高阶 Rest Client 的 Maven 仓库。官网地址如下所示：

https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.9/index.html

![a21832f2c4d3e1ff0cdbf4698e35ffd6.png][] Rest Client 官方文档

*  加上 Maven 依赖。
    
    对应文件路径：\\passjava-search\\pom.xml

<dependency>
        <groupId>org.elasticsearch.client</groupId>
        <artifactId>elasticsearch-rest-high-level-client</artifactId>
        <version>7.4.2</version>
    </dependency>

*  配置 elasticsearch 的版本为7.4.2
    
    因加上 Maven 依赖后，elasticsearch 版本为 7.6.2，所以遇到这种版本不一致的情况时，需要手动改掉。
    
    对应文件路径：\\passjava-search\\pom.xml

刷新 Maven Project 后，可以看到引入的 elasticsearch 都是 7.4.2 版本了，如下图所示：

![4ed93c1fc4e12068fc81fd6cfa02d2ec.png][] 设置版本为 7.4.2

*  引入 PassJava 的 Common 模块依赖。
    
    Common 模块是 PassJava 项目独立的出来的公共模块，引入了很多公共组件依赖，其他模块引入 Common 模块依赖后，就不需要单独引入这些公共组件了，非常方便。
    
    对应文件路径：\\passjava-search\\pom.xml

<dependency>
         <groupId>com.jackson0714.passjava</groupId>
         <artifactId>passjava-common</artifactId>
         <version>0.0.1-SNAPSHOT</version>
    </dependency>

添加完依赖后，我们就可以将搜索服务注册到 `Nacos` 注册中心了。Nacos 注册中心的用法在前面几篇文章中也详细讲解过，这里需要注意的是要先启动 Nacos 注册中心，才能正常注册 passjava-search 服务。

### 1.3 注册搜索服务到注册中心 ###

修改配置文件：src/main/resources/application.properties。配置应用程序名、注册中心地址、注册中心的命名中间。

spring.application.name=passjava-search
    spring.cloud.nacos.config.server-addr=127.0.0.1:8848
    spring.cloud.nacos.config.namespace=passjava-search

给`启动类`添加服务发现注解：`@EnableDiscoveryClient`。这样 passjava-search 服务就可以被注册中心发现了。

因 Common 模块依赖数据源，但 search 模块不依赖数据源，所以 search 模块需要移除数据源依赖：

exclude = DataSourceAutoConfiguration.class

以上的两个注解如下所示：

@EnableDiscoveryClient
    @SpringBootApplication(exclude = DataSourceAutoConfiguration.class)
    public class PassjavaSearchApplication {
        public static void main(String[] args) {
            SpringApplication.run(PassjavaSearchApplication.class, args);
        }
    }

接下来我们添加一个 ES 服务的专属配置类，主要目的是自动加载一个 ES Client 来供后续 ES API 使用，不用每次都 new 一个 ES Client。

### 1.4 添加 ES 配置类 ###

配置类：PassJavaElasticsearchConfig.java

核心方法就是 RestClient.builder 方法，设置好 ES 服务的 IP 地址、端口号、传输协议就可以了。最后自动加载了 RestHighLevelClient。

package com.jackson0714.passjava.search.config;
    
    import org.apache.http.HttpHost;
    import org.elasticsearch.client.RestClient;
    import org.elasticsearch.client.RestHighLevelClient;
    import org.springframework.context.annotation.Bean;
    import org.springframework.context.annotation.Configuration;
    
    /**
     * @Author: 公众号 | 悟空聊架构
     * @Date: 2020/10/8 17:02
     * @Site: www.passjava.cn
     * @Github: https://github.com/Jackson0714/PassJava-Platform
     */
    @Configuration
    public class PassJavaElasticsearchConfig {
    
        @Bean
        // 给容器注册一个 RestHighLevelClient，用来操作 ES
        // 参考官方文档：https://www.elastic.co/guide/en/elasticsearch/client/java-rest/7.9/java-rest-high-getting-started-initialization.html
        public RestHighLevelClient restHighLevelClient() {
            return new RestHighLevelClient(
                    RestClient.builder(
                            new HttpHost("192.168.56.10", 9200, "http")));
        }
    }

接下来我们测试下 ES Client 是否自动加载成功。

### 1.5 测试 ES Client 自动加载 ###

在测试类 PassjavaSearchApplicationTests 中编写测试方法，打印出自动加载的 ES Client。期望结果是一个 RestHighLevelClient 对象。

package com.jackson0714.passjava.search;
    
    import org.elasticsearch.client.RestHighLevelClient;
    import org.junit.jupiter.api.Test;
    import org.springframework.beans.factory.annotation.Autowired;
    import org.springframework.beans.factory.annotation.Qualifier;
    import org.springframework.boot.test.context.SpringBootTest;
    
    @SpringBootTest
    class PassjavaSearchApplicationTests {
    
        @Qualifier("restHighLevelClient")
        @Autowired
        private RestHighLevelClient client;
    
        @Test
        public void contextLoads() {
            System.out.println(client);
        }
    }

运行结果如下所示，打印出了 RestHighLevelClient。说明自定义的 ES Client 自动装载成功。

![68cf0a27282c9131a03ed1407337a263.png][] ES 测试结果

### 1.6 测试 ES 简单插入数据 ###

测试方法 testIndexData，省略 User 类。users 索引在我的 ES 中是没有记录的，所以期望结果是 ES 中新增了一条 users 数据。

/**
     * 测试存储数据到 ES。
     * */
    @Test
    public void testIndexData() throws IOException {
        IndexRequest request = new IndexRequest("users");
        request.id("1"); // 文档的 id
        
        //构造 User 对象
        User user = new User();
        user.setUserName("PassJava");
        user.setAge("18");
        user.setGender("Man");
        
        //User 对象转为 JSON 数据
        String jsonString = JSON.toJSONString(user);
        
        // JSON 数据放入 request 中
        request.source(jsonString, XContentType.JSON);
    
        // 执行插入操作
        IndexResponse response = client.index(request, RequestOptions.DEFAULT);
    
        System.out.println(response);
    }

执行 test 方法，我们可以看到控制台输出以下结果，说明数据插入到 ES 成功。另外需要注意的是结果中的 result 字段为 updated，是因为我本地为了截图，多执行了几次插入操作，但因为 id = 1，所以做的都是 updated 操作，而不是 created 操作。

![3c84b6dfbc87b5b979887f58c24fac03.png][] 控制台输出结果

我们再来到 ES 中看下 users 索引中数据。查询 users 索引：

GET users/_search

结果如下所示：

![c28a1410a9bda19fd5e10188c18e8f4b.png][] 查询 users 索引结果

可以从图中看到有一条记录被查询出来，查询出来的数据的 \_id = 1，和插入的文档 id 一致。另外几个字段的值也是一致的。说明插入的数据没有问题。

"age" : "18",
    "gender" : "Man",
    "userName" : "PassJava"

### 1.7 测试 ES 查询复杂语句 ###

> 示例：搜索 bank 索引，address 字段中包含 big 的所有人的年龄分布 ( 前 10 条 ) 以及平均年龄，以及平均薪资。

#### 1.7.1 构造检索条件 ####

我们可以参照官方文档给出的示例来创建一个 SearchRequest 对象，指定要查询的索引为 bank，然后创建一个 SearchSourceBuilder 来组装查询条件。总共有三种条件需要组装：

*  address 中包含 road 的所有人。
 *  按照年龄分布进行聚合。
 *  计算平均薪资。

代码如下所示，需要源码请到我的 Github/PassJava 上下载。

![eaff352d62bbc14dd59402bd8da1a114.png][] 查询复杂语句示例

将打印出来的检索参数复制出来，然后放到 JSON 格式化工具中格式化一下，再粘贴到 ES 控制台执行，发现执行结果是正确的。

![9e6e39e50928e5e486bbca4773bd45b7.png][] 打印出检索参数

用在线工具格式化 JSON 字符串，结果如下所示：

![d88f96ff487c5590e7b57e762b9ceb99.png][]

然后我们去掉其中的一些默认参数，最后简化后的检索参数放到 Kibana 中执行。

Kibana Dev Tools 控制台中执行检索语句如下图所示，检索结果如下图所示：

![ddb9023a20c9fb43edea3471dd36d475.png][]

控制台中执行检索语句

找到总记录数：29 条。

第一条命中记录的详情如下：

> 平均 balance：13136。
> 
> 平均年龄：26。
> 
> 地址中包含 Road 的：263 Aviation Road。

和 IDEA 中执行的测试结果一致，说明复杂检索的功能已经成功实现。

#### 17.2 获取命中记录的详情 ####

而获取命中记录的详情数据，则需要通过两次 getHists() 方法拿到，如下所示：

// 3.1）获取查到的数据。
    SearchHits hits = response.getHits();
    // 3.2）获取真正命中的结果
    SearchHit[] searchHits = hits.getHits();

我们可以通过遍历 searchHits 的方式打印出所有命中结果的详情。

// 3.3）、遍历命中结果
    for (SearchHit hit: searchHits) {
        String hitStr = hit.getSourceAsString();
        BankMember bankMember = JSON.parseObject(hitStr, BankMember.class);
    }

拿到每条记录的 hitStr 是个 JSON 数据，如下所示：

{
     "account_number": 431,
     "balance": 13136,
     "firstname": "Laurie",
     "lastname": "Shaw",
     "age": 26,
     "gender": "F",
     "address": "263 Aviation Road",
     "employer": "Zillanet",
     "email": "laurieshaw@zillanet.com",
     "city": "Harmon",
     "state": "WV"
    }

而 BankMember 是根据返回的结果详情定义的的 JavaBean。可以通过工具自动生成。在线生成 JavaBean 的网站如下：

https://www.bejson.com/json2javapojo/new/

把这个 JavaBean 加到 PassjavaSearchApplicationTests 类中：

@ToString
    @Data
    static class BankMember {
        private int account_number;
        private int balance;
        private String firstname;
        private String lastname;
        private int age;
        private String gender;
        private String address;
        private String employer;
        private String email;
        private String city;
        private String state;
    }

然后将 bankMember 打印出来：

System.out.println(bankMember);

![19bfd3b755648fa4b59b44d492db7631.png][] bankMember

得到的结果确实是我们封装的 BankMember 对象，而且里面的属性值也都拿到了。

#### 1.7.3 获取年龄分布聚合信息 ####

ES 返回的 response 中，年龄分布的数据是按照 ES 的格式返回的，如果想按照我们自己的格式来返回，就需要将 response 进行处理。

如下图所示，这个是查询到的年龄分布结果，我们需要将其中某些字段取出来，比如 buckets，它代表了分布在 21 岁的有 4 个。

![dc1793b76278543565900c777489a4fd.png][]

ES 返回的年龄分布信息

下面是代码实现：

Aggregations aggregations = response.getAggregations();
    Terms ageAgg1 = aggregations.get("ageAgg");
    for (Terms.Bucket bucket : ageAgg1.getBuckets()) {
        String keyAsString = bucket.getKeyAsString();
        System.out.println("用户年龄： " + keyAsString + " 人数：" + bucket.getDocCount());
    }

最后打印的结果如下，21 岁的有 4 人，26 岁的有 4 人，等等。

![6f7119afa5d4cdbb93c09a35c0fc11ee.png][] 打印结果：用户年龄分布

#### 1.7.4 获取平均薪资聚合信息 ####

现在来看看平均薪资如何按照所需的格式返回，ES 返回的结果如下图所示，我们需要获取 balanceAvg 字段的 value 值。

![19ce2a72a202e0cfde656dd6d2901f9a.png][]

ES 返回的平均薪资信息

代码实现：

Avg balanceAvg1 = aggregations.get("balanceAvg");
    System.out.println("平均薪资：" + balanceAvg1.getValue());

打印结果如下，平均薪资 28578 元。

![58e1f7900c61b199a448b97d0407ed5b.png][] 打印结果：平均薪资

## 三、实战：同步 ES 数据 ##

### 3.1 定义检索模型 ###

PassJava 这个项目可以用来配置题库，如果我们想通过关键字来搜索题库，该怎么做呢？

类似于百度搜索，输入几个关键字就可以搜到关联的结果，我们这个功能也是类似，通过 Elasticsearch 做检索引擎，后台管理界面和小程序作为搜索入口，只需要在小程序上输入关键字，就可以检索相关的题目和答案。

首先我们需要把题目和答案保存到 ES 中，在存之前，第一步是定义索引的模型，如下所示，模型中有 `title` 和 `answer` 字段，表示题目和答案。

"id": {
        "type": "long"
    },
    "title": {
        "type": "text",
        "analyzer": "ik_smart"
    },
    "answer": {
        "type": "text",
        "analyzer": "ik_smart"
    },
    "typeName": {
        "type": "keyword"
    }

### 3.2 在 ES 中创建索引 ###

上面我们已经定义了索引结构，接着就是在 ES 中创建索引。

在 Kibana 控制台中执行以下语句：

PUT question
    {
     "mappings" : {
         "properties": {
         "id": {
          "type": "long"
         },
         "title": {
          "type": "text",
          "analyzer": "ik_smart"
         },
         "answer": {
          "type": "text",
          "analyzer": "ik_smart"
         },
         "typeName": {
          "type": "keyword"
         }
      }
      }
    }

执行结果如下所示：

![13a4cc3baea7991350c7f74b21e96f6b.png][] 创建 question 索引

我们可以通过以下命令来查看 question 索引是否在 ES 中：

GET _cat/indices

执行结果如下图所示：

![3e6bff2d12bf61b670feb5321dd21b10.png][] 查看 ES 中所有的索引

### 3.3 定义 ES model ###

上面我们定义 ES 的索引，接着就是定义索引对应的模型，将数据存到这个模型中，然后再存到 ES 中。

ES 模型如下，共四个字段：id、title、answer、typeName。和 ES 索引是相互对应的。

@Data
    public class QuestionEsModel {
        private Long id;
        private String title;
        private String answer;
        private String typeName;
    }

### 3.4 触发保存的时机 ###

当我们在后台创建题目或保存题目时，先将数据保存到 mysql 数据库，然后再保存到 ES 中。

如下图所示，在管理后台创建题目时，触发保存数据到 ES 。

![aaf0e263cb4de2bc532a385ab71891ed.png][]

第一步，保存数据到 mysql 中，项目中已经包含此功能，就不再讲解了，直接进入第二步：保存数据到 ES 中。

而保存数据到 ES 中，需要将数据组装成 ES 索引对应的数据，所以我用了一个 ES model，先将数据保存到 ES model 中。

### 3.5 用 model 来组装数据 ###

这里的关键代码时 `copyProperties`，可以将 `question` 对象的数据取出，然后赋值到 ES model 中。不过 ES model 中还有些字段是 question 中没有的，所以需要单独拎出来赋值，比如 typeName 字段，question 对象中没有这个字段，它对应的字段是 question.type，所以我们把 type 取出来赋值到 ES model 的 typeName 字段上。如下图所示：

![47443b3ff662e97023f12b21fef6924b.png][] 用 model 来组装数据

### 3.6 保存数据到 ES ###

我在 passjava-search 微服务中写了一个保存题目的 api 用来保存数据到 ES 中。

![d772bdc5291040e0520cdbceebca3500.png][] 保存数据到 ES

然后在 passjava-question 微服务中调用 search 微服务的保存 ES 的方法就可以了。

// 调用 passjava-search 服务，将数据发送到 ES 中保存。
    searchFeignService.saveQuestion(esModel);

### 3.7 检验 ES 中是否创建成功 ###

我们可以通过 kibana 的控制台来查看 question 索引中的文档。通过以下命令来查看：

GET question/_search

执行结果如下图所示，有一条记录：

![182f1f37b148ab5b2580cb6f52b397c1.png][]

另外大家有没有疑问：可以重复更新题目吗？

答案是可以的，保存到 ES 的数据是幂等的，因为保存的时候带了一个类似数据库主键的 id。

## 四、实战：查询 ES 数据 ##

我们已经将数据同步到了 ES 中，现在就是前端怎么去查询 ES 数据中，这里我们还是使用 Postman 来模拟前端查询请求。

### 4.1 定义请求参数 ###

请求参数我定义了三个：

*  **keyword**：用来匹配问题或者答案。
 *  **id**：用来匹配题目 id。
 *  **pageNum**：用来分页查询数据。

这里我将这三个参数定义为一个类：

@Data
    public class SearchParam {
        private String keyword; // 全文匹配的关键字
        private String id; // 题目 id
        private Integer pageNum; // 查询第几页数据
    }

### 4.2 定义返回参数 ###

返回的 response 我也定义了四个字段：

*  **questionList**：查询到的题目列表。
 *  **pageNum**：第几页数据。
 *  **total**：查询到的总条数。
 *  **totalPages**：总页数。

定义的类如下所示：

@Data
    public class SearchQuestionResponse {
        private List<QuestionEsModel> questionList; // 题目列表
        private Integer pageNum; // 查询第几页数据
        private Long total; // 总条数
        private Integer totalPages; // 总页数
    }

### 4.3 组装 ES 查询参数 ###

调用 ES 的查询 API 时，需要构建查询参数。

组装查询参数的核心代码如下所示：

![a8c99b0deca392e054c22b9970e3ae09.png][] 组装查询参数

*  第一步：创建检索请求。
 *  第二步：设置哪些字段需要模糊匹配。这里有三个字段：title，answer，typeName。
 *  第三步：设置如何分页。这里分页大小是 5 个。
 *  第四步：调用查询 api。

### 4.4 格式化 ES 返回结果 ###

ES 返回的数据是 ES 定义的格式，真正的数据被嵌套在 ES 的 response 中，所以需要格式化返回的数据。

核心代码如下图所示：

![138f1f7a1546173bc8ce89eea64dcb04.png][] 格式化 ES 返回结果

*  第一步：获取查到的数据。
 *  第二步：获取真正命中的结果。
 *  第三步：格式化返回的数据。
 *  第四步：组装分页参数。

### 4.5 测试 ES 查询 ###

#### 4.5.1 实验一：测试 title 匹配 ####

我们现在想要验证 title 字段是否能匹配到，传的请求参数 keyword = 111，匹配到了 title = 111 的数据，且只有一条。页码 pageNum 我传的 1，表示返回第一页数据。如下图所示：

![197acbe0b2aee0cdac9a762138f42874.png][] 测试匹配 title

#### 4.5.2 实验二：测试 answer 匹配 ####

我们现在想要验证 answer 字段是否能匹配到，传的请求参数 keyword = 测试答案，匹配到了 title =  测试答案的数据，且只有一条，说明查询成功。如下图所示：

![9ba7cfd005f123409009aa85f970a0b0.png][] 测试匹配 answer

#### 4.5.2 实验三：测试 id 匹配 ####

我们现在想要匹配题目 id 的话，需要传请求参数 id，而且 id 是精确匹配。另外 id 和 keyword 是取并集，所以不能传 keyword 字段。

请求参数 id = 5，返回结果也是 id =5 的数据，说明查询成功。如下图所示：

![be8e735a55fb3998a6bd3475edb678ef.png][] 测试 id 匹配

## 五、总结 ##

本文通过我的开源项目 passjava 来讲解 ES 的整合，ES 的 API 使用以及测试。非常详细地讲解了每一步该如何做，相信通过阅读本篇后，再加上自己的实践，一定能掌握前后端该如何使用 ES 来达到高效搜索的目的。

当然，ES API 还有很多功能未在本文实践，有兴趣的同学可以到 ES 官网进行查阅和学习。

**再次强调**：本文的代码都是辛苦调试出来的，请不要忘记点赞和转发哦~

[1c80fb49d86cc409051991106c0f0209.png]: /images/20210730/f44fb6e4950b4e449a87400e856907fc.png
[4f238f453106750f9a1612ff69d4268a.png]: /images/20210730/e54906e04ec24c2688df94a18323f1ba.png
[7e285a7fbeae2c8b4e70dfdc74735455.png]: /images/20210730/acc960f6cf694ff7bf1712c2164788e5.png
[b3c46590b7b4819a8590996efa335f4f.png]: /images/20210730/d544266a49fd409aa54c79ed8ff60012.png
[27b85be0bbc2aa13b578b0f333e19563.png]: /images/20210730/2810541a4aa8454286f150acd421e257.png
[cda62666d1bf98b7deddcd3052a588fa.png]: /images/20210730/0eb351a0b072478cb6c5ae2985dec0fb.png
[3016b8a9c42ac3be7b55c2002f24585b.png]: /images/20210730/9dc79bf5ae594cabab6548dec495f4c0.png
[d2d0590cc739ae32ce69fe4426d495b7.png]: /images/20210730/65bf878e7b7843e9ad7b8fd4fd005e1c.png
[cb508fb3ab08f7f29f64d89eda87e87b.png]: /images/20210730/34e75bcbcb8e482aa726ab57fe75c869.png
[be1675b8a18c8613d2425e5344fab2b9.png]: /images/20210730/eefcff3e66094724855a088584f1852b.png
[a21832f2c4d3e1ff0cdbf4698e35ffd6.png]: /images/20210730/e3e5ec34f2b74f7584ce5f465a8f351f.png
[4ed93c1fc4e12068fc81fd6cfa02d2ec.png]: /images/20210730/8d69860f6f9144b795ee54fadb2a62a3.png
[68cf0a27282c9131a03ed1407337a263.png]: /images/20210730/7bb32b49fa544ebeae12eff9c1e56b36.png
[3c84b6dfbc87b5b979887f58c24fac03.png]: /images/20210730/acfacb366ebe45a3ba3c5caf2e4455ae.png
[c28a1410a9bda19fd5e10188c18e8f4b.png]: /images/20210730/9b3ba4582d184f59ac97efa9346d9838.png
[eaff352d62bbc14dd59402bd8da1a114.png]: /images/20210730/022a869a86c6442286867348c40a41c2.png
[9e6e39e50928e5e486bbca4773bd45b7.png]: /images/20210730/2098c437302d4e56b2785133f5f1fe39.png
[d88f96ff487c5590e7b57e762b9ceb99.png]: /images/20210730/72e74e0fcdde4389a92a084ee4b716cd.png
[ddb9023a20c9fb43edea3471dd36d475.png]: /images/20210730/ddb3f814529f403c8eac6424e35b43c1.png
[19bfd3b755648fa4b59b44d492db7631.png]: /images/20210730/cffd7150ccb64445bc6420c8c614ce4d.png
[dc1793b76278543565900c777489a4fd.png]: /images/20210730/316fd578201140a09f280aff2699ec3d.png
[6f7119afa5d4cdbb93c09a35c0fc11ee.png]: /images/20210730/f610abef364a4cce82618eaa6eb07664.png
[19ce2a72a202e0cfde656dd6d2901f9a.png]: /images/20210730/38724d96bc9e4babba1c318c9074e4fa.png
[58e1f7900c61b199a448b97d0407ed5b.png]: /images/20210730/14c5cd0d4fc84801a41ef5dd952f9243.png
[13a4cc3baea7991350c7f74b21e96f6b.png]: /images/20210730/1c8dff29ae11452c9e90ceb5fb5cf383.png
[3e6bff2d12bf61b670feb5321dd21b10.png]: /images/20210730/0c706a1bafc842aa9ab57c9844664116.png
[aaf0e263cb4de2bc532a385ab71891ed.png]: /images/20210730/0b833cb7f3214477991c440b1634a195.png
[47443b3ff662e97023f12b21fef6924b.png]: /images/20210730/e59be8c74a79409eac0f6388716003b3.png
[d772bdc5291040e0520cdbceebca3500.png]: /images/20210730/7fa9b12e8be644acb8272885d2687c1e.png
[182f1f37b148ab5b2580cb6f52b397c1.png]: /images/20210730/0d2a656c5f9d411fb6e680ed792cc837.png
[a8c99b0deca392e054c22b9970e3ae09.png]: /images/20210730/f1ec1820e2fd40a8bcc8c942d1e0146f.png
[138f1f7a1546173bc8ce89eea64dcb04.png]: /images/20210730/bd55e9d0a2994317b9211ee9e2393395.png
[197acbe0b2aee0cdac9a762138f42874.png]: /images/20210730/770b2de4ca2b4e9ab5adf3e01ac73742.png
[9ba7cfd005f123409009aa85f970a0b0.png]: /images/20210730/18397a29d09b4601811ee2abd8aaaf12.png
[be8e735a55fb3998a6bd3475edb678ef.png]: /images/20210730/d596b4625d74453ab585ef1544cf5445.png