大数据项目开发进度（实时更新）

叁歲伎倆 2023-02-15 12:45 31阅读 0赞

### 文章目录 ###

*  前言
 *  项目概述
 *  项目进度
 *   *  第一周0525-0529：
     *  第二周0601-0605：
     *  第三周0608-0612：
     *  第四周0615-0621：（周末加班）
     *  第五周0622-0628：（周末加班）
     *  第六周0629-0705：（周末加班）
     *  第七周0706-0712：（周末加班）
     *  第八周0713-0717：
     *  第九周0720-0725：（完结）

# 前言 #

> 如果你从本文中学习到丝毫知识，那么请您点点**关注、点赞、评论和收藏**  
> 大家好，我是[爱做梦的鱼][Link 1]，我是东北大学大数据实验班大三的小菜鸡，非常渴望优秀，羡慕优秀的人。从5月25号我们开始了为期两个月的实习，我们需要做一个大型大数据项目，一个项目由三个学生+一个企业的项目经理完成。请大家持续关注我的专栏，我会每天更新。  
> [github地址：https://github.com/233zzh/TitanDataOperationSystem][github_https_github.com_233zzh_TitanDataOperationSystem]  
> [专栏：大数据案例实战——大三春招大数据开发][Link 2]  
> [专栏：Spark官方文档解读【Spark2.4.5中英双语】][Spark_Spark2.4.5]  
> [博客地址：子浩的博客https://blog.csdn.net/weixin\_43124279][Link 1]

# 项目概述 #

我们采用迭代式开发的软件开发过程

# 项目进度 #

## 第一周0525-0529： ##

1.  确定项目题目和项目数据来源  
    题目：数据分析运营系统  
    数据来源：易头条的部分埋点日志文件+（如果我们后续需要海量数据，我们就写个程序来生成模拟数据）
2.  学会使用SVN  
    [TortoiseSVN使用教程【多图超详细】——大数据开发实习（一）][TortoiseSVN]

## 第二周0601-0605： ##

**0601**：分析需求1  
系统前端展示参考：[友盟][Link 3]  
**0602**：编写版本一的软件需求规格说明文档（SRS）（张志浩）  
[《v1软件需求规格说明文档（SRS）——大数据开发实习（二）》][v1_SRS]  
**0603**：进行系统架构设计（非细节设计阶段）、安装环境2  
**0604**：继续安装环境2、编写版本一的架构设计文档（赵磊）  
[《v1架构设计文档——大数据开发实习（三）》][v1]  
**0605**：设计系统前端界面  
分配任务如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70]  
赵磊：概况、用户分析  
王阔：存留分析、终端属性分析  
张志浩：渠道分析、用户参与度分析

## 第三周0608-0612： ##

**0608**：继续设计系统界面原型  
**0609**：继续设计系统界面原型  
**0610**：继续设计系统界面原型并完成  
[【迭代式开发】v1前端界面展示+代码——大数据开发实习（四）][v1 1]  
**0611**：确定前端请求数据格式，设计前端所需要的数据库  
[【ADS层表-V1】前端页面所需的数据库设计——大数据开发实战项目（五）][ADS_-V1]  
**0612**：

1.  数据库访问技术选型，从 JAP、Mybatis、JDBC Templete 中选了 JDBC Templete
2.  完成了项目架构的分层
3.  对前后端进行了分包
4.  部分模块的类与方法进行了粗略设计  
    赵磊：概况（完成部分）、用户分析（未完成）  
    王阔：存留分析（完成部分）、终端属性分析（未完成）  
    张志浩：渠道分析（完成部分）、用户参与度分析（未完成）

[Web设计技术选型、分层、分包以及类与方法设计——大数据开发实战项目（五）][Web]

## 第四周0615-0621：（周末加班） ##

**0615**：

1.  继续完成剩下模块的类与方法的设计  
    赵磊：概况（部分完成，完成部分细节问题有待讨论、实践）、用户分析（部分完成，完成部分细节问题有待讨论、实践）  
    王阔：存留分析（完成，但细节问题有待讨论、实践）、终端属性分析（未完成，因为要写部分代码的demo）  
    张志浩：渠道分析（部分完成，完成部分细节问题有待讨论、实践）、用户参与度分析（部分完成，完成部分细节问题有待讨论、实践）
2.  王阔（但未完成终端属性分析模块的类与方法的设计）：实现存留分析部分demo，验证可行性作为web部分代码标准

[【迭代式开发v1】类与方法设计（二）——大数据开发实战项目（七）][v1 2]

**0616**：

1.  张志浩、赵磊：实际去建Web前端页面所需的数据库（以前只是设计，并没有实际建表）
2.  王阔：Web后端部分代码实现（注：未完成终端属性模块的类与方法设计：TerminalAttributes）

[【迭代式开发v1】实际去建Web前端页面所需的数据库（以前只是设计）+Web后端部分代码实现——大数据开发实战项目（八）][v1_Web_Web]

**0617**：小组讨论确定代码注释规范+Web后端类与方法代码实现  
[【迭代式开发v1】Web后端类与方法代码实现——大数据开发实战项目（九）][v1_Web]  
**0618**：继续进行Web后端类与方法代码实现+前后端交互  
**0619**：继续进行Web后端类与方法代码实现+前后端交互  
**0620**：继续进行Web后端类与方法代码实现+前后端交互  
**0621**：继续进行Web后端类与方法代码实现+前后端交互

## 第五周0622-0628：（周末加班） ##

**0622**：继续进行Web后端类与方法代码实现+前后端交互  
**0623**：继续进行Web后端类与方法代码实现+前后端交互  
**0624**：继续进行Web后端类与方法代码实现+前后端交互  
***（基本结束）原本打算今天把web部署到服务器上，但是第一我们服务器刚被老师重启过，我们怕有问题，第二web还不太完善，比如之前我们都是各自在本地使用mysql数据库，只建了与自己模块相关的数据库表，只对自己需要的表用代码进行了数据的模拟生成和插入，而我们之后部署到服务器，大家各自的模块就都得用同一个数据库——服务器上的数据库，所以服务器上的数据必须满足每个人的模块对数据的需求。但是我们没有那么多时间去做这个了，所以将完善web+在服务器上建库和生成并模拟数据+将web部署到服务器上任务放到周末，我们现在主要任务是数仓***  
**0625**：

*  开展数仓设计（全体成员）
    
     *  确定使用5层结构，ODS层–>DWD层–>DWS层–>DWT层–>ADS层
     *  进行了ODS和DWD层设计

先放一个数仓设计展示图，之后补一篇博客（最近加班太多了，来不及写博客）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 1]  
**0626**：

*  开展数仓设计（全体成员）
    
     *  进行了部分DWS、DWT层设计

**0627**：

*  开展数仓设计（全体成员）
    
     *  进行了DWT层设计，完善了ODS层、DWD层和DWS层的设计
 *  因为服务器重启过，所以需要重新启动集群的环境：（张志浩+赵磊）
    
     *  将Hadoop、Zookeeper启动了起来
 *  绘制数仓各表之间的关系图（王阔）

先放一个集群启动命令+报错展示图，之后补一篇博客（最近加班太多了，来不及写博客）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 2]

**0628**：

*  完善web
 *  因为服务器重启过，所以需要重新启动集群的环境

## 第六周0629-0705：（周末加班） ##

**0629**：将web部署到服务器上  
[http://www.superhao.top:12121/src/material/installation.html][http_www.superhao.top_12121_src_material_installation.html]  
**0630**：

*  研究ip-mapping算法（张志浩、赵磊）
 *  将集群环境全部启动（张志浩、赵磊）
 *  编写数仓部分spark任务文档（王阔）

先放ip-mapping算法的部分截图  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 3]  
先放一个数仓表之间的关系样图，之后补一个高清图（最近加班太多了）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 4]![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 5]

**0701**：

*  （V1）实现ip-mapping代码初始版（spark图计算+scala）（张志浩）
 *  搭建 flume 日志采集平台（赵磊）
 *  编写模拟数据生成器业务逻辑（王阔）

**0702**：

*  分配hive表建表任务（全部成员）
 *  讨论了 id-mapping 的算法原理（全部成员）
 *  进一步讨论id-mapping、flume-kafka和hive任务的整合（全部成员）
 *  （V2）改进ip-mapping代码初始版，考虑上一日的idmp字典整合（张志浩）
 *  实现模拟数据生成器（王阔）

**0703**：

*  构建spark任务的maven项目，构建完成，初步分包(王阔)
 *  完成 hive 建表（在idea写好建表sql语句，并用idea连接hive运行sql语句进行建表）（全部成员，各自完成自己的任务）
 *  在建表的过程中， hive 遇到了问题，解决问题[https://blog.csdn.net/stable\_zl/article/details/107111888][https_blog.csdn.net_stable_zl_article_details_107111888]

**0704**\+**0705**：

*  小组讨论如何划分 spark 任务及实现要用到的技术
 *  复习 SparkSQL
 *  将模拟生成的数据通过 flume-kafka-flume 搭建的平台上传到 hdfs

## 第七周0706-0712：（周末加班） ##

**0706**：

*  进行spark任务项目结构设计（王阔）
 *  编写示例spark任务，完成了原始数据导入脚本，json解析任务（王阔）
    
     *  遇到的问题：spark读取hive lzo格式表遇到困难
 *  进行了 spark 的开发，将之前编写的 id-map 算法投入到我们的项目中实际使用（张志浩、赵磊）

**0707**：

*  把 idmap 做了完善，将其输入输出路径与实际的 hdfs 路径进行对应（以前是在win10本地目录写了几个txt文件进行测试）（张志浩、赵磊）
 *  进行spark任务编写（各自完成所分配的spark任务，遇到问题开会讨论）

**0708**：

*  进行spark任务编写（各自完成所分配的spark任务，遇到问题开会讨论）

**0709**：

*  进行spark任务编写（各自完成所分配的spark任务，遇到问题开会讨论）

**0710**：

*  进行spark任务编写（各自完成所分配的spark任务，遇到问题开会讨论）

**0711**\+**0712**：（这周末任务少）

*  完善spark任务
 *  讨论怎么样进行数据迁移
    
     *  学习了 sqoop 的相关知识，了解数据迁移的方法，但后来考虑到sqoop的底层依然是 mr，后选用spark jdbc做数据迁移
 *  完善文档

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 6]

## 第八周0713-0717： ##

**0713**：

*  设计数据迁移逻辑（各自完成自己所分配部分）
    
     *  问题：讨论横表的更新方案，并且将其实现  
        例如赵磊的base\_retention\_installation\_day表，该表用作留存分析-留存用户中的新用户存留展示  
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 7]  
        ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 8]

**0714**：

*  测试写好的spark任务：因为前几天服务器集群崩了（我们需要hive数仓），所以我们写好的spark任务一直没有测试（执行）
    
     *  补充：我们不能在win本地用idea跑spark任务，会因为hive表为lzo压缩格式而报错

**0715**：编写各自的ads层数仓表到mysql的数据迁移任务代码（用SparkSQL进行迁移，以前选的是sqoop，但是sqoop的底层是mapreduce，速度大大慢于spark，所以我们最终选择了SparkSQL）

**0716**：去集群测试我们迁移任务代码

**0717**：测试atlas的使用，最终失败了，atlas无法监控hive表之间的血缘关系，我们测试了一下原因：用SparkSQL操作hive表，atlas就无法监控，但是直接在hive命令好用hiveSQL操作hive表，atlas就可以监控

## 第九周0720-0725：（完结） ##

**0720、0721**：编写、部署azkaban任务  
**0722**：编写PPT、录制答辩视频  
**0723**：编写《实训阶段总结报告》和《实训总结报告》  
**0724**：答辩（在腾讯会议和实训项目经理对线）  
**0724**：编写《13.T01模块部署流程手册.docx》和《14.T01用户使用手册.docx》

--------------------

1.  《v1数据分析运营系统的需求分析》  
    1.整体趋势：  
    基础统计数值：包括7日平均新增用户、活跃用户等，一周内、一个月内的统计量总数，总用户数。  
    指定时间区间内（默认30天内每日）：  
    新增用户、活跃用户、启动次数、累计用户  
    折线图，明细数据列表  
    Top版本环形图：新增用户、活跃用户、累计用户每个版本占比  
    Top渠道环形图：新增用户、活跃用户、累计用户每个渠道占比  
    2.用户分析：  
    a.新增用户：  
    指定时间段、指定渠道和版本，每日新增用户折线图、明细数据表格  
    次日存留率折线图、明细  
    b.活跃用户：  
    指定时间段、指定渠道和版本下，  
    活跃趋势、活跃构成、活跃粘度、分时活跃用户、周，月活跃度  
    c.启动次数：  
    指定时间段、指定渠道和版本下，每（小时、天、周、月）的启动次数  
    d.版本分布：  
    指定时间段、版本下， 每天新增用户、活跃用户、启动次数折线图  
    今日、昨日截至今日版本累计用户(%)，新增用户，活跃用户(%)，启动次数  
    3.留存分析：  
    a.留存用户  
    指定时间段、指定渠道和版本下，每一个时间段（天、周、月）新用户和活跃用户数在接下来一段时间（天、周、月）的留存数/留存率，以表格形式和折线形式呈现。  
    b.用户新鲜度：  
    报表展示每天活跃用户的成分构成，并提供用户成分分析控件做进一步的分析。某日的活跃用户来源于当天新增用户、1天前新增用户…30天前新增用户、30+天前新增用户。  
    c.用户活跃度：  
    报表展现每个天级时间点的当日活跃用户的活跃程度。  
    4.渠道分析：  
    a.渠道列表：  
    指定时间段、指定版本，各渠道新增用户、活跃用户、启动次数  
    5.用户参与度  
    a.使用时长：  
    指定某一天、指定渠道和版本下，单次使用时长分布柱形图，明细表格。  
    该天每个活跃用户使用时长分布柱形图、明细表格。  
    b.使用频率：  
    指定日期，指定版本、渠道，当日、上周、上个月使用次数分布柱形图，明细表格。  
    c.访问页面：  
    指定时间段（一天、一周、一个月）、指定渠道和版本下，访问页面分布柱形图，明细表格。  
    d.使用间隔：  
    查看任意30天内用户相邻两次启动间隔的分布情况，并可以进行版本、渠道及分群的筛选。以柱形图、明细表格形式展示。  
    6.终端属性：  
    a.设备终端：  
    指定时间段（一天、一周、一个月）、指定渠道和版本下 ，top10机型、分辨率、操作系统的新增用户/启动次数柱状图、明细表格。  
    b.网络及运营商：  
    指定时间段（一天、一周、一个月）、指定渠道和版本下 ，各种联网方式的新增用户/启动次数柱状图、明细表格。  
    c. 地域：  
    指定时间段（一天、一周、一个月）、指定渠道和版本下 ，各省市的新增用户/活跃用户/启动次数柱状图（top10省）、明细表格（省市）。 ↩︎
2.  所需安装环境为：
    
    1.  jdk1.8.0\_151、
    2.  mysql-5.7.28、
    3.  hadoop-3.2.1、
    4.  flume-1.9.0、
    5.  azkaban-3.90.0
    6.  zookeeper-3.6.1、
    7.  hive-3.1.2、
    8.  spark-3.0.0
    9.  scala-2.11.12
    10. kafka-2.4.1、
    11. （hbase-2.2.5、solar-8.5.2这两个是atlas安装的前置）
    12. atlas-2.0.0、
    13. sqoop-1.99.7
    
    每个环境的作用：  
    数据采集传输：
    
     *  Flume：分布式日志数据汇聚
     *  Kafka：实时采集（计算）的缓冲
     *  Sqoop：离线批量抽取数据库
    
    数据存储：
    
     *  Mysql
     *  HDFS
    
    数据计算：
    
     *  Spark
    
    数据可视化：
    
     *  Echarts
    
    job任务调度：
    
     *  Azkaban
    
    元数据管理：
    
     *  Atlas
    
    ↩︎ ↩︎

[Link 1]: https://blog.csdn.net/weixin_43124279
[github_https_github.com_233zzh_TitanDataOperationSystem]: https://github.com/233zzh/TitanDataOperationSystem
[Link 2]: https://blog.csdn.net/weixin_43124279/category_10041667.html
[Spark_Spark2.4.5]: https://blog.csdn.net/weixin_43124279/category_10045337.html
[TortoiseSVN]: https://blog.csdn.net/weixin_43124279/article/details/106339224
[Link 3]: https://mobile.umeng.com/platform/5b8cf21af43e481aea000022/reports/realtime_summary?spm=a213m0.13953508.9348417015.2.54694a87CBaPKa&acm=lb-zebra-611823-7832676.1003.4.7299085&scm=1003.4.lb-zebra-611823-7832676.OTHER_15797142127081_7299085
[v1_SRS]: https://blog.csdn.net/weixin_43124279/article/details/106547273
[v1]: https://blog.csdn.net/weixin_43124279/article/details/106572942
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/2020061218431280.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70
[v1 1]: https://blog.csdn.net/weixin_43124279/article/details/106677199
[ADS_-V1]: https://blog.csdn.net/weixin_43124279/article/details/106694321
[Web]: https://blog.csdn.net/weixin_43124279/article/details/106721647
[v1 2]: https://zihao.blog.csdn.net/article/details/106769270
[v1_Web_Web]: https://zihao.blog.csdn.net/article/details/106792319
[v1_Web]: https://zihao.blog.csdn.net/article/details/106815920
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20200630103841541.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 2]: https://img-blog.csdnimg.cn/20200630103947499.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70
[http_www.superhao.top_12121_src_material_installation.html]: http://www.superhao.top:12121/src/material/installation.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 3]: https://img-blog.csdnimg.cn/20200713191844456.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 4]: https://img-blog.csdnimg.cn/20200630104325527.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 5]: https://img-blog.csdnimg.cn/20200713192525629.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70
[https_blog.csdn.net_stable_zl_article_details_107111888]: https://blog.csdn.net/stable_zl/article/details/107111888
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 6]: https://img-blog.csdnimg.cn/20200714161633671.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 7]: https://img-blog.csdnimg.cn/20200714174403216.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ_size_16_color_FFFFFF_t_70 8]: https://img-blog.csdnimg.cn/20200714174513496.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzEyNDI3OQ==,size_16,color_FFFFFF,t_70