大数据项目之电商数据仓库系统回顾

刺骨的言语ヽ痛彻心扉 2023-09-25 22:41 67阅读 0赞

### 文章目录 ###

*   *  一、实训课题
     *  二、实训目的
     *  三、操作环境
     *  四、 实训过程（实训内容及主要模块）
     *  五、实训中用到的课程知识点
     *  六、实训中遇到的问题及解决方法
     *   *  1） 再次格式化NameNode导致无法启动datanode进程
         *  2）xshell连接虚拟机后，输入指令时从数字小键盘输入的数字无效
         *  3）配置了多队列导致加载数据时，所用队列没有足够的空间
         *  4） 执行MapReduce任务时，虚拟内存超额，导致进程被杀掉
         *  5） Hive版本和Spark版本不兼容，无法上传jar包、导入数据到hadoop HDFS。
     *  七、课程实训体会与心得
     *  八、自定义的相关脚本
     *  九、项目启动
     *   *  1. 配置hosts文件和虚拟机 ip地址
         *  2. 用自定义脚本群起集群和相关服务
         *  3. gmall数据仓库在hdfs上的存储位置
         *  4. 用DataGrip 连接hive数据库
         *  5. 在虚拟机本地查看hive数据库
     *  十、程序清单

## 一、实训课题 ##

大数据项目之电商数据仓库系统

## 二、实训目的 ##

完成一个电商数仓项目：

> 1、完成hadoop、kafka、flume、mysql以及zookeeper等相关环境的搭建。  
> 2、安装与spark兼容的hive数据仓库环境，并使用 MySQL 存储Metastore，实现与其他客户端共享数据。  
> 3、模拟在Kafka生产消息方输入的信息，可在Kafka消费消息方正常接收,启用kafka监控。  
> 4、在hive数据仓库中创建一个gmall数据库，利用sqoop工具将mysql数据库数据先导入hadoop集群的HDFS中，再从HDFS导进到hive数据仓库的gmall数据库中，最后在gmall数据库中依次逐层从ODS层到ADS层导入数据。

## 三、操作环境 ##

1. Linux系统：Centos 7.5  
2. Hive on spark版本：apache-hive-3.1.2  
3. Java版本：1.8.0\_212  
4. Kafka版本：kafka\_2.11-2.4.1  
5. Flume版本：apache-flume-1.9.0  
6. Sqoop版本：sqoop-1.4.6  
7. ZooKeeper版本：apache-zookeeper-3.5.7  
8. MySQL版本：mysql-5.7.28  
9. Spark版本：spark-3.0.0

<table> 
 <thead> 
  <tr> 
   <th>相关技术</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>Hive</td> 
   <td>基于Hadoop的数据仓库工具，将结构化的数据文件映射为数据库表，将SQL语句转换为MapReduce任务进行运行，快速实现简单MapReduce统计。</td> 
  </tr> 
  <tr> 
   <td>Kafka</td> 
   <td>一种高吞吐量的分布式发布订阅消息系统；</td> 
  </tr> 
  <tr> 
   <td>Flume</td> 
   <td>分布式的海量日志采集、聚合和传输的系统，支持在日志系统中定制各类数据发送方，用于收集数据；</td> 
  </tr> 
  <tr> 
   <td>Sqoop</td> 
   <td>用于Hadoop、Hive与MySQL间数据的传递，可将MySQL中的数据导进Hadoop的HDFS中，也可将HDFS的数据导进到hive数据库中。</td> 
  </tr> 
  <tr> 
   <td>ZooKeeper</td> 
   <td>大型分布式系统的可靠协调系统，提供：配置维护、名字服务、分布式同步、组服务等。</td> 
  </tr> 
  <tr> 
   <td>Spark</td> 
   <td>很流行的开源大数据内存计算框架。可基于Hadoop上存储的大数据进行计算。</td> 
  </tr> 
 </tbody> 
</table>

## 四、 实训过程（实训内容及主要模块） ##

1. 搭建hadoop集群环境：在大数据实践配置的hadoop集群的基础上快速完成再次搭建。  
2. 安装与spark兼容的hive数据仓库环境。  
3. 使用 MySQL 存储hive的元数据库Metastore，实现与其他客户端共享数据。  
4. 完成kafka、flume以及zookeeper等集群环境的搭建。  
5. 利用sqoop将mysql数据库数据先导入HDFS中，再导进到hive的gmall数据库中，最后依次从ODS层逐层导入数据直到ADS层为止。

## 五、实训中用到的课程知识点 ##

1.  数仓搭建时数据采用 `LZO压缩`，减少磁盘存储空间。比如100G数据可以压缩到10G以内。
2.  数仓搭建时，数据采用 `parquet存储方式，是可以支持切片的，不需要再对数据创建索引` 。如果单纯的text方式存储数据，需要采用支持切片的，lzop压缩方式并创建索引。
3.  数据装载到时间维度表时，dwd\_dim\_date\_info是 `列式存储+LZO压缩` 。直接将date\_info.txt文件导入到目标表，并不会直接转换为列式存储+LZO压缩。需创建一张普通的临时表dwd\_dim\_date\_info\_tmp，将date\_info.txt加载到该临时表中。最后通过查询临时表数据，把查询到的数据插入到最终的目标表中。
4.  使用脚本可以较快启动相关服务进程、导入及导出数据等，其中 `nohup表示不挂起` 的意思，不挂断地运行命令；`/dev/null：是 Linux 文件系统中的一个文件，被称为黑洞，所有写入改文件的内容都会被自动丢弃`；`2>&1 : 表示将错误重定向到标准输出上；&: 放在命令结尾,表示后台运行`。
5.  使用`“select * from 表名” 不执行MR操作` ，默认采用的是ods\_log建表语句中指定的DeprecatedLzoTextInputFormat，能够识别 lzo.index为索引文件。
6.  使用 `“select count(*) from 表名” 执行MR操作`，默认采用的是CombineHiveInputFormat，不能识别lzo.index为索引文件，将索引文件当做普通文件处理。更严重的是，这会导致LZO文件无法切片，`修改CombineHiveInputFormat为HiveInputFormat` 即可。

## 六、实训中遇到的问题及解决方法 ##

**所遇问题：**

### 1） 再次格式化NameNode导致无法启动datanode进程 ###

解决办法：格式化NameNode，会产生新的集群id，导致 `NameNode和DataNode的集群id不一致`，集群找不到已往数据。可`删除所有机器的data和logs目录，然后再进行格式化`，或者`进入namenode对应的clusterID所在的文件，复制其clusterID到datanode对应的clusterID`即可。

### 2）xshell连接虚拟机后，输入指令时从数字小键盘输入的数字无效 ###

解决办法：打开xshell，点击`“默认属性”`，打开对话框，在类别中选择 `“VT模式”`，然后在右侧的选项中，选择：初始数字键盘模式中的`“设置为普通”`，最后点击`“确定”`即可。

### 3）配置了多队列导致加载数据时，所用队列没有足够的空间 ###

![在这里插入图片描述][5fa8c7ede7024a8ca755864683f71c5b.png]

解决办法：修改hadoop安装目录下的配置文件：`capacity-scheduler.xml`，增加该队列的容量

![在这里插入图片描述][b900e4ce5c8a4a1083d5a03374248f90.png]

### 4） 执行MapReduce任务时，虚拟内存超额，导致进程被杀掉 ###

![在这里插入图片描述][33a66e555d3f4c1db0fb8a3d5ce230d4.png]

解决办法：适当增大 `yarn.nodemanager.vmem-pmem-ratio` 的大小，为物理内存增大对应的虚拟内存。

![在这里插入图片描述][a7b23656639641a78d6eb6e559c2792e.png]

### 5） Hive版本和Spark版本不兼容，无法上传jar包、导入数据到hadoop HDFS。 ###

![在这里插入图片描述][dd4bb76a680749889809b45e12e76544.png]

解决办法：使用经编译过与Spark版本兼容的hive环境，即hive on spark版本，重新执行任务进行测试，成功状态如下图：

![在这里插入图片描述][25b1bd2c9acb4882934870f45ea29190.png]

## 七、课程实训体会与心得 ##

1.  通过为期两周的大数据project 5，我学会了`利用三台虚拟机作服务器搭建Hadoop、kafka、flume、mysql以及zookeeper等环境`，利用`sqoop工具将mysql数据导入hadoop 集群的HDFS上`，`再导进到hive的gmall数据库中`。创建并使用脚本将数据依次从ODS层逐层导入数据直到ADS层为止。
2.  正确搭建环境需有以下进程：

> Hadoop105虚拟机上：  
> RunJar、RunJar、QuorumPeerMain、Kafka、NameNode、DataNode、NodeManager、Application、JobHistoryServer；

> Hadoop106虚拟机上：  
> Application、QuorumPeerMain、Kafka、DataNode、ResourceManager、NodeManager；

> Hadoop107虚拟机上：  
> QuorumPeerMain、Kafka、Application、SecondaryNameNode、DataNode 、NodeManager。

其中，除了原hadoop集群所必备的进程外，`启动 metastore与启动 hiveserver2各对应一个RunJar进程`；启动 hadoop105及hadoop106 `采集flume各对应一个Application进程`，  
启动 hadoop107 `消费flume也对应一个Application进程`；`启动Kafka、zookeeper在三台虚拟机上各对应一个Kafka、QuorumPeerMain进程`。

1.  安装与spark兼容的hive环境后，`Hive既作为存储元数据又负责SQL的解析优化，语法是HQL语法，执行引擎变成了Spark，Spark负责采用RDD执行`。可使用MySQL存储hive的元数据库Metastore，可实现与其他客户端共享数据。
2.  数仓搭建时数据`采用LZO压缩，减少磁盘存储空间`。比如100G数据可以压缩到 10G以内。`搭建数仓时，数据采用parquet存储方式，是可以支持切片的，不需要再对数据创建索引`。如果单纯的text方式存储数据，需要采用支持切片的，lzop压缩方式并创建索引。
3.  对于采用`列式存储+LZO压缩的数据库表`。直接将txt文件导入到目标表，并不会直接转换为列式存储+LZO压缩。`需创建一张普通的tmp临时表`，将txt文件加载到该临时表中。最后通过查询临时表数据，把查询到的数据插入到最终的目标表中。

6.一些同学采用了对项目操作过程采用视频录制放入PPT进行演示，也可减少一些对应PPT页数，同时让PPT内容更生动和具备动态效果，也是一种不错的选择。

## 八、自定义的相关脚本 ##

自定义脚本存放在自定义用户 moyufeng 的 bin 目录下，其中 `绿色的文件` 是经过source生效的脚本, 一般以.sh为后缀标识，对于常用的脚本，可以考虑通过mv改名将.sh后缀去掉（更方便一点），不太常用的脚本还是建议加.sh为后缀进行标识。

![在这里插入图片描述][ad7efae3ee2c4cef845a990a97e8ffea.png]  
![在这里插入图片描述][076a37c26f004b059d38b2f0409448fb.png]  
![在这里插入图片描述][42355e4d2de148fb846229b8b1a48cf7.png]

由于自定义脚本较多，部分脚本篇幅较长，具体的脚本内容放入另一篇文章：  
**大数据电商数仓相关脚本**  
[https://blog.csdn.net/m0\_48170265/article/details/130376063][https_blog.csdn.net_m0_48170265_article_details_130376063]

## 九、项目启动 ##

### 1. 配置hosts文件和虚拟机 ip地址 ###

下面以 `VMnet8 NAT模式`连接网络为例（若NAT模式虚拟机无法联网，则需要改为桥接模式）

查看本地网络 ip：  
win\+r 输入cmd后，再输入：

> ipconfig

![在这里插入图片描述][54231f0f6398457ea3c46c895954bec8.png]

找到VMnet8 的网络IPv4地址的网段（前三位）和子网掩码（一般是255.255.255.0）

这里的网段是： 192.168.123.\*  
子网掩码： 255.255.255.0

配置虚拟网络：`保持虚拟网络子网ip的前三位网段和上面的网段相同`,子网掩码和上面也相同

![在这里插入图片描述][97085e461a9a4a3e8a1292ee4a429bd9.png]

![在这里插入图片描述][36f710a26b2c4f42bfa21230003b901a.png]

配置NAT网络参考 [https://blog.csdn.net/m0\_48170265/article/details/129982752][https_blog.csdn.net_m0_48170265_article_details_129982752] 中的 **3. 设置虚拟网络**

配置Windows本地hosts文件：

> C:\\Windows\\System32\\drivers\\etc\\hosts

![在这里插入图片描述][1e9e4460d27241eab91d6c1b76121d3d.png]

确保**子网ip地址的前三位网段和电脑所连网络的网段相同，第四位可任取**，一个子网ip地址对应一个自定义主机名，方便本地浏览器解析出自定义主机名对应的ip地址

![在这里插入图片描述][ee79fc7718c14f9f9071a2f13d0681b3.png]

同理，**依次分别在三台虚拟机**hadoop105，hadoop106，hadoop107上配置hosts文件。若编写了xsync分发脚本，在一台虚拟机上配置好后，用脚本分发到其他两台相关虚拟机也行。

> vim /etc/hosts

![在这里插入图片描述][34831f62093d47918b76847abbdd674c.png]

依次配置三台虚拟机主机名hadoop105，hadoop106，hadoop107（方便其他虚拟机根据hosts文件进行解析识别）：

> vim /etc/hostname

![在这里插入图片描述][ea01a75db05b4945bf2975704c15d31f.png]  
![在这里插入图片描述][70a5af92b0a7435a83e2878ec7f2877c.png]

![在这里插入图片描述][0d81095e8d224966ac764fff86a2a0df.png]  
需reboot 重启生效

-- 查看虚拟机名称
    hostname
    
    -- 修改虚拟机名称
    vi /etc/hostname
    按 i 修改名称为 xxx
    
    -- 重启生效
    reboot

根据hosts文件，**依次配置三台虚拟机ip地址,缺一不可**

# 修改ip地址
    vi /etc/sysconfig/network-scripts/ifcfg-ens33

![在这里插入图片描述][aece7717108d41f6b41afbdba0be116b.png]

查看ip地址：

> ip addr 或 ifconfig

若更改了ip地址，需要输入命令进行重启

> systemctl restart network

### 2. 用自定义脚本群起集群和相关服务 ###

2.1 启动 sc 脚本

![在这里插入图片描述][550399787abf4934ba09bf94a19f8769.png]

此时所有的进程如下：

![在这里插入图片描述][a4641662207b49e18c2cd412bc9656fd.png]

2.2 用ke.sh 脚本启动kafka监控

![在这里插入图片描述][40f1cec38af542ef9a627a5b4d4e9df0.png]  
![在这里插入图片描述][4e929bc4dcc246a6a41b8ed5c469676d.png]

**默认账号 admin ；密码 123456**

此时所有的进程如下：

![在这里插入图片描述][968c04b6a2224012bc1d437a8d64eae1.png]

![在这里插入图片描述][cb5b47ca84334ef9bf86456da53d658b.png]

![在这里插入图片描述][f51e2748090948969b394aa6da90bcfa.png]

### 3. gmall数据仓库在hdfs上的存储位置 ###

![在这里插入图片描述][92a46b3353314fa2a0353f276e2bf7e9.png]  
![在这里插入图片描述][d0135f7ebdc44ce5ab1fb2df25a6f4b6.png]  
![在这里插入图片描述][f927935766f649e1afeb2b32d4ab0c68.png]

### 4. 用DataGrip 连接hive数据库 ###

使用DataGrip连接hive数据库，方便进行数据查询

hive启动的前置条件

> 1.保证hdfs和yarn已启动  
> 2.保证hive的元数据库mysql已启动

![在这里插入图片描述][9c8105045f0b4bf19374d73c859bdb5a.png]  
点击测试，发现连接成功

![在这里插入图片描述][9bedb086767141dea5d3eb7ba47dea17.png]  
![在这里插入图片描述][ed935e1f6c8e4b3bace94e0929e35312.png]

若连接失败，可能需要重新开启下hiveserver2服务（hiveserver2启动完成会偏慢，要等待两三分钟），需等hiveserver2服务启动完成才能连接hive数据库，在hadoop105上输入如下启动指令：

> cd /opt/module/hive/bin/  
> nohup hive --service hiveserver2 1>/opt/module/hive/logs/hive.log 2>/opt/module/hive/logs/hive\_err.log &

> – nohup:放在命令的开头，表示的意思为不挂起即关闭终端进程也保持允许状态  
> –1:代表标准日志输出  
> –2:表示错误日志输出  
> – /opt/module/hive/logs : 其中/opt/module/hive/为你自己hive解压目录，若该目录下无logs目录，  
> 需自行mkdir一个logs目录，用于存放hive.log和hive\_err.log日志文件，这两个日志文件不需要自己创建，相关服务运行时自动创建  
> – &:代表在后台运行  
> 所以整个命令可以理解为:将hiveserver2服务后台运行在标准日志输出到hive.1og，错误日志输出到hive\_err.log,唧使关闭终端(窗口),也会保持运行状态

![在这里插入图片描述][6f6e0088a011430292e3fc56002924f5.png]

> cd /opt/module/hive/logs 进入日志目录后，  
> 可用 tail -300f hive\_err.log 查看最后/近300行错误日志信息，其中的数字300可自行按需求更改为500或者1000

![在这里插入图片描述][16069aa34e25469a8afcdb6f42aeb2e0.png]  
![在这里插入图片描述][318d16282f2141e793447f131ee1d4e1.png]

> 同理，tail -300f hive\_err.log 可查看最后/近300行标准日志输出

### 5. 在虚拟机本地查看hive数据库 ###

![在这里插入图片描述][eae134d26f174236aa7f4f08800262de.png]

查看gmall数据库：

![在这里插入图片描述][2bfd8f968e254c6aaabf75eaa6ef8fc5.png]

## 十、程序清单 ##

结果演示：  
1、 cluster.sh启动截图（全屏幕，带多条自己名字）

> cluster.sh start

![在这里插入图片描述][cf0c1ddd1c41489589e6e2b1af1a5711.png]

2、 cluster.sh启动后，jpsall截图（全屏幕，带多条自己名字）

> jpsall

![在这里插入图片描述][063c757856634f0fb82021f6a5a80685.png]

3、gmall数据仓库建表结果

> show tables;

![在这里插入图片描述][6c6992ad2a3445a4a058e29e6a0687d6.png]

![在这里插入图片描述][dcf32d1a42a64e3380e06076c4ca0189.png]

4、ods层订单表数据查询（带着名字缩写5遍）

> select \* from ods\_order\_info limit 5;

![在这里插入图片描述][24f8521235e5461b97e15557f7722d7f.png]

DataGrip连接hive数据仓库查询：

![在这里插入图片描述][89a648084603440ea498579e15e26fb5.png]

1.  DWD层数仓数据查询（带着名字缩写5遍）

7.1 查看地区维度表

> select \* from dwd\_dim\_base\_province limit 12;

![在这里插入图片描述][f856a7855f4c43e5b060efec78dec52f.png]

7.2查看时间维度表

> select \* from dwd\_dim\_date\_info limit 15;

![在这里插入图片描述][d6fa5145fb43441f8ac4956344a4b370.png]

1.  DWS层数仓数据查询（带着名字缩写5遍）

8.1 查看每日商品行为

> select \* from dws\_sku\_action\_daycount where dt=‘2020-06-14’ limit 15;

![在这里插入图片描述][c219422282614579a2c9f8da5d829818.png]

8.2 查看每日地区统计

> select \* from dws\_area\_stats\_daycount where dt=‘2020-06-15’ limit 15;

![在这里插入图片描述][600015f03fd54e4a8156e90d5824a7ab.png]

1.  DWT层数仓数据查询（带着名字缩写5遍）

9.1 查看商品主题宽表

> select \* from dwt\_sku\_topic limit 15;

![在这里插入图片描述][6c50aa0fbdef426889199fdd25dad667.png]

9.2查看地区主题宽表

> select \* from dwt\_area\_topic limit 15;

![在这里插入图片描述][83c7652d04be4b529ccf1905980d8c4c.png]

1.  ADS层数仓数据查询（带着名字缩写5遍）

10.1 查看品牌复购率

> select \* from ads\_sale\_tm\_category1\_stat\_mn;

![在这里插入图片描述][7acf1dd805fa40d4bc507186cfd3149d.png]  
10.2 查看地区主题信息

> select \* from ads\_area\_topic;

![在这里插入图片描述][9d0b663119f947ae919f2bab39584a1e.png]

![在这里插入图片描述][4c5fddcc6892458d9b652cdbbf5b8523.png]

1.  kafka数据采集

Kafka生产消息

> kafka-console-producer.sh --broker-list hadoop105:9092 --topic topic01

![在这里插入图片描述][4ddc228f2afc421ab1739d009766d87b.png]

Kafka消费消息

> kafka-console-consumer.sh --bootstrap-server hadoop105:9092 --from-beginning --topic topic01

![在这里插入图片描述][99f6ec3673cc43abbcaae6359f862307.png]  
Kafka监控

先使用ke.sh启动相关服务，登录http://hadoop105:8048/ke查看相关信息。

![在这里插入图片描述][388ac596215d44c1a7f2408ba5f4dbb4.png]  
12. 查看ods\_log日志

应用：使用DataGrip工具连接本地hive数据库，并检测数据库表里数据的一致性

![在这里插入图片描述][34765970b8644894ad9ed811f413bf3e.png]

[5fa8c7ede7024a8ca755864683f71c5b.png]: https://img-blog.csdnimg.cn/5fa8c7ede7024a8ca755864683f71c5b.png
[b900e4ce5c8a4a1083d5a03374248f90.png]: https://img-blog.csdnimg.cn/b900e4ce5c8a4a1083d5a03374248f90.png
[33a66e555d3f4c1db0fb8a3d5ce230d4.png]: https://img-blog.csdnimg.cn/33a66e555d3f4c1db0fb8a3d5ce230d4.png
[a7b23656639641a78d6eb6e559c2792e.png]: https://img-blog.csdnimg.cn/a7b23656639641a78d6eb6e559c2792e.png
[dd4bb76a680749889809b45e12e76544.png]: https://img-blog.csdnimg.cn/dd4bb76a680749889809b45e12e76544.png
[25b1bd2c9acb4882934870f45ea29190.png]: https://img-blog.csdnimg.cn/25b1bd2c9acb4882934870f45ea29190.png
[ad7efae3ee2c4cef845a990a97e8ffea.png]: https://img-blog.csdnimg.cn/ad7efae3ee2c4cef845a990a97e8ffea.png
[076a37c26f004b059d38b2f0409448fb.png]: https://img-blog.csdnimg.cn/076a37c26f004b059d38b2f0409448fb.png
[42355e4d2de148fb846229b8b1a48cf7.png]: https://img-blog.csdnimg.cn/42355e4d2de148fb846229b8b1a48cf7.png
[https_blog.csdn.net_m0_48170265_article_details_130376063]: https://blog.csdn.net/m0_48170265/article/details/130376063
[54231f0f6398457ea3c46c895954bec8.png]: https://img-blog.csdnimg.cn/54231f0f6398457ea3c46c895954bec8.png
[97085e461a9a4a3e8a1292ee4a429bd9.png]: https://img-blog.csdnimg.cn/97085e461a9a4a3e8a1292ee4a429bd9.png
[36f710a26b2c4f42bfa21230003b901a.png]: https://img-blog.csdnimg.cn/36f710a26b2c4f42bfa21230003b901a.png
[https_blog.csdn.net_m0_48170265_article_details_129982752]: https://blog.csdn.net/m0_48170265/article/details/129982752
[1e9e4460d27241eab91d6c1b76121d3d.png]: https://img-blog.csdnimg.cn/1e9e4460d27241eab91d6c1b76121d3d.png
[ee79fc7718c14f9f9071a2f13d0681b3.png]: https://img-blog.csdnimg.cn/ee79fc7718c14f9f9071a2f13d0681b3.png
[34831f62093d47918b76847abbdd674c.png]: https://img-blog.csdnimg.cn/34831f62093d47918b76847abbdd674c.png
[ea01a75db05b4945bf2975704c15d31f.png]: https://img-blog.csdnimg.cn/ea01a75db05b4945bf2975704c15d31f.png
[70a5af92b0a7435a83e2878ec7f2877c.png]: https://img-blog.csdnimg.cn/70a5af92b0a7435a83e2878ec7f2877c.png
[0d81095e8d224966ac764fff86a2a0df.png]: https://img-blog.csdnimg.cn/0d81095e8d224966ac764fff86a2a0df.png
[aece7717108d41f6b41afbdba0be116b.png]: https://img-blog.csdnimg.cn/aece7717108d41f6b41afbdba0be116b.png
[550399787abf4934ba09bf94a19f8769.png]: https://img-blog.csdnimg.cn/550399787abf4934ba09bf94a19f8769.png
[a4641662207b49e18c2cd412bc9656fd.png]: https://img-blog.csdnimg.cn/a4641662207b49e18c2cd412bc9656fd.png
[40f1cec38af542ef9a627a5b4d4e9df0.png]: https://img-blog.csdnimg.cn/40f1cec38af542ef9a627a5b4d4e9df0.png
[4e929bc4dcc246a6a41b8ed5c469676d.png]: https://img-blog.csdnimg.cn/4e929bc4dcc246a6a41b8ed5c469676d.png
[968c04b6a2224012bc1d437a8d64eae1.png]: https://img-blog.csdnimg.cn/968c04b6a2224012bc1d437a8d64eae1.png
[cb5b47ca84334ef9bf86456da53d658b.png]: https://img-blog.csdnimg.cn/cb5b47ca84334ef9bf86456da53d658b.png
[f51e2748090948969b394aa6da90bcfa.png]: https://img-blog.csdnimg.cn/f51e2748090948969b394aa6da90bcfa.png
[92a46b3353314fa2a0353f276e2bf7e9.png]: https://img-blog.csdnimg.cn/92a46b3353314fa2a0353f276e2bf7e9.png
[d0135f7ebdc44ce5ab1fb2df25a6f4b6.png]: https://img-blog.csdnimg.cn/d0135f7ebdc44ce5ab1fb2df25a6f4b6.png
[f927935766f649e1afeb2b32d4ab0c68.png]: https://img-blog.csdnimg.cn/f927935766f649e1afeb2b32d4ab0c68.png
[9c8105045f0b4bf19374d73c859bdb5a.png]: https://img-blog.csdnimg.cn/9c8105045f0b4bf19374d73c859bdb5a.png
[9bedb086767141dea5d3eb7ba47dea17.png]: https://img-blog.csdnimg.cn/9bedb086767141dea5d3eb7ba47dea17.png
[ed935e1f6c8e4b3bace94e0929e35312.png]: https://img-blog.csdnimg.cn/ed935e1f6c8e4b3bace94e0929e35312.png
[6f6e0088a011430292e3fc56002924f5.png]: https://img-blog.csdnimg.cn/6f6e0088a011430292e3fc56002924f5.png
[16069aa34e25469a8afcdb6f42aeb2e0.png]: https://img-blog.csdnimg.cn/16069aa34e25469a8afcdb6f42aeb2e0.png
[318d16282f2141e793447f131ee1d4e1.png]: https://img-blog.csdnimg.cn/318d16282f2141e793447f131ee1d4e1.png
[eae134d26f174236aa7f4f08800262de.png]: https://img-blog.csdnimg.cn/eae134d26f174236aa7f4f08800262de.png
[2bfd8f968e254c6aaabf75eaa6ef8fc5.png]: https://img-blog.csdnimg.cn/2bfd8f968e254c6aaabf75eaa6ef8fc5.png
[cf0c1ddd1c41489589e6e2b1af1a5711.png]: https://img-blog.csdnimg.cn/cf0c1ddd1c41489589e6e2b1af1a5711.png
[063c757856634f0fb82021f6a5a80685.png]: https://img-blog.csdnimg.cn/063c757856634f0fb82021f6a5a80685.png
[6c6992ad2a3445a4a058e29e6a0687d6.png]: https://img-blog.csdnimg.cn/6c6992ad2a3445a4a058e29e6a0687d6.png
[dcf32d1a42a64e3380e06076c4ca0189.png]: https://img-blog.csdnimg.cn/dcf32d1a42a64e3380e06076c4ca0189.png
[24f8521235e5461b97e15557f7722d7f.png]: https://img-blog.csdnimg.cn/24f8521235e5461b97e15557f7722d7f.png
[89a648084603440ea498579e15e26fb5.png]: https://img-blog.csdnimg.cn/89a648084603440ea498579e15e26fb5.png
[f856a7855f4c43e5b060efec78dec52f.png]: https://img-blog.csdnimg.cn/f856a7855f4c43e5b060efec78dec52f.png
[d6fa5145fb43441f8ac4956344a4b370.png]: https://img-blog.csdnimg.cn/d6fa5145fb43441f8ac4956344a4b370.png
[c219422282614579a2c9f8da5d829818.png]: https://img-blog.csdnimg.cn/c219422282614579a2c9f8da5d829818.png
[600015f03fd54e4a8156e90d5824a7ab.png]: https://img-blog.csdnimg.cn/600015f03fd54e4a8156e90d5824a7ab.png
[6c50aa0fbdef426889199fdd25dad667.png]: https://img-blog.csdnimg.cn/6c50aa0fbdef426889199fdd25dad667.png
[83c7652d04be4b529ccf1905980d8c4c.png]: https://img-blog.csdnimg.cn/83c7652d04be4b529ccf1905980d8c4c.png
[7acf1dd805fa40d4bc507186cfd3149d.png]: https://img-blog.csdnimg.cn/7acf1dd805fa40d4bc507186cfd3149d.png
[9d0b663119f947ae919f2bab39584a1e.png]: https://img-blog.csdnimg.cn/9d0b663119f947ae919f2bab39584a1e.png
[4c5fddcc6892458d9b652cdbbf5b8523.png]: https://img-blog.csdnimg.cn/4c5fddcc6892458d9b652cdbbf5b8523.png
[4ddc228f2afc421ab1739d009766d87b.png]: https://img-blog.csdnimg.cn/4ddc228f2afc421ab1739d009766d87b.png
[99f6ec3673cc43abbcaae6359f862307.png]: https://img-blog.csdnimg.cn/99f6ec3673cc43abbcaae6359f862307.png
[388ac596215d44c1a7f2408ba5f4dbb4.png]: https://img-blog.csdnimg.cn/388ac596215d44c1a7f2408ba5f4dbb4.png
[34765970b8644894ad9ed811f413bf3e.png]: https://img-blog.csdnimg.cn/34765970b8644894ad9ed811f413bf3e.png