Explain详解与索引优化最佳实践

àì夳堔傛蜴生んèń 2023-10-08 23:05 12阅读 0赞

##  ##

**目录**

一、前言

二、Explain工具介绍

三、Explain分析示例

1、官方文档

2、示例表

3、explain中的列

四、索引最佳实践

1、示例表

2、使用示例

3、索引使用总结

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

## 一、前言 ##

> 本文内容围绕MySQL 5.7版本进行介绍，在Explain工具的使用方面，MySQL8版本和MySQL5.7版本区别不大，故如果你使用的是MySQL8版本，你仍然可以参考本文章学习使用Explain工具。

## **二、Explain****工具介绍** ##

使用EXPLAIN关键字可以模拟优化器执行SQL语句，分析你的查询语句或是结构的性能瓶颈 。

在 select 语句之前增加 explain 关键字，MySQL 会在查询上设置一个标记，执行查询会返回执行计划的信息，而不是执行这条SQL。

注意：如果 from 中包含子查询，仍会执行该子查询，将结果放入临时表中

## **三、Explain分析示例** ##

### 1、官方文档 ###

[MySQL :: MySQL 5.7 Reference Manual :: 8.8.2 EXPLAIN Output Format![favicon.ico][]https://dev.mysql.com/doc/refman/5.7/en/explain-output.html][MySQL _ MySQL 5.7 Reference Manual _ 8.8.2 EXPLAIN Output Format_favicon.ico_https_dev.mysql.com_doc_refman_5.7_en_explain-output.html]

### 2、示例表 ###

DROP TABLE IF EXISTS `actor`; 
    CREATE TABLE `actor` (
      `id` int(11) NOT NULL,
      `name` varchar(45) DEFAULT NULL,
      `update_time` datetime DEFAULT NULL,
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    
    INSERT INTO `actor` (`id`, `name`, `update_time`) VALUES (1,'a','2017-12-22 15:27:18'), (2,'b','2017-12-22 15:27:18'), (3,'c','2017-12-22 15:27:18');
    
    DROP TABLE IF EXISTS `film`;
    CREATE TABLE `film` (
      `id` int(11) NOT NULL AUTO_INCREMENT,
      `name` varchar(10) DEFAULT NULL,
      PRIMARY KEY (`id`),
      KEY `idx_name` (`name`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    
    INSERT INTO `film` (`id`, `name`) VALUES (3,'film0'),(1,'film1'),(2,'film2');
    
    DROP TABLE IF EXISTS `film_actor`;
    CREATE TABLE `film_actor` (
      `id` int(11) NOT NULL,
      `film_id` int(11) NOT NULL,
      `actor_id` int(11) NOT NULL,
      `remark` varchar(255) DEFAULT NULL,
      PRIMARY KEY (`id`),
      KEY `idx_film_actor_id` (`film_id`,`actor_id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    
    INSERT INTO `film_actor` (`id`, `film_id`, `actor_id`) VALUES (1,1,1),(2,1,2),(3,2,1);

explain select * from actor;

![26b8abfeb65347b687f3851734fa4a06.png][]

在查询中的每个表会输出一行，如果有两个表通过 join 连接查询，那么会输出两行。

如果我们再explain语句后马上执行一条show warnings语句，会展示mysql对上面这条sql优化后的语句，通过这个我们可以大概了解mysql给我们sql语句做的一些优化，当然mysql优化的语句不一定都能直接执行。

explain select * from film where id = 1;
    show warnings;

![6f851b58700a4aa98e869438340d468d.png][]

### 3、explain中的列 ###

接下来我们将展示 explain 中每个列的信息。

**1. id列**

id列的编号是 select 的序列号，有几个 select 就有几个id，并且id的顺序是按 select 出现的顺序增长的。

id列越大执行优先级越高，id相同则从上往下执行，id为NULL最后执行。

**2. select\_type列**

select\_type 表示对应行是简单还是复杂的查询。

1）simple：简单查询。查询不包含子查询和union

explain select * from film where id = 2;

![c575a3f225dd499388dd0e859a76dfcc.png][]

2）primary：复杂查询中最外层的 select

3）subquery：包含在 select 中的子查询（不在 from 子句中）

4）derived：包含在 from 子句中的子查询。MySQL会将结果存放在一个临时表中，也称为派生表（derived的英文含义）

用这个例子来了解 primary、subquery 和 derived 类型：

set session optimizer_switch='derived_merge=off';   #关闭mysql5.7新特性对衍生表的合并优化
    
    explain select (select 1 from actor where id = 1) from (select * from film where id = 1) der;

![e491a5bfbb3948f19c0cabfb54424b96.png][]

set session optimizer_switch='derived_merge=on';  #还原默认配置

5）union：在 union 中的第二个和随后的 select

explain select 1 union all select 1;

![c2e39b0576bc42ac9a91ef214672caf4.png][]

**3. table列**

这一列表示 explain 的一行正在访问哪个表。

当 from 子句中有子查询时，table列是 <derivenN> 格式，表示当前查询依赖 id=N 的查询，于是先执行 id=N 的查询。

当有 union 时，UNION RESULT 的 table 列的值为<union1,2>，1和2表示参与 union 的 select 行id。

**4. partitions列**

如果查询是基于分区表的话，partitions 字段会显示查询将访问的分区。

**5. type列**

这一列表示**关联类型或访问类型**，即MySQL决定如何查找表中的行，查找数据行记录的大概范围。

依次从最优到最差分别为：**system > const > eq\_ref > ref > range > index > ALL**

一般来说，**得保证查询达到range级别，最好达到ref**

**NULL**：mysql能够在优化阶段分解查询语句，在执行阶段用不着再访问表或索引。例如：在索引列中选取最小值，可以单独查找索引来完成，不需要在执行时访问表

explain select min(id) from film;

![098c9d4b619745a1966a7ec581efb22b.png][]

**const, system**：mysql能对查询的某部分进行优化并将其转化成一个常量（可以看show warnings 的结果）。用于 primary key 或 unique key 的所有列与常数比较时，所以表最多有一个匹配行，读取1次，速度比较快。**system是const的特例**，表里只有一条元组匹配时为system

explain extended select * from (select * from film where id = 1) tmp;

![205b633ea1e8462db12a37837c48b03d.png][]

show warnings;

![d51665bb00c948b49ad84c4cb9fc798c.png][]

**eq\_ref**：primary key 或 unique key 索引的所有部分被连接使用 ，最多只会返回一条符合条件的记录。这可能是在 const 之外最好的联接类型了，简单的 select 查询不会出现这种 type。**ref**：相比 eq\_ref，不使用唯一索引，而是使用普通索引或者唯一性索引的部分前缀，索引要和某个值相比较，可能会找到多个符合条件的行。

![db6ad5d48cdd4007a2d92133d218b15b.png][] 1. 简单 select 查询，name是普通索引（非唯一索引）

explain select * from film where name = 'film1';

![b53260ca49bc417db9570ee3560d44cb.png][]

2.关联表查询，idx\_film\_actor\_id是film\_id和actor\_id的联合索引，这里使用到了film\_actor的左边前缀film\_id部分。

explain select film_id from film left join film_actor on film.id = film_actor.film_id;

![aa73380214f24dc082000ff2354ba787.png][]

**range**：范围扫描通常出现在 in(), between ,> ,<, >= 等操作中。使用一个索引来检索给定范围的行。

explain select * from actor where id > 1;

![9ff79c3af1f248da96b7fb0ff2b4d908.png][]

**index**：扫描全索引就能拿到结果，一般是扫描某个二级索引，这种扫描不会从索引树根节点开始快速查找，而是直接对二级索引的叶子节点遍历和扫描，速度还是比较慢的，这种查询一般为使用覆盖索引，二级索引一般比较小，所以这种通常比ALL快一些。

explain select * from film;

![318aa1b0b95c43bd91544d57fcbc1fa9.png][]

**ALL**：即全表扫描，扫描你的聚簇索引的所有叶子节点。通常情况下这需要增加索引来进行优化了。

explain select * from actor;

![e483be1663d1426f97135426cc2d8ac4.png][]

**6. possible\_keys列**

这一列显示查询可能使用哪些索引来查找。

explain 时可能出现 possible\_keys 有列，而 key 显示 NULL 的情况，这种情况是因为表中数据不多，mysql认为索引对此查询帮助不大，选择了全表查询。

如果该列是NULL，则没有相关的索引。在这种情况下，可以通过检查 where 子句看是否可以创造一个适当的索引来提高查询性能，然后用 explain 查看效果。

**7. key列**

这一列显示mysql实际采用哪个索引来优化对该表的访问。

如果没有使用索引，则该列是 NULL。如果想强制mysql使用或忽视possible\_keys列中的索引，在查询中使用 force index、ignore index。

**8. key\_len列**

这一列显示了mysql在索引里使用的字节数，通过这个值可以算出具体使用了索引中的哪些列。

举例来说，film\_actor的联合索引 idx\_film\_actor\_id 由 film\_id 和 actor\_id 两个int列组成，并且每个int是4字节。通过结果中的key\_len=4可推断出查询使用了第一个列：film\_id列来执行索引查找。

explain select * from film_actor where film_id = 2;

![457f13dda0264df28841e5679c3eb4dc.png][]

key\_len计算规则如下：

1.  字符串，char(n)和varchar(n)，5.0.3以后版本中，**n均代表字符数，而不是字节数，**如果是utf-8，一个数字或字母占1个字节，一个汉字占3个字节
    
    1.  char(n)：如果存汉字长度就是 3n 字节
    2.  varchar(n)：如果存汉字则长度是 3n + 2 字节，加的2字节用来存储字符串长度，因为varchar是变长字符串
2.  数值类型
    
    1.  tinyint：1字节
    2.  smallint：2字节
    3.  int：4字节
    4.  bigint：8字节　　
3.  时间类型　
    
    1.  date：3字节
    2.  timestamp：4字节
    3.  datetime：8字节
4.  如果字段允许为 NULL，需要1字节记录是否为 NULL

索引最大长度是768字节，当字符串过长时，mysql会做一个类似左前缀索引的处理，将前半部分的字符提取出来做索引。

**9. ref列**

这一列显示了在key列记录的索引中，表查找值所用到的列或常量，常见的有：const（常量），字段名（例：film.id）

**10. rows列**

这一列是mysql估计要读取并检测的行数，注意这个不是结果集里的行数。

**11. filtered 列**

该列是一个百分比的值，rows \* filtered/100 可以**估算**出将要和 explain 中前一个表进行连接的行数（前一个表指 explain 中的id值比当前表id值小的表）。

**12. Extra列**

这一列展示的是额外信息。常见的重要值如下：

1）**Using index**：使用覆盖索引

**覆盖索引定义**：mysql执行计划explain结果里的key有使用索引，如果select后面查询的字段都可以从这个索引的树中获取，这种情况一般可以说是用到了覆盖索引，extra里一般都有using index；覆盖索引一般针对的是辅助索引，整个查询结果只通过辅助索引就能拿到结果，不需要通过辅助索引树找到主键，再通过主键去主键索引树里获取其它字段值

explain select film_id from film_actor where film_id = 1;

![830d313c6e5040c2b11938b6d0bb3694.png][]

2）**Using where**：使用 where 语句来处理结果，并且查询的列未被索引覆盖

explain select * from actor where name = 'a';

![4aece2748449469d8b8a84e96555f76b.png][]

3）**Using index condition**：查询的列不完全被索引覆盖，where条件中是一个前导列的范围；

explain select * from film_actor where film_id > 1;

![def095f6bd2a4e79bf33b90c327d194b.png][]

4）**Using temporary**：mysql需要创建一张临时表来处理查询。出现这种情况一般是要进行优化的，首先是想到用索引来优化。

1. actor.name没有索引，此时创建了张临时表来distinct

explain select distinct name from actor;

![ba26dcd093204a0ea131552dfe2ac978.png][]

2. film.name建立了idx\_name索引，此时查询时extra是using index,没有用临时表

explain select distinct name from film;

![c6588e6038f84275b91672941ed86c8d.png][]

5）**Using filesort**：将用外部排序而不是索引排序，数据较小时从内存排序，否则需要在磁盘完成排序。这种情况下一般也是要考虑使用索引来优化的。

1. actor.name未创建索引，会浏览actor整个表，保存排序关键字name和对应的id，然后排序name并检索行记录

explain select * from actor order by name;

![385cfea1b7fb4125b32448b0979165dd.png][] 2. film.name建立了idx\_name索引,此时查询时extra是using index

explain select * from film order by name;

![168b3811d7aa438ca6e2efdb157bbe94.png][]

6）**Select tables optimized away**：使用某些聚合函数（比如 max、min）来访问存在索引的某个字段是

explain select min(id) from film;

![61a4f00e2a984222a1079cb519e64534.png][]

## 四、**索引最佳实践** ##

### 1、示例表 ###

CREATE TABLE `employees` (
      `id` int(11) NOT NULL AUTO_INCREMENT,
      `name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
      `age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄',
      `position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位',
      `hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入职时间',
      PRIMARY KEY (`id`),
      KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
    ) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8 COMMENT='员工记录表';
    
    INSERT INTO employees(name,age,position,hire_time) VALUES('LiLei',22,'manager',NOW());
    INSERT INTO employees(name,age,position,hire_time) VALUES('HanMeimei', 23,'dev',NOW());
    INSERT INTO employees(name,age,position,hire_time) VALUES('Lucy',23,'dev',NOW());

### 2、使用示例 ###

**1.全值匹配**

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei';

![3b9ddd0a0f06442a8cb62ee8610aad4c.png][]

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22;

![627a2ccf66374ce08680b333bd6841af.png][]

**2.最左前缀法则**

如果索引了多列，要遵守最左前缀法则。指的是查询从索引的最左前列开始并且不跳过索引中的列。

EXPLAIN SELECT * FROM employees WHERE name = 'Bill' and age = 31;
    
    EXPLAIN SELECT * FROM employees WHERE age = 30 AND position = 'dev';
    
    EXPLAIN SELECT * FROM employees WHERE position = 'manager';

![4ce0621965eb4be981b56e4276ffce48.png][]

**3.不在索引列上做任何操作（计算、函数、（自动or手动）类型转换），会导致索引失效而转向全表扫描**

EXPLAIN SELECT * FROM employees WHERE name = 'LiLei';
    
    EXPLAIN SELECT * FROM employees WHERE left(name,3) = 'LiLei';

![b378f6e192fc4a0f9a756bdc63e1dc79.png][]

给hire\_time增加一个普通索引：

ALTER TABLE `employees` ADD INDEX `idx_hire_time` (`hire_time`) USING BTREE ;
    
    EXPLAIN  select * from employees where date(hire_time) ='2018-09-30';

![b9ab6691abcb4c8bbc0c7d3da236c53a.png][]

转化为日期范围查询，有可能会走索引：

EXPLAIN  select * from employees where hire_time >='2018-09-30 00:00:00'  and  hire_time <='2018-09-30 23:59:59';

![fb2ecd804e044401befa3048ed2d68a4.png][]

还原最初索引状态

ALTER TABLE `employees` DROP INDEX `idx_hire_time`;

**4.存储引擎不能使用索引中范围条件右边的列**

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22 AND position ='manager';
    
    EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age > 22 AND position ='manager';

![d928d18e8cd54e90a7082eca21187a17.png][]

**5.尽量使用覆盖索引（只访问索引的查询（索引列包含查询列）），减少 select \* 语句**

EXPLAIN SELECT name,age FROM employees WHERE name= 'LiLei' AND age = 23 AND position ='manager';

![e2178bf462134a049b564c2ef29ba007.png][]

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 23 AND position ='manager';

![c79c1d38cf924afb83d11b97001657c7.png][]

**6.mysql在使用不等于（！=或者<>），****not in** **，not exists 的时候无法使用索引会导致全表扫描**

**<** **小于、 > 大于、 <=、>= 这些，mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引**

EXPLAIN SELECT * FROM employees WHERE name != 'LiLei';

![85146b5ea53345cfa819c0d5cb54ea20.png][]

**7.is null,is not null 一般情况下也无法使用索引**

EXPLAIN SELECT * FROM employees WHERE name is null

![b12d125733514ec6b8f7c503ef9c8b69.png][]

**8.like以通配符开头（'$abc...'）mysql索引失效会变成全表扫描操作**

EXPLAIN SELECT * FROM employees WHERE name like '%Lei'

![e14e83c6ccb24c1e95936e91bdfc259b.png][]

EXPLAIN SELECT * FROM employees WHERE name like 'Lei%'

![3168c2429ecd4afe87b1ad230b51ba34.png][] 问题：解决like'%字符串%'索引不被使用的方法？

a）使用覆盖索引，查询字段必须是建立覆盖索引字段

EXPLAIN SELECT name,age,position FROM employees WHERE name like '%Lei%';

![0e83414f009b42c2ba4aea9b0f91e1ac.png][]

b）如果不能使用覆盖索引则可能需要借助搜索引擎

**9.字符串不加单引号索引失效**

EXPLAIN SELECT * FROM employees WHERE name = '1000';
    
    EXPLAIN SELECT * FROM employees WHERE name = 1000;

![f0049d3b780d42c9ba0e0720ab7bec1c.png][]

**10.少用or或in，用它查询时，mysql不一定使用索引，mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引，详见范围查询优化**

EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' or name = 'HanMeimei';

![ba9e1c8736ff4db8b4854283ca75e862.png][]

**11.范围查询优化**

给年龄添加单值索引

ALTER TABLE `employees` ADD INDEX `idx_age` (`age`) USING BTREE ;
    
    explain select * from employees where age >=1 and age <=2000;

![7e1a622e5ada48c6b10facdadc727c6e.png][]

没走索引原因：mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引。比如这个例子，可能是由于单次数据量查询过大导致优化器最终选择不走索引

优化方法：可以将大的范围拆分成多个小范围

explain select * from employees where age >=1 and age <=1000;
    
    explain select * from employees where age >=1001 and age <=2000;

![4848091e7d6f4b1cb7c1ce8282a39623.png][] 还原最初索引状态

ALTER TABLE `employees` DROP INDEX `idx_age`;

### **3、索引使用总结** ###

![c81f865ea84a4f09953bcb9c928d1b7d.png][]

like KK%相当于=常量，%KK和%KK% 相当于范围

-- mysql5.7关闭ONLY_FULL_GROUP_BY报错
    select version(), @@sql_mode;SET sql_mode=(SELECT REPLACE(@@sql_mode,'ONLY_FULL_GROUP_BY',''));

[favicon.ico]: https://labs.mysql.com/common/themes/sakila/favicon.ico
[MySQL _ MySQL 5.7 Reference Manual _ 8.8.2 EXPLAIN Output Format_favicon.ico_https_dev.mysql.com_doc_refman_5.7_en_explain-output.html]: https://dev.mysql.com/doc/refman/5.7/en/explain-output.html
[26b8abfeb65347b687f3851734fa4a06.png]: https://img-blog.csdnimg.cn/26b8abfeb65347b687f3851734fa4a06.png
[6f851b58700a4aa98e869438340d468d.png]: https://img-blog.csdnimg.cn/6f851b58700a4aa98e869438340d468d.png
[c575a3f225dd499388dd0e859a76dfcc.png]: https://img-blog.csdnimg.cn/c575a3f225dd499388dd0e859a76dfcc.png
[e491a5bfbb3948f19c0cabfb54424b96.png]: https://img-blog.csdnimg.cn/e491a5bfbb3948f19c0cabfb54424b96.png
[c2e39b0576bc42ac9a91ef214672caf4.png]: https://img-blog.csdnimg.cn/c2e39b0576bc42ac9a91ef214672caf4.png
[098c9d4b619745a1966a7ec581efb22b.png]: https://img-blog.csdnimg.cn/098c9d4b619745a1966a7ec581efb22b.png
[205b633ea1e8462db12a37837c48b03d.png]: https://img-blog.csdnimg.cn/205b633ea1e8462db12a37837c48b03d.png
[d51665bb00c948b49ad84c4cb9fc798c.png]: https://img-blog.csdnimg.cn/d51665bb00c948b49ad84c4cb9fc798c.png
[db6ad5d48cdd4007a2d92133d218b15b.png]: https://img-blog.csdnimg.cn/db6ad5d48cdd4007a2d92133d218b15b.png
[b53260ca49bc417db9570ee3560d44cb.png]: https://img-blog.csdnimg.cn/b53260ca49bc417db9570ee3560d44cb.png
[aa73380214f24dc082000ff2354ba787.png]: https://img-blog.csdnimg.cn/aa73380214f24dc082000ff2354ba787.png
[9ff79c3af1f248da96b7fb0ff2b4d908.png]: https://img-blog.csdnimg.cn/9ff79c3af1f248da96b7fb0ff2b4d908.png
[318aa1b0b95c43bd91544d57fcbc1fa9.png]: https://img-blog.csdnimg.cn/318aa1b0b95c43bd91544d57fcbc1fa9.png
[e483be1663d1426f97135426cc2d8ac4.png]: https://img-blog.csdnimg.cn/e483be1663d1426f97135426cc2d8ac4.png
[457f13dda0264df28841e5679c3eb4dc.png]: https://img-blog.csdnimg.cn/457f13dda0264df28841e5679c3eb4dc.png
[830d313c6e5040c2b11938b6d0bb3694.png]: https://img-blog.csdnimg.cn/830d313c6e5040c2b11938b6d0bb3694.png
[4aece2748449469d8b8a84e96555f76b.png]: https://img-blog.csdnimg.cn/4aece2748449469d8b8a84e96555f76b.png
[def095f6bd2a4e79bf33b90c327d194b.png]: https://img-blog.csdnimg.cn/def095f6bd2a4e79bf33b90c327d194b.png
[ba26dcd093204a0ea131552dfe2ac978.png]: https://img-blog.csdnimg.cn/ba26dcd093204a0ea131552dfe2ac978.png
[c6588e6038f84275b91672941ed86c8d.png]: https://img-blog.csdnimg.cn/c6588e6038f84275b91672941ed86c8d.png
[385cfea1b7fb4125b32448b0979165dd.png]: https://img-blog.csdnimg.cn/385cfea1b7fb4125b32448b0979165dd.png
[168b3811d7aa438ca6e2efdb157bbe94.png]: https://img-blog.csdnimg.cn/168b3811d7aa438ca6e2efdb157bbe94.png
[61a4f00e2a984222a1079cb519e64534.png]: https://img-blog.csdnimg.cn/61a4f00e2a984222a1079cb519e64534.png
[3b9ddd0a0f06442a8cb62ee8610aad4c.png]: https://img-blog.csdnimg.cn/3b9ddd0a0f06442a8cb62ee8610aad4c.png
[627a2ccf66374ce08680b333bd6841af.png]: https://img-blog.csdnimg.cn/627a2ccf66374ce08680b333bd6841af.png
[4ce0621965eb4be981b56e4276ffce48.png]: https://img-blog.csdnimg.cn/4ce0621965eb4be981b56e4276ffce48.png
[b378f6e192fc4a0f9a756bdc63e1dc79.png]: https://img-blog.csdnimg.cn/b378f6e192fc4a0f9a756bdc63e1dc79.png
[b9ab6691abcb4c8bbc0c7d3da236c53a.png]: https://img-blog.csdnimg.cn/b9ab6691abcb4c8bbc0c7d3da236c53a.png
[fb2ecd804e044401befa3048ed2d68a4.png]: https://img-blog.csdnimg.cn/fb2ecd804e044401befa3048ed2d68a4.png
[d928d18e8cd54e90a7082eca21187a17.png]: https://img-blog.csdnimg.cn/d928d18e8cd54e90a7082eca21187a17.png
[e2178bf462134a049b564c2ef29ba007.png]: https://img-blog.csdnimg.cn/e2178bf462134a049b564c2ef29ba007.png
[c79c1d38cf924afb83d11b97001657c7.png]: https://img-blog.csdnimg.cn/c79c1d38cf924afb83d11b97001657c7.png
[85146b5ea53345cfa819c0d5cb54ea20.png]: https://img-blog.csdnimg.cn/85146b5ea53345cfa819c0d5cb54ea20.png
[b12d125733514ec6b8f7c503ef9c8b69.png]: https://img-blog.csdnimg.cn/b12d125733514ec6b8f7c503ef9c8b69.png
[e14e83c6ccb24c1e95936e91bdfc259b.png]: https://img-blog.csdnimg.cn/e14e83c6ccb24c1e95936e91bdfc259b.png
[3168c2429ecd4afe87b1ad230b51ba34.png]: https://img-blog.csdnimg.cn/3168c2429ecd4afe87b1ad230b51ba34.png
[0e83414f009b42c2ba4aea9b0f91e1ac.png]: https://img-blog.csdnimg.cn/0e83414f009b42c2ba4aea9b0f91e1ac.png
[f0049d3b780d42c9ba0e0720ab7bec1c.png]: https://img-blog.csdnimg.cn/f0049d3b780d42c9ba0e0720ab7bec1c.png
[ba9e1c8736ff4db8b4854283ca75e862.png]: https://img-blog.csdnimg.cn/ba9e1c8736ff4db8b4854283ca75e862.png
[7e1a622e5ada48c6b10facdadc727c6e.png]: https://img-blog.csdnimg.cn/7e1a622e5ada48c6b10facdadc727c6e.png
[4848091e7d6f4b1cb7c1ce8282a39623.png]: https://img-blog.csdnimg.cn/4848091e7d6f4b1cb7c1ce8282a39623.png
[c81f865ea84a4f09953bcb9c928d1b7d.png]: https://img-blog.csdnimg.cn/c81f865ea84a4f09953bcb9c928d1b7d.png