MatrixOne Logtail 设计解析

Kubernetes容器编排与云原生部署实战 本文系统阐述云原生与Kubernetes的核心理念,从物理机到云原生的四次演进出发,解析容器化、不可变基础设施、声明式编排与可观测性的技术支柱。深入剖析Kubernetes的控制循环、核心组件架构及工作节点协同机制,结合真实场景提供部署、发布与排障实战指南,助力读者实现应用的可复现、可回滚与高可用管理。 阅读详情

Logtail 是 CN(Computation Node)与 TN(Transaction Node)之间的一种日志同步协议,是 CN 和 TN 协同工作的基础。本文将介绍 logtail 协议的基本定位,协议内容和产生过程,也会提及一些遇到的挑战和问题,希望能从宏观层面介绍 logtail,以及它在 MatrixOne 架构中的位置和作用。

早前的 TAE 分析文章(TAE-MatrixOne云原生事务与分析引擎)提到 TN 目前拥有三个职责:

  1. 处理提交的事务;
  2. 为 CN 提供 Logtail 服务;
  3. 转存最新的事务数据至对象存储中,并且推动日志窗口。

其中 1、3 完成时,都会产生状态变化,比如数据成功写入内存,或者成功写入对象存储,而 Logtail 是一种日志同步协议,面向 CN 以低成本的方式同步 TN 的部分状态。CN 通过获取 Logtail,在本地重建出必要的,可读的数据。作为 MatrixOne 存算分离架构的关键协议,Logtail 有以下特点:

  • 串联协同 CN 和 TN,本质是一个日志复制状态机,让 CN 同步 TN 部分状态。
  • Logtail 支持以 pull 和 push 两种模式获取:
  • push 有更强的实时性,不断地从 TN 同步增量日志到 CN;
  • pull 支持指定任意时间区间,同步表的快照,也可以按需同步后续产生的增量日志信息。
  • Logtail 支持按照表级别进行订阅、收集,在多 CN 支持方面更加灵活,更好地实现 CN 负载的均衡。

Part 1 Logtail 协议内容

Logtail 协议的目前主体内容用简单的语言来说,分为两个部分,内存数据和元数据,核心区别在于是否已经转存到对象存储中。

一次事务 commit 产生的更新,在转存至对象存储前,其日志在 logtail 中会以内存数据的形式呈现。任何数据上的修改都可以归结到插入和删除两种形式:对于插入,logtail 信息包含该数据行的 row-id,commit-timestamp 以及表定义中的列;对于删除,logtail 信息则包含 row-id,commit-timestamp 以及主键列。这样的内存数据传递到 CN 后,会在内存中以 Btree 的形式组织,对上层提供查询。

显然内存数据不能一直保留在内存中增加内存压力,通过时间或者容量的限制,内存数据会被 flush 到对象存储上形成一个 object。object 包含一个或者多个 block。block 是表数据的最小存储单位,一个 block 包含的行数不超过固定上限,目前默认是 8192 行。当 flush 完成时,logtail 把 block 元数据传递给 CN,CN 根据事务时间戳,过滤出可见的 block list,读取出 block 中的内容,再综合内存数据,得到某个时刻数据的完整视图。

上面仅仅是最基础的过程,随着一些性能优化的引入,会呈现更多的细节,比如:

1. Checkpoint

当 TN 运行一段时间,在某个时刻做 checkpoint,这个时刻前的全部数据都已经转存到对象存储,因此把这些元数据统一收集并精简,得到一个"压缩包",当一个新启动的 CN 链接到 TN,获取第一次 logtail,如果订阅时间戳大于 checkpoint 的时间戳,就可以把 checkpoint 的元数据(一个字符串)通过 logtail 传递,直接在 CN 读取 checkpoint 时刻之前产生的 block 信息,避免了在网络上从零传递 block 元数据,增加 TN 的 IO 压力。

2. 清理内存

当 TN 产生的 block 元数据给到 CN 时,会按照 block-id 去清理之前送达的内存数据。但是在 TN 侧 flush 事务进行过程中,可能同时发生了数据的更新,比如被 flush 的 block 上新产生了删除。如果此时的策略是回滚重试,那么已经写好的数据就完全无效,在更新密集的负载下,会产生大量的回滚,浪费 TN 资源。为了避免这种情况,TN 会继续 commit,导致这部分 flush 事务开始后产生的内存数据就不能从 CN 中删除,于是在 logtail 的 block 元信息中会传递一个时间戳,在这个时间戳之前,属于这个 block 的内存数据才可以从内存中清理。这些未清除的更新,会在下一次 flush 中的异步地刷盘,并且推送的到 CN 进行删除。

3. 更快读取 

已经转存到对象存储上的 block,可能继续产生删除,读取这些 block 时需要综合内存里的删除数据。为了更快地明确哪些 block 需要结合内存数据,CN 额外维护一个 block 的 Btree 索引,在应用 logtail 的时候就需要更小心地修改这个索引:处理内存数据时增加索引条目,处理 block 元数据时减少索引条目。只能在这个索引中的 block,才有去检查内存数据,在 block 数量比较多的情况下收益比较大。

4. More 

关于 logtail 协议还有更多的改进空间:

  • 后续会向 Logtail 中添加更多的控制信息,让 CN 中的过期数据得到更及时的清理,控制内存使用。
  • 尽管经过 TN 后台 merge,多个 block 可能在一个 object 中,但是目前 CN 中仍然按照 block list 组织数据,之后会让元数据在 object 层面传递,减少 block list 的规模。

Part 2 Logtail 的产生

如前所述,可以通过 pull 和 push 两种方式进行 logtail 获取。这两种模式的特点不同,接下来分别介绍。

1. Pull

如前所述,pull 实际上是同步表的快照,以及后续产生的增量日志信息。

为了达成这个目的,TN 维护了一个按照事务 prepare 时间排序的 txn handle 列表,logtail table,给定任意时刻,通过二分查找得到范围内的 txn handle,再由 txn handle 得到该事务在哪些 block 上做过更新,通过遍历这些 block,就能得到完整的日志。为了加快查找速度,对 txn handle 做了分页,一个页的 bornTs 就是当前页中的 txn handle 的最小 prepare 时间,第一层二分的对象就是这些页。

基于 logtail table,从接收到 pull 请求,主要工作路径如下:

  1. 根据已有的 checkpoints,调整请求的时间范围,更早的可以通过 checkpoint 给出。
  2. 取 logtail table 的一份快照,基于访问者模式用 RespBuilder 去迭代这份快照中相关的 txn handle,收集已提交的日志信息。
  3. 将收集到的日志信息,按照 logtail 协议格式转换,作为响应返回给 CN。

type RespBuilder interface {  
OnDatabase(database *DBEntry) error  
OnPostDatabase(database *DBEntry) error  
OnTable(table *TableEntry) error  
OnPostTable(table *TableEntry) error  
OnPostSegment(segment *SegmentEntry) error  
OnSegment(segment *SegmentEntry) error  
OnBlock(block *BlockEntry) error  
BuildResp() (api.SyncLogTailResp, error)  
Close()
} 

这个过程依然有非常多的优化可以做,这里举几个例子:

  • 如果请求的时间范围不是最新,在请求范围右侧范围内发生了数据刷盘,那么请求范围内的数据更改应该怎么给呢?我们认为再从对象存储中读出这个区间的更改是不必要的,直接把 block 元数据给到 CN,在 CN 利用时间戳过滤去指定范围的数据是更节省的做法。
  • 如果一个时间范围内的内存更改是在太多,通过内存发送也是不实际的,所以会在收集时检查响应大小,如果过大,可以强制刷盘,重新收集。
  • Logtail table 也需要根据 checkpoint 做定时清理,避免内存膨胀。另外也对更早的 txn handle 可以做一些数据上的聚合,避免每次都从 txn handle 层面迭代

2. Push 

Push 的主要目的是更实时地 TN 同步增量日志到 CN。整体流程分为订阅、收集、推送三个阶段。

订阅:一个新 CN 启动后的必要流程,就是作为客户端,和服务端 TN 建立一个 RPC stream,并且订阅 catalog 相关表,当 database、table、column 这些基本信息同步完成后,CN 才能对外提供服务。当 TN 收到订阅一个表的请求时,其实先走一遍 pull 流程,会把 截止到上次 push 时间戳前 的所有 logtail 都包含在订阅响应中。目前对一个 CN,logtail 的订阅、取消订阅、数据发送,都发生在一条 RPC stream 链接上,如果它有任何异常,CN 会进入重连流程,直到恢复。一旦订阅成功,后续的 logtail 就是推送增量日志。

收集:在 TN,一个事务完成 WAL 写入后,触发回调执行,在当前事务中收集 logtail。主要流程是遍历 workspace 中的 TxnEntry(一种事务更新的基本容器,直接参与到 commit pipeline 中),依据其类型,取对应的日志信息转换为 logtail 协议的数据格式。这个收集过程通过 pipeline,和 WAL 的 fysnc 并发执行,减少阻塞。

推送:推送阶段主要做一次过滤,如果发现某个 CN 没有订阅该表,就跳过该 CN,避免推送。

按事务收集有一个比较明显的问题,如果一个表长时间没有更新怎么办?CN 怎么知道是没有更新,还是没有收到呢?这里就加入了心跳机制,默认是 2 ms,TN 的 commit 队列中会放入一个 heartbeat 的空事务,不做任何实质性工作,只消耗时间戳,从而触发一次心跳 logtail 发送,告知 CN 此前的所有表数据已经发送过更新,推动 CN 侧的时间戳水位更新。

Part 3 总结

至此只是从总体上介绍了 logtail,篇幅有限,挂一漏万,并不能展示 logtail 的全部细节。而恰好 logtail 是对细节要求非常高的模块,充分考验了协议在两个系统中的适用性。如果对细节的把控不足,则会导致数据的漏读、重复读,再加上时间戳的这个变量,经常引发偶现的错误。今后我们会继续迭代 logtail,提升其稳定性,规范流程,力求更加透明可理解。

dmx512协议c语言编程,DMX512协议+c程序代码.pdf DMX512 协议1.协议简介DMX 是Digital MultipleX 的缩写 ,意为多路数字传输。DMX512 控制协议是美国舞台灯光协会(USITT)于1990 年发布的灯光控制器与灯具设备进行数据传输的工业标准 ,全称是 USITT DMX512(1990) ,包括电气特性、数据协议、数据格式等方面的内容。2. 电气特性和物理层2.1. 电气特... 阅读详情

相关推荐

手把手教你用U盘制作Win11启动盘:从PE工具到系统安装全流程

本文提供了一份详尽的Windows 11启动盘制作与系统安装全流程指南。从选择合适的U盘和PE工具开始,重点讲解了如何正确制作包含EFI引导分区的启动盘,并详细演示了在PE环境下进行GPT分区、使用CGI工具安装系统镜像,以及首次启动后的关键设置步骤,帮助用户轻松完成从零到一的系统安装。

weixin_28475533的博客 1295

MatrixOne HSTAP引擎深度剖析:如何实现OLTP与OLAP的极致性能

MatrixOne是一款AI原生的HTAP数据库,它创新性地融合了Git-for-Data功能与内置向量搜索,为智能代理和应用提供强大的数据与内存支持。本文将深入剖析MatrixOne的HSTAP引擎架构,揭示其如何突破传统数据库的性能瓶颈,实现OLTP与OLAP工作负载的高效协同。 ## 核心架构:存算分离的分布式设计 ⚙️ MatrixOne采用先进的存算分离架构,通过四个核心服务组件构建

gitblog_00725的博客 662

阿里平头哥与华为芯片的比较

阿里平头哥与华为芯片代表了中国AI芯片领域的两种典型发展路径:平头哥通过兼容CUDA生态快速切入市场,以较低成本提供接近国际水平的AI算力;华为则坚持全栈自研路线,构建从芯片到框架的完整技术体系,更注重供应链安全和自主可控。从短期来看,平头哥PPU在单卡性能参数上全面超越昇腾910B,接近英伟达H20水平,且成本优势明显,有望在云服务和互联网应用领域取得更大市场份额。而华为昇腾则凭借全栈自研和端边云协同优势,在政企市场和科研领域更具竞争力。

shao.bing的专栏 4036

AI 应用的数据库架构:按数据类型选技术

**AI 应用的数据库架构:按数据类型选技术** ## 一、关系型库:记录主库 对绝大多数 AI 产品,最安全、省心的起点是一个支持事务与约束的关系型库,作为默认记录主库。 适用场景:租户与用户身份、计费与权益(订阅、配额)、智能体运行与任务状态、工具审批与审计日志、对话元数据(非消息体本身)、文档归属与访问策略、评测结果。 灵活用法:可用 JSON 列存供应商元数据,而不破坏关系保证。具

search_agent的博客 374

探索LLM世界:新手小白的学习路线图

通过系统的学习和实践,新手小白也能逐步掌握LLM的核心技术。掌握LLM不仅能提升个人技术水平,还能为职业发展带来广阔的前景。未来,随着技术的不断进步,LLM将在更多领域发挥重要作用,成为推动科技进步的重要力量。学习LLM是一条充满挑战但也充满机遇的道路。只要你坚持不懈、不断学习和实践,就一定能够在LLM领域取得突破。希望本文提供的学习路线图能为你指明方向,助你早日掌握LLM,开启AI学习的新篇章!

m0_62110645的博客 2360

保姆级教程:在Windows/Mac上搞定SAM 3的权重和BPE文件下载与配置

本文提供了一份详细的SAM 3权重和BPE文件下载与配置指南,特别针对国内开发者遇到的下载缓慢和配置错误问题。通过国内镜像源快速获取文件,并详细介绍了环境检查、文件下载、路径配置及常见问题解决方案,帮助开发者高效完成SAM 3的部署与使用。

weixin_42547431的博客 555

Navicat 不止单点 AI 功能 | 打造贯穿数据库开发流程的智能范式

Navicat 18 AI 的价值,并不只是增加几个智能按钮,而是将 AI 引入数据库开发中的多个高频环节。

Navicat 官方账号 249

Python 爬虫 + 数据分析:社会调查数据抓取与结果可视化分析

在当今数字化时代,数据已成为推动社会发展的关键资源之一。无论是市场调研、学术研究还是政策制定,社会调查数据都扮演着至关重要的角色。通过 Python 爬虫技术,我们可以高效地获取这些数据,并结合数据分析与可视化工具,深入挖掘数据背后的价值。本文将通过一个完整的实战项目,带你掌握如何使用 Python 爬虫抓取社会调查数据,并进行可视化分析。

yansideyucsdn的博客 126

多数据库开发和管理工具 SQLark,支持达梦/Oceanbase/TiDB/Oracle/MySQL/PG 数据库!

工具选型这个事,没有绝对的优劣,适合自己的工作流最重要。如果你也在用 OceanBase,可以试试 SQLark,至少在连接配置这个环节,确实要省心不少。

零俗 205

【TC3xx芯片】TC3xx芯片UCB详解

TC3xx芯片UCB详解

qq_36056498的博客 1万+

倍福EL5101模块连接编码器

1、 EL5101模块简介:EL5101为单通道增量型编码器计数模块,一共有EL5101-0000、EL5101-0010、EL5101-0011、EL5101-0090(尚未供货)四种型号,其中EL5101-0000比较常用,本例使用EL5101-0000连接增量型编码器 2、 硬件外观和接线 在这里插入图片描述 3、 指示灯说明 4、和编码器连接的案例 ......

weixin_41883890的博客 6503

云原生运维实战:Docker 底层存储、Compose 编排与 Ceph 入门

Docker Compose 用来定义和运行一组关联容器,通过 YAML 描述服务、网络、存储。v1:Python 开发,已经停止维护;v2:Go 开发,集成进 docker CLI,命令。。services:定义容器服务;networks:容器网络;volumes:数据卷持久化;configs:配置文件。

Wzh5452830的博客 211

汽车UDS诊断详解及Vector相关工具链使用说明——1.1 应用层协议整体介绍

本文我们先从整体的维度来介绍一下应用层协议,每个UDS服务都遵循本文中的协议。 一、SI(Service ID) SI是UDS指令的第一个字节,我们第一篇文章中提到的10等服务就是指这个服务的SI=0x10,它是服务的标识,每个服务的SI都是唯一的。 ...

weixin_42967006的博客 5476

云原生运维学习笔记:Docker 数据卷、网络管理与镜像自定义深度实践

本文深入探讨Docker数据持久化、网络管理与镜像自定义三大核心运维技术。通过数据卷(Volume)实现容器数据持久化,支持匿名卷、命名卷及宿主机目录绑定;利用--volumes-from构建数据卷容器,实现多容器间数据共享。在网络层面,掌握端口映射(-p/-P)、自定义网络及容器通信机制。最后,基于Dockerfile实现应用镜像的定制化构建,为Kubernetes等云原生平台部署奠定基础。内容涵盖实践操作与原理剖析,是进阶容器运维的关键一环。

2604_96593683的博客 459

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

云原生项目三:Docker秒级启动NextCloud个人网盘存储办公系统

首先讲解一下我的环境,我没有新建虚拟机,做上一个项目的时候在ping通外网后我给拍摄快照了,所以我就直接恢复快照了,小朋友不要和我学习哦,尽量新建虚拟机or克隆一个node出来,保证环境的干净,不然端口容易冲突,配置文件也是容易改错,最后导致实验失败。这次依旧是openeuler 22.03的镜像,处理器1个2核的,4GB的内存,20GB的存储打开虚拟机后先检查是否ping通外网,然后依旧关闭selinux,firewalld,然后就可以开始接下来的操作了。

zfm242397396的博客 232

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

云原生运维学习笔记:Docker 存储驱动原理、Compose 编排与图形化管理实战

本文深入解析Docker存储驱动原理,重点剖析overlay2的分层机制与底层目录结构。通过构建含sshd服务的镜像,实操验证了写时复制(COW)特性及各层依赖关系。结合docker info与container ps -s命令,直观展示容器可写层极小占用。进一步通过清空数据后导入镜像,揭示diff、lower、merged等核心文件的作用,揭示多层叠加与联合挂载机制。最终实现从单容器到多容器编排的运维升级,为后续使用Docker Compose与图形化管理奠定基础。

2604_96593683的博客 413

云原生运维学习笔记:Docker 镜像定制、仓库管理与企业级底层技术剖析

本文系统梳理Docker镜像定制、仓库管理与底层技术。通过Dockerfile实现白盒化镜像构建,掌握RUN、CMD、ENTRYPOINT等核心指令及格式差异;基于私有仓库(Registry/Harbor)实现安全分发;深入剖析Namespace与Cgroups在资源隔离与限制中的作用,为生产环境排障与优化提供底层支撑。

2604_96593683的博客 404

一次完整的云原生迁移:容器化、Kubernetes 与 CI/CD

本文记录一次完整的云原生迁移实践,涵盖容器化、K8s部署与CI/CD流水线搭建。强调迁移前提:服务边界清晰、无状态、可回滚。分三阶段推进:容器化确保镜像一致性;上K8s实现服务发现与弹性伸缩;构建GitOps流水线支持一键发布与回滚。架构采用Ingress+API网关+Service+持久层,决策选用Kustomize管理配置,暂不引入服务网格。可观测性依托Loki、Prometheus与Jaeger三板斧。总结关键踩坑:镜像拉取策略误用、资源限制缺失、健康检查配置不当,并给出针对性解决方案,强调“先夯实基

软件工程师文艺 1149

【云原生】Ubuntu部署 Kubernetes1.33

本文详细介绍了在Ubuntu 24系统上部署Kubernetes 1.33集群的全过程,涵盖三台主机(master、node1、node2)的基础环境配置,包括主机名设置、hosts绑定、关闭swap、开启IPv4转发及时间同步。重点完成Containerd安装与配置,包括卸载Docker残留、生成配置文件、启用systemd cgroup、添加国内镜像源及修改pause镜像地址。最后通过nerdctl验证容器运行时,为后续kubeadm初始化集群奠定基础。

weixin_73059729的博客 784

单体架构到云原生的数据报表系统重构踩过的坑

在当今的互联网行业中,数据统计与BI系统已经成为企业运营中不可或缺的一部分。而作为一个开发者,在不同阶段的架构演进过程中,我也亲历并经历了多个关键的技术转折点。从最初基于单体架构的报表系统,到微服务化改造,再到如今转向云原生的部署方式,每一次的重构都伴随着无数个技术细节和决策判断。本文将以数据报表系统的实际开发经历为背景,分享我在架构演进过程中踩过的坑及教训,供准备跳槽或面试的开发者参考。

qq_41106321的博客 201

云原生运维学习笔记:ECShop全链路容器化部署与Docker底层资源隔离深度剖析

本文基于Docker与Harbor私有仓库,实现ECShop电商平台(LNMP架构)全链路容器化部署。通过自定义PHP镜像、创建隔离网络、挂载宿主机配置与数据,解决镜像源失效、端口冲突等实战问题。同时深入Linux Namespace与Cgroups,剖析Docker资源隔离底层机制,掌握云原生环境下应用部署与系统原理的双重能力。

2604_96593683的博客 623

〖物流云原生实战 01〗K8s Operator 在物流定时任务中的实践:从“裸 CronJob”到“声明式任务编排”

在物流系统中,裸用K8s CronJob执行定时任务面临依赖缺失、重试无序、状态不可观等困境。通过引入Operator模式,以CRD定义任务业务属性,控制器实现调和循环与状态机管理,可精准处理依赖、分类错误重试,并实时暴露任务进度与指标。该方案将定时任务从“盲跑”变为“有状态、可依赖、可观测”的业务单元,真正实现“跑得对、看得见、管得住”。

Eyf • 半字节的博客 437

〖物流云原生实战 02〗Serverless 在物流峰值场景的弹性调度:如何用“无服务器”抗住大促洪峰?

物流大促期间流量呈“潮汐式”波动,传统K8s HPA扩容滞后,难以应对瞬时峰值。借助Serverless架构,通过KEDA基于Kafka积压量触发毫秒级弹性伸缩,结合GraalVM原生镜像实现0.05秒启动,可高效处理打单队列、月末对账等异步与低频任务。配合连接池代理与状态外置,规避无状态带来的数据库压力。实践表明:Serverless适配突发、非核心场景,而非替代所有微服务,是降本增效的利器。

Eyf • 半字节的博客 168

云原生运维学习笔记:Ceph 分布式存储架构深度解析与生产级部署实战

本文深度解析Ceph分布式存储架构,涵盖其统一存储、去中心化设计与CRUSH算法核心优势。基于Cephadm实现三节点生产级部署,详述环境准备、时间同步、容器镜像预拉取及集群引导流程,重点演示MON、OSD、MGR等组件编排,并覆盖扩容、下线等高频运维场景,为云原生环境下高可用存储落地提供实战指南。

2604_96593683的博客 309

云原生安全新范式:从“边界防护”到“身份成为新边界”

云原生并没有让安全变得不重要,而是让安全的判断依据发生了根本变化。当网络位置不再稳定、不再可信时,身份成为唯一贯穿请求全过程的稳定信号。把身份作为新边界,意味着以最小权限为前提、以持续验证为手段、以可观测为保障,构建一套随工作负载流动而始终有效的安全体系。这既是技术架构的演进,也是安全治理思路的升级。

2301_78078966的博客 194

云原生安全:容器、密钥与软件供应链治理

容器镜像通过扫描,不代表工作负载已经安全;Secret 使用 Base64 编码,也不代表数据已加密;镜像带有签名,更不代表集群一定会拒绝未经授权的制品。云原生安全需要从构建、存储、部署到运行时建立连续的控制,并明确每道控制能解决什么、不能解决什么。

m0_62221377的博客 191

云原生可观测性架构设计及其应用

第一,尾部采样的一致性路由在Gateway扩缩容或节点故障时仍可能出现Span分散,导致部分Trace的采样决策基于不完整上下文,遗漏边缘错误链路。第二,高基数治理目前以“禁止进入指标标签”的负向约束为主,缺乏正向的基数预算机制,新服务上线时标签设计的随意性仍可能逐步推高序列基数。:以DaemonSet形式部署,初始CPU request控制在50m量级,日志采集路径避免对全集群Pod的重复list/watch,仅处理本节点流,将采集侧的资源消耗限制在可预算的范围内。是成本与排障能力之间的核心权衡。

jcgu的专栏 294
上一篇: 当HTAP已成标配,什么才是制胜关键?
下一篇: 活动回顾 | MatrixOne 在 SaaS 企服领域的应用解读
MatrixOrigin
博客等级 码龄5年 708粉丝 230原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值