MatrixOne v2.0.0 release note

79、昇腾系列服务器/昇腾系列推理卡/昇腾系列嵌入式开发板+Dify+one api部署DeepSeek-R1-Distill-Qwen-32BW8A8+RAG本地模型知识库和负载均衡双实例 阶段,安装过程缺什么,,在docker外面git下源码,进入容器内部进行量化,这里的容器建议在创建个8卡的容器,双卡容器量化会显示npu显存不够,除非你用cpu转模型,我就懒得创建容器了,使用cpu量化吧,巨慢;创建容器,进入容器,计划使用两张昇腾NPU卡推理DeepSeek-R1-Distill-Qwen-32B的W8A8模型,所以构建的容器用两张卡,选6、7卡吧,0-6号卡可以跑文本嵌入模型、重排序模型;直接进入量化阶段,在容器外面操作即可,环境不用管,因为系统已经默认配置了环境,直接跳到。 阅读详情

我们非常高兴地宣布 MatrixOne 内核 v2.0.0 版本于 2024 年 10 月 31 日正式发布!

MatrixOne 是一款AI驱动的云原生超融合数据库,采用存算分离架构并充分利用云上的基础设施,兼容MySQL,并且支持混合负载场景,结合向量数据类型和全文检索,能够高效处理生成式AI 应用的多模态数据查询与管理场景。

MatrixOne v2.0.0 功能概览

MatrixOne 本次迭代对系统在生成式AI应用支持、容灾和稳定性方面做了大幅度提升,重点功能包括:支持对外部存储上的数据访问以及对非结构化数据的访问能力,提供了全文检索能力,提升了向量检索的性能、支持快照备份和基于时间点的数据恢复(PiTR)、CDC 和基于日志复制的主备集群容灾能力,并进一步提升了对 MySQL 的兼容性。随着这些新功能的引入,MatrixOne 正逐步成为企业构建AI驱动的智能数据管理平台的理想选择。

MatrixOne 适用的应用场景

MatrixOne 产品适用于以下应用场景。我们非常欢迎有以下业务痛点及需求的用户与我们联系进行试用测试。

  1. 生成式人工智能场景:MatrixOne 超融合数据库为生成式人工智能(Generative AI)提供了强大的多模态数据支持、实时检索和智能数据处理能力,构成了生成式 AI 应用的核心基础设施。在文本生成、图像生成等多模态场景中,MatrixOne 通过高效的数据管理、向量和混合检索、Python UDF 支持的数据清洗与预处理,以及 GPU 加速的实时推理能力,确保大规模数据集上的快速响应和高质量生成效果。无论是大数据量的访问与存储,还是在线推理和动态反馈,MatrixOne 都能够为生成式 AI 应用提供稳定、低延迟的支撑,帮助企业在 AI 驱动的创新中迅速落地、迭代和优化生成式 AI 应用。
  2. 时序数据应用场景:在现代 IoT 应用中,数以亿计的设备和传感器持续采集和传输数据,包括工业生产线、智能电网、智慧城市基础设施和自动驾驶车辆等,每天产生的实时数据量达 TB 级别。MatrixOne 超融合数据库针对 IoT 场景提供了高效的实时数据处理能力,支持毫秒级的高并发写入和快速检索,并具备优越的扩展性,应对峰值负载。其实时分析功能帮助企业从海量 IoT 数据中快速生成关键洞察,同时与机器学习模型无缝集成,将实时数据流直接引入模型进行预测和异常检测,适用于工业预测性维护、能效优化和智能监控等应用场景,从而全面满足 IoT 应用对高吞吐量、低延迟和智能数据管理的需求。
  3. 混合负载类型应用支持:在企业常用的 OA、ERP、CRM 等业务系统中,随着数据量和业务复杂性的增长,传统单机数据库往往难以满足高峰期的性能需求,尤其在月末、季末等关键时间节点上,通常需要高频分析和实时统计报表来支持决策。许多企业因此配置了独立的分析数据库,或采用分库分表的方式以减轻主库的查询负载。而 MatrixOne 的混合负载支持使企业无需额外系统,即可在单一数据库内同时满足业务和分析需求,通过实时数据分析确保高并发下的快速响应。MatrixOne 的扩展性则允许业务规模的无缝扩容,使得实时查询和统计在大规模数据增长的条件下依旧高效,确保企业在数据决策中的实时性、连续性和高效性,全面提升数据管理的灵活性。
  4. 企业级 SaaS 场景:随着企业级 SaaS 应用的迅猛发展,SaaS 开发必须兼顾多租户模型的需求。传统方案通常在多租户共享数据库实例和单租户独享数据库实例之间选择,但这会在管理成本与租户隔离性上产生矛盾。MatrixOne 天然支持多租户架构,提供租户间负载隔离和独立扩展能力,同时具备统一管理功能。这种架构能够有效降低管理成本,确保数据隔离性,提升运维效率,全面满足 SaaS 应用对成本控制、管理简易度和隔离性的多重需求,使其成为 SaaS 应用的理想数据库选择。

MatrixOne v2.0.0 新特性:

重点新功能
  1. 多模数据管理功能:MatrixOne 支持了通过Stage 对象直接访问数据库外部的对象存储、远程文件系统和本地文件系统的直接访问能力,以及通过datalink 类型直接访问存储系统上的文件的能力。 这种能力对于在生成式AI 应用中,通过MatrixOne 构建数据管道的过程中非常有帮助,能够显著提升应用的开发效率,降低应用的运维成本。
  2. 针对文本或者JSON 类型数据的全文索引:通过为表中的JSON 或者 TEXT 类型的列创建全文索引,可以有效的提升MatrixOne 在AIoT 类型的应用上的性能,结合MatrixOne 的JSON 数据类型,可以进一步降低数据冗余,从而提升MatrixOne 在AIoT 场景中的竞争力。
  3. 向量检索:在这个迭代中,Matrixone 对向量检索功能进行了性能优化,使其能够在大规模的向量数据中能够快速的进行基于向量距离的检索。这种高效的检索能力,对于基于大型语言模型(LLM)和检索增强生成(RAG)技术的生成式人工智能应用尤为关键。
  4. 基于快照的备份和恢复:通过为集群或者租户创建数据快照的方式,能够迅速捕捉数据库在某一时刻的状态,并确保数据在出现故障或紧急情况时能够快速恢复。快照技术对系统性能影响极小,并且能够确保数据的一致性,从而保证数据的完整恢复,同时支持跨租户恢复,提升系统的灾难恢复能力。
  5. 基于日志复制的主备集群容灾:通过日志复制机制,将主数据库的事务日志同步到备库,实现主备集群的高可用和容灾能力。在主库发生故障时,备库能够快速接管业务,确保业务不中断。
  6. 基于时间点的恢复功能:通过记录初始快照后的所有数据改变,该功能允许用户在出现故障、错误操作或数据损坏时,将数据库恢复到某个精确的历史时刻,避免丢失重要信息。与传统的完整备份相比,它大幅减少了备份的存储开销,并提高了恢复效率。此功能为关键业务场景提供了灵活性和安全性,支持快速恢复,满足业务连续性和合规要求。
  7. MatrixOne到MySQL的CDC:通过捕获MatrixOne 数据库上的改变,并实时同步到下游的MySQL当中,从而实现MatrixOne 到MySQL 数据库的数据容灾。在用户从MySQL 数据库迁移到MatrixOne 之后,保留一条容灾链路。
  8. 表级别的发布订阅功能:在之前的迭代中,我们支持了数据库级别的发布订阅,本迭代进一步实现了更精细的表级别发布订阅。当数据发生变更时,表级别发布订阅可以将特定表的数据变更实时同步到订阅者,而不暴露其他表的信息,这相较数据库级别的发布订阅,提供了更高的灵活性和控制。
其他新功能
  1. SQL 语句
    • 支持 rename table
    • 支持 create pitr
    • 支持 drop pitr
    • 支持 alter pitr
    • 支持 restore pitr
    • 支持 show pitrs
    • 优化了 show publications
    • 优化了 show subscriptions
    • load data infile 命令支持按照用户指定的列名顺序加载数据
  1. 数据类型
    • 支持 datalink 数据类型
  1. 索引与约束
    • 增加全文索引 (fulltext Index)
  1. 函数与操作符
    • 支持针对 json 数据类型的json_row, jq, try_jq,json_extract_string,json_extract_float64函数
    • 支持对now() 函数返回的日期进行加法或减法运算
  2. 工具
  3. mo-backup:支持管理pitr任务
  4. mo_cdc:支持管理cdc任务
  1. MySQL 兼容性
    • 支持在 Select 语句的 where 条件中进行字符串的大小写不敏感的检索
    • 支持Encode()/Decode()  函数

快速开始

社区用户及企业开发者都可以通过以下命令一键部署 MatrixOne 进行试用。

docker pull matrixorigin/matrixone:2.0.0

本文档网站也提供详细的架构说明、安装指南和开发教程,帮助您探索 MatrixOne 的能力。

此外,我们的 GitHub 网站和社区微信群欢迎您提问、讨论或反馈。

Known Issues

  1. 目前主备集群的容灾方案中,备集群不支持同步外部表、stage 中的数据。
  2. 目前主备集群的容灾方案中,备集群仅支持冷备份,不能以只读方式打开。
  3. CDC 仅支持表级别的数据同步。
  4. 快照备份目前仅支持集群和租户级别的备份,但可恢复至集群、租户、数据库或表级别。
  5. 快照和 PITR 备份无法恢复已被删除的租户数据。

详细更新日志

https://github.com/matrixorigin/matrixone/compare/1.2-dev...main

Xilinx PCIe IP核示例工程仿真流程与关键任务解析 本文详细解析了Xilinx PCIe IP核示例工程的仿真流程与关键任务。通过搭建仿真环境、解读初始化日志,并深入剖析TSK_TX_MEMORY_WRITE_32等核心任务的TLP报文生成与交互过程,帮助开发者掌握PCIe IP核的仿真调试方法,为实际硬件设计提供可靠的验证基础。 阅读详情

相关推荐

8位可控加减法电路设计

一、设计要求   利用Logisim平台中现有运算部件构建一个8位可控加减法器,可支持八位加减法,利用已经封装全加器和逻辑门进行连接,要求实现相应的输出,判断是否溢出。 二、方案设计 实验原理: [A]补+[B]补 = [A+B]补(mod2^n+1)   公式1        [A-B]补 = [A]补+[-B]补(mod2^n+1)    公式2 FA为全加器,利用全加器实现加减法,难点在于实验减法,对输入的[Y]补各位取反加一即为[-Y]补,利用公式2,就可以将减法转化为加法再利用全加

qq_51700383的博客 1万+

干货分享 | MatrixOne系统架构

随着数字化转型的深入,数据价值也愈发凸显,数据技术出现了融合的趋势,基于客户的真实痛点,矩阵起源推出了超融合MatrixOne HSTAP数据库。MatrixOne 使数据数据库同时具备 TP、AP和Streaming三种能力,帮助客户彻底打破数据孤岛问题,成为企业智能化核心的数据基础设施。今天的分享将解析新一代超融合异构云原生数据库 MatrixOne 刚刚发布的0.5版本和后续版本的架构设计。

MatrixOrigin的博客 898

手把手教你用XC7A35T FPGA搭建低成本机器视觉系统(含开发板选型指南)

本文详细介绍了如何利用AMD(原Xilinx)Artix-7系列中的XC7A35T FPGA芯片,搭建一套低成本的机器视觉系统。内容涵盖从芯片选型深度剖析、开发板(如黑金AX7035B)对比指南,到使用Vivado创建工程、编写图像处理模块(如RGB转灰度),以及资源优化和与上位机(如OpenCV)协同工作的完整流程,旨在为开发者提供一套可实践的高性价比硬件加速视觉解决方案。

beta5的博客 357

超融合数据库MatrixOne

MatrixOne旨在通过云原生化和存储、计算、事务分离的架构,构建一个强大的HSTAP(Hybrid Streaming Transactional and Analytical Processing)超融合数据引擎。它支持OLTP(在线事务处理)、OLAP(在线分析处理)、流计算等多种业务负载,并兼容公有云、私有云、边缘云等多种部署环境,实现异构基础设施的全面兼容。

xuweilin的博客 840

【ZYNQ】OV5640 图像采集与显示

OV5640 是豪威(OmniVision)半导体公司推出的高性能的 CMOS 数字图像传感器,支持最高 500 万像素图像采集,支持 RAW RGB、RGB565、YCbCr422 等图像格式输出,可应用于手机、平板等电子设备。本文主要介绍如何使用 Zynq 驱动 OV5640 摄像头进行图像采集,并通过 HDMI 实时显示。

洋洋Young的博客 1436

【WRF安装】WRF环境配置移植详细说明

【WRF安装】WRF环境配置移植详细说明

WW、forever的博客 820

部署篇 | MatrixOne与MySQL全面对比

MatrixOne Cloud 是一个全托管云原生数据平台,它提供了 HSTAP 数据库 MatrixOne 的云上服务,极大简化了 MatrixOne 的部署和运维成本。并且,MatrixOne Cloud 所提供的 Serverless 实例支持计算资源的自动弹性伸缩以及按 SQL 用量计费,让我们不需再关注数据库部署运维的复杂性,而可以仅关注业务应用或SQL本身。章节,MatrixOne中的CN节点是无状态的,在K8s中可以根据负载进行任意的弹性扩缩,保证集群持续保持较低的SQL执行耗时。

MatrixOrigin的博客 1266

别再只会复制Haar级联代码了!OpenCV人脸检测全方案深度解析,从原理到工业级落地

通用预训练模型在你的业务场景效果不好时,用自己的业务数据集训练专属的级联器,是提升精度的终极方案,OpenCV自带和工具,支持自定义Haar/LBP级联器训练。场景首选方案次选方案新手入门学习Haar级联分类器LBP级联分类器嵌入式轻量固定场景LBP级联分类器YuNet轻量版工业级落地项目(99%场景)DNN+YuNetMTCNN多人脸+小目标复杂场景DNN+YuNet自定义微调模型同时做人脸+其他目标检测。

2601_94871597的博客 381

MatrixOne从入门到实践01——初识MatrixOne

介绍MatrixOne的各方面

MatrixOrigin的博客 363

Python爬虫技术应用:体育赛事直播数据抓取与分析

Web爬虫(Web Crawling)是一种通过模拟浏览器行为从网站获取数据的技术。发送请求:发送HTTP请求(通常是GET或POST请求)获取目标网页的HTML内容。解析网页:使用解析工具(如lxml)从HTML中提取出所需要的信息。存储数据:将抓取到的数据存储到数据库、文件或数据结构中,供后续分析和使用。数据分析与展示:使用数据分析工具(如PandasMatplotlib)对数据进行处理、清洗和可视化,生成有价值的报告和图表。Requests:用于发送静态网页的HTTP请求并获取响应。

2201_76125261的博客 1310

B站评论情感分析实战:Python批量爬取+BERT正负向分类,精准度92%(附完整代码)

用技术手段自动化挖掘用户真实情感,比人工分析更高效、更客观。这套方案的精度能稳定在90%左右,完全满足实际应用需求。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1028

matrixone集群搭建、启停、高可用扩缩容和连接数据库

matrixone数据库安装部署、高可用扩缩容

qyq88888的专栏 3189

ABAP链接外围数据库SQL实战案例

这是一个ABAP 直接读取SQL数据库数据的实例,以此种方式可以将SAP与外围的系统做一些集成,比如生产,SAP本身生产这部分是弱项,管不了那么细,很多车间的数据都是在MES系统,如管理上需要则可以将MES的一些数据自动读取过来,结合SAP本身的业务数据,做一些分析是比较方便的。 1、首先在SAP里建立数据库链接:DBCO ,直接增加一条记录,填上数据库的相关信息:IP地址、数据库名、账号SA、密码这些。 2、开发程序,设置成自动运行的计划,固定时间自动读取SQL里的数据,保存到SAP自定义表.

heng0757的专栏 1512

MatrixOne从入门到实战04——MatrixOne的连接和建表

前几篇文章,为大家介绍了MatrixOne这个产品,以及编译、部署MatrixOne的服务。本章主要讲述如何使用不同方式连接MatrixOne以及进行表的创建。

MatrixOrigin的博客 1104

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

干货分享 | MatrixOne 如何基于K8S+S3构建HTAP数据库

今天分享的题目是 MatrixOne(以下简称MO) 如何基于 K8S + S3 构建 HTAP 数据库,实际上也可以说是如何面向云来构建一个全新的 HTAP 系统。之所以把 K8S 和 S3 放到标题里,是因为我们认为这是云原生时代对于数据库架构影响最大的两项技术。 接下来的分享分成三部分,首先聊聊我们对云的理解,尤其是云给数据库设计带哪些机遇和挑战;其次描述我们如何面向云的特性,从零开始设计一款全新的 HTAP 数据库;最后,将分享我们的云服务 MatrixOne Cloud 的设计。 云的机遇与挑

MatrixOrigin的博客 1167

温度PID控制PLC程序

温度PID稳定控制程序,适用于欧姆龙PLC,对其他PLC也具有很大参考价值

DTC2024精彩预告 | MatrixOne:超融合数据库新星崛起,掀起全新数据革命

同时,MatrixOne的技术实力也受到了国际权威机构的认可,获得了ISO体系认证与中国信息通信研究院认可,MatrixOne携手深圳智慧城市大数据中心有限公司联合申报的《基于超融合数据库的一站式交通大数据平台》成功入选信通院2023 大数据“星河(Galaxy)”——数据库优秀案例。这不仅有助于提升矩阵起源的技术创新能力,还可以将最前沿的科技成果应用到 MatrixOne 产品研发中,进而打造出一款划时代的超融合数据库产品,引领业界高端数据库技术的发展方向。作为本次峰会的一大亮点,

MatrixOrigin的博客 1054

从 0 到 100TB,MatrixOne 助您轻松应对

通过云原生相关的开源组件,如 KEDA,可以感知整个集群的负载。MatrixOne 是一款强大的云原生超融合数据库,具备优秀的流式数据写入和加工能力,同时拥有强大的可扩展性,能适应任意规模的负载和数据量。多租户相关能力是MatrixOne产品的一大亮点,通过数据库内部创建新租户,实现数据空间的隔离,便于 SaaS 应用处理多租户需求。对于 AP 相关的大规模查询,如果缓存或 LogTail 中没有所需数据,系统将直接从 S3 读取,由于AP的操作本身就会读较多数据,因此对S3的读取相对是比较友好的。

MatrixOrigin的博客 1100

MatrixOne 实战系列回顾 | 建模与多租户

本次分享主要介绍MatrixOne建模与多租户相关内容。

MatrixOrigin的博客 367

文字稿 | MatrixOne2.0.0:AI向量与高可用能力的重磅升级MatrixOne 2.0.0 新特性解读

针对这些需求,结合了强大的数据管理能力、检索能力与生成支持能力,为开发者提供了从底层架构到高层应用的一站式解决方案。内置的自动扩展和分布式架构,使其能够动态应对不同规模的负载需求,无论是个人开发者的轻量级应用到企业级的大规模部署,通过一台笔记本,完成了从环境搭建到系统开发的全过程,展现了大模型结合数据库的强大潜力。应用提供了无缝衔接的信息检索,特别是在多模态场景下,能显著提升检索的准确性与生成结果的相关性。向量检索:通过向量数据类型和向量索引,实现高效的向量距离检索,满足大规模数据集的需求。

MatrixOrigin的博客 953

MatrixOne助力一道创新打造高性能智能制造AIOT系统

由于数据分散在MySQL,InfluxDB和MongoDB三个数据库中,人,物料,流程,设备等管理模块的数据都在MySQL中,而设备采集导的数据在InfluxDB中,计算中间结果又在MongoDB中。同时,在整个应用迁移的过程中,MatrixOne本身与MySQL也保持了极高的兼容性,一道可以无缝将MySQL的库表直接通过SQL source导入的方式迁移到MatrixOne,并按照建议将InfluxDB及MongoDB中的时序表及文档结构均顺利迁移至MatrixOne中,整个过程仅花费不到一周时间。

MatrixOrigin的博客 1505

多租户篇 | MatrixOne与MySQL全面对比

但上述的实现方式仅适用于MatrixOne K8s集群部署或云原生的MatrixOne Cloud环境,单机部署时由于只有一个CN节点,多租户就仅有"数据隔离"能力,而无法实现"资源隔离"和"弹性扩缩"效果了。MatrixOne 的多租户模式能够为不同的租户提供独立的数据库实例,并采用逻辑隔离的方式确保各租户数据的安全性和独立性,有效防止数据泄露和篡改的风险。得益于其独特的架构设计,用户可以降低多达70%的硬件和运维成本,增加3-5倍的开发效率,同时更加灵活的响应市场需求变化和更加高效的抓住创新机会。

MatrixOrigin的博客 935

MatrixOne 云原生 HTAP 数据库:架构剖析与技术创新

新架构包含 Computation layer、Transaction layer 等多个层次,支持多种功能,如用于分析、流处理、后台任务等的 CN 节点,以及 DN 节点、Log service、File service 等组件,适配多种存储介质,如 Local Disk、NFS、S3、HDFS 等。MatrixOne 由矩阵起源这家数据库创业公司打造,秉持 “超融合引擎、异构云原生、极致的性能” 理念,旨在打破数据边界,助力企业数字化和智能化转型,其开源特性也为开发者社区提供了广阔的探索空间。

ITPUBD的博客 401

来了来了~MatrixOne技术架构详解来了~

本文将说明MatirxOne每个模块的现状与进展,希望通过技术架构详解,大家对MatrixOne能够有更清楚的了解,同时也欢迎大家贡献代码~

MatrixOrigin的博客 8576

Motion-Matching实战:使用raylib和raygui构建实时动画演示的终极指南 [特殊字符]

想要创建流畅自然的角色动画吗?Motion-Matching技术正是您需要的解决方案!本文将带您深入了解如何利用raylib和raygui构建实时动画演示系统,实现高效的运动匹配算法。无论您是游戏开发者还是动画爱好者,这个完整指南都将为您揭开Motion-Matching的神秘面纱。 ## 什么是Motion-Matching技术?🤔 Motion-Matching是一种先进的角色动画技术,

gitblog_00111的博客 1031

MatrixOne 1.1.0 Release

我们非常高兴地宣布: MatrixOne内核1.1.0版本 正式发布啦!

MatrixOrigin的博客 1166

快速熟悉 MatrixOne 内核前端

过滤条件bind完之后,需要将包含子查询的语句进行拍平,把子查询转换成等价的join语句,因为子查询的执行效率极低,会拖慢整个查询的速度,转换为join可以极大提升系统性能。addBinding方法是将bind完的node中的信息,比如bindingTag,nodeID,表信息(tableName,tableID)以及列信息(colName,colType,是否隐藏)等信息包装成Binding结构添加到ctx中,这样在后续的bind过程中,就可以依据这些binding信息对表名/列名进行解析。

MatrixOrigin的博客 785

MatrixOne→MatrixOS:矩阵起源的创业史即将用“AI Infra”和“AI Platform”书写新章程

从基础设施层,到数据库层,再到应用开发层,MatrixOS为千行百业提供AI时代的工具全家桶,助力生态打造高效智能的AIGC方案,如制造业的智能化生产、金融业的精准风控……”所以他们在开发MatrixOne云原生数据库时,就专注于连接“未来数据”和“过去数据”,解决传统数据库分裂带来的数据割裂问题,目标是将结构化、非结构化、半结构化等不同类型的数据融合起来,以支持AI在不同行业中的落地应用,这种数据融合能力,和算力、数据的兼容策略,为他们提供了与市场上其他数据平台和算力平台厂商相比的领先优势。

MatrixOrigin的博客 1201
上一篇: 矩阵起源 CEO 王龙出席 1024 超互联(苏州)总部节点发布会
下一篇: 【喜报】矩阵起源在2024年中国创新创业大赛斩获多个奖项!
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