mysql中任务怎么使用

MySQL定时任务 原文链接:https://jiyiren.github.io/2016/03/27/Mysql_schedule/ 阅读详情

在MySQL中,使用任务通常指的是利用MySQL的事件调度器(Event Scheduler)来创建和执行定时任务。以下是关于如何在MySQL中使用任务(事件调度器)的详细步骤和说明:

1. 确认事件调度器状态

首先,你需要确认MySQL的事件调度器是否已开启。可以通过以下SQL命令来查看其状态:

sql

SHOW VARIABLES LIKE 'event_scheduler';

如果返回的结果是OFF,那么你需要开启它。可以通过以下命令来开启事件调度器(但请注意,这通常需要具有SUPER权限):

sql

SET GLOBAL event_scheduler = ON;

 

2. 创建事件

使用CREATE EVENT语句来创建事件。事件可以在指定的时间或时间间隔内定期执行一个或多个SQL语句。

sql

CREATE EVENT event_name

ON SCHEDULE 

    AT timestamp [+ INTERVAL interval] ...

    | EVERY interval

    [STARTS timestamp [+ INTERVAL interval] ...]

    [ENDS timestamp [+ INTERVAL interval] ...]

DO

    event_body;

 

其中:

event_name:是事件的名称。

ON SCHEDULE:定义了事件执行的时间和频率。

AT timestamp:指定了事件开始执行的具体时间。

EVERY interval:指定了事件执行的频率,如EVERY 1 DAY表示每天执行一次。

STARTS和ENDS:分别定义了事件的开始和结束时间。

event_body:是事件需要执行的SQL语句或语句块。

示例

创建一个每天凌晨1点执行的任务,向my_table表中插入一条记录:

sql

CREATE EVENT my_event

ON SCHEDULE EVERY 1 DAY

STARTS TIMESTAMP(CURRENT_DATE, '01:00:00')

DO

INSERT INTO my_table(column1, column2) VALUES ('value1', 'value2');

 

创建一个每隔3秒往test表中插入一条数据的事件:

sql

CREATE EVENT e_test_1

ON SCHEDULE EVERY 3 SECOND

DO

INSERT INTO test(id, t1) VALUES (NULL, NOW());

 

3. 修改和删除事件

使用ALTER EVENT语句可以修改已存在的事件。

使用DROP EVENT语句可以删除已存在的事件。

4. 查看事件

使用SHOW EVENTS语句可以查看所有的事件。

注意事项

在创建事件时,需要确保有足够的权限。

事件的执行时间和频率应该根据实际需求来设置,避免对系统造成过大的负担。

如果事件调度器被关闭,那么所有的事件都将不会被执行。

以上就是在MySQL中使用任务(事件调度器)的基本步骤和说明。希望对你有所帮助!

 

数字孪生在智慧医疗中的5个创新应用:从手术模拟到个性化治疗 数字孪生技术通过创建患者或医疗流程的动态虚拟映射,正在深刻变革智慧医疗。本文重点剖析了其在个性化治疗、手术模拟与导航、药物研发、医院管理优化及慢性病管理五大核心场景的创新应用,展现了如何利用智能映射与数据融合,为精准医疗和高效决策提供强大支持。 阅读详情

相关推荐

C# .NET6 TesseractOCR 图片文字识别

在你的项目中的tessdata-main文件夹找到这几个文件,并右键->属性设置为【如果较新则复制】有几个需要用到的模型,需要生成的时候复制到输出目录中,在项目中设置即可。TesseractOCR兼容 x86 与 x64。附 :ImageUtils.RegionCropping()源码。Visual Studio 2022 社区版。下载完成后解压在你的项目中,如图所示。从官方项目中获取模型数据, 网址为。

qq_44121554的博客 3851

MySQL数据库定时任务——事件

使用 MySQL 事件可以轻松地执行周期性的任务,从而提高数据库效率和性能。掌握如何使用事件是管理和优化 MySQL 数据库的重要知识点,可以更好地理解MySQL事件的特点和使用方式,从而更好地使用MySQL。希望本文对你有所帮助。

Java+GO+JS全栈工程师-鹤冲天的博客:编程辅导~商务合作~技术交流 7794

医疗AI Agent实战:从零搭建一个能看病的智能助手(附完整代码)

本文详细介绍了如何从零搭建一个医疗AI Agent智能助手,涵盖核心架构设计、症状推理引擎开发、安全与合规实现以及系统集成等关键环节。通过完整的代码示例和实战案例,帮助开发者快速构建具备医疗咨询能力的智能Agent,提升医疗服务的效率和质量。

ss78901的博客 465

Mysql创建定时任务主从模式_Mysql创建定时任务

一、事件概述在MySQL 5.1中新增了一个特色功能事件调度器(Event Scheduler),简称事件。它可以作为定时任务调度器,取代部分原来只能用操作系统的计划任务才能执行的工作。另外,更值得一提的是,MySQL的事件可以实现每秒钟执行一个任务,这在一些对实时性要求较高的环境下是非常实用的。事件调度器是定时触发执行的,从这个角度上看也可以称作是“临时触发器”。但是它与触发器又有所区别,触发器...

weixin_42316286的博客 562

单细胞 | pySCENIC·转录因子分析(二)

接上一篇,pySCENIC分析完之后就可以进行可视化了,个人认为最重要的有三个图:rss点图,rank图,转录因子表达水平热图,3个图结合着看。3.可视化rank图,可以自己改一下plotRSS_oneSet参数让图更好看一点。4. regulon表达水平热图,转录因子表达水平同理,得到的图类似只是输入不一样。2.可视化点图:寻找cluster特异性转录因子。1.loom文件读入R,提取数据。

生信练习生 4283

【CanMV K210】AI 视觉 MNIST 手写数字识别与分类推理

本文介绍了基于CanMV K210开发板的MNIST手写数字识别实验。实验通过摄像头采集图像,经过开窗、灰度化、缩放、反色等预处理后,使用KPU神经网络加速器运行MNIST分类模型,最终在LCD上显示识别结果。重点讲解了分类模型与检测模型的区别、图像预处理流程以及KPU推理结果的解析方法。实验帮助理解从图像采集到分类输出的完整AI视觉处理链路,并提供了调试思路和硬件连接说明。

Mr数据杨 364

MYSQL定时任务使用手册

mysql数据库管理功能,定时任务执行和使用

yqj234的专栏 3746

博图SCL基础知识-寻址调用及新建SCL

和LAD/FBD不同,LAD/FBD在程序编辑器是一段一段的,编辑器可以插入新的网络段,每一个网络段可以有各自的注释。一般情况下,FB的简单数据类型形参可以没有对应实参,复杂数据类型的输入、输出也可以没有对应实参,所以FB可以隐藏或不隐藏不出现的形参。一般情况下,FB的简单数据类型形参可以没有对应实参,复杂数据类型的输入、输出也可以没有对应实参,所以FB可以隐藏或不隐藏不出现的形参。如图3所示,当FB的参数全部显示,在背景数据块右键可以激活"仅显示分配的参数";如图2所示,显示了一些FB调用的例子。

电工 2029

MySQL定时任务配置

root@%为函数定义者,代表每30秒执行一次。

weixin_48043634的博客 346

交换机端口模式详解:Access、Hybrid、Trunk

交换机是网络中至关重要的组件之一,用于连接各种设备并启用数据的高效流动。为了更好地管理和控制网络流量,交换机提供了不同的端口模式,其中包括Access、Hybrid和Trunk。本文将深入探讨这三种端口模式,详细解释它们的配置、特性和应用场景,以帮助网络管理员更好地理解和优化网络架构。

网络技术联盟站 4014

PCL 计算点云AABB包围盒的体积【2026最新版】

AABB包围盒又称了 轴对齐包围盒,是点云包围盒里最简单的一种,其计算方法也极其简单。获取包围盒之后,根据包围盒的长宽高进行体积计算即可!博客长期更新,本文最近一次更新时间为:2026年5月3日。

点云侠的博客 2294

MySQL 计划任务(事件定时器)详解

另外,更值得一提的是,MySQL的事件可以实现每秒钟执行一个任务,这在一些对实时性要求较高的环境下是非常实用的。注意:如果想要始终开启事件,那么在使用SET GLOBAL开启事件后,还需要在my.ini(Windows系统)/my.cnf(Linux系统)中添加event_scheduler=on。但是它与触发器又有所区别,触发器只针对某个表产生的事件执行一些语句,而事件调度器则是在某一段(间隔)时间执行一些语句。:表示一个具体的时间点,后面加上一个时间间隔,表示在这个时间间隔后事件发生。

youandme520的专栏 2879

【第三方互联】3、腾讯QQ授权第三方登录

当我们创建的 QQ 互联应用成功后,我们便可以开始使用该应用来实现 QQ 互联 一、获取 APP ID 和 APP Key 1、找到我的应用 2、点击应用,进入详情 这样,我们就获取到了 APP ID 和 APP Key 二、进行开发 1、将 APP ID 、APP Key,以及该应用的信息放入项目中的配置文件中,我使用的是SpringBoot,我放在了 application.y...

JACKAL 22万+

MySQL查调度任务

通过上述的查询和管理方式,你可以方便地查看和管理MySQL中的调度任务。使用这些功能,你可以轻松地创建、修改和删除调度任务,以满足你的需求。注意:在进行任何修改和删除操作之前,请确保你对调度任务的影响有清晰的认识,并做好备份工作。错误的操作可能会导致数据丢失或系统故障。

牛肉胡辣汤 1284

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

MySQL计划任务

 MySQL的功能越来越强大了,逐渐在想大型商业数据库靠拢了,这不,5.1的版本已然支持视图、触发器、job等功能。下面简单介绍下我所使用的MySQL的job功能(也就是计划任务,Oracle中称job):一、创建计划任务:语法:CREATE [DEFINER = { user | CURRENT_USER }]   #计划任务的所有者,一般省略,则为创建者;#否则需要

松哥(jccz_zys)的专栏 7579

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

MySQL 自动任务

通过合理的任务设计、有效的事务管理、全面的性能优化和完善的监控维护,能够确保自动任务稳定、高效运行,为企业的数字化转型和业务发展提供有力保障。例如,在库存数据更新任务中,先减少库存数量,再更新库存变更日志,若日志更新失败,库存数据已被修改,造成数据错误。:一些复杂的自动任务,如全表数据分析、大规模数据迁移等,执行时间较长,会占用大量数据库资源,导致其他业务查询响应缓慢。比如,任务 A 先锁定表 A 再锁定表 B,任务 B 先锁定表 B 再锁定表 A,若两个任务同时执行,就可能陷入死锁状态。

毒果的博客 677

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

MySQL计划任务的使用

前言: 最近在开发一个数据展示的功能,每天的都会产生大量的数据记录,如果定期不清楚,数据量会很大,经过一番搜索学习,我选择使用MySQL的计划任务定时去清理数据,具体的使用方法如下: 正文: 一、查询MySQL计划任务是否开启: SHOW VARIABLES LIKE 'event_scheduler'; 二、配置MySQL计划任务: SET GLOBAL event_scheduler = ON; SET @@global.event_scheduler = ON; 或者配置在配置文件中

hanxiaozhang的博客 762

mysql 定时任务 执行_如何使用MySQL来执行定时任务

首先我们创建一张表tb_person作为测试表(可以使用图形化界面或者sql语句):CREATE TABLE `tb_person` (`id` bigint(20) NOT NULL AUTO_INCREMENT,`p_name` char(20) DEFAULT NULL COMMENT '姓名',`p_sex` char(10) DEFAULT NULL COMMENT '性别',`gmt_...

weixin_39910523的博客 586

Mysql计划任务

1、检查计划任务是否开启mysql> set global event_scheduler=off;Query OK, 0 rows affectedmysql> select @@event_scheduler;+-------------------+| @@event_scheduler |+-------------------+| OFF ...

weixin_30295091的博客 106

MySQL中定时任务的使用

【1】开启环境变量配置 使用如下命令检测是否开启事件调度计划: show variables like '%event_scheduler%'; 如果现实为OFF,则可暂时用命令set global event_scheduler =1;开启。不过该改法在数据库重启后将会恢复为原来状态,要想数据库重启后也可以让 event_scheduler 开启,则需要在配置文件中设置 然后重启 MySQL ...

小小默:进无止境 1355

mysql kill 多个任务

MySQL 杀掉多个任务的技巧 在MySQL数据库管理中,我们经常会遇到需要终止多个正在执行的查询任务的情况。这可能是因为某些查询执行时间过长,或者因为它们占用了大量的系统资源。本文将介绍如何使用MySQL命令行工具来杀掉多个任务。 流程图 首先,让我们通过一个流程图来了解整个操作流程: #render_12_198745...

weixin_35911805的博客 588

mysql中定时任务_mysql中定时任务的用法

1.什么是事件一组SQL集,用来执行定时任务,跟触发器很像,都是被动执行的,事件是因为时间到了触发执行,而触发器是因为某件事件(增删改)触发执行;mqsql的事件类似于linux的定时任务,不过是完全在mqsql内部实现的。事件是在一个独立的事件调度线程中被初始化,这个事件调度线程和处理链接的线程没有任何关系。并且该线程在事件执行结束后,会自动销毁。2.开启事件查看是否开启:show variab...

weixin_36431195的博客 1134

mysql 计划任务关闭_mysql计划任务

1、 检查你的MYSQL是否开了这个功能SHOW VARIABLES LIKE 'event_scheduler';我执行了一遍发现记录为空说明我的MYSQL没有开呢。OK解决办法2、打开你的MYSQL的计划任务功能使用这个功能之前必须确保event_scheduler已开启,可执行SET GLOBAL event_scheduler = 1;或SET GLOBAL event_schedul...

weixin_35621884的博客 379

使用MYSQL的INNODB实现任务分发机制

最近公司有个项目,需要多并发完成任务,也就是一个任务控制中心控制多个WORKER的问题,这里的核心点在于如果WORKER_A正在执行1号任务,任务中心不能让WORKER_B重复执行1号任务,即WORKER_A和WORKER_B同时来任务中心需要互斥。 咱们的解决方案是使用MYSQL的INNODB行锁机制完成这项工作,即使用MYSQL来充当任务中心的角色。相关参考:SELECT FOR ...

aijia7039的博客 180

Mysql查看自动执行任务_MYSQL 定时自动执行任务

MYSQL5.1开始支持EVENT功能,类似Oracle和MSSQL的定时任务job功能。有了这个功能之后我们就可以让MySQL自动的执行存储过程来实现数据汇总等功能了,不用像以前哪样手动操作完成了。下面我们来测试下,在MYSQL中如何自动执行指定存储过程,实现相关功能。一、创建测试表CREATE TABLE EVENT_table(id INT auto_increment PRIMARY K...

weixin_39914732的博客 2370

mysql 计划任务_MySQL 计划任务

mysql> show variables like ‘%使用下列的任意一句开启SET GLOBAL event_scheduler = ON;SET @@global.event_scheduler = ON;SET GLOBAL event_scheduler = 1; — 0代表关闭SET @@global.event_scheduler = 1;创建event语法:CREATE ...

weixin_29191081的博客 1351
上一篇: mysql中生僻汉字的解决办法
下一篇: oracle如何分段写入clob字段
codemami
博客等级 码龄3年 1369粉丝 137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