MySQL窗口函数的使用总结

最新推荐文章于 2025-10-31 16:58:22 发布
原创 最新推荐文章于 2025-10-31 16:58:22 发布 · 673 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#mysql

本文深入介绍了MySQL从8.0版本开始引入的窗口函数，包括其使用场景、基本语法、与GROUP BY的区别以及功能。通过示例展示了如何在组内排名、TopN问题中应用窗口函数，并对比了使用窗口函数与普通方法的优劣。同时，提供了用户登录记录查询的实战案例，解释了RANK(), DENSE_RANK()和ROW_NUMBER()函数的差异，并给出了两种实现方法。

1.版本介绍：mysql的窗口函数从8.0版本开始使用，之前的版本都不支持窗口函数

2.使用场景：需要组内排名时使用

        例如：

        a.排名问题：每个部门按业绩来排名

        b.topN问题：找出不同部门排名前N的员工进行奖励

3.窗口函数使用的基本语法：

        <窗口函数> over (partition by <用于分组的列名>order by <用于排序的列名>)

        1）. 专用窗口函数：包括后面要讲到的 rank, dense_rank, row_number等专用窗口函数;

        2）.聚合函数：如sum. avg, count, max, min等

4.partition by和group by区别：

        1). partition by用来对表分组；

        2).order by子句的功能是对分组后的结果进行排序（组内排序），默认是按照升序（asc）排列，（desc）降序排列；

        3).group by :分组后会改变行数；partition by：分组汇总行数不变。

5.窗口函数的功能：

        1）同时具有分组和排序的功能

        2）不减少原表的行数

6.窗口函数使用示例：

select *,
   rank() over (order by 成绩 desc) as ranking,
   dense_rank() over (order by 成绩 desc) as dese_rank,
   row_number() over (order by 成绩 desc) as row_num
from 班级表

7.示例结果展示：

 8.总结：

rank函数：会根据分组字段相同的数据排名，相同数据排名相同，不同数据会自动顺延排名数；

dense函数：会根据字段相同的数据排名，相同数据排名相同，不同数据依次递增排名；

row_number函数：根据字段数据的行数依次递增排名，不受数据的影响

9.案例分析：

create table userlog 
(
    id int ,
    name varchar(10),
    EmailAddress varchar(50),
    lastlogon varchar(50)
);
insert into userlog values(100,'test4','test4@yahoo.cn','2007-11-25 16:31:26');
insert into userlog values(13,'test1','test4@yahoo.cn','2007-3-22 16:27:07');
insert into userlog values(19,'test1','test4@yahoo.cn','2007-10-25 14:13:46');
insert into userlog values(42,'test1','test4@yahoo.cn','2007-10-25 14:20:10');
insert into userlog values(45,'test2','test4@yahoo.cn','2007-4-25 14:17:39');
insert into userlog values(49,'test2','test4@yahoo.cn','2007-5-25 14:22:36');

-- 1.查询出每个用户最近一次登录的记录(每个用户只显示一条最近登录的记录)及给出每个用户的登录总次数（同一天多次登录认为是一次）
select `name`,EmailAddress,date_format(lastlogon,'%Y-%m-%d %H:%m:%s') time1,date_format(substring_index(lastlogon,' ',1),'%Y-%m-%d') day1 from userlog;

select a.`name`,max(a.time1) 最近登录详细时间,max(a.day1) 最近登陆时间,count(distinct a.day1) 总次数 
from (select `name`,EmailAddress,date_format(lastlogon,'%Y-%m-%d %H:%m:%s') time1,date_format(substring_index(lastlogon,' ',1),'%Y-%m-%d') day1 from userlog)a 
group by a.`name`;


-- 2.生成一张临时表,表名自定,四列数据，分别提是:Name, Last Logon,Num_logontime(要求:按时间给出每个人的登录次数,登录时间最早的为1,之后分别为2, 3,4等), Num_logonday(要求:按天给出每个人的登录次数,同一天多次登录认为是同一次,最早的一次标记为1,之后的依次类推)

select id,`name`, date_format(lastlogon,'%Y-%m-%d %H:%m:%s') time2 ,date_format(substring_index(lastlogon,' ',1),'%Y-%m-%d') day2,count(id) 次数 from userlog group by day2;


# 方法一：窗口函数添加排序列
select b.`name`,b.time2,
row_number() over(partition by b.`name` order by b.day2 ) Num_logontime,
rank() over(partition by b.`name` order by b.day2 ) Num_logonday,
dense_rank() over(partition by b.`name` order by b.day2 ) dense_logonday
from (select `name`, date_format(lastlogon,'%Y-%m-%d %H:%m:%s') time2 ,date_format(substring_index(lastlogon,' ',1),'%Y-%m-%d') day2 from userlog)b;


# 方法二：创建变量添加辅助列添加排序列
DROP TABLE IF EXISTS tmp_table;
CREATE TEMPORARY TABLE tmp_table 
select 
user2.name as Name ,user2.time1 as lastlogon ,user2.rank1 as num_logontime,user2.rank2 as num_logonday
from 
    (select  *  ,
        @rank:=if(@nam=user1.name,@rank+1,1) rank1,
        @rank1:=if(@nam=user1.name,if(@da=user1.day1,@rank1,@rank1+1),1) rank2,
        @nam:=user1.name,
        @da:=user1.day1
        from (select name,EmailAddress,date_format(lastlogon, '%Y-%m-%d %H:%i:%s') as time1,date_format(substring_index(lastlogon,' ',1),'%Y-%m-%d') as day1 from userlog order by name asc  ,time1 asc)as user1 ,(select @rank:=0,@rank1:=0,@nam:=null,@da:=null) temp order by user1.name,user1.time1) as user2;select * from tmp_table ;

案例总结：通过上述mysql查询案例，明显发现，使用窗口函数比普通添加辅助列的方法更容易理解、更容易添加辅助列，代码量少，不易出错。

MySQL8 新特性——窗口函数用法
日常记录
07-23 765
窗口函数的特点是可以分组，而且可以在分组内排序。另外，窗口函数不会因为分组减少原表中的行数，这对我们在原表数据的基础上进行统计和排序非常有用。
MySql高级用法- 窗口函数
子笙的博客
03-05 1277
last_value返回当前框架的最后一行计算出的值SELECTw.id,w.name,w.val,LAST_VALUE(val) over(PARTITION BY w.name ORDER BY w.val DESC) AS '组内倒序最后一个值',LAST_VALUE(val) over(PARTITION BY w.name ORDER BY w.val ASC) AS '组内正序最后一个值'FROMwindows w。
MySQL：with窗口函数说明及使用案例
qq_45626589的博客
10-31 1458
本文介绍了MySQL 8.0的窗口函数及其在医疗数据分析中的应用。窗口函数通过OVER子句对数据子集进行计算而不改变行数，支持排名、聚合和分布三类主要函数。文章详细演示了ROW_NUMBER()、RANK()等排名函数的使用，以及SUM()、AVG()等聚合函数在累计统计中的运用。通过医疗影像检查记录表案例，展示了如何获取患者检查序列、计算累计费用、筛选最近记录和使用窗口框架计算移动平均等典型场景。窗口函数大大简化了复杂分析查询的编写，是数据分析的重要工具。
MySQL高级功能：窗口函数
weixin_74136601的博客
09-07 821
MySQL窗口函数是8.0版本引入的高级分析功能，它允许对数据集的特定"窗口"（由PARTITION BY定义的分区）进行计算而不合并行。核心语法包括窗口函数（如ROW_NUMBER、SUM等）和OVER子句，后者可指定分区、排序和窗口帧范围。常用函数分为四类：序号函数（ROW_NUMBER、RANK等）、分布函数（NTILE）、前后值函数（LAG/LEAD）以及聚合函数（SUM、AVG等）。使用时需注意版本兼容性和LAST_VALUE函数的默认窗口范围问题。窗口函数能实现复杂分析如累计
数据分析/运营——MySQL的窗口函数用法
qq_43019258的博客
06-16 1204
本文介绍几个MySQL常用的窗口函数 下面以这个简单的数据表为例，对常见的几种窗口函数进行说明 1、排序函数 （1）Rank() 功能：求出每个员工在它所属部门中的工资排名 select *, rank() over(partition by DepartmentId order by Salary desc) as '排名' from Employee; 得到结果如下： 可以看到，rank()的效果和group by 有点像，也是先将数据按照某列进行聚合，不同的是，group by 聚合后，每一类
MySQL 窗口函数
bt_xxx的博客
06-26 6906
MySQL窗口函数是一种强大的工具，用于在查询中执行复杂的统计分析，而不需要改变表的结构或数据。MySQL从8.0版本开始支持窗口函数，这些函数也被称为分析函数，因为它们能够处理相对复杂的报表统计分析场景。窗口的意思是将数据进行分组，每个分组即是一个窗口，这和使用聚合函数时的group by分组类似，但与聚合函数不同的地方是： 聚合函数（例如：sum/avg/min/max）会针对每个分组（窗口）聚合出一个结果（每一组返回一个结果）。
mysql窗口函数(Window Functions)详解
ljh_learn_from_base的博客
02-08 1003
窗口函数是 SQL 中的一种强大工具，它允许你在不改变原始表行数的情况下对数据进行聚合计算。与传统的 `GROUP BY` 不同，窗口函数不会将多行合并为一行，而是可以在每一行上应用聚合操作，同时保留原始的行结构。这使得窗口函数非常适合用于复杂的分析任务
MySQL8.0窗口函数入门实践与总结
10-08
MySQL8.0窗口函数是数据库查询中的一个重要特性，它使得在处理复杂的数据分析和统计时变得更加便捷。在MySQL8.0之前，如果要进行类似的数据排名或统计，通常需要借助子查询或自连接等复杂操作，而窗口函数的引入极大...
MySQL8.0窗口函数入门实践及总结
09-08
MySQL8.0窗口函数是数据库查询中的一个重要特性，它使得在处理复杂的数据分析和统计时变得更加便捷。在MySQL8.0之前，如果要进行类似的数据排名或统计，通常需要借助子查询或自连接等复杂操作，而窗口函数的引入极大...
MySQL窗口函数：从基础到高级应用
aa_hdkf_vg的博客
05-11 1474
在数据处理和分析场景中，我们常常需要对数据进行分组计算、排名统计、累计求和等操作。传统的聚合函数虽然能满足部分需求，但在处理涉及组内顺序和对比的复杂计算时，往往显得力不从心。MySQL 窗口函数的出现，为这类问题提供了高效且优雅的解决方案。本文我将深入探讨 MySQL 窗口函数的原理、语法、常用函数及实际应用场景，帮助你全面掌握这一强大的数据处理工具。
MySQL中的窗口函数
坚持输出，记录成长。
05-03 4608
MySQL窗口函数（Window Functions）是8.0版本引入的强大分析工具，允许在不减少行数的情况下对数据窗口进行计算。与GROUP BY不同，窗口函数保留原始行，通过OVER()子句定义计算范围。关键要素包括：PARTITION BY分组、ORDER BY排序和窗口框架（ROWS/RANGE）。窗口函数特别适用于移动平均、累计计算等分析场景。
【数据库高级】Mysql窗口函数的使用和练习
D_AKJS
12-01 5695
搞清楚窗口代表着啥，才知道什么时候该用它。窗口函数是相对于聚函数来说的。聚合函数是对一组数据计算后返回单个值（即分组）。非聚合函数一次只会处理一行数据。而窗口函数在行记录上计算某个字段的结果时，可将窗口范围内的数据输入到聚合函数中，并不改变行数。根据上面所说，准备如下员工表信息数据。
MySQL窗口函数（MySQL Window Functions）
热门推荐
最简单的方法，解决最实际的问题。
05-17 1万+
百分比排序，返回当前行在组内的百分比位置，返回值范围为[0, 1]，可以用 当前行排序/(行数-1) 计算得出，但与rank不同，这里排序是从0开始而不是从1（相当于rank-1），因此第1行的百分比位置是0%，相当于：（rank-1）/(rows-1)。没有参数，返回当前行在组内的位置编号，从1开始，order by子句会影响行的编号顺序，如果没有order by，那么行的编号是不确定的。另外，即使行完全相同，它们的编号也是不同的，这点和后面的 rank() 和 dense_rank() 不同。
MySQL六种窗口函数用法案例
Allen_人工智能与大数据
07-31 4632
MySQL六种窗口函数用法案例
MySQL学习之窗口函数
weixin_46653974的博客
05-29 496
函数用法结构：LEAD(column, offset, default_value) OVER (PARTITION BY column1 ORDER BY column2)函数用法结构：LAG(column, offset, default_value) OVER (PARTITION BY column1 ORDER BY column2)函数用法结构：FIRST_VALUE(column) OVER (PARTITION BY column1 ORDER BY column2)
MySQL--常见的窗口函数介绍以及使用语法
芝麻馅的博客
03-29 1234
在解决实际问题的时候，会经常遇到需要对分组数据进行排序或者求和的情况，这种时候在Oracle，SQLserver等大多数数据库使用对应的窗口函数就可以解决，而mysql8.0版本之前是没有窗口函数的。好在mysql在8.0版本之后增加了窗口函数（终于不用写复杂的子查询啦！窗口函数可以对查询中的数据进行分组，这有点类似group by的分组操作，但不同的是，group by的结果会聚合成一条记录，而窗口函数则会将分组的结果置于每一条数据记录之中。此处介绍常见的窗口函数和使用的sql语法。
mysql 窗口函数面试题_MySQL 8 中窗口函数（Window Function）的理解与使用
weixin_35965498的博客
01-21 720
通过使用窗口函数(Window Function)，对于查询中的所有行数据都可通过计算与该行相关的一些行来得到一些值，这可以通过OVER和WINDOW子句实现。什么意思呢？既然是有计算，那就有一些计算函数，这里先利用一两个说明一下它是如何使用的。先通过一个例子来说明一下：RANK()函数作用是在分区数据中获得当前行的排名，SQL如下：mysql> SELECT hire_date_year,...
MySQL 中的窗口函数详解：从入门到实战
m0_69779872的博客
09-03 621
MySQL 8.0窗口函数使用指南 摘要：本文详细介绍了MySQL 8.0引入的窗口函数功能，包括其核心概念、语法结构和常见应用场景。窗口函数可以在不合并行的情况下对数据进行分组计算，支持排名、聚合、取值等操作，比传统GROUP BY更灵活高效。文章通过具体示例展示了ROW_NUMBER()、RANK()、SUM()等函数的用法，并提供了性能优化建议，如建立索引和合理过滤数据。特别适合需要处理排名、累计求和、移动平均等分析场景的开发人员使用。窗口函数是SQL高级查询的重要工具，能显著提升查询效率和代码可读性
MySQL窗口函数详解
shyの个人笔记
07-25 3509
MySQL 8.0引入的窗口函数是一项强大特性，可简化复杂数据分析任务。本文介绍了窗口函数的概念、语法，并详细讲解了ROW_NUMBER()、RANK()、DENSE_RANK()、LAG()、LEAD()等常用函数。通过员工排名、成绩排序、销售增长率计算和移动平均值计算等实际应用场景，展示了窗口函数在处理排名、时间序列数据和累计计算方面的强大能力，有助于提高数据分析效率。
mysql窗口函数实际应用场景
最新发布
11-06
<think>我们被要求回答关于MySQL窗口函数实际应用场景的问题。根据提供的引用，我们可以总结出几个典型的应用场景。 引用[1]提到：数据排名、累计计算、趋势分析、同比环比计算。 引用[4]提到：计算累计值、比较历史数据的变化情况、分类排名。 引用[5]给出了一个具体例子：找出每个部门薪资最高的3名员工（使用ROW_NUMBER()进行排名并筛选）。 因此，我们可以整理出常见的应用场景如下： 1. 数据排名：在每个分组内进行排序，如ROW_NUMBER(), RANK(), DENSE_RANK()等。 - 例如：每个部门按薪资排名，销售排名等。 2. 累计计算：计算累计和、累计平均等。 - 例如：计算每个月的累计销售额，累计注册用户数等。 3. 移动平均/移动求和：通过定义窗口框架（Window Frame）来计算一定范围内的移动平均值或和。 - 例如：计算近3个月的平均销售额。 4. 同比环比计算：与历史同期数据的比较（同比）或与上一期数据的比较（环比）。 - 例如：计算本月销售额与上月销售额的比率（环比），或者与去年同月销售额的比率（同比）。 5. 分组内取特定条件的数据：如取每个部门的前N名，或者取每个班级的前三名等。 6. 计算分组内的占比：比如计算每个员工的销售额占部门总销售额的比例。 7. 访问相邻行的数据：使用LAG()或LEAD()函数访问当前行的前一行或后一行的数据。 - 例如：计算每个用户的上次登录时间与本次登录时间的间隔。 下面我们通过一些具体的SQL示例来展示这些应用场景： ### 1. 数据排名（每个部门薪资排名） ```sql SELECT name, department, salary, ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS row_num, RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS rank_num, DENSE_RANK() OVER (PARTITION BY department ORDER BY salary DESC) AS dense_rank_num FROM employees; ``` ### 2. 累计计算（每个月的累计销售额） 假设有一张销售表`sales`，包含月份`month`和销售额`amount`。 ```sql SELECT month, amount, SUM(amount) OVER (ORDER BY month) AS cumulative_amount FROM sales; ``` ### 3. 移动平均（近3个月的移动平均销售额） 同样使用`sales`表： ```sql SELECT month, amount, AVG(amount) OVER (ORDER BY month ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) AS moving_avg FROM sales; ``` ### 4. 同比环比 假设有月销售额表`sales_monthly`，包含年份`year`，月份`month`，销售额`amount`。 环比计算（当前月与上月比较）： ```sql SELECT year, month, amount, LAG(amount) OVER (ORDER BY year, month) AS prev_month_amount, (amount - LAG(amount) OVER (ORDER BY year, month)) / LAG(amount) OVER (ORDER BY year, month) AS month_over_month FROM sales_monthly; ``` 同比计算（与去年同月比较）： ```sql SELECT year, month, amount, LAG(amount, 12) OVER (ORDER BY year, month) AS prev_year_amount, (amount - LAG(amount, 12) OVER (ORDER BY year, month)) / LAG(amount, 12) OVER (ORDER BY year, month) AS year_over_year FROM sales_monthly; ``` ### 5. 分组内取前N名（如每个部门薪资前三名） 引用[5]中的示例： ```sql SELECT * FROM ( SELECT name, department, salary, ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS salary_rank FROM employees ) ranked WHERE salary_rank <= 3 ORDER BY department, salary_rank; ``` ### 6. 计算分组内占比（每个员工销售额占部门总销售额的比例） 假设有销售表`sales_employees`，包含员工姓名`name`，部门`department`，销售额`sales`。 ```sql SELECT name, department, sales, sales / SUM(sales) OVER (PARTITION BY department) AS sales_percentage FROM sales_employees; ``` ### 7. 访问相邻行数据（计算用户连续登录时间差） 假设有用户登录表`user_logins`，包含用户ID`user_id`，登录时间`login_time`。 ```sql SELECT user_id, login_time, LAG(login_time) OVER (PARTITION BY user_id ORDER BY login_time) AS last_login_time, TIMESTAMPDIFF(DAY, LAG(login_time) OVER (PARTITION BY user_id ORDER BY login_time), login_time) AS days_since_last_login FROM user_logins; ``` 这些示例涵盖了MySQL窗口函数的主要应用场景。在实际业务中，窗口函数可以极大地简化复杂的数据分析查询，避免使用复杂的自连接或子查询，提高查询效率和可读性。 引用[3]特别提到了窗口框架（Window Frame）的高级用法，它允许我们在窗口内定义一个更精确的范围。例如，在移动平均的例子中，我们使用了`ROWS BETWEEN 2 PRECEDING AND CURRENT ROW`来指定当前行及其前两行作为窗口范围。 综上所述，MySQL窗口函数在处理排名、累计计算、移动平均、同比环比、分组内筛选、占比计算和相邻数据比较等场景中非常有用。在实际应用中，需要根据业务需求选择合适的窗口函数和窗口定义。 [^1]: MySQL 窗口函数为数据处理和分析提供了强大而灵活的工具，通过丰富的函数类型和灵活的窗口定义，能够轻松应对各种复杂的计算需求。无论是数据排名、累计计算，还是趋势分析、同比环比计算，窗口函数都能发挥重要作用。 [^3]: 窗口框架（Window Frame）是 SQL 窗口函数中一个高级但极其有用的功能，它允许你更精细地控制计算范围，而不仅仅是按 PARTITION BY 分组或按 ORDER BY 排序。 [^5]: MySQL窗口函数详解。使用ROW_NUMBER()进行部门内薪资排名并筛选前三名。 §§相关问题§§ 1. 窗口函数与普通聚合函数有什么区别？ 2. 在使用窗口函数时，如何优化查询性能？ 3. 窗口函数在哪些版本的MySQL中可用？ 4. 能否举例说明窗口函数在电商数据分析中的具体应用？ </think>### MySQL窗口函数的实际应用场景 MySQL窗口函数（Window Functions）是数据分析中的强大工具，特别适用于需要在保留原始行数据的同时进行分组计算、排名或跨行分析的场景。以下是其核心应用场景及具体示例： #### 1. **数据排名与分组筛选** **场景**：在每组内排序并筛选Top N记录（如部门薪资前三名） **示例**（引用[5]）： ```sql SELECT * FROM ( SELECT name, department, salary, ROW_NUMBER() OVER (PARTITION BY department ORDER BY salary DESC) AS salary_rank FROM employees ) ranked WHERE salary_rank <= 3 ORDER BY department, salary_rank; ``` - 使用 `ROW_NUMBER()` 分区排序，筛选部门薪资前三名员工[^5]。 #### 2. **累计计算（Running Total）** **场景**：计算随时间增长的累计值（如月度累计销售额） **示例**： ```sql SELECT order_date, daily_sales, SUM(daily_sales) OVER (ORDER BY order_date) AS cumulative_sales FROM sales; ``` - `SUM() OVER` 按时间顺序累加每日销售额，形成累计值[^1]。 #### 3. **同比/环比分析** **场景**：比较当前值与历史同期（同比）或前一期（环比） **示例**（环比计算）： ```sql SELECT month, revenue, revenue - LAG(revenue) OVER (ORDER BY month) AS month_over_month_growth FROM monthly_revenue; ``` - `LAG()` 访问上一行数据，计算月度增长率[^4]。 #### 4. **移动平均（Moving Average）** **场景**：平滑数据波动（如股票价格近7日均线） **示例**（引用[3]）： ```sql SELECT date, closing_price, AVG(closing_price) OVER ( ORDER BY date ROWS BETWEEN 6 PRECEDING AND CURRENT ROW ) AS 7_day_avg FROM stock_prices; ``` - 窗口框架 `ROWS BETWEEN` 定义7行范围计算移动平均[^3]。 #### 5. **分组占比分析** **场景**：计算个体在组内的贡献度（如员工占部门薪资比例） **示例**： ```sql SELECT name, department, salary, salary / SUM(salary) OVER (PARTITION BY department) AS salary_ratio FROM employees; ``` - 分区内计算薪资占比[^1]。 #### 6. **数据断层处理（Gap Analysis）** **场景**：识别序列中的缺失值（如连续登录中断的用户） **示例**： ```sql SELECT user_id, login_date, login_date - LAG(login_date) OVER (PARTITION BY user_id ORDER BY login_date) AS gap_days FROM logins; ``` - `LAG()` 检测相邻登录日期间隔，定位异常中断[^4]。 #### 7. **趋势分析（Trend Calculation）** **场景**：计算滚动统计量（如近30天留存率） **示例**： ```sql SELECT date, AVG(retention_rate) OVER ( ORDER BY date RANGE BETWEEN INTERVAL 29 DAY PRECEDING AND CURRENT ROW ) AS 30d_avg_retention FROM retention_metrics; ``` #### **典型业务场景** - **财务报表**：月度累计营收、年度同比 - **用户行为分析**：连续签到天数、活跃度排名 - **库存管理**：滚动平均销量预测 - **运营监控**：实时排名（如直播间打赏榜） > 关键优势：**避免自连接/子查询**，简化复杂逻辑，提升性能[^2][^4]。 ---
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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