面试官:为什么删除缓存后,Redis内存占用依然很高?

redis高频面试题 缓存穿透(Cache Penetration):指的是查询一个在缓存中不存在、在数据库中也不存在的数据,请求直接打到数据库。解决方案缓存空对象(最常用):当数据库查询结果为空时,也将这个空结果(如null或特定标记"NULL")写入 Redis,并设置一个较短的过期时间(如 2~5 分钟)。布隆过滤器(Bloom Filter)(大数据量推荐):在请求到达缓存之前,先经过布隆过滤器。如果布隆过滤器判断不存在:直接拦截请求,绝不查询数据库。如果布隆过滤器判断存在。 阅读详情

👉 这是一个或许对你有用的社群

🐱 一对一交流/面试小册/简历优化/求职解惑,欢迎加入「芋道快速开发平台」知识星球。下面是星球提供的部分资料: 

372bddf8a7ab9629acdd6c627a75158b.gif

👉这是一个或许对你有用的开源项目

国产 Star 破 10w+ 的开源项目,前端包括管理后台 + 微信小程序,后端支持单体和微服务架构。

功能涵盖 RBAC 权限、SaaS 多租户、数据权限、商城、支付、工作流、大屏报表、微信公众号、ERP、CRM、AI 大模型等等功能:

  • Boot 多模块架构:https://gitee.com/zhijiantianya/ruoyi-vue-pro

  • Cloud 微服务架构:https://gitee.com/zhijiantianya/yudao-cloud

  • 视频教程:https://doc.iocoder.cn

【国内首批】支持 JDK 17/21 + SpringBoot 3.3、JDK 8/11 + Spring Boot 2.7 双版本 

来源:码猿技术专栏

c1a275d68ade4e40d0eb4b364ccfe8f2.jpeg


前言

上周刚来了个应届小师弟,组长说让我带着,周二问了我这样一个问题:师兄啊,我用top命令看了下服务器的内存占用情况,发现Redis内存占用严重,于是我就删除了大部分不用的keys,为什么内存占用还是很严重,并没有释放呢?

嗯?为什么呢?今天就带着这个问题来介绍一下如何正确释放Redis的内存。

基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/ruoyi-vue-pro

  • 视频教程:https://doc.iocoder.cn/video/

什么是内存碎片?

内存碎片这个概念应该不是第一听说了,熟悉JVM或者操作系统的应该都熟悉,以火车卖票为例,一个车厢128个车位,由于高峰期,只剩余两个位置了,但是此时三个人想要坐在一起,能够吹吹牛批,喝喝酒的,那么这三个人肯定不会买这节车厢的两个位置了,此时这两个位置可以称之为座位碎片 。

操作系统中对于内存分配也是一样的,比如应用需要申请一块连续N个字节的空间,虽然剩余内存总量大于N个字节,但是没有一块连续的内存空间是N个字节,那么剩余的空间就是内存碎片。如下图:

b685ef8c6f26c541f4075f18b4689ba9.jpeg

上图中的空闲3个字节和空闲2个字节都是内存碎片。

那么什么原因会造成内存碎片呢?这个其实大致分为两个原因,一个是操作系统的内存分配策略,一个是Redis自身原因,下面就这两个原因详细分析。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序,支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能

  • 项目地址:https://github.com/YunaiV/yudao-cloud

  • 视频教程:https://doc.iocoder.cn/video/

内存分配器的分配策略

内存分配器的分配策略一般是按照固定大小来分配内存,而不是按照应用程序申请的内存空间按需分配。比如8字节、16字节、32字节......

Redis提供了多种的内存分配策略,比如libc、jemalloc、tcmalloc,默认使用jemalloc。

jemalloc这种分配策略,是按照固定的空间分配,比如8字节、32字节....2KB、4KB等。当应用程序申请的内存接近某个固定值的时候,jemalloc则会分配固定的大小。比如申请了6字节,则会分配8字节的空间。

这种分配的方式的好处很明显,则会减少内存分配的次数,比如申请了20字节的内存,实际分配的是32字节的内存空间,当应用再写入10字节的数据时,则不会再次分配,剩余的12字节足够用了。这样就避免了一次的内存分配。如下图:

69d2ada10c6f6808e7b68752d5eeb5a6.jpeg

但是坏处也很明显,申请的和分配的空间不一样,则剩余的空间很可能形成内存碎片,一旦内存碎片多了,内存利用率也会随之降低,这是很可怕的。

Redis自身的原因

Redis作为键值对存储的数据库,本身键值对的大小就是不确定的,正如上面的例子中,Redis申请了20字节的空间,但实际分配却是32字节,那么剩余的12字节则会被闲置成为内存碎片。如下图:

4f2f6c4cd47f75127ead1d856e585caf.jpeg

上图中剩余12个字节空间则是闲置的,很有可能成为内存碎片,因此键值对大小不同则会造成一定的内存碎片,这是第一个原因。

第二个原因其实理解起来很简单,键值对的修改或者删除肯定会造成空间的扩容或者释放;

一方面,如果修改后的键值对变大或者变小了,势必会将占用的空间扩大或者释放不用的空间,如下图:

e5985063bf826108ad7c1b6c5fb120bd.jpeg

上图中键值对修改后变小了,从原来的10个字节变成了7个字节,从而释放了3个字节,此时剩余了5个字节的空闲空间。

另一方面,如果键值对删除了,则会释放掉占用的空间,形成空闲空间。

如何判断存在内存碎片?

这个对于运维人员来说很重要,一旦出现Redis运行缓慢或者阻塞了,一定需要先判断内存的占用情况,而不是说胡乱的重启Redis。

Redis自身提供了INFO命令,可以用来查询内存的使用情况,命令如下:

INFO memory
# Memory
used_memory:1073741736
used_memory_human:1024.00M
used_memory_rss:1997159792
used_memory_rss_human:1.86G
…
mem_fragmentation_ratio:1.86

上面的各种属性含义如下:

823ca43a0650aa427ac81e995b6616b8.jpeg
mem_fragmentation_ratio`这个指标很清楚的展示了当前内存的碎片率,比如Redis申请了1000字节,但是操作系统实际分配的内存1800个字节,则`mem_fragmentation_ratio=1800/1000=1.8

从上文也知道了,由于内存分配器的局限性,实际分配的内存绝大部分都是大于实际申请的内存,则如何通过mem_fragmentation_ratio这个值来衡量呢?这个值的范围在多少是正常的呢?

作者这里参照了许多开发人员的建议,列出了以下经验阀值:

  1. >1&&<1.5:在这个范围内是合理的,毕竟大部分情况下操作系统分配的内存总是总是大于实际申请的空间。

  2. >1.5:这表明内存碎片率已经超过50%,此时需要采取一些措施来降低碎片率了。

  3. <1:what?表明实际分配的内存小于申请的内存了,很显然内存不足了,这样会导致部分数据写入到Swap中,之后Redis访问Swap中的数据时,延迟会变大,性能会降低。

如何清理内存碎片?

既然存在内存碎片,那么的一定有方法清除内存碎片,最简单的方法则是重启Redis

但是这也存在一些风险,如下;

  1. 如果Redis未持久化,则数据会丢失(忽略从后端恢复)

  2. 即使持久化了,但是恢复数据时长不定,这个要根据AOF和RDB文件大小决定,在恢复阶段则无法提供服务。

好在Redis 4.0-RC3版本之后,Redis自身提供了一种清除内存碎片的方法

清除的原理很简单,通过复制拷贝将不连续的存放的数据搬到一起形成一块连续的内存空间,如下图:

23bd3679d9e74799149b8abea30b03ae.jpeg

如上图,清除之前A和B不是连续的,中间隔着两个字节空闲1,但是在执行清除内存碎片操作之后,Redis拷贝了B到空闲1,释放掉之前B的空间,此时空闲1和空闲2则变成了连续的空闲空间了。

那么问题来了,这种方式固然好,但是对于单线程的Redis来说,通过这种拷贝复制的方式显然是一种耗时的操作,性能大大降低,那么有什么好的方法呢?

Redis提供了参数配置,可以控制清除内存碎片的时机,命令如下:

config set activedefrag yes

以上命令启动自动清理,但是具体什么时候清理,还要受以下两个参数的影响:

  1. active-defrag-ignore-bytes 400mb:如果内存碎片达到了400mb,开始清理(自定义)

  2. active-defrag-threshold-lower 20:内存碎片空间占操作系统分配给 Redis 的总空间比例达到20%时,开始清理(自定义)

以上两个参数只有全部满足才会开始清理

除了以上触发清理内存碎片的参数,Redis还提供了两个参数来保证在清理过程中不影响处理正常的请求,如下:

  1. active-defrag-cycle-min 25:表示自动清理过程所用 CPU 时间的比例不低于 25%,保证清理能正常开展

  2. active-defrag-cycle-max 75:表示自动清理过程所用 CPU 时间的比例不高于 75%,一旦超过,就停止清理,从而避免在清理时,大量的内存拷贝阻塞 Redis,导致响应延迟升高。

以上两个参数控制了清理过程中的CPU时间占比,保证了正常处理请求不受影响

总结

本文以师弟的一个疑问开头介绍了删除数据导致内存占用还是很高的原因是存在内存碎片,导致内存碎片大致分为两个原因,如下:

  1. 内存分配策略局限性,一般都会分配固定的空间大小,导致实际分配的内存空间大于实际申请的,从而多出了许多不连续的空闲内存块。

  2. 键值对的修改、删除导致了内存的扩容或者释放,导致多余的不连续的空闲内存块。

介绍了如何通过INFO memory命令查看内存的碎片率,通过mem_fragmentation_ratio的经验阀值来判断异常。

介绍了Redis清理内存碎片的方式以、自动清理的两个触发条件、保证正常处理请求的两个控制CPU时间的参数。


欢迎加入我的知识星球,全面提升技术能力。

👉 加入方式,“长按”或“扫描”下方二维码噢:

d700dfb087808f7b8bda63175620a6ce.png

星球的内容包括:项目实战、面试招聘、源码解析、学习路线。

1a26977d6158cd3606099b8c471cb27d.png

b416f25a13001570bdb8f3c7854a1eb0.png18d2cce6300d479122d258d13e89a41a.png9bab5ac810c198dd061b565afed2e7f3.png7fcc06de22d3337a3bc8960e8ae95340.png

文章有帮助的话,在看,转发吧。
谢谢支持哟 (*^__^*)
分布式开发核心考点全解析:事务、锁与缓存一致性 在分布式系统设计中,事务一致性、锁机制和缓存策略是构建高可用服务的基石。从CAP与BASE理论出发,理解分布式环境下ACID失效的根源,才能掌握2PC、TCC、Saga等分布式事务方案的适用边界。Redis分布式锁的正确实现、缓存穿透/击穿/雪崩的应对策略,以及Seata AT模式的无侵入回滚原理,都是工程实践中的高频技术点。此外,数据分片、一致性哈希、雪花算法和分布式任务调度,共同构成了分布式开发者的完整知识体系。本文结合顺丰科技秋招客观题,系统梳理这些核心概念与实战陷阱,帮助开发者从原理层面构建分布式系 阅读详情

相关推荐

Redis 八股文深度解析:线程模型、内存管理与事务机制全掌握

在后端开发与系统设计中,高性能缓存是解决高并发读写压力的关键技术,而 Redis 作为内存数据结构的代表,其底层原理常成为面试与性能调优的焦点。理解 Redis 的快速响应机制,不能仅停留在“基于内存”的表面,更需深入其单线程执行模型、IO 多路复用、高效数据结构编码以及内存淘汰策略等核心设计。例如,LRU 与 LFU 等淘汰算法如何影响缓存命中率,MULTI/EXEC 事务为何与关系型数据库的 ACID 特性存在差异。掌握这些原理,不仅能应用于缓存穿透、击穿、雪崩等经典场景的治理,还能指导 bigkey

weixin_30899023的博客 289

黑马点评项目 | Redis学习笔记「纯享版」10w字超详细总结(含资料)

这次笔记是本人二刷Redis实战篇黑马点评的8w字汇总笔记。如果需要资料,于本文末尾查找即可

2025优快云博客之星Top246,后端开发技术领域新星创作者。 3万+

斗智斗勇之Redis

redis

welcome to 一点点 home 525

中间件(Redis篇)

Redis相关文章汇总

老苏的一日三浪 419

AI面试官实战解析:基于真实项目的技术架构设计与评估

在软件工程领域,系统架构设计是构建高可用、可扩展应用的核心能力,它涉及从需求分析到技术选型的完整决策链。其原理在于通过分层、模块化和解耦,平衡性能、一致性与可维护性。掌握架构设计不仅能提升系统鲁棒性,更是高级工程师的核心竞争力,广泛应用于电商、金融等高并发场景。本文聚焦于AI面试中的项目实战,深入探讨如何设计一个社区团购库存系统,涵盖分布式事务、缓存策略与容灾方案,并解析AI如何通过自然语言处理评估候选人的技术深度与架构思维。

weixin_30338497的博客 398

微服务与分布式面试核心:从Nacos到Redis分布式锁与Seata实战

分布式架构的底层逻辑在于将单进程调用拆分为跨网络协作,由此带来服务发现、数据一致性、并发控制等一系列工程挑战。理解CAP与BASE理论是掌握微服务技术选型的根基,而Nacos作为注册与配置中心,Redis分布式锁与Seata事务框架则是解决具体问题的关键工具。从服务拆分到流量治理,从幂等设计到缓存穿透,这些知识点共同构成了分布式系统落地的核心技能树。本文围绕微服务与分布式面试高频考点,梳理从原理到实战的完整路径,帮助读者建立架构决策思维。

weixin_33901926的博客 517

Redis缓存面试题精讲:穿透、击穿、雪崩与分布式锁实战

缓存是后端系统提升性能的核心手段,几乎所有高并发读写链路都离不开Redis。理解缓存原理,首先要掌握读写链路的组成:请求先访问缓存,未命中再查询数据库,这一过程涉及网络、序列化、线程池等多层开销。缓存穿透、击穿、雪崩是常见故障,分别对应不存在数据、热点Key过期、大量Key同时失效等场景;布隆过滤器、互斥锁、随机过期时间等方案各有边界。分布式锁和缓存一致性则是工程实践中的高频难点,从setnx到Lua脚本,再到Redisson看门狗、延迟双删,都需要厘清时间窗口与原子性。合理使用本地缓存、binlog订阅等

weixin_30458043的博客 433

货拉拉后端面试复盘:全程八股,HashMap到Redis一个不落

后端开发中,计算机基础知识的扎实程度直接决定了技术判断力与问题排查效率。从HashMap的底层数据结构与扩容机制,到JVM内存区域的划分与垃圾回收策略,再到MySQL索引的聚簇与回表原理、Redis持久化与缓存一致性,这些经典知识点不仅是技术面试的高频考点,更是高并发场景下系统设计的基石。在实际工程中,无论是订单系统、交易链路还是缓存治理,都离不开对这些原理的深刻理解。本文以货拉拉后端面试为样本,完整复盘了从HashMap、JVM、MySQL到Redis、计算机网络的全过程,并总结了基于“链路思维”的备战方

weixin_33563728的博客 260

百度2019校招存储系统笔试题深度解析:从缓存到分布式一致性

在存储系统研发中,数据从用户态到磁盘的完整路径决定了系统性能与可靠性。理解页缓存、IO栈、缓存淘汰策略(如LRU的局限)以及一致性协议(如Raft)是构建高性能存储的基础。这些原理不仅支撑着分布式文件系统与KV存储的工程实践,也直接关系到搜索、网盘、AI训练等场景的时延与吞吐。面对海量数据,工程师还需掌握外部排序、一致性哈希虚拟节点等技巧,以应对数据倾斜与内存受限问题。百度2019校招计算与存储系统研发工程师笔试题正是对这些核心能力的综合考察,通过拆解真题考点,帮助求职者将零散知识织成可落地的系统设计能力。

weixin_34326558的博客 369

Java后端面试高频考点清单:集合/并发/MySQL/Redis全覆盖

Java后端开发岗位的面试考察范围广、知识链条长,从集合源码到并发编程,从JVM内存模型到MySQL索引原理,每一环都可能成为面试官深挖的切入点。理解HashMap的底层数据结构与扩容机制、掌握synchronized锁升级和线程池执行流程,是应对高频追问的基础;同时,Spring的IOC/AOP与事务传播行为、Redis的缓存穿透/击穿/雪崩治理、消息队列的可靠性与幂等设计,也构成了一套完整的后端技术评估体系。这些知识点不仅用于应付面试,更是日常系统设计、性能优化和线上问题排查的工程底座。对于正在准备校招

weixin_31766003的博客 255

Redis 面试核心知识点全梳理:从数据结构到高可用架构

在Java后端与分布式系统实践中,缓存技术是提升性能的关键一环,而Redis作为内存数据库的代表,其底层设计直接关系到缓存命中率与系统稳定性。从基础的数据结构如String、List、Hash、Set、ZSet出发,理解SDS、跳表等底层原理,是解决缓存穿透、缓存击穿与缓存雪崩等高频问题的前提。同时,持久化机制(RDB与AOF)、内存淘汰策略以及分布式锁的正确实现,共同构成了生产环境下的高可用保障。掌握主从复制、哨兵与Cluster集群的架构演进,能够帮助开发者应对大规模并发场景下的数据一致性与容灾需求。本

weixin_34241036的博客 318

小米服务端校招主观题复盘:高并发与系统设计核心考点全解析

高并发与分布式系统设计是服务端工程师的核心能力,其本质是通过分层架构、限流削峰和缓存策略,让系统在极端流量下依然稳定可靠。从短URL服务到秒杀系统,从网络链路追踪到缓存与数据库一致性,这些经典场景共同构成了服务端技术面试的高频知识域。掌握发号器、Cache Aside、幂等性设计等基础方案,不仅能有效应对校招笔试中的主观题,更能为真实生产环境中的性能优化与稳定性保障提供方法论支撑。本文以小米服务端校招主观题为例,逐题拆解考察点与答题框架,帮助读者建立系统化的服务端知识体系。

weixin_34200628的博客 384

基于STM32F407与AD9910/AD9959的高频可调DDS信号源设计与实战

本文详细介绍了基于STM32F407微控制器与AD9910/AD9959高性能DDS芯片的高频可调信号源设计与实现。文章从DDS原理入手,阐述了双芯片方案的优势,并重点分享了高频电路设计中的电源、PCB布局布线等关键硬件设计技巧与避坑指南。同时,提供了通过SPI配置DDS芯片及利用Matlab生成任意波形的软件驱动方法,旨在帮助开发者打造一个覆盖10Hz至4200MHz的实用信号发生器。

weixin_36184718的博客 123

Java在线教育项目面试全攻略:从架构设计到高并发实战

微服务架构与分布式系统是构建现代互联网应用的核心技术范式。其核心原理在于将单体应用拆分为一组小型、独立的服务,通过轻量级通信机制协同工作,以此实现系统的松耦合、独立部署与弹性伸缩。这一架构的技术价值在于能够显著提升开发效率、系统可维护性以及应对高并发场景的能力,尤其适用于电商、社交、在线教育等业务模块复杂且需快速迭代的平台。在典型的在线教育平台应用场景中,用户管理、课程服务、订单支付等模块天然适合微服务化。为了保障分布式环境下的数据一致性,业界常采用基于消息队列的最终一致性方案,并结合**Redis分布式锁

weixin_33862993的博客 320

保姆级教程:用GMT6.1绘制专业地形起伏图(从数据下载到出图避坑)

本文提供了一份详细的GMT6.1绘制地形起伏图的保姆级教程,从环境搭建到数据下载,再到核心绘图命令解析,帮助用户避开常见错误。特别适合科研人员和地理信息爱好者快速掌握专业地形图的绘制技巧,提升工作效率。

weixin_42549723的博客 280

关于海康网络摄像头使用VLC或者Opencv拉流有延迟的问题

先说结论,我用VLC或者Pyhton opencv直接拉取海康网络摄像头的rtsp流,会有1-2s延时,特别明显。环境:Windows + VLC / Openc-Python。如上面文章介绍,我使用的时候遇到一处错误,需要把代码中的。海康SDK:与网页视频相比,几乎是同步的。上面说的延时,也是与摄像头网页视频相比的。ffplay 去掉缓存:延时1s左右。这两处地方改成左斜杠,才能运行。opencv拉流使用的是。多线程:延时1s左右。

yljxh的博客 4501

美团2017后台开发笔试全解析:核心考点与备考策略

在互联网校招中,后台开发岗位的笔试往往以计算机基础为核心,重点考察数据结构、算法、计算机网络、操作系统与数据库等底层知识。理解这些基础原理,不仅关乎笔试成绩,更决定了工程师在高并发、大数据场景下的问题分析能力与架构设计水平。从经典的链表环检测、滑动窗口技巧,到TCP三次握手、B+树索引原理,再到微博热搜TopK等场景设计,这些知识点覆盖了后台开发日常工程实践的核心需求。本文以美团2017年后台开发笔试题为样本,拆解考点分布与出题逻辑,梳理高频题型与解题思路,并给出系统化的备考路线,帮助求职者快速定位短板、高

weixin_34211761的博客 335

告别迷茫!用ETAS RTA-OS配置你的第一个AUTOSAR OS任务(含VRTA虚拟ECU实战)

本文详细介绍了如何使用ETAS RTA-OS工具链在VRTA虚拟ECU上配置和运行第一个AUTOSAR OS任务。通过从XML配置到任务调度的全流程实战,帮助开发者快速掌握嵌入式操作系统开发的核心步骤,特别适合刚接触AUTOSAR的开发者快速上手。

weixin_42533622的博客 422

摩拜运维开发校招笔试复盘:从编程到场景设计全解析

运维开发工程师是连接开发与运维的关键角色,核心价值在于用编程思维解决基础设施的规模化问题。现代业务系统的高可用依赖监控告警、日志分析、故障排查等能力,而 MySQL 索引优化、Redis 缓存一致性、Kafka 削峰填谷等中间件技术则构成了支撑高并发场景的基石。从 Linux 系统排查到 Python 自动化脚本,再到海量数据下的架构设计,运维开发的技能栈强调工程实践与全局视野。本文以摩拜校招笔试卷为样本,还原笔试中的编程算法、系统网络、数据中间件及场景设计题型,梳理答题框架与备考思路,帮助求职者理解运维开

weixin_34163553的博客 421

点餐系统数据库设计--SQL Server

友情链接 1、学生成绩管理系统数据库设计–MySQL 学生成绩管理系统数据库设计–MySQL 2、医疗信息管理系统数据库–MySQL 医疗信息管理系统数据库–MySQL 3、邮件管理数据库设计–MySQL 邮件管理数据库设计–MySQL 4、SQL Server医疗信息管理系统数据库【英文版-源码】–(Medical Management System Database) SQL Server医疗信息管理系统数据库【英文版-源码】–(Medical Management System Database) 5

若如初见 8万+

管道机器人手臂机械结构设计cad【8张】+三维图+设计说明书+绛重

履带式管道机器人适用于各种管道环境,包括直管道、弯曲管道、水平管道、垂直管道等,其灵活性和适应性使得它可以应对不同形状和尺寸的管道,完成全面的检测和维护工作。管道机器人研究具有重要的现实意义和深远的社会影响,通过提高工作效率、降低人员风险、提升服务质量、节约成本资源和促进科技创新等方面的作用,为现代工程技术领域的发展和进步做出了积极的贡献。管道机器人是一种能够在管道内部执行各种任务的智能机器人,而管道机器人的机械臂对于管道机器人在管道内执行任务的灵活性、稳定性和效率至关重要。

kejigongjiang的博客 948
上一篇: SpringBoot 实战:文件上传之秒传、断点续传、分片上传
下一篇: DeepSeek浪潮,Spring也赶上了?!
公众号-芋道源码
博客等级 码龄10年 1640粉丝 377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