mysql视图表转innodb表

Mysql InnoDB存储引擎解析 mysql innodb存储引擎解析 mysql底层有多种存储引擎。如果你看它的源码,打开storage目录,可以看到这么多种存储引擎: 其中innobase最为经典,本文讲的就是innobase存储引擎的底层结构。 InnoDB在主键上建聚簇索引:将主键组织到一棵B+树中,而行数据就储存在叶子节点上。 在非主键上建辅助索引:第一步在辅助索引B+树中检索属性值,到达其叶子节点获取对应的主键;第二... 阅读详情

今天有个小活,要把项目以前用的两个视图表转成innodb表,并加两个字段,遂记录如下。


以前没搞过,总以为phpmyadmin导出视图表只是一条创建视图表的sql语句。 //恕我孤陋寡闻。


刚搞定,感觉尚可,记录下怎么搞的,有不正确的地方还请指正。


先把开发机上的相关表备份到本地(本地网络不行,鸭梨大)。


首先用navicat 导出视图表的数据到SQL脚本文件(即 ooxx.sql),记得附加选项选中“包含列的标题”(用来加字段后 区分)。


然后用mysqldump 导出 表结构。

我在win下搞的,进入mysql的bin文件夹后输入命令:


mysqldump -u 用户名 -p -B 数据库名 --table 表名 > ooxx_ddl.sql

输入密码并回车


然后 在bin文件夹里面,打开 ooxx_ddl.sql   。

找到  /*!50001 CREATE TABLE `表名` (  这句话

然后 把需要的表结构语句复制到 phpmyadmin中运行。  注意,貌似导出的表结构 ENGINE 都是 MyISAM 。

看自己需求是否需要更改。


建好表之后,最后再把之前navicat 导出视图表的数据  导进数据库。


然后...你懂的。



Centos7 XFS(dm-0):Internal error XFS_WANT_CORRUPTED_GOTO 在k8s的道路上我们都是小白,每天启动虚机都会遇到各种各样的问题,这不。部署的k8s虚机启动发现操作系统启动异常,提示如下报错信息。进入/dev/mapper目录下,查询目录下路径信息。可以通过对文件系统进行修复操作,操作如下。重启完成后虚机恢复正常登录。 阅读详情

相关推荐

【IC】Redhawk-SC输入件配置

Redhawk sc

u011808788的博客 1779

mysql视图转成表,将MySQL视图转储为具有数据的表

Say I have a view in my database, and I want to send a file to someone to create that view's output as a table in their database.mysqldump of course only exports the 'create view...' statement (well, ...

weixin_36480423的博客 854

避坑指南:LVGL在Arduino环境编译报错?3步搞定lv_conf.h路径问题(附ST7789屏幕调试技巧)

本文详细解析了在Arduino环境中配置LVGL图形库时,如何解决常见的“lv_conf.h file not found”编译报错问题。通过三步法:定位并复制模板文件、启用核心配置并指定路径、配置基础参数,从根本上解决路径问题。文章还结合ST7789屏幕驱动,分享了使用TFT_eSPI库进行显示适配、内存优化及背光控制等实战调试技巧,帮助开发者建立清晰、可维护的嵌入式UI工程基础。

lake5的博客 860

mysql视图转成表_mysql视图表转innodb表

今天有个小活,要把项目以前用的两个视图表转成innodb表,并加两个字段,遂记录如下。以前没搞过,总以为phpmyadmin导出视图表只是一条创建视图表的sql语句。 //恕我孤陋寡闻。刚搞定,感觉尚可,记录下怎么搞的,有不正确的地方还请指正。先把开发机上的相关表备份到本地(本地网络不行,鸭梨大)。首先用navicat 导出视图表的数据到SQL脚本文件(即 ooxx.sql),记得附加选项选中“包...

weixin_32111725的博客 1938

Concentration Inequality(集中不等式)更新版

欢迎来我博客 https://wyue.name/2020/04/17/1/阅读这一篇博文 转载前请联系我,联系方式请见我博客 https://wyue.name/ Concentration inequality 刻画了一组随机变量的和(或者样本平均数)与其期望值的偏离程度,在算法收敛性分析过程中是非常有用的一类不等式。 这次主要总结一下最近一段时间遇到的集中不等式,不仅是不等式形式,...

Yue的博客 4555

从FP16到FP8:我是如何让Stable Diffusion 3.5提速40%而不丢画质的

本文分享了StableDiffusion模型优化的实战经验。通过FP8精度转换、分层处理敏感模块,实现显存占用降低35%、推理速度提升40%。文章详细介绍了提升画质的五大技巧、本地/云端/移动端部署方案,以及二次元模型定制等垂直领域应用。同时总结了硬件兼容性、数据质量等七大常见陷阱,并强调持续监控和伦理考量。作者指出未来应关注MoE架构、注意力机制优化等方向,认为技术优化是持续追求性能与质量平衡的过程。

达则兼济天下 1190

mysql视图转成表_sql数据库中建立一个视图怎样把一张表的列值转换成另一张表的行值...

改写CREATE FUNCTION GetYQFromIndex(@AID nvarchar(100),@index int)RETURNS nvarchar(1024)ASBEGINdeclare @Str varchar(1024)select @Str=仪器from (select *,IDENTITY(int,1,1) as indexidfrom (select * ...

weixin_30175751的博客 794

用HFSS复现经典论文:从零搭建带孔缝屏蔽箱体模型(附完整建模步骤与避坑指南)

本文详细介绍了如何使用HFSS电磁仿真软件复现经典论文中的带孔缝屏蔽箱体模型,包括从零搭建模型、设置激励与边界条件、求解优化及结果验证的全过程。特别提供了建模中的布尔运算陷阱、激励设置技巧等实操难点的避坑指南,帮助工程师和学生深入理解电磁屏蔽效能研究。

weixin_30530339的博客 160

mysql视图数据迁移到表_mysql 数据库视图迁移

最近做一个项目,为了方便查询,建了好多的视图表,正式上线的时候需要把本地数据库迁移到服务器上。按照常规方法:1、“导出sql”,“导入sql”,发现视图没过去,过去了也用不了;2、拷贝本地数据库文件夹,在服务器粘贴数据库文件夹,同样发生上面的问题。原因是:1、在本地建立的视图里面直接带有本地数据库名称,如果服务器上面的数据库名称与本地不一样,会报类似“数据库不存在,或表不存在”的错误;2、在本地建...

weixin_39612849的博客 1221

保姆级教程:手把手配置MAX9295/9296 GMSL2-CSI2链路,搞定4LAN/1LAN模式与常见调试

本文提供MAX9295/9296 GMSL2-CSI2链路的详细配置教程,涵盖4LAN和1LAN模式的硬件连接、寄存器配置及调试技巧。通过实战案例和代码示例,帮助开发者快速实现高带宽视频传输,解决常见问题如信号同步和功耗优化,适用于车载摄像头和机器人视觉系统开发。

weixin_42561143的博客 437

Android 13 RK3588 编译烧写实录全程

本文详细记录了RK3588主板在Android 13系统下的各项功能测试与编译过程。主要内容包括:1)网络功能测试(以太网、WiFi、蓝牙连接);2)外设接口测试(耳机、麦克风、USB、TF卡);3)硬件功能验证(RTC时钟、ADC采样、MIPI摄像头);4)系统设置(手势导航、开发者选项);5)Android 13 SDK编译环境搭建与源码获取方法。通过图文并茂的方式展示了各功能的配置方法、操作步骤和测试结果,为开发者提供了全面的参考指南。

hnjzfwy的博客 241

mysql视图数据迁移到表_mysql笔记(一):简单的过程/视图/表状态/导入导出数据到文本/导入导出数据到sql文件...

过程/函数://显示数据库中所有存储的存储过程基本信息,包括所属数据库,存储过程showprocedure/functionstatus[like'pattern']//从系统表中查询某一存储过程的相关信息select*frommysql.procwherename='procedure_name'//创建过程createprocedurecount_user()sel...

weixin_31004409的博客 1062

R语言单因素被试内ANOVA检验

在R语言中,我们可以使用多种方法进行被试内ANOVA检验,其中包括使用内建函数或使用外部包。我们随机选择了10个被试,并对每个被试使用了三种不同的药物处理。通过上述代码示例,我们可以使用R语言进行单因素被试内ANOVA检验。假设我们的数据存储在一个名为"data"的数据框中,其中包含两个列:一个列是被试的编号,另一个列是生物指标的测量值。在上述代码中,我们创建了一个名为"data"的数据框,其中"Subject"列包含了被试的编号,"Measurement"列包含了生物指标的测量值。参数指定了数据来源。

PixelNovaO的博客 364

MySQL - 表损坏修复实战:MyISAM 与 InnoDB 表修复方法

本文详细介绍了MySQL中MyISAM和InnoDB表损坏的修复方法。MyISAM表由于缺乏事务支持容易损坏,可通过myisamchk工具或REPAIR TABLE命令修复;InnoDB表损坏通常由硬件故障引起,可通过innodb_force_recovery参数或备份恢复。文章还提供了Java应用检测表损坏的代码示例,并强调了定期备份、监控等预防措施的重要性。通过实战步骤和代码演示,帮助开发者有效应对数据库表损坏问题。

千淘万漉虽辛苦,吹尽狂沙始到金 2万+

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

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

mysql innodb空间_mysql的innodb表到底占用多大的空间?

问题背景:最近某个数据库服务器磁盘告警,在数据库内查询information_schema.tables查看数据库一共占用了8个T左右的空间,但是在服务器上通过du命令查看数据库文件夹占用了18个T(14T的数据文件和4T的备份文件),显然很奇怪,各种搜索以后,下文应该可以解释清楚该现象原文作者:Peter Zaitsev翻译作者:管长龙我想知道 MySQL 表在磁盘上占用多少空间,但看起来很琐碎...

weixin_39653766的博客 422

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

mysql多大_mysql的innodb表到底占用多大的空间?

问题背景:最近某个数据库服务器磁盘告警,在数据库内查询information_schema.tables查看数据库一共占用了8个T左右的空间,但是在服务器上通过du命令查看数据库文件夹占用了18个T(14T的数据文件和4T的备份文件),显然很奇怪,各种搜索以后,下文应该可以解释清楚该现象原文作者:Peter Zaitsev翻译作者:管长龙原文:https://www.percona.com/blo...

weixin_39843782的博客 232

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视图表怎么设置约束_MySql表、约束、视图

MySql表、约束、视图索引组织表在InnoDB存储引擎中,表都是根据主键顺序组织存放的,这种存储方式的表成为索引组织表(index organized table)。每张表都有主键,如果创建表的时候没设置主键,会采取以下方式:1.是否有非空唯一索引,如果有,选为主键2.如果没有非空唯一索引,则InnoDB存储引擎自动创建一个6字节的指针在1的情况下主键的选择是根据定义索引的顺...

weixin_35159324的博客 224

数据库表占用空间过大_mysql的innodb表到底占用多大的空间?

问题背景:最近某个数据库服务器磁盘告警,在数据库内查询information_schema.tables查看数据库一共占用了8个T左右的空间,但是在服务器上通过du命令查看数据库文件夹占用了18个T(14T的数据文件和4T的备份文件),显然很奇怪,各种搜索以后,下文应该可以解释清楚该现象原文作者:Peter Zaitsev翻译作者:管长龙原文:https://www.percona.com/blo...

weixin_42300400的博客 469

MySQL InnoDB 磁盘结构

当您在表上定义主键(PRIMARY KEY)时,InnoDB 将其用作聚簇索引。建议每个表都定义一个主键。如果没有逻辑上唯一且非空的列或列组可以用作主键,可以添加一个自增列。自增列的值是唯一的,并会在插入新行时自动增加。

2401_89221867的博客 1118

MySQL information_schema.innodb_locks 表的作用及字段详解(锁的信息)

中的一个视图,它提供了关于InnoDB存储引擎中当前锁的信息。表,你可以监控当前系统中的锁状况,比如找出造成锁等待的事务或锁,进而分析和解决并发问题。结合这些信息,可以有效地识别和解决锁相关的性能瓶颈,比如优化事务设计、调整隔离级别或调整锁等待超时时间等。,分别代表表空间ID、锁编号、锁类型(如RECORD、TABLE等)和锁的序号。: 被锁定的表名,对于表锁,直接给出表名;: 对于表空间级别的锁,这里是表空间ID;: 被锁定记录所在的表空间ID,对于表锁,这将标识整个表所在的空间。

学亮编程手记 1348

MySQL视图表_从 MySQL 中的多个表和视图中获取行计数(第 3 部分)

2018 年 4 月 10 日,由 Robert Gravelle 撰写在上周的在 MySQL 中获取高级的行计数(第 2 部分)文章中,我们使用了原生的 COUNT() 函数来计算唯一值以及满足条件的值。在今天的最后一部分中,我们将学习如何从数据库或整个模式中的所有表中获取行计数。查询 information_schema 数据库你不必对每个表运行计数查询以获取行数。如果你计划多次运行它,这将是...

weixin_29973493的博客 424

mysql原理--InnoDB的Buffer Pool

Buffer Pool,用户态高速缓存

x13262608581的博客 2287

mysql刷新表大小_如何在磁盘上查找 MySQL 表的大小

我想知道 MySQL 表在磁盘上占用多少空间,但看起来很琐碎。不应该在 INFORMATION_SCHEMA.TABLES 中提供这些信息吗?没那么简单!这个看似简单的问题实际上在 MySQL 中非常复杂。MySQL 支持许多存储引擎(其中一些根本不在磁盘上存储数据), 不同的存储数据格式。例如,InnoDB 存储引擎为 MySQL 5.7 提供了三种“基本”格式,其中包含 row_forma...

weixin_39595487的博客 387

怎么查看mysql表的大小_怎样在磁盘上查找MySQL表的大小?这里有答案

我想知道 MySQL 表在磁盘上占用多少空间,但看起来很琐碎。不应该在 INFORMATION_SCHEMA.TABLES 中提供这些信息吗?没那么简单!我想知道 MySQL 表在磁盘上占用多少空间,但看起来很琐碎。不应该在 INFORMATION_SCHEMA.TABLES 中提供这些信息吗?没那么简单!这个看似简单的问题实际上在 MySQL 中非常复杂。MySQL 支持许多存储引擎(其中一些根...

weixin_42357916的博客 170

如何查找mysql的临时表_如何优雅的查找磁盘上的MySQL表大小

我想知道 MySQL 表在磁盘上占用多少空间,但看起来很琐碎。不应该在 INFORMATION_SCHEMA.TABLES 中提供这些信息吗?没那么简单!这个看似简单的问题实际上在 MySQL 中非常复杂。MySQL 支持许多存储引擎(其中一些根本不在磁盘上存储数据), 不同的存储数据格式。例如,InnoDB 存储引擎为 MySQL 5.7 提供了三种“基本”格式,其中包含 row_formats...

weixin_35056594的博客 457

技术分享 | 在磁盘上查找 MySQL 表的大小

​作者:Peter Zaitsev 翻译:管长龙 我想知道 MySQL 表在磁盘上占用多少空间,但看起来很琐碎。不应该在 INFORMATION_SCHEMA.TABLES 中提供这些信息吗?没那么简单! 这个看似简单的问题实际上在 MySQL 中非常复杂。MySQL ...

chiweiliu4439的博客 152
上一篇: 【折腾】centos mini安装后安装lnmp~
下一篇: Mysql IN取多条数据时按定义的顺序返回数据
如惈
博客等级 码龄17年 9粉丝 17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