Ubuntu 24.04系统兼容性挑战:破解MAVLink安装中的‘externally-managed-environment’与依赖困境

ubuntu 安装mavros和mavlink 创建mavros_install.sh脚本,复制一下内容: #!/bin/bash # MAVROS: https://dev.px4.io/en/ros/mavros_installation.html ## Create catkin workspace mkdir -p ~/catkin_mav/src cd ~/catkin_mav ## Install dependencies sudo apt-get install python-wstool python-rosinstall-gener 阅读详情

Ubuntu 24.04系统兼容性挑战:破解MAVLink安装中的‘externally-managed-environment’与依赖困境

对于无人机系统集成工程师和Linux系统管理员而言,Ubuntu 24.04的发布既带来了性能提升,也引入了前所未有的兼容性挑战。特别是在企业级开发环境和高校研究实验室的生产系统中,新系统对Python包管理的严格限制让许多依赖特定库的开发者措手不及。MAVLink作为无人机通信的核心协议,其安装过程中遇到的'externally-managed-environment'错误不仅是一个技术障碍,更是现代Linux发行版安全策略与开发灵活性之间平衡的典型案例。

1. 理解Ubuntu 24.04的PEP 668规范与系统保护机制

Ubuntu 24.04引入了基于PEP 668的标准,这一变革从根本上改变了系统级Python环境的管理方式。新系统通过明确的标记机制,防止pip等工具直接修改系统Python环境,从而避免因包冲突导致的系统不稳定。这一机制在/usr/lib/python3.12/EXTERNALLY-MANAGED文件中明确声明了系统环境的外部管理状态,任何尝试使用pip安装包的操作都会触发保护机制。

在实际操作中,当开发者执行sudo pip install命令时,系统会返回如下错误信息:

error: externally-managed-environment

× This environment is externally managed
╰─> To install Python packages system-wide, try apt install
    python3-xyz, where xyz is the package you are trying to
    install.

这种设计哲学体现了Ubuntu对系统稳定性的重视,但对于需要特定版本库的开发者来说,却增加了部署复杂度。特别是在无人机开发领域,MAVLink等库往往需要最新版本或特定分支,而系统仓库中的版本可能无法满足需求。

提示:理解这一机制的关键在于认识到Ubuntu将系统Python环境视为"只读"区域,所有用户级的包安装都应该在隔离环境中进行。

2. 多种解决方案的深度对比与实战评估

面对externally-managed-environment错误,开发者有多种选择,每种方案都有其适用场景和潜在风险。我们需要从维护性、安全性和便利性三个维度进行全面评估。

2.1 使用--break-system-packages标志的风险分析

最直接的解决方案是在pip命令后添加--break-system-packages参数,这一方法强制绕过系统保护机制。从技术角度看,该参数告诉系统"我知道风险,但请继续",相当于获得了超级用户权限。

实际操作命令如下:

python3 -m pip install --break-system-packages -r pymavlink/requirements.txt

然而,这种方法存在显著风险:

  • 系统稳定性威胁:可能覆盖系统关键依赖,导致apt等工具失效
  • 安全漏洞:破坏了系统原有的依赖隔离,可能引入未知冲突
  • 可维护性差:后续系统更新时可能出现难以排查的兼容性问题

在企业生产环境中,这种方法只应作为临时解决方案,且需要详细记录所有手动安装的包,以便后续审计和问题排查。

2.2 虚拟环境方案的优势与实施细节

Python虚拟环境是官方推荐的解决方案,它创建了一个独立的Python运行环境,与系统环境完全隔离。这种方法既保证了系统稳定性,又提供了灵活的包管理能力。

创建和使用虚拟环境的完整流程:

# 安装python3-venv包(如果尚未安装)
sudo apt install python3-venv

# 创建虚拟环境目录
python3 -m venv mavlink-env

# 激活虚拟环境
source mavlink-env/bin/activate

# 在激活的环境内安装依赖
pip install -r pymavlink/requirements.txt

# 进行MAVLink相关操作
python3 -m pymavlink.tools.mavgen --lang=C --wire-protocol=2.0 --output=generated/include/mavlink/v2.0 message_definitions/v1.0/common.xml

# 完成后退出虚拟环境
deactivate

虚拟环境的优势不仅在于隔离性,还在于其可重现性。可以将整个环境目录纳入版本控制,或者使用requirements.txt文件精确记录依赖版本,这在团队协作和持续集成中极为重要。

2.3 容器化部署的进阶方案

对于复杂的无人机系统集成,容器化提供了更彻底的解决方案。Docker容器不仅隔离Python环境,还将整个运行时环境封装起来,确保在不同系统上的一致性。

基本的Dockerfile示例:

FROM ubuntu:24.04

# 安装系统依赖
RUN apt-get update && apt-get install -y \
    python3-pip \
    git \
    cmake \
    build-essential \
    && rm -rf /var/lib/apt/lists/*

# 创建并设置工作目录
WORKDIR /app

# 克隆MAVLink仓库
RUN git clone https://github.com/mavlink/mavlink.git --recursive

# 设置虚拟环境
RUN python3 -m venv venv
ENV PATH="/app/venv/bin:$PATH"

# 安装Python依赖
RUN pip install --no-cache-dir -r mavlink/pymavlink/requirements.txt

# 生成MAVLink C库
RUN python3 -m pymavlink.tools.mavgen \
    --lang=C \
    --wire-protocol=2.0 \
    --output=mavlink/generated/include/mavlink/v2.0 \
    mavlink/message_definitions/v1.0/common.xml

容器化的优势在于极致的环境一致性,特别适合需要部署到多台设备的生产环境。缺点是增加了系统资源开销和学习曲线,但对于大型项目来说,这种投资是值得的。

3. MAVLink集成与编译的实战指南

在解决Python环境问题后,MAVLink的实际集成还需要处理C库的编译和系统依赖。这一过程需要仔细处理工具链和依赖关系。

3.1 完整依赖安装与系统配置

确保系统具备所有必要的开发工具和库:

# 安装基础开发工具
sudo apt install -y build-essential cmake make gcc g++

# 安装Python开发依赖(尽管使用虚拟环境,系统仍需要基础包)
sudo apt install -y python3-dev python3-venv

# 安装可能的额外依赖(根据具体需求)
sudo apt install -y libxml2-dev libxslt1-dev

3.2 CMake编译流程详解

MAVLink的C库生成和编译是一个多步骤过程,需要精确的参数配置:

# 进入MAVLink目录
cd mavlink

# 配置CMake构建
cmake -B build -H. \
    -DCMAKE_INSTALL_PREFIX=install \
    -DMAVLINK_DIALECT=common \
    -DMAVLINK_VERSION=2.0

# 执行编译
cmake --build build --target install

关键参数说明:

  • -B build:指定构建目录
  • -H.:指定源代码目录
  • -DCMAKE_INSTALL_PREFIX:设置安装前缀
  • -DMAVLINK_DIALECT:指定MAVLink方言
  • -DMAVLINK_VERSION:设置协议版本

3.3 验证安装与集成测试

编译完成后,必须进行全面的验证测试:

# 进入示例目录
cd examples/c

# 配置示例项目
cmake -Bbuild -H. -DCMAKE_PREFIX_PATH=$(pwd)/../../install

# 编译示例
cmake --build build

# 运行简单测试(如果有可执行文件生成)
./build/mavlink_example

验证过程中应检查:

  • 头文件是否正确安装到指定目录
  • 库文件是否可以被正确链接
  • 示例代码是否能正常编译和运行
  • 生成的MAVLink消息定义是否完整

4. 长期维护与稳定性保障策略

在生产环境中部署MAVLink后,长期维护同样重要。这包括版本管理、依赖监控和更新策略。

4.1 版本锁定与依赖管理

使用精确的版本控制来确保环境一致性:

# 生成精确的依赖列表
pip freeze > requirements.txt

# 使用特定版本的MAVLink(通过git tag)
git checkout v2.0.0  # 使用具体版本号

# 记录CMake版本和系统依赖
cmake --version
gcc --version

建议维护一个详细的环境文档,记录所有关键组件的版本信息,这在排查问题时极为有用。

4.2 自动化构建与持续集成

建立自动化脚本简化部署过程:

#!/bin/bash
# build_mavlink.sh - 自动化构建脚本

set -e  # 遇到错误立即退出

# 设置变量
MAVLINK_VERSION="2.0.0"
VENV_NAME="mavlink-env"

# 创建虚拟环境
python3 -m venv $VENV_NAME
source $VENV_NAME/bin/activate

# 安装依赖
pip install -r requirements.txt

# 生成MAVLink库
python3 -m pymavlink.tools.mavgen \
    --lang=C \
    --wire-protocol=2.0 \
    --output=generated/include/mavlink/v2.0 \
    message_definitions/v1.0/common.xml

# 编译C库
cmake -B build -H. \
    -DCMAKE_INSTALL_PREFIX=install \
    -DMAVLINK_DIALECT=common \
    -DMAVLINK_VERSION=2.0
    
cmake --build build --target install

echo "MAVLink安装完成,版本: $MAVLINK_VERSION"

4.3 监控与更新策略

建立定期检查机制:

  • 订阅MAVLink项目的发布通知
  • 定期检查安全公告和漏洞信息
  • 在测试环境中验证新版本 before 生产部署
  • 保持系统包和Python包的定期更新

在实际项目中,我们遇到过因忽视依赖更新导致的兼容性问题,现在团队严格执行"先测试后部署"的原则,所有更新都在隔离环境中充分验证后再应用到生产系统。

对于无人机开发团队,建议建立专门的环境管理流程,将系统配置、Python环境和应用代码分开管理。这样既保证了开发灵活性,又维护了系统稳定性。在实际操作中,我们发现使用虚拟环境配合容器化部署是最可靠的方案,既满足了开发时的灵活性需求,又保证了部署时的一致性。

保姆级教程:在Ubuntu 20.04上从零搭建MAVLink开发环境(附避坑指南) 本文提供了一份详细的Ubuntu 20.04上搭建MAVLink开发环境的保姆级教程,涵盖基础环境准备、工具链部署、消息库生成及开发环境验证等关键步骤,并附有避坑指南和进阶调试技巧,帮助开发者快速掌握MAVLink通讯协议的应用。 阅读详情

相关推荐

印尼稻米收成与粮食安全数据集2026年

本数据集收录印度尼西亚2026年水稻收成与粮食安全遥测数据,包含10000条稻米农业收成产量与粮食安全监测记录,围绕印尼国家粮食安全体系中的核心作物水稻展开。稻米是印尼逾两亿人口的主粮,其收成波动直接影响国家粮食安全与进口政策,本数据集将种植区域、收成产量、气候与土壤相关遥测指标整合为结构化表格,可支撑粮食产量预测、收成影响因素分析、区域粮食安全评估与农业政策模拟等研究任务。典型应用场景包括:农业时间序列产量预测模型构建、气候因子与水稻收成的关联分析、省份与地区层面的粮食自给率测算、粮食安全风险预警指标设计,也可作为农业经济、粮食政策与数据科学交叉课程的教学素材。数据为2026年最新版,规模约1.2MB、单CSV结构规整,字段命名清晰,适合Python、Pandas、Scikit-learn等主流工具链直接使用,便于开展探索性分析、可视化与机器学习全流程练习。重要说明:本数据为遥测整理数据,分析结论以数据集文档口径为准,农业决策请结合官方统计综合研判。许可:CC0公有领域,可自由使用与二次分发。

树莓派4B+Ubuntu24.04 mavlink安装 保姆级教程

有很多方法,但是,我觉得都很麻烦,所以,我直接加了 -- break-system-packages.这有个问题,就是pip安装的时候,会说 externally-managed-environment。各位,飞控之间,大多使用mavlink来通信,今天来写一个mavlink安装的保姆级教程。安装完了之后,我们进到mavlink路径下的examples/c路径下,编译看看。装起来后,接下来就是生成mavlink2的C库。到此,安装就完成了,我们检验一下成果。来,我觉得在安装上,比官网说得清楚。

dqsh06的博客 1440

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

四分之一汽车模型主动悬架设计:在MATLAB_Simulink中实现比例积分控制、前馈扰动抑制和扰动估计,以优化乘坐舒适性和道路附着力。.rar

PX4从放弃到精通(二):ubuntu18.04配置px4编译环境及mavros环境

先安装git git clone https://github.com/PX4/Firmware.git --recursive cd Firmware bash ./Tools/setup/ubuntu.sh 安装完重启电脑编译 如果报错一般是网速问题,重新执行脚本

超维空间科技的博客 6万+

Delphi 13.2控件之msquic4d.rar

Delphi 13.2控件之msquic4d.rar

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

企业数字化转型AI大模型赋能智能体平台及AI场景应用规划方案(生态合作版).pptx

在ubuntu上安装mavlink-router

版本说明: ubuntu 20.0.04 mavlink-router 2 为了安装mavlink-router,需要预先安装一些依赖库: aclocal、autoconf、libtool、python-future、python3-future sudo apt-get install aclocal sudo apt-get install autoconf sudo apt-get install libtool sudo apt-get install python3-fut

weixin_39472686的博客 2028

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

智慧环保生态保护行业可信数据空间应用规划方案(技术方案版).pptx

6001. mavlink 编译与移植

mavlink 编译与移植 1 源码下载 git clone https://github.com/mavlink/mavlink.git 2 源码配置编译 2.1 配置生成c++源码 根据mavlink官方文档,源代码支持各种主流语言,但是需要自己通过python配置生成 请注意严格按照mavlink官方网站提供移植步骤进行操作,实践证明不按手册操作有大坑. 安装编译前环境 ht...

写给自己的笔记 902

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

气象服务行业可信数据空间应用规划方案(技术方案版).pptx

机器视觉检测实战教程 19页成品课程光源选型Halcon标定海康相机VisionPro

内容概要:机器视觉检测实战教程,19页6章成品课程PDF:视觉检测光源选型对照表+五个翻车案例、Halcon模板匹配create_shape_model七参数整定、视觉标定三类(9点/旋转/手眼)、海康工业相机C#取图黑图丢帧排坑、VisionPro QuickBuild部署License迁移C#宿主、远心镜头选型。含C#/Halcon代码与现场案例。适用人群:机器视觉工程师、自动化检测开发、企业内训。使用场景:视觉方案设计、选型、标定部署、团队培训。原创整理。

MCGS的Http协议驱动,支持http协议

硬件配置 参数设置 设备属性 设备命令 通讯状态 附录 #HTTP 1、 设备简介 驱动类型 该驱动为独立设备,直接添加构件即可,不需要挂载到父设备下 通讯协议 采用标准HTTP1.1协议 通讯方式 驱动构件为客户端。 2、 硬件连接 本软件在通讯之前,请保证通讯连接正确。通讯连接方式:采用标准的RJ45接口的以太网接线(对调网线或使用HUB交换)。 3、 设备通讯参数 本设备为独立设备,无父设备参数 4、 设备构件参数设置 “HTTP设备”参数设置如下: <1> 内部属性: 构建url信息。 <2> 最小采集周期:本软件对设备进行操作的时间周期,单位为ms,默认为100ms。 <3> 通讯等待时间:通讯数据接收等待时间,默认设置为200ms,当采集速度要求较高或数据量较大时,设置值可适当减小或增大。 <4> HttpHead:http head添加需要的字段,不需要添加http head时值为空,默认不添加。 5、 设备命令 本设备构件提供设备命令,用于进行相应的操作,设备命令的格式如下: 设备命令 命令介绍 GetHttpHead 格式1 GetHttpHead(headStr) 用途 获取http head参数 参数 headStr 参数可以为字符型变量、字符串常量 例1 !SetDevice(设备0,6,"GetHttpHead(headStr)") 获取http head数据保存到headStr中 SetHttpHead 格式1 SetHttpHead(headStr) 用途 设置http head参数 参数 headStr 参数可以为字符型变量、字符串常量

【医疗器械制造】基于酸碱腐蚀环境的一次性乳胶手套铝合金手模失效机理分析与量产风险控制

内容概要:本文围绕一次性医用乳胶手套生产中使用的铝合金手模在酸碱环境下的失效风险展开系统性分析,重点探讨其在外表面腐蚀、清洗循环、氯介质侵入及表面粗糙度控制等方面的工程挑战。研究表明,尽管市场上已有带涂层的铝合金手模供应,但其能否在强碱、酸洗、毛刷摩擦、冷热交变和氯共存的复杂工况下长期维持Ra 1.0—2.5 μm的表面质量并实现稳定脱模,仍需经过严格的多阶段验证。常规阳极氧化+PTFE涂层方案已被实测排除,而316L不锈钢筒体在湿氯环境中出现的三个月内腐蚀失效案例提示必须重视内腔隔离设计。文章强调,采购决策应基于“小批量试制—离线加速试验—影子生产验证—条件性放行”的四阶段准入机制,结合表面参数、工艺相容性、手套成品性能与全生命周期成本进行综合评估,避免依赖供应商宣传数据。; 适合人群:从事医疗器械制造、材料工程、设备采购与工艺质量管理的技术人员及决策管理者,尤其是涉及乳胶手套生产线优化与手模选型的相关从业人员。; 使用场景及目标:①评估铝合金手模替代陶瓷手模的技术可行性与风险边界;②建立手模选型的系统验证流程,防范因表面失效导致的脱模异常、手套缺陷与非计划停机;③指导采购合同中技术条款的制定,确保供应商交付具备可验证数据支撑; 阅读建议:此资源以工程实证为导向,建议读者结合自身产线工艺参数,重点关注外表面Ra控制、内腔双密封设计、影子生产验证方法及失效链追溯体系的构建,在试制阶段严格执行多维度联合判定标准,审慎推进规模化替代。

【DBO三维路径规划】基于多策略改进的蜣螂算法MSDBO多无人机协同集群避障路径规划(目标函数:最低成本:路径、高度、威胁、转角)研究(Matlab代码实现)

内容概要:本文研究了基于多策略改进的蜣螂优化算法(MSDBO)在多无人机协同集群三维路径规划中的应用,旨在解决复杂三维环境下的避障与最优路径搜索问题。通过构建包含路径长度、飞行高度、威胁规避和转弯角度的综合成本目标函数,利用MSDBO算法对多无人机系统的飞行轨迹进行全局优化,实现在保证安全性与稳定性的前提下达到最低能耗与最优性能的目标。文中详细阐述了算法的多策略改进机制、三维环境建模方法以及多无人机协同避障策略,并通过Matlab仿真平台验证了该方法相较于传统优化算法在收敛速度、路径质量和鲁棒性方面的优越性能。; 适合人群:具备一定优化算法理论基础和无人机控制系统知识的科研人员及研究生,特别适用于从事智能优化算法、多智能体协同控制、路径规划与自主导航等相关领域的研究人员和技术开发者。; 使用场景及目标:①应用于灾害救援、军事侦察、智能巡检等复杂三维场景中多无人机协同任务的路径规划;②为多目标约束下的路径优化、动态避障与能耗平衡问题提供高效的算法支持与仿真验证工具;③推动智能优化算法在无人系统自主决策与协同控制中的实际应用与工程落地。; 阅读建议:建议读者结合提供的Matlab代码深入理解算法的具体实现过程,重点关注目标函数设计、多策略改进机制(如种群初始化、自适应参数调整、局部搜索增强等)及仿真结果分析部分,同时可尝试将该算法迁移至其他智能优化算法框架中进行对比研究,以深化对路径规划问题本质的理解与实践能力的提升。

【新能源电力系统】项目介绍 MATLAB实现基于GWO-VMD-SSA-LSTM灰狼优化算法(GWO)结合变分模态分解(VMD)、麻雀搜索算法(SSA)及长短期记忆网络(LSTM)进行辐照度-温度驱动

内容概要:本文提出了一种融合灰狼优化算法(GWO)、变分模态分解(VMD)、麻雀搜索算法(SSA)和长短期记忆网络(LSTM)的复合模型(GWO-VMD-SSA-LSTM),用于实现高精度的辐照度-温度驱动短期光伏功率预测。该模型首先通过GWO优化VMD的关键参数(模态数K和惩罚因子α),实现对非平稳光伏功率序列的高效多尺度分解,降低信号复杂性;随后利用SSA对LSTM的超参数(如隐藏层单元数、Dropout率、学习率等)进行智能寻优,提升网络训练效率与泛化能力;最后通过独立LSTM网络对各VMD模态进行预测并重构输出。模型结合了信号分解、智能优化与深度学习优势,显著提升了在多云、阴雨等复杂天气下的预测精度与稳定性,并通过MAE、RMSE、MAPE和R²等指标验证了有效性。文中还提供了完整的MATLAB实现流程,涵盖数据清洗、归一化、滑动窗口构建、参数优化与结果可视化等环节。; 适合人群:具备一定机器学习与时间序列预测基础,从事新能源发电预测、智能电网调度、电力系统自动化等相关领域的科研人员、工程师及研究生。; 使用场景及目标:①解决光伏功率受辐照度、温度等因素影响而导致的强随机性、非平稳性预测难题;②提升短期(15分钟至1小时)光伏出力预测精度,支撑电网经济调度、储能协同控制与电力现货市场申报;③为多源气象数据驱动的可再生能源预测提供可扩展的技术框架。; 阅读建议:建议结合提供的MATLAB代码逐步实践,重点关注GWO与SSA的优化机制、VMD分解效果及其与LSTM的集成方式,注意避免时间泄漏问题,推荐在实际数据上复现实验以深入理解模型性能。

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

T12_eVTOL低空经济低空公共航线网络规划设计方案_可研报告版.pptx

【CEEMDAN-VMD-GRU】完备集合经验模态分解-变分模态分解-门控循环单元预测研究(Python代码实现)

内容概要:本文提出了一种融合完备集合经验模态分解(CEEMDAN)、变分模态分解(VMD)与门控循环单元(GRU)的复合预测模型,旨在提升对复杂非平稳时间序列的预测精度。首先利用CEEMDAN对原始信号进行自适应分解,有效缓解模态混叠问题,获得一组本征模态函数(IMFs);随后引入VMD对关键模态分量作进一步优化分解,增强特征分离能力,降低噪声干扰;最后将处理后的平滑分量分别输入GRU神经网络进行独立训练与预测,并通过加权集成策略融合各分量输出,得到最终高精度预测结果。该方法结合了多尺度信号分解与深度学习的优势,显著提升了模型在处理强噪声、非线性、非平稳序列(如电力负荷、风速、光伏发电功率等)时的泛化能力和预测稳定性,文中提供了完整的Python代码实现,便于复现与应用。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事科研或工程应用的硕士、博士研究生及科研人员,尤其适用于能源系统预测、智能电网调度、可再生能源管理、信号处理与时间序列分析等相关领域的研究人员和技术开发者。; 使用场景及目标:①解决传统单一预测模型在面对复杂非平稳时间序列时存在的过拟合、收敛慢、精度低等问题;②通过多阶段信号分解降低原始序列的复杂度与不确定性,提升GRU模型的训练效率与预测鲁棒性;③为电力系统负荷预测、新能源出力预报、设备运行状态预警及市场交易策略制定等关键任务提供高精度数据支撑。; 阅读建议:建议读者结合提供的Python代码逐模块理解算法实现流程,重点关注CEEMDAN与VMD的参数配置对信号分解效果的影响,尝试在不同数据集上进行实验对比,并通过可视化手段分析各模态分量的物理意义,进一步掌握模型调优与性能评估的方法。

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

T07_低空经济与智能网联汽车融合的城市空地一体出行服务平台建设方案_决策评审版.pptx

上一篇: 嵌入式Linux实战:泰山派RK3566驱动LTR-390UV传感器实现紫外线监测系统
下一篇: UART Bootloader与日志系统:嵌入式开发的“双向通道”实战解析(附代码)
普通网友
博客等级 码龄4年 96粉丝 1459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  | 博主筛选后可见
 
 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