Hive之SQL练习

最新推荐文章于 2024-05-02 18:09:54 发布
最新推荐文章于 2024-05-02 18:09:54 发布
阅读量451 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： Hive
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。
本文链接：https://blog.youkuaiyun.com/qq_43193797/article/details/88626218
博客围绕蚂蚁森林数据展开，介绍了datediff、regexp_replace等函数。包含两个问题：一是统计10月1日累计申领“p002 - 沙柳”排名前10的用户信息及与后一名的差距；二是查询2017年连续三天及以上每天减碳超100g的用户流水，给出了多种SQL解法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

datediff函数

regexp_replace()

 substring

 函数准备介绍：

dateddiff：求两个时间的差值

regexp_replace：替换符号

to_date：将字符串转换成时间

date_sub：求一个时间与数字之间的差值

 

round：四舍五入

floor：向下取整

ceil：向上取整

 

题目：

背景说明：
以下表记录了用户每天的蚂蚁森林低碳生活领取的记录流水。
table_name：user_low_carbon
user_id data_dt  low_carbon
用户     日期      减少碳排放（g）

蚂蚁森林植物换购表，用于记录申领环保植物所需要减少的碳排放量
table_name:  plant_carbon
plant_id plant_name low_carbon
植物编号    植物名    换购植物所需要的碳

----题目
1.蚂蚁森林植物申领统计
问题：假设2017年1月1日开始记录低碳数据（user_low_carbon），假设2017年10月1日之前满足申领条件的用户都申领了一颗p004-胡杨，
剩余的能量全部用来领取“p002-沙柳” 。
统计在10月1日累计申领“p002-沙柳” 排名前10的用户信息；以及他比后一名多领了几颗沙柳。
得到的统计结果如下表样式：
user_id  plant_count less_count(比后一名多领了几颗沙柳)
u_101    1000         100
u_088    900          400
u_103    500          …

1.创建表
create table user_low_carbon(user_id String,data_dt String,low_carbon int) row format delimited fields terminated by '\t';
create table plant_carbon(plant_id string,plant_name String,low_carbon int) row format delimited fields terminated by '\t';

2.加载数据
load data local inpath "/opt/module/data/low_carbon.txt" into table user_low_carbon;
load data local inpath "/opt/module/data/plant_carbon.txt" into table plant_carbon;

3.设置本地模式
set hive.exec.mode.local.auto=true;

(1)统计在10月1日前每个用户减少碳排放量的总和（取前11名）
select user_id,sum(low_carbon) sum_carbon
from user_low_carbon
where datediff(regexp_replace(data_dt,"/","-"),"2017-10-1")<0
group by user_id
order by sum_carbon desc
limit 11;t1

(2)取出申领胡杨的条件
select low_carbon from plant_carbon where plant_id="p004";t2


(3)取出申领沙柳的条件
select low_carbon from plant_carbon where plant_id="p002";t3

(4)求出能申领沙柳的棵数
select user_id,floor((t1.sum_carbon-t2.low_carbon)/t3.low_carbon) treeCount from t1,t2,t3;t4

select 
user_id,
floor((t1.sum_carbon-t2.low_carbon)/t3.low_carbon) 
treeCount 
from (select user_id,sum(low_carbon) sum_carbon
from user_low_carbon
where datediff(regexp_replace(data_dt,"/","-"),"2017-10-1")<0
group by user_id
order by sum_carbon desc
limit 11)t1,
(select low_carbon from plant_carbon where plant_id="p004")t2,
(select low_carbon from plant_carbon where plant_id="p002")t3;t4

u_007   66
u_013   63
u_008   53
u_005   46
u_010   45
u_014   44
u_011   39
u_009   37
u_006   32
u_002   23
u_004   22

(5)求出前一名比后一名多几棵
select user_id,treeCount,treeCount-(lead(treeCount,1) over(order by treeCount desc))
from t4
limit 10;

//先执行order by 再执行的lead

 

select user_id,treeCount,treeCount-(lead(treeCount,1) over(order by treeCount desc))
from (select 
user_id,
floor((t1.sum_carbon-t2.low_carbon)/t3.low_carbon) 
treeCount 
from (select user_id,sum(low_carbon) sum_carbon
from user_low_carbon
where datediff(regexp_replace(data_dt,"/","-"),"2017-10-1")<0
group by user_id
order by sum_carbon desc
limit 11)t1,
(select low_carbon from plant_carbon where plant_id="p004")t2,
(select low_carbon from plant_carbon where plant_id="p002")t3)t4
limit 10;

u_007   66      3
u_013   63      10
u_008   53      7
u_005   46      1
u_010   45      1
u_014   44      5
u_011   39      2
u_009   37      5
u_006   32      9
u_002   23      1

2、蚂蚁森林低碳用户排名分析
问题：查询user_low_carbon表中每日流水记录，条件为：
用户在2017年，连续三天（或以上）的天数里，
每天减少碳排放（low_carbon）都超过100g的用户低碳流水。
需要查询返回满足以上条件的user_low_carbon表中的记录流水。
例如用户u_002符合条件的记录如下，因为2017/1/2~2017/1/5连续四天的碳排放量之和都大于等于100g：
seq（key） user_id data_dt  low_carbon
xxxxx10    u_002  2017/1/2  150
xxxxx11    u_002  2017/1/2  70
xxxxx12    u_002  2017/1/3  30
xxxxx13    u_002  2017/1/3  80
xxxxx14    u_002  2017/1/4  150
xxxxx14    u_002  2017/1/5  101
备注：统计方法不限于sql、procedure、python,java等

(1)求出2017年超过100g的用户&时间
select user_id,data_dt,sum(low_carbon) sum_carbon
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100;t1

(2)计算每一行数据跟前后各两行的时间差
select user_id,data_dt,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lag(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt desc),"/","-")) lag2,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lag(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt desc),"/","-")) lag1,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lead(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt desc),"/","-")) lead1,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lead(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt desc),"/","-")) lead2
from (select user_id,data_dt,sum(low_carbon) sum_carbon
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100)t1;t2


select user_id,data_dt,
lag(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt desc) lag2,
lag(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt desc) lag1,
lead(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt desc) lead1,
lead(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt desc) lead2
from (select user_id,data_dt,sum(low_carbon) sum_carbon
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100)t1;t2


select user_id,data_dt,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lag2,"/","-")) lag2Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lag1,"/","-")) lag1Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lead1,"/","-")) lead1Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lead2,"/","-")) lead2Count
from (select user_id,data_dt,
lag(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt desc) lag2,
lag(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt desc) lag1,
lead(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt desc) lead1,
lead(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt desc) lead2
from (select user_id,data_dt,sum(low_carbon) sum_carbon
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100)t1)t2;

(3)
select user_id,data_dt,
lag(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt) lag2,
lag(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt) lag1,
lead(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt) lead1,
lead(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt) lead2
from (select user_id,data_dt,sum(low_carbon) sum_carbon
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100)t1;t2


select user_id,data_dt,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lag2,"/","-")) lag2Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lag1,"/","-")) lag1Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lead1,"/","-")) lead1Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lead2,"/","-")) lead2Count
from (select user_id,data_dt,
lag(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt desc) lag2,
lag(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt desc) lag1,
lead(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt desc) lead1,
lead(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt desc) lead2
from (select user_id,data_dt,sum(low_carbon) sum_carbon
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100)t1)t2;t3

(3)求出连续3天及以上的数据
select user_id,data_dt
from t3
where (lag2=2 and lag1=1) or (lag1=1 and lead1=-1) or(lead1=-1 and lead2=-2);

select user_id,data_dt
from (select user_id,data_dt,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lag2,"/","-")) lag2Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lag1,"/","-")) lag1Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lead1,"/","-")) lead1Count,
datediff(regexp_replace(data_dt,"/","-"),regexp_replace(lead2,"/","-")) lead2Count
from (select user_id,data_dt,
lag(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt) lag2,
lag(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt) lag1,
lead(data_dt,1,"1970/01/01") over (partition by user_id order by data_dt) lead1,
lead(data_dt,2,"1970/01/01") over (partition by user_id order by data_dt) lead2
from (select user_id,data_dt,sum(low_carbon) sum_carbon
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100)t1)t2)t3
where (lag2Count=2 and lag1Count=1) or (lag1Count=1 and lead1Count=-1) or(lead1Count=-1 and lead2Count=-2);

u_002   2017/1/2
u_002   2017/1/3
u_002   2017/1/4
u_002   2017/1/5
u_005   2017/1/2
u_005   2017/1/3
u_005   2017/1/4
u_008   2017/1/4
u_008   2017/1/5
u_008   2017/1/6
u_008   2017/1/7
u_009   2017/1/2
u_009   2017/1/3
u_009   2017/1/4
u_010   2017/1/4
u_010   2017/1/5
u_010   2017/1/6
u_010   2017/1/7
u_011   2017/1/1
u_011   2017/1/2
u_011   2017/1/3
u_013   2017/1/2
u_013   2017/1/3
u_013   2017/1/4
u_013   2017/1/5
u_014   2017/1/5
u_014   2017/1/6
u_014   2017/1/7


解法2：
4    1    3
5    2    3
6    3    3
7    4    3
9    5    4
10    6    4
12    7    5
13    8    5
14    9    5

(1)求出2017年超过100g的用户&时间
select user_id,data_dt,sum(low_carbon) sum_carbon,
rank() over(partition by user_id order by data_dt) rank
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100;t1

(2)求出时间与rank之间的差值
select user_id,data_dt,
date_sub(regexp_replace(data_dt,"/","-"),rank)
from t1;

select user_id,data_dt,
date_sub(regexp_replace(data_dt,"/","-"),rank) sub
from (select user_id,data_dt,sum(low_carbon) sum_carbon,
rank() over(partition by user_id order by data_dt) rank
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100)t1;t2

(3)求出连续3天及以上的数据
select user_id,data_dt,
count(*) over(partition by user_id,sub) threeDays
from t2;t3

select user_id,data_dt
from t3
where threeDays>=3;


select user_id,data_dt
from (select user_id,data_dt,
count(*) over(partition by user_id,sub) threeDays
from (select user_id,data_dt,
date_sub(regexp_replace(data_dt,"/","-"),rank) sub
from (select user_id,data_dt,sum(low_carbon) sum_carbon,
rank() over(partition by user_id order by data_dt) rank
from user_low_carbon
where substring(data_dt,1,4)="2017"
group by user_id,data_dt
having sum_carbon>100)t1)t2)t3
where threeDays>=3
order by user_id,data_dt;

u_002   2017/1/2
u_002   2017/1/3
u_002   2017/1/4
u_002   2017/1/5
u_005   2017/1/3
u_005   2017/1/2
u_005   2017/1/4
u_008   2017/1/4
u_008   2017/1/6
u_008   2017/1/5
u_008   2017/1/7
u_009   2017/1/4
u_009   2017/1/2
u_009   2017/1/3
u_010   2017/1/4
u_010   2017/1/5
u_010   2017/1/6
u_010   2017/1/7
u_011   2017/1/2
u_011   2017/1/1
u_011   2017/1/3
u_013   2017/1/2
u_013   2017/1/3
u_013   2017/1/4
u_013   2017/1/5
u_014   2017/1/5
u_014   2017/1/6
u_014   2017/1/7

前置函数：
datediff：求两个时间的差值
regexp_replace：替换符号
to_date：将字符串转换成时间
date_sub：求一个时间与数字之间的差值

round：四舍五入
floor：向下取整
ceil：向上取整

substring


set hive.exec.mode.local.auto=true;


map(user_id_data_dt,(data_dt,sum_carbon))
grouping(user_id)

ArrayList list = new ArrayList();

reduce(user_id_data_dt,values Iterate(data_dt,sum_carbon)){

    
    date1 = 0;
    
    for(value:values){
        if(date1=="0"){
        list.add(data_dt);
        date1 = data_dt;
        }else{
        if(data_dt-date1=?1){
        list.add(data_dt);
        date1 = data_dt;
        }else{
        if(list.size>=3){
        context.write;
        list.clear;
        date1=data_dt;
        }else{
        list.clear;
        date1=data_dt;
        }
        }
        }
    }

    list.size>?3;

    list.clear;

}


 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

20道Hive SQL经典训练提升题
数据与算法架构提升之路专栏
08-01 2938
20道经典hive sql基础面试题
【Hive】Hive练习题50道
HR的博客
05-07 9441
数据展示 student表 score表 teacher表 course表 在hive中建表导入数据 首先要先在hdfs上为每个数据建一个文件名相同的文件夹，以上的4张表都是txt格式的，放入hdfs相对应的文件夹后，使用以下语句建表(因为数据量不大，就直接建内部表) create table if not exists student( id int, name string, birthday string, sex string ) row format delimited fields te
hivesql语句练习
12-06
1.上传tar包 2.解压 tar -zxvf hive-1.2.1.tar.gz 3.安装mysql数据库 推荐yum 在线安装 4.配置hive （a）配置HIVE_HOME环境变量 vi conf/hive-env.sh 配置其中的$hadoop_home （b）配置元数据库信息 vi hive-site.xml 添加如下内容： javax.jdo.option.ConnectionURL jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true JDBC connect string for a JDBC metastore javax.jdo.option.ConnectionDriverName com.mysql.jdbc.Driver Driver class name for a JDBC metastore javax.jdo.option.ConnectionUserName root username to use against metastore database javax.jdo.option.ConnectionPassword hadoop password to use against metastore database 5.安装hive和mysq完成后，将mysql的连接jar包拷贝到$HIVE_HOME/lib目录下 如果出现没有权限的问题，在mysql授权(在安装mysql的机器上执行) mysql -uroot -p #(执行下面的语句 *.*:所有库下的所有表 %：任何IP地址或主机都可以连接) GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'root' WITH GRANT OPTION; FLUSH PRIVILEGES; 6. Jline包版本不一致的问题，需要拷贝hive的lib目录中jline.2.12.jar的jar包替换掉hadoop中的 /home/hadoop/app/hadoop-2.6.4/share/hadoop/yarn/lib/jline-0.9.94.jar 启动hive bin/hive ---------------------------------------------------------------------------------------------------- Hive几种使用方式： 1.Hive交互shell bin/hive 2.Hive JDBC服务(参考java jdbc连接mysql) 3.hive启动为一个服务器，来对外提供服务 bin/hiveserver2 nohup bin/hiveserver2 1>/var/log/hiveserver.log 2>/var/log/hiveserver.err & 启动成功后，可以在别的节点上用beeline去连接 bin/beeline -u jdbc:hive2://mini1:10000 -n root 或者 bin/beeline ! connect jdbc:hive2://mini1:10000 4.Hive命令 hive -e ‘sql’ bin/hive -e 'select * from t_test'
hive sql案例练习一
m0_46579176的博客
05-07 1943
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录hive sql案例练习一一、各年评分最高的电影类型（年份，类型，影评分）1、思路2、代码二、该影评库中各种类型电影中评价最高的 5 部电影（类型，电影名，平均影评分）1.思路2.代码总结 hive sql案例练习一 数据源 数据解释 t_movie 电影ID：：电影名（年份）：：标签1|标签2… movieid moviename movietype t_rating 用户ID：：电影ID：：评分：：评分的时.
01、Hive数据仓库——Hive SQL练习
hujieliang123的博客
02-18 1980
Hive数据仓库——Hive SQL练习
hive练习（二）
谁说大象不能跳舞
03-22 601
1.创建orders表 CREATE TABLE orders ( order_id string, #订单id user_id string, #用户id eval_set string, #标测训练集还是预测集 order_number string, #下订单的排序 order_dow string, #0-6的星期几 order...
HIVE综合练习
qq_47114453的博客
06-11 506
1、 创建外部表employee，字段为：name，age，city，area create external table employee(name string,age int,city string,area string) row format delimited fields terminated by "," location "/data"; 2、创建分区表pemp，字段同上，分区字段从上述四个字段中选择合适的字段 create table pemp(age int,city string
Hive SQL练习题库
04-24
### Hive SQL练习题库知识点详解 #### 一、Hive SQL概述 Hive 是一个基于 Hadoop 的数据仓库工具，可以将结构化的数据文件映射为一张数据库表，并提供简单的 SQL 查询功能，使不熟悉 MapReduce 的用户可以利用 SQL...
HiveSQL练习题--基础查询
weixin_44589713的博客
05-02 268
【代码】HiveSQL练习题--基础查询。
HiveSQL基础练习题
weixin_43977307的博客
04-22 1260
score s join (select course_id from course where tea_id in (select tea_id from teacher where tea_name=‘李体音’)) t on s.course_id=t.course_id。(select course_id from course where tea_id in (select tea_id from teacher where tea_name=‘李体音’)) t。)) 对数组中的元素进行升序排序。
Hive sql练习题，只是参考作用
最新发布
03-11
从实际应用角度来看，Hive sql练习题的价值在于能够帮助用户通过实际操作来巩固理论知识，并且学会如何解决实际工作中可能遇到的问题。因此，这些练习题不仅仅是理论上的练习，也是对数据分析师和工程师实际操作技能...
hive学习和习题集
11-02
Hive是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供类SQL查询功能。（1）解析器（SQL Parser）：将SQL字符串转换成抽象语法树AST，这一步一般都用第三方工具库完成，比如antlr；对AST进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误。 （2）编译器（Physical Plan）：将AST编译生成逻辑执行计划。 （3）优化器（Query Optimizer）：对逻辑执行计划进行优化。 （4）执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是MR/Spark。
hive练习数据和练习题及答案
01-05
hive练习数据和hive练习题包含了hive练习数据，hive数据的建表ddl和hive练习题，非常适合做hive练习，新手培训，快速入门等； 包含以下练习： hive的group by 和集合函数 hive的Order By/Sort By/Distribute By Join查询,join只支持等值连接 LEFT，RIGHT 和 FULL OUTER JOIN LEFT SEMI JOIN Hive当前没有实现 IN/EXISTS 子查询，可以用 LEFT SEMI JOIN 重写子查询语句。
大数据学习之Hive——07Hive经典练习题
bingque6535的博客
05-22 645
1. 求单月访问次数和总访问次数 1. 数据说明 字段说明 用户名，月份，访问次数 数据集A,2015-01,5 A,2015-01,15 B,2015-01,5 A,2015-01,8 B,2015-01,25 A,2015-01,5 A,2015-02,4 A,2015-02,6 B,2015-02,10 B,2015-02,5 A,2015-03,16 A,2015-03,22 B,2015-03,23 B,2015-03,10 B,2015-03,1 2. 数据准备 建表 create
hive的sql练习
ma13103652217的博客
08-26 317
1.beeline是客户端和hiveserver2一起使用 2.hive的常用交互命令 (1)“-e”不进入hive的交互窗口执行sql语句 [atguigu@hadoop102 hive]$ bin/hive -e "select id from student;" (2)“-f”执行脚本中sql语句 [atguigu@hadoop102 datas]$ touch hivef.sql 文件中...
hive sql练习
donger__chen的博客
07-27 596
具体练习数据可从Hive sql数据获取 #0.创建数据库 create database traindb; use database triandb; #1.建表 student表 create table student(sid varchar(10),sname varchar(10),sbirth date,ssex varchar(10)) partitioned by (sc...
hive sql练习
qq_42506914的博客
03-23 282
字段说明： ** 用户名，月份，访问次数 数据内容如下 A,2015-01,5 A,2015-01,15 B,2015-01,5 A,2015-01,8 B,2015-01,25 A,2015-01,5 A,2015-02,4 A,2015-02,6 B,2015-02,10 B,2015-02,5 A,2015-03,16 A,2015-03,22 B,2015-03,23 B,2015...
hive sql 练习
qq_36950604的博客
12-14 178
--每个用户中最喜爱的偏好 -- 自己写的 select user_name, max(goods_counts) from ( select user_name,goods_kind, count(distinct goods_kind) over (partition by user_name) as goods_counts from table_1 ) a --- 官方 select user_name, goods_kind from ( select user_name, goods_ki.
hive查看创建表语句
热门推荐
qq_43193797的博客
06-10 1万+
hive查看创建表语句 show create table table1;
hive sql在线练习
09-03
Hive SQL在线练习的好处之一是它能够帮助用户在实际操作中熟悉Hive SQL的语法和用法。通过在线练习，用户能够实时编写Hive SQL查询，执行代码并查看结果，从而增加对Hive SQL的理解和掌握程度。在线练习通常会提供一...
评论
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