一致性 Hash 算法学习(分布式或均衡算法)

哈希表(hash) 什么是哈希表 哈希表(Hash table,也叫散列表),是根据关键码值(Key value)而直接进行访问的数据结构。也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度。这个映射函数叫做散列函数,存放记录的数组叫做散列表。 记录的存储位置=f(key) 这里的对应关系f称为散列函数,也称为哈希函数(hash function),采用散列技术将记录存储在一块连续的存储空... 阅读详情

简介:

一致性哈希算法在1997年由麻省理工学院提出的一种分布式哈希(DHT)实现算法,设计目标是为了解决因特网中的热点(Hot spot)问题,初衷和CARP十分类似。一致性哈希修正了CARP使用的简单哈希算法带来的问题,使得分布式哈希(DHT)可以在P2P环境中真正得到应用。

场景引入:

比如你有 N 个 cache 服务器(后面简称 cache ),那么如何将一个对象 object 映射到 N 个 cache 上呢,你很可能会采用类似下面的通用方法计算 object 的 hash 值,然后均匀的映射到到 N 个 cache :

hash(object)%N

上面取模的方法一般称为简单 hash 算法 。通过简单 hash 算法确实能够比较均匀地实现分布式布置(映射),但是我们来考虑下面两种情形:

1) 某个 cache 服务器 m down 掉了(在实际应用中必须要考虑这种情况),这样所有映射到 cache m 的对象都会失效,怎么办,需要把 cache m 从 cache 中移除,这时候 cache 是 N-1 台,映射公式变成了 hash(object)%(N-1) ;

2) 由于访问加重,需要添加 cache ,这时候 cache 是 N+1 台,映射公式变成了 hash(object)%(N+1) ;

1) 和 2) 意味着什么?这意味着无论是添加或移除 cache 服务器,突然之间几乎所有的 cache 都失效了。对于服务器而言,这是一场灾难,洪水般的访问都会直接冲向后台服务器;

为了解决上面的问题,我们引入一致性 Hash 算法(consistent hashing)。

hash 算法和单调性

Hash 算法的一个衡量指标是单调性( Monotonicity ),定义如下:

  单调性是指如果已经有一些内容通过哈希分派到了相应的缓冲中,又有新的缓冲加入到系统中。哈希的结果应能够保证原有已分配的内容可以被映射到新的缓冲中去,而不会被映射到旧的缓冲集合中的其他缓冲区。

简单的说,单调性要求在移除 / 添加一个 cache(机器,ip)时,它能够尽可能小的改变已存在 key 映射关系。

容易看到,上面的简单 hash 算法 hash(object)%N 难以满足单调性要求。因为 N 的变化会使取模结果发生变化。

一致性 Hash 算法原理:

一致性 Hash 算法简单的说,在移除 / 添加一个 cache 时,它能够尽可能小的改变已存在 key 映射关系,尽可能的满足单调性的要求。

下面就来按照 6 个步骤简单讲讲一致性 Hash 算法的基本原理。

步骤一:环形 hash 空间

考虑通常的 hash 算法都是将 value 映射到一个 32 位的 key 值(然后取模),也即是 0~2^32-1 次方的数值空间;我们可以将这个空间想象成一个首( 0 )尾( 2^32-1 )相接的圆环。如下图所示:

这里写图片描述

步骤二:把对象处理成整数并映射到环形 hash 空间

例如现在我们有四个对象 object1~object4,通过 hash 函数将四个对象处理成整数 key:

key1 = hash(object1); 
key2 = hash(object2); 
key3 = hash(object3); 
key4 = hash(object4);

然后将这些对象按照 key 的值映射到环形 hash 空间上:

这里写图片描述

步骤三:把 cache 映射到环形 hash 空间

一致性 Hash 算法的基本思想就是将对象和 cache 都映射到同一个 hash 数值空间中,并且使用相同的 hash 算法。

假设现在有三台 cache 服务器:cacheA、cacheB、cacheC,通过 hash 函数处理获取对应的key值:

keyA = hash(cacheA); 
keyB = hash(cacheB); 
keyC = hash(cacheC);

将三个 cache 服务器按照 key 的值映射到环形 hash 空间上:

这里写图片描述

说到这里,顺便提一下 cache 的 hash 计算,一般的方法可以使用 cache 机器的 IP 地址或者机器名作为 hash 输入。

经过上面的步骤,我们把对象和cache 服务器都映射到同一个环形 hash 空间上。下面考虑的是如何将对象映射到 cache 服务器上。

步骤四:将对象映射到 cache 服务器

我们沿着圆环顺时针方向的对象 key (图中的 key1)出发,直到遇到一个cache服务器为止(cacheB),把对象key对应的对象映射到这个服务器上。因为对象和 cache 的 hash 值是固定的,因此这个 cache 必然是唯一和确定的。按照这样的方法,可以得出:对象 object 1 映射到 cacheB,object2、object3 映射到 cacheC,object4 映射到 cacheA。如图:

这里写图片描述

前面讲过,普通 hash 算法(通过 hash 然后求余的方法)带来的最大问题就在于不能满足单调性,当 cache 数量有所变动时(添加/移除), 几乎所有的 cache 会失效,进而对后台服务器造成巨大的冲击,接下来分析一致 hash 算法。

步骤五:添加 cache 服务器

现在假如访问加重,需要增加 cacheD 服务器,经过 hash 函数计算(keyD = hash(cacheD))发现数值介于 key3 和 key2 之间,即在圆环上的位置也是介于它们之间。这时候受到影响的是沿着 KeyD 逆时针出发直到遇到下一个 cache 服务器(keyB)之间的对象(这些对象原本是映射到 cacheC 上的),将这些对象重新映射到 cacheD 即可。

在我们的例子中仅仅是 object2(key2)需要变动,将其重新映射到 cacheD 即可:

这里写图片描述

步骤六:移除 cache 服务器

还是按照原来的图(步骤五之前)分析,假如现在 cacheB 服务器 down 掉了,需要把 cacheB 服务器移除,这时候受到影响的仅是那些沿着 keyB 逆时针出发知道遇到下一个服务器(cacheA)之间的对象,也就是本来映射到 cacheB 上的那些对象。

我们的例子中仅仅是 object1(key1)需要变动,将其重新映射到 cacheC 即可:

这里写图片描述

平衡性与虚拟节点:

考量 Hash 算法的另一个指标是平衡性 (Balance) ,定义如下:

平衡性

  平衡性是指哈希的结果能够尽可能分布到所有的缓冲中去,这样可以使得所有的缓冲空间都得到利用。

hash 算法并不是保证绝对的平衡,如果 cache 较少的话,对象并不能被均匀的映射到 cache 上,比如在上面的例子中,仅部署 cache A 和 cache C 的情况下,在 4 个对象中, cache A 仅存储了 object1 ,而 cache C 则存储了 object2 、 object3 和 object4 ;分布是很不均衡的。

为了解决这种情况, 一致性 Hash 算法引入了“虚拟节点”的概念,它可以如下定义:

虚拟节点

“虚拟节点”( virtual node )是实际节点在 hash 空间的复制品( replica ),一实际个节点对应了若干个“虚拟节点”,这个对应个数也成为“复制个数”,“虚拟节点”在 hash 空间中以 hash 值排列。

仍以仅部署 cache A 和 cache C 的情况为例,在移除 cacheB 服务器图中我们已经看到, cache 分布并不均匀。现在我们引入虚拟节点,并设置“复制个数”为 2 ,这就意味着一共会存在 4 个“虚拟节点”, cache A1, cache A2 代表了 cache A ; cache C1, cache C2 代表了 cache C ;假设一种比较理想的情况,如图:

这里写图片描述

此时,对象到“虚拟节点”的映射关系为:

objec1->cache C2 ; objec2->cache A1 ; objec3->cache C1 ; objec4->cache A2 ;

因此对象 object4 和 object2 都被映射到了 cache A 上,而 object3 和 object1 映射到了 cache C 上;平衡性有了很大提高。

引入“虚拟节点”后,映射关系就从 { 对象 -> 节点 } 转换到了 { 对象 -> 虚拟节点 } 。查询物体所在 cache 时的映射关系如图所示。

这里写图片描述

“虚拟节点”的 hash 计算可以采用对应节点的 IP 地址加数字后缀的方式。例如假设 cache A 的 IP 地址为 202.168.14.241 。

引入“虚拟节点”前,计算 cache A 的 hash 值:

Hash(“202.168.14.241”);

引入“虚拟节点”后,计算“虚拟节”点 cache A1 和 cache A2 的 hash 值:

Hash(“202.168.14.241#1”); // cache A1

Hash(“202.168.14.241#2”); // cache A2

一个PHP的例子:

<?php
class FlexiHash{
  private $serverList = array();  //服务器列表
  private $isSorted = false;  //服务器列表是否已经排过序

  //hash函数
  function mhash($key){
    $md5 = substr(md5($key)0,8);
    $seed = 31;
    $hash = 0;
    for($i = 0;$i < 8;$i ++){
      $hash = $hash * $seed + ord($md5{$i});
    }
    return $hash & 0x7FFFFFFF;
  }

   //添加服务器
  function addServer($server){
    $hash = $this->mhash($server);
    if(!isset($this->serverList[$hash])){
      $this->serverList[$hash] = $server;
    }
    $this->isSorted = false;
    return true;
  }
  //移除服务器
  function removeServer($server){
    $hash = $this->mhash($server);
    if(isset($this->serverList[$hash])){
      unset($this->serverList[$hash]);
    }
    $this->isSorted = false;
    return true;
  }
  //查找映射服务器(算法实现函数)
  function lookup($key){
    $hash = $this->mhash($key);
    if(!$this->isSorted){
      krsort($this->serverList,SORT_NUMERIC);
      $this->isSorted = true;
    }
    foreach($this->serverList as $pos => $server){
      if($hash >= $pos){
        return $server;
      }
    }
    return reset($this->serverList);  //返回第一个元素
  }
}

上面仅是一个简单的实现一致性 Hash 算法的例子,并没有考虑虚拟节点,有兴趣的同学可以试试。

本篇博客参考自http://blog.youkuaiyun.com/sparkliang/article/details/5279393和书本《PHP核心技术与最佳算法》

MySQL:索引与算法(自适应哈希索引) asds哈希算法是一种常见算法,时间复杂度为O(1), 且不只存在于索引中,每个数据库应用中都存在该数据库结构。设想一个问题,当前服务器的内存为128GB 时,用户怎么从内存中得到某一个被缓存的页呢?虽然内存中查询速度很快,但是也不可能每次都要遍历所有内存来进行查找,这时对于字典操作只需O(1) 的哈希算法就有了很好的用武之地。 asdsadasdasdasdsadasdasdasdsadassdasdsadasdasdsadasdsadassadasdas————《MySQL技术内幕INNODB存储引. 阅读详情

相关推荐

「 分布式技术 」一致性哈希算法(Hash)详解

在分布式系统中,数据的存储和访问是很重要的问题。为了提高系统的可用性和扩展性,常常需要将数据分布到不同的节点上,而且这些节点也可能会动态地加入或离开集群。一致性哈希算法就是一种常用的解决方案,它可以解决节点的动态变化和负载均衡的问题。本文将深入探讨一致性哈希算法的底层原理,包括其基本思想、关键步骤以及优缺点等,同时结合实际场景进行举例说明。一致性哈希算法是一种用于分布式系统中的数据分片和负载均衡的算法。它将整个哈希空间划分为一个环,并且每个节点在这个环上都有一个对应的位置。

frozenpenguin的博客 7048

一致性Hash算法

文章目录背景一、pandas是什么?总结 背景 一、pandas是什么? 总结 https://www.cnblogs.com/kenwar/p/9264856.html https://blog.youkuaiyun.com/cb_lcl/article/details/81448570 https://blog.youkuaiyun.com/qq_21125183/article/details/90019034 http://ifeve.com/%E4%B8%80%E8%87%B4%E6%80%A7-hash-%E7%

fomeiherz的专栏 2567

区块链:哈希算法与一致性哈希算法

哈希算法是指通过哈希函数(Hash Function)对任意长度的输入数据(比如文件、消息、数字等)进行转换,生成一个固定长度的哈希值(Hash Value)的过程。在区块链中,哈希算法常用于区块的数据验证和区块链的安全性保证。抗冲突(collision-resistance): 即不同的输入不能产生相同的输出;信息隐藏性(information hiding): 即无法通过哈希函数的输出反推出其输入;

读万卷书 行万里路 3657

分布式均匀算法--hash性一致算法--hash slot(转)

目录   1、redis cluster介绍   2、最老土的hash算法和弊端(大量缓存重建)   3、一致性hash算法(自动缓存迁移)+虚拟节点(自动负载均衡)     不用遍历 --》 hash算法: 缓存位置=hash(key)%n     新增/减少 节点 --》缓存位置失效--》hash环     hash环 节点少--》数据倾斜--》添加虚拟节点   ...

LiuM150428的博客 1311

nginx 负载均衡/一致性哈希

nginx 负载均衡普通算法哈希算法一致性哈希一致性哈希算法的优点hash环的偏斜虚拟节点 普通算法 轮询算法:第一个请求给server1,第二个请求给server2,第3个请求给server3,一直轮询下去。 权重比算法:比如说,给第1台分配1的权重,给第2台分配2的权重,给第3台分配1的权重,有4个请求到来,其中2个请求分配给第2台,其他两台各分配1个请求。 最少连接算法:负载均衡器要记录跟每一台服务器建立的连接,每次发请求的时候,跟哪台请求创建的连接最少就分发给哪台机器,哪台服务器连接少,说明其压力小

TABE_的博客 4456

浅析分布式缓存弹性扩容下的一致性哈希算法

序曲: 本期不讲小程序,讲分布式哈!!!工作久了,容易在自己狭小的领域里停滞不前。为了跳出舒适圈,我时常观看一些互联网上的直播课程,以便持续更新自己的技术。当然了,这些课程都是采取了免费+付费的策略。初始都是免费给你看一个直播系列课程,如果你稍稍变得对讲师画的蓝图感兴趣,就要花费8000+以上学费以求短时间内练就神功。我发现这些讲师有一个共性,就是都喜欢用大保健来做比喻,以至于技师这个词出现的频...

前端琅琊阁 2622

一致性哈希算法原理详解

(1)一致性哈希算法将整个哈希值空间按照顺时针方向组织成一个虚拟的圆环,称为 Hash 环; (2)接着将各个服务器使用 Hash 函数进行哈希,具体可以选择服务器的IP或主机名作为关键字进行哈希,从而确定每台机器在哈希环上的位置; (3)最后使用算法定位数据访问到相应服务器:将数据key使用相同的函数Hash计算出哈希值,并确定此数据在环上的位置,从此位置沿环顺时针寻找,第一台遇到的服务器就是其应该定位到的服务器

张维鹏的博客 5万+

谈谈一致性哈希算法及其 Golang 实现(含负载均衡算法概述)

文章目录一、概述二、负载均衡算法2.1 概述2.2 轮询算法2.3 随机算法2.4 随机轮询算法2.5 加权轮询算法2.6 哈希算法三、一致性哈希算法3.1 适用场景3.2 算法思想四、代码实现(Golang)4.1 主要属性和函数4.2 使用方法4.3 存在的问题五、源码地址六、内容总结 一、概述   本篇博文我们将会谈一谈一些的常见负载均衡算法,然后重点讨论一下 一致性哈希算法 的适用范围和算...

Coder Yang 1768

【负载均衡——一致性哈希算法】

一致性哈希是指将「存储节点」和「数据」都映射到一个首尾相连的哈希环上,如果增加或者移除一个节点,仅影响该节点在哈希环上顺时针相邻的后继节点,其它数据也不会受到影响。但是一致性哈希算法不能够均匀的分布节点,会出现大量请求都集中在一个节点的情况,在这种情况下进行容灾与扩容时,容易出现雪崩的连锁反应。为了解决一致性哈希算法不能够均匀的分布节点的问题,就需要引入虚拟节点,对一个真实节点做多个副本。不再将真实节点映射到哈希环上,而是将虚拟节点映射到哈希环上,并将虚拟节点映射到实际节点,所以这里有「两层」映射关系。

qq_45467608的博客 3846

RK3588零拷贝视频流水线实战:用GStreamer+Mpp实现8K硬解与DRM显示

本文深入探讨了在RK3588平台上构建零拷贝视频流水线的工程实践。通过结合GStreamer与MPP,实现了从8K视频硬解到DRM显示的全流程硬件加速,有效解决了高分辨率视频处理中的DDR带宽瓶颈问题。文章详细解析了dma-buf数据流机制、管道构建与性能优化策略,为多路视频并发处理提供了高效的系统架构解决方案。

github5actions的博客 1169

arcgis建筑数据的矢量化(一)

简单来说,建筑数据的获取无外乎是矢量化和去网站下载 无奈的是,osm和网上的建筑数据只有全国的主要城市,实在是为难我们这些小城市的,百度和天地图上是有建筑数据,无奈人家不要开放下载啊,所以就只能矢量化咯, 矢量化,无外乎手动和自动,手动就是新建shp面手动勾绘,这里就不讲了,我们来看看自动矢量化 自动矢量化在arcgis中主要是利用arcscan和栅格转面(栅格转面这个效果真是一言难尽,所以我们主要讨论arcscan) 同时我们矢量化也不一定要局限于arcgis...

Jasenjane的博客 3930

07. 算法之一致性哈希算法介绍

哈希算法在程序开发中的很多地方都能看到他的身影,但是哈希有他的局限性,比如如果两个key哈希到同一个位置的时候,怎么处理优化。本节我们介绍一下常规处理方式。

wlyang666的博客 3162

vtk相机_分别用 VTK 体绘制和面绘制来实现医学图像三维重建;

序言,VTK介绍:VTK 全称为 The Visualization Toolkit (可视化工具),是一个开源、跨平台、自由获取、支持并行计算的图形应用函数;拥有3D 渲染的最新工具、提供3D交互模式以及2D绘图等。VTK 包含一个C++类库,目前提供了众多语言接口,例如 Java、Python、TCL;在三维函数库OpenGL 的基础上采用面向对象设计方法发展起来图形学基本概念和数据...

weixin_39665302的博客 689

负载均衡算法实现--一致性哈希算法

一致性哈希算法也是使用取模的方法,但是取模算法是对服务器的数量进行取模,而一致性哈希算法是对 2^32 取模,具体步骤如下:步骤一:一致性哈希算法将整个哈希值空间按照顺时针方向组织成一个虚拟的圆环,称为 Hash 环;步骤二:接着将各个服务器使用 Hash 函数进行哈希,具体可以选择服务器的IP或主机名作为关键字进行哈希,从而确定每台机器在哈希环上的位置。

one2excellent的博客 1803

【AUTOSAR-COM】Transmission Mode 和 Transfer Property

1.COM模块的基本概念 首先在描述Transmission Mode 和 Transfer Property之前,有必要对COM模块的基本处理有一个直观的理解,我所描述的和对概念理解的也不一定完全正确。 Signal:指的是通信协议中的,一条报文中所保存的若干信号。 I-PDU:至少在COM模块中,可以理解为一条报文。 上图是在CANdb软件中编辑一个报文的Layout的界面,可以很形象的将I-PDU对等为这里的一条Message,而Signal就是需要在Message中需要摆放的Signal

tim_hoven的博客 4638

autodl云服务器使用中的conda源报错

通过find path -name filename找到.condarc文件,在autodl服务器中,一般在/root/.condarc。为了利用jypyter打开conda虚拟环境运行,需要下载ipykenel。这个报错是源的问题,在通过源获取包元数据时出现了HTTP 429错误。通过conda换源解决。修改.condarc文件,命令: vim .condarc。但这样还不能解决问题,得把报错中有问题的源注释掉。通过以下命令添加清华镜像源。把报错的链接源注释如下。

Ty_kilig的博客 1584

【算法】哈希算法——murmurhash一致性哈希算法

Murmurhash: 是一种非加密型哈希函数,适用于一般的哈希检索操作。高运算性能,低碰撞率,由Austin Appleby创建于2008年,现已应用到Hadoop、libstdc++、nginx、libmemcached等开源系统。2011年Appleby被Google雇佣,随后Google推出其变种的CityHash算法。 一致性哈希算法的主要步骤: 首先求出缓存服务器结...

IT_Mitchell的博客 5941

世界模型研究综述【20250702】

自2018年以来,世界模型研究从早期的生成式环境模型+简单控制器,发展到如今与大模型和多模态深度融合,取得了长足进展。Ha和Schmidhuber开创了让智能体“在梦中学习”的范式,随后模型式强化学习在复杂视觉任务中展现威力,如SimPLe和PlaNet将世界模型引入Atari和连续控制。Dreamer系列通过潜在空间想象将这一思路推向极致,从连续控制拓展到Atari甚至开放式3D游戏,实现了统一算法征服多领域任务的壮举。

u013250861的博客 531

服务器负载均衡算法之哈希算法

文章目录1.一致性哈希算法的问题2.哈希算法的应用场景3.如何分配请求?4.加权轮询算法解决负载均衡问题4.哈希算法带来的问题 1.一致性哈希算法的问题 问题描述: 例如手机朋友网有n个服务器,为了方便用户的访问会在服务器上缓存数据,因此用户每次访问的时候最好能保持同一台服务器。 已有的做法是根据ServerIPIndex[QQNUM%n]得到请求的服务器,这种方法很方便将用户分到不同的服务器上去。但是如果一台服务器死掉了,那么n就变为了n-1,那么ServerIPIndex[QQNUM%n]与Server

喜欢打篮球的普通人 2967

【62】OpenCV C++实战篇——【项目实战】OpenCV C++ 精准定位“十字刻度尺”中心坐标,过滤图片中的干扰,精准获取十字交点坐标

本文针对工业相机拍摄的2000万像素图像中十字刻度尺的精确定位问题进行了研究。面对图像较暗、存在红黄干扰、记号笔涂抹及细节模糊等难点,提出了一种基于霍夫变换的解决方案。通过灰度化、反色、二值化预处理后,对比分析了多尺度霍夫直线(HoughLines)和渐进概率霍夫线段(HoughLinesP)两种方法的定位效果。实验结果表明,HoughLinesP由于具有最小线段长度和间隙约束,在直线贴合度和交点定位精度上表现更优,其返回的线段端点坐标也更便于后续处理。该研究为工业视觉中微小目标的精确定位提供了实用参考。

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 977

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

一文读懂一致性Hash算法

一致性哈希算法在1997年由[麻省理工学院](https://baike.baidu.com/item/麻省理工学院/117999)提出,是一种特殊的哈希算法,目的是解决分布式缓存的问题。 在移除或者添加一个服务器时,能够尽可能小地改变已存在的服务请求与处理请求服务器之间的映射关系。一致性哈希解决了简单哈希算法在分布式[哈希表](https://baike.baidu.com/item/哈希表/5981869)( Distributed Hash Table,DHT) 中存在的动态伸缩等问题。

ningkangming的博客 1450

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

数据结构之哈希算法

1:什么是哈希算法? 将一个任意长度的二进制串映射为固定长度的二进制串的算法,我们叫做是哈希算法,其中固定长度的二进制串结果叫做哈希值。 比如md5算法就是一种哈希算法,md5算法将任意长度的二进制串映射为长度128bit的二进制串。 2:一个合格的哈希算法需要满足哪些条件? 1:哈希冲突概率极低 2:差别很小的原始串哈希的结果差别也要很大 3:哈希计算速度快(如md5算法加密4000个字左右的汉字只需要1ms左右) 4:无法反向从哈希值推到出原始值 3:哈希算法都有哪些应用? A:加密(密码存储)

wang0907的博客 3701

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

上一篇: PHP垃圾回收深入理解
下一篇: nginx.conf文件配置后访问边下载 以及yaf框架使用中NGINX.conf文件配置
waveclouds
博客等级 码龄10年 29粉丝 33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