hive面试--hive底层如何存储Null值

最新推荐文章于 2025-01-06 14:20:06 发布
最新推荐文章于 2025-01-06 14:20:06 发布
阅读量1.5k 收藏 2
点赞数
分类专栏： Hive
原文链接：https://blog.youkuaiyun.com/SunnyYoona/article/details/78276551
版权

1. NULL(null)值

创建一个临时表tmp_null_empty_test，并插入一些NULL数据:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        CREATE  TABLE IF NOT EXISTS tmp_null_empty_test(
        
        
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
         uid string
        
        
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        )
        
        
       
       
    
      
      
  4. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ROW FORMAT DELIMITED
        
        
       
       
    
      
      
  5. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        FIELDS TERMINATED BY '\t'
        
        
       
       
    
      
      
  6. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        LINES TERMINATED BY '\n'
        
        
       
       
    
      
      
  7. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        STORED AS TEXTFILE;
       
       
    
      
      
  8. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        
       
       
    
      
      
  9. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        INSERT OVERWRITE TABLE tmp_null_empty_test select NULL from test WHERE dt = '20171016';
       
       
    
      
      
  10.

我们看一下从Hive中取出来的数据:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hive> select * from tmp_null_empty_test;
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        OK
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  4. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  5. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  6. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  7. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  8. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  9. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  10. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  11. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  12. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  13. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  14. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  15. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ...
       
       
    
      
      
  16.

我们再看一下这张表在HDFS上究竟是如何存储的?


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hadoop fs -text /user/hive/warehouse/test.db/tmp_null_empty_test/* | less
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  4. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  5. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  6. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  7. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  8. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  9. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  10. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  11. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  12. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        \N
       
       
    
      
      
  13. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ...
       
       
    
      
      
  14.

发现Hive将NULL值存储为'\N'。

Hive在底层数据中如何保存和标识NULL，是由serialization.null.format参数控制的，默认为serialization.null.format'='\\N。我们可以更改这一参数使之NULL值存储为其他形式，例如下面我们更改为"null":


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ALTER TABLE tmp_null_empty_test SET SERDEPROPERTIES('serialization.null.format' = 'null');
       
       
    
      
      
  2.

我们删除数据重新倒入一遍数据:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hadoop fs -text /user/hive/warehouse/test.db/tmp_null_empty_test/* |less
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  4. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  5. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  6. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  7. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  8. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  9. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  10. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        null
       
       
    
      
      
  11. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ...
       
       
    
      
      
  12.

这样的设计存在一个问题是如果实际想存储'\N'，那么实际查询出来的也是NULL而不是'\N' 。所以如果真的想存储'\N'时，可以更改配置参数为其他格式即可。

那我们在Hive中如何查询等于'NULL'的那些值呢?可以使用如下命令查询:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hive> select * from tmp_null_empty_test where uid is null;
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        OK
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  4. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  5. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  6. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  7. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        NULL
       
       
    
      
      
  8. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ...
       
       
    
      
      
  9.

2. 空字符串

我们再看一下存储空字符串的情况，删除之前的数据，重新导入一些空字符串:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        INSERT OVERWRITE TABLE tmp_null_empty_test select "" from test WHERE dt = '20171016';
       
       
    
      
      
  2.

我们看一下从Hive中取出来的数据:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hive> select * from tmp_null_empty_test;
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        OK
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        
       
       
    
      
      
  4. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ...
       
       
    
      
      
  5. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        
       
       
    
      
      
  6. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        Time taken: 0.047 seconds, Fetched: 36 row(s)
       
       
    
      
      
  7.

我们再看一下在HDFS上究竟是如何存储的?


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hadoop fs -text /user/hive/warehouse/test.db/tmp_null_empty_test/* |less
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ...
       
       
    
      
      
  4. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        
       
       
    
      
      
  5.

对于空字符串我们使用如下命令查询:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hive> select count(*) from tmp_null_empty_test where uid = "";
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        OK
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        36
       
       
    
      
      
  4.

但是不能使用is null来判断:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hive> select count(*) from tmp_null_empty_test where uid is null;
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        OK
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        0
       
       
    
      
      
  4.

3. 数据类型与NULL

INT与STRING的存储，NULL默认的存储都是'\N'。如果数据类型为String的数据为""，存储才是""。如果往Int类型的字段插入""数据，存储为'\N'。 查询的时候，对于Int类型数据可以使用IS NULL来判断NULL值；对于String数据类型的数据采用IS NULL来查询NULL值，采用=""来查询空字符串。

我们遇到的一个Case，在查询String数据类型uid缺失的数据时，我们不得不使用IS NULL和=""两个判断条件进行过滤，我们其实想遵循SQL规范使用IS NULL一个判断条件判断即可，但是在Hive中与传统的数据库又不一样，在于NULL的解读不同。如果想延续传统数据库中对于空值为NULL，可以通过alter语句来修改hive表的信息，保证解析时是按照空值来解析NULL值:


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        ALTER TABLE tmp_null_empty_test SET SERDEPROPERTIES('serialization.null.format' = '');
       
       
    
      
      
  2.

Example：


    
    
  1. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hive> INSERT OVERWRITE TABLE tmp_null_empty_test select "" from test WHERE dt = '20171016';
       
       
    
      
      
  2. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        hive> select count(*) from tmp_null_empty_test where uid is null;
       
       
    
      
      
  3. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        OK
       
       
    
      
      
  4. 
      
      
    
       
       
    
      
      
    
      
      
    
       
       
    
        
        36
       
       
    
      
      
  5.

备注:

Hive版本为2.1.1
rtmpose姿态评估
**My Coding Family**
10-15 819
在部署RTMPose模型到手机端时，准确度下降可能是由于多方面的因素导致的，包括模型导出、量化、推理环境的限制等。确认模型导出没有问题，推理正确。适当量化模型，减少计算量。确保输入数据的预处理与训练时一致。优化模型结构和推理环境，提升推理精度。尝试不同的推理框架（如 TensorFlow Lite、ONNX 等）以改善性能。如有需要，欢迎提供更多的代码细节和日志，我们可以进一步分析问题。希望如上措施及解决方案能够帮到有需要的你。
config-rtmpose-m-8xb64-210e-mpii-256x256
12-20
标题“config-rtmpose-m-8xb64-210e-mpii-256x256”暗示了一个与深度学习配置相关的文件，其中可能包含了针对实时多人姿势估计（Realtime Multi-Person Pose Estimation，RTMPose）的配置参数。这一标题中的关键词...
RTMPose: Real-Time Multi-Person Pose Estimation based on MMPose 阅读笔记
AnZhiJiaShu's blog
01-14 5057
2D姿态估计的研究在公共基准上取得了优异性能，但其在工业界的应用仍存在模型参数重和高延迟问题。为弥补这一差距，本文研究了影响姿态估计结果的关键因素，包括范式、模型架构、训练策略和部署，并提出了一个基于MMPose的高性能实时多人姿态估计框架RTMPose。我们的。
姿势估计实验-Realtime_Multi-Person_Pose_Estimation-CMU
weixin_30267785的博客
08-03 609
前言： 论文及源代码网址： https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation 地址2: https://github.com/CMU-Perceptual-Computing-Lab/openpose/blob/master/doc/installation.md 1. 一个失败的尝试 首...
RTMPose
MyArrow的专栏
03-17 3972
RTMPose
Realtime_Multi-Person_Pose_Estimation训练踩坑
kkae8643150的专栏
10-25 1442
前言 最近在研究openpose的训练和再训练的过程。 参考 https://blog.youkuaiyun.com/qq_38469553/article/details/82119292 以及官方github https://github.com/ZheC/Realtime_Multi-Person_Pose_Estimation ...
使用C++部署RTMPose的onnx模型或者tensorrt模型源码+使用说明.zip
05-15
RTMPose-Deploy是一个不使用mmdeploy进行RTMPose本地化部署C++示例。 目前我们在Windows系统上使用OnnxRuntime CPU SDK对RTMDetnano和RTMPose进行了本地化部署，并且构建了一个简单的跳帧检测的RTMPoseTrack类用于...
算法部署-使用TensorRT部署RTMPose人体姿态估计算法-优质算法部署项目实战.zip
10-20
本项目“算法部署-使用TensorRT部署RTMPose人体姿态估计算法-优质算法部署项目实战”旨在展示如何将RTMPose算法通过TensorRT进行优化部署。项目从理论到实践，涵盖了算法部署的全部流程，包括对RTMPose模型的介绍、...
RTMPOSE S EAR 自训练 300 epoch
06-04
RTMPOSE S EAR 自训练 300 epoch
《Real-time 2D Multi-Person Pose Estimation》论文读一读
猛男的博客
10-21 369
引言：这一篇论文是关于人体姿态的，更准确地说：应该是人体关键点检测的（也有学者称关节点）。 论文地址：https://arxiv.org/pdf/1811.12004.pdf
又快又稳，研究、落地全都要！姿态估计全能选手 RTMPose 来啦！
专注计算机视觉全栈知识分享
03-19 1289
在正式开讲之前，先给大家小段热舞：姿态估计，计算机视觉的核心任务之一，还原纷繁外表之下的空间信息，洞察千姿百态背后的本征结构。MMPose作为OpenMMLab开源算法体系中的姿态估计算法库，自 2020 年发布以来，经过 2 年的不断迭代打磨，已经成为姿态估计领域覆盖算法最多，功能最全的开源算法库之一。
我的开源项目 - 使用OnnxRuntime在CPU端部署RTMPose玩转实时2D姿态估计
HW140701的博客
04-28 3197
好了，在本小节中会详细介绍如何使用OnnxRuntime在CPU端进行RTMDetnano+RTMPose模型的部署，在本教程中会实现基于RTMDetnano+RTMPose的一个Top-Down的2D姿态估计示例，由RTMDetnano检测人，然后根据检测框裁剪相应的图片区域喂给RTMPose进行姿态估计，进行了一个简单的跳帧检测的实时2D姿态估计的C++类，好了，就让我们愉快的开始吧。RTMPose的亮点主打的就是工业级别的推理速度和精度，这在他的论文摘要也是着重突出，可以仔细看他的论文摘要，
关键点检测算法-RTMPose
01-06 1629
近年来，2D 姿态估计的研究在公开数据集上取得了出色的成绩，但是它在工业界的应用仍然。为了让前沿姿态估计算法在工业界落地，我们通过实验研究了多人姿态估计算法的五个方面：范式、骨干网络、定位算法、训练策略和部署推理，基于 MMPose 提出了一个高性能的实时多人姿态估计框架 RTMPose。我们的 RTMPose-m 模型在 COCO 上取得 75.8％AP，在 Intel i7-11700 CPU 上达到 90+FPS，在 NVIDIA GTX 1660 Ti GPU 上达到 430+FPS。
Windows下RTMpose环境部署
广州记忆
12-08 401
执行以下指令，能够正常返回相关的版本号表示安装成功。如果输出为True 表示配置成功。MMpose版本确认。
RTMPose关键点检测-MMDetection三角板目标检测
shinsonwu的博客
06-04 642
而MMDetection也是是OpenMMLab的一个开源工具库，主要用于目标检测任务，包括但不限于目标定位和分类。MMDetection会输出每个检测到的三角板的位置信息。RTMPose会输出每个检测到的人体的关键点的位置信息。RTMPose是一个用于实时多人2D姿态估计的开源工具库，它可以从图像或视频中检测出人体关键点的位置。视频重的代码没有使用GPU，只使用了CPU，可以后续在自己实验的时候试试本地的GPU。将RTMPose的输出和MMDetection的输出进行进一步的处理或分析。
RtmPose论文翻译
qiqisunshine的博客
06-14 1986
从现代自然语言处理（NLP）移植而来的基于转换器的架构[55]在各种视觉任务中取得了巨大成功，如表示学习[15，39]、对象检测[8，34，67]、语义分割[66]、视频理解[4，17，40]以及姿态估计[36，43，51，61，62]。Bottom-up Approaches.自下而上的算法[7，10，19，27，29，41，44，45]检测图像中的未知实例的关键点，并对这些关键点进行组合以获得人体姿势。我们采用了[42]中提出的训练策略，并进行了一些小的调整，使其在姿态估计任务中更有效。
RTMPose onnx
最新发布
03-08
<think>好的，我现在需要帮助用户将RTMPose模型转换为ONNX格式或者如何在ONNX中使用RTMPose。首先，我应该回忆一下MMDeploy的相关知识，因为用户提供的引用里提到了MMDeploy，这可能是一个关键工具。 用户的问题涉及到模型转换，而引用[1]提到使用MMDeploy得到ONNX模型，所以应该从这里入手。首先，我需要确认RTMPose是否在MMDeploy的支持列表中。MMDeploy是OpenMMLab的一个部署工具，支持多种模型的导出，包括检测、分割、姿态估计等，所以RTMPose作为OpenMMLab的模型，应该支持。 接下来，步骤可能包括安装MMDeploy、配置环境，然后使用提供的工具或脚本进行转换。用户可能需要安装一些依赖，比如ONNX运行时，PyTorch，以及MMCV等。需要提醒用户检查版本兼容性，因为不同版本的库可能会有不同的接口。 然后，转换过程中可能需要加载RTMPose的配置文件（config）和检查点文件（checkpoint），使用MMDeploy的转换工具，比如tools/deploy.py脚本，指定后端为ONNX。同时，可能需要指定输入的形状，例如输入图片的大小，这对后续推理很重要。 转换完成后，用户可能需要验证生成的ONNX模型是否正确。引用[1]中也提到了使用Python SDK进行验证，可以建议用户使用ONNX Runtime加载模型，运行示例输入，检查输出是否合理。 另外，用户可能还想知道如何在ONNX中使用转换后的模型，比如进行推理的步骤。这部分需要指导如何加载ONNX模型，预处理输入数据，运行推理，以及后处理结果。可能还需要注意输入输出的名称和格式，是否符合预期。 可能遇到的问题包括版本冲突、模型转换时的错误（如不支持的算子），或者推理时的形状不匹配。这时候需要建议用户查看错误信息，检查环境配置，或者到社区寻求帮助。 最后，生成的相关问题需要考虑用户可能的后续疑问，比如性能优化、部署到其他平台、量化模型等，尤其是引用[2]提到了量化到GGUF格式，虽然用户现在可能不需要，但相关问题可以引导他们进一步探索。 总结来说，回答的结构应该是：先介绍使用MMDeploy进行转换的步骤，然后说明如何验证和使用转换后的模型，最后提醒常见问题和注意事项。确保步骤清晰，命令准确，并引用相关的参考资料。</think>要将RTMPose模型转换为ONNX格式并在ONNX中使用，可按照以下步骤操作： --- ### **步骤1：环境准备** 1. 安装MMDeploy及相关依赖： ```bash pip install openmim mim install mmengine mmcv mmpose pip install mmdeploy==1.3.0 # 确保版本与MMPose兼容[^1] ``` 2. 安装ONNX Runtime： ```bash pip install onnxruntime ``` --- ### **步骤2：模型转换** 1. **下载RTMPose配置文件和预训练权重** 从[MMPose官方仓库](https://github.com/open-mmlab/mmpose)获取RTMPose的配置文件（如`rtmpose-s_8xb256-420e_coco-256x192.py`）和对应的权重文件（`.pth`）。 2. **使用MMDeploy导出ONNX模型** 运行以下命令，指定输入尺寸（如`256x192`）： ```bash python tools/deploy.py \ configs/mmpose/pose-detection_onnxruntime_dynamic.py \ /path/to/rtmpose-s_8xb256-420e_coco-256x192.py \ /path/to/rtmpose-s.pth \ /path/to/test_image.jpg \ --work-dir ./rtmpose-onnx \ --device cpu \ --show ``` 生成的ONNX文件将保存在`./rtmpose-onnx`目录中[^1]。 --- ### **步骤3：验证ONNX模型** 1. **使用ONNX Runtime推理** ```python import cv2 import numpy as np import onnxruntime # 加载ONNX模型 session = onnxruntime.InferenceSession("rtmpose-s.onnx") # 预处理输入图像（尺寸需与导出时一致） image = cv2.imread("test.jpg") image = cv2.resize(image, (192, 256)) input_data = np.transpose(image, (2, 0, 1)).astype(np.float32)[None, ...] # 运行推理 outputs = session.run(None, {"input": input_data}) keypoints = outputs[0] # 关键点坐标 ``` 2. **后处理** 根据MMPose的输出格式解析关键点，通常需要应用非极大值抑制（NMS）或阈值过滤。 --- ### **注意事项** 1. **动态输入尺寸** 若需支持动态输入，在导出时添加`--dynamic`参数： ```bash --dynamic ``` 2. **算子兼容性** 若遇到不支持的算子（如`DeformConv2d`），需检查MMDeploy版本或联系社区更新支持列表。 ---
评论 1
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