SparkSQL遵循ANSI标准

news2024/9/23 21:27:35

ANSI简介

ANSI Compliance通常指的是遵循美国国家标准学会（American National Standards Institute, ANSI）制定的标准。在计算机科学和技术领域，这通常涉及到数据库管理系统（DBMS）对于SQL语言的支持程度。

ANSI为SQL（Structured Query Language）制定了多个标准，这些标准定义了如何以一致的方式编写SQL查询和程序。这些标准旨在提高不同数据库系统之间的兼容性，使得基于标准的SQL代码可以在多种不同的数据库平台上运行。

ANSI相关的两个配置

  • spark.sql.ansi.enabled
    这个配置决定了Spark SQL是否遵循ANSI SQL标准。当设置为 true 时，Spark SQL将使用一种更接近ANSI SQL标准的方言进行查询处理。这意味着，在遇到无效的输入时，Spark会抛出异常，而不是简单地返回 null 结果。
  • spark.sql.storeAssignmentPolicy
    这个配置控制着在向表中插入数据时的隐式类型转换行为。当这个配置设置为 ANSI 时，Spark SQL会按照ANSI存储分配规则来进行数据类型转换。

ANSI兼容性与Hive兼容性的区别:

  • ANSI兼容性：更加严格地遵循SQL标准，例如对于无效输入抛出异常。
  • Hive兼容性：通常更宽松，可能会返回 null 而不是抛出异常。

官方详解

参数名默认值解释开始版本
spark.sql.ansi.enabledfalse如果为true，Spark会尝试符合ANSI SQL规范：Spark SQL会对无效操作抛出运行时异常，包括整数溢出错误、字符串解析错误等。Spark将使用不同的类型强制规则来解决数据类型之间的冲突。这些规则始终基于数据类型优先级。3.0.0
spark.sql.storeAssignmentPolicyANSI当将值插入到具有不同数据类型的列中时，Spark将执行类型转换。目前，我们支持3种类型强制规则策略：ANSI、遗留和严格。使用ANSI策略，Spark按照ANSI SQL执行类型强制。在实践中，行为与PostgreSQL基本相同。它不允许某些不合理的类型转换，例如将字符串转换为int或将double转换为boolean。插入数值类型列时，如果值超出目标数据类型的范围，将抛出溢出错误。用遗留策略，Spark允许类型强制，只要它是有效的Cast，这是非常宽松的。例如，允许将字符串转换为int或将double转换为boolean。这也是Spark 2.x中唯一的行为，它与Hive兼容。在严格的政策下，Spark不允许在类型强制中出现任何可能的精度损失或数据截断，例如不允许将double转换为int或decimal转换为double。3.0.0

算术运算

在Spark SQL中，默认情况下，对数值类型（除了decimal类型）进行的算术运算不会检查溢出。这意味着，如果一个操作导致溢出，其结果与在Java/Scala程序中相应的操作相同（例如，如果两个整数的和超过了可表示的最大值，则结果是一个负数）。另一方面，Spark SQL对于decimal类型的溢出会返回 null。当 spark.sql.ansi.enabled 设置为 true 并且在数值和区间算术运算中发生溢出时，它会在运行时抛出算术异常。

-- `spark.sql.ansi.enabled=true`
SELECT 2147483647 + 1;
org.apache.spark.SparkArithmeticException: [ARITHMETIC_OVERFLOW] integer overflow. Use 'try_add' to tolerate overflow and return NULL instead. If necessary set spark.sql.ansi.enabled to "false" to bypass this error.
== SQL(line 1, position 8) ==
SELECT 2147483647 + 1
       ^^^^^^^^^^^^^^

SELECT abs(-2147483648);
org.apache.spark.SparkArithmeticException: [ARITHMETIC_OVERFLOW] integer overflow. If necessary set spark.sql.ansi.enabled to "false" to bypass this error.

-- `spark.sql.ansi.enabled=false`
SELECT 2147483647 + 1;
+----------------+
|(2147483647 + 1)|
+----------------+
|     -2147483648|
+----------------+

SELECT abs(-2147483648);
+----------------+
|abs(-2147483648)|
+----------------+
|     -2147483648|
+----------------+

类型转换

当 spark.sql.ansi.enabled 设置为 true 时，使用 CAST 语法进行显式类型转换时，如果遇到标准中定义的非法类型转换模式（例如从字符串类型转换到整型），将会在运行时抛出异常。

此外，在ANSI SQL模式下，不允许进行以下类型的转换，而在关闭ANSI模式时这些转换是允许的：

  • Numeric <=> Binary
  • Date <=> Boolean
  • Timestamp <=> Boolean
  • Date => Numeric

CAST表达式中源数据类型和目标数据类型的有效组合如下表所示。“Y”表示组合在语法上有效，没有限制，“N”表示组合无效。

在这里插入图片描述
在上表中，所有具有新语法的CAST都标记为红色Y：

  • CAST（Numeric AS Numeric）：如果值超出目标数据类型的范围，则引发溢出异常。
  • CAST（String AS (Numeric/Date/Timestamp/Timestamp_NTZ/Interval/Boolean)）：如果值无法解析为目标数据类型，则引发运行时异常。
  • CAST（Timestamp AS Numeric）：如果自纪元以来的秒数超出目标数据类型的范围，则引发溢出异常。
  • CAST（Numeric AS Timestamp）：如果数值乘以1000000（微秒每秒）超出Long类型的范围，则引发溢出异常。
  • CAST（Array AS Array）：如果元素转换时出现异常，则引发异常。
  • CAST（Map AS Map）：如果键和值的转换有任何异常，则引发异常。
  • CAST（Struct AS Struct）：如果在结构字段的转换过程中出现异常，则引发异常。
  • CAST（Numeric AS String）：在将十进制值转换为字符串时，始终使用纯字符串表示法，如果需要指数，则不使用科学记数法。CAST（Interval AS Numerical）：如果日时间间隔或年月间隔的微秒数超出目标数据类型的范围，则引发溢出异常。
  • CAST（Numeric AS Interval）：如果目标区间结束单位的数值时间超出Int类型（表示年月区间）或Long类型（表示日时间区间）的范围，则引发溢出异常。
-- Examples of explicit casting

-- `spark.sql.ansi.enabled=true`
SELECT CAST('a' AS INT);
org.apache.spark.SparkNumberFormatException: [CAST_INVALID_INPUT] The value 'a' of the type "STRING" cannot be cast to "INT" because it is malformed. Correct the value as per the syntax, or change its target type. Use `try_cast` to tolerate malformed input and return NULL instead. If necessary set "spark.sql.ansi.enabled" to "false" to bypass this error.
== SQL(line 1, position 8) ==
SELECT CAST('a' AS INT)
       ^^^^^^^^^^^^^^^^

SELECT CAST(2147483648L AS INT);
org.apache.spark.SparkArithmeticException: [CAST_OVERFLOW] The value 2147483648L of the type "BIGINT" cannot be cast to "INT" due to an overflow. Use `try_cast` to tolerate overflow and return NULL instead. If necessary set "spark.sql.ansi.enabled" to "false" to bypass this error.

SELECT CAST(DATE'2020-01-01' AS INT);
org.apache.spark.sql.AnalysisException: cannot resolve 'CAST(DATE '2020-01-01' AS INT)' due to data type mismatch: cannot cast date to int.
To convert values from date to int, you can use function UNIX_DATE instead.

-- `spark.sql.ansi.enabled=false` (This is a default behaviour)
SELECT CAST('a' AS INT);
+--------------+
|CAST(a AS INT)|
+--------------+
|          null|
+--------------+

SELECT CAST(2147483648L AS INT);
+-----------------------+
|CAST(2147483648 AS INT)|
+-----------------------+
|            -2147483648|
+-----------------------+

SELECT CAST(DATE'2020-01-01' AS INT)
+------------------------------+
|CAST(DATE '2020-01-01' AS INT)|
+------------------------------+
|                          null|
+------------------------------+

-- Examples of store assignment rules
CREATE TABLE t (v INT);

-- `spark.sql.storeAssignmentPolicy=ANSI`
INSERT INTO t VALUES ('1');
org.apache.spark.sql.AnalysisException: [INCOMPATIBLE_DATA_FOR_TABLE.CANNOT_SAFELY_CAST] Cannot write incompatible data for table `spark_catalog`.`default`.`t`: Cannot safely cast `v`: "STRING" to "INT".

-- `spark.sql.storeAssignmentPolicy=LEGACY` (This is a legacy behaviour until Spark 2.x)
INSERT INTO t VALUES ('1');
SELECT * FROM t;
+---+
|  v|
+---+
|  1|
+---+

类型转换时四舍五入规则

  1. 规则如下

  • 当你将一个包含小数部分的 decimal 类型值转换为一个以 SECOND 结尾的 interval 类型时（例如，INTERVAL HOUR TO SECOND），Spark SQL 会对小数部分进行舍入处理。

  • 最近邻舍入 (nearest neighbor): 如果小数部分离两个相邻整数的距离不相等，Spark SQL 会将其舍入到最近的整数。

  • 向上舍入 (round up): 如果小数部分离两个相邻整数的距离相等，则向上舍入到较大的整数。

  1. 示例
    假设我们有一个 decimal 类型的值 3.5，我们需要将其转换为 INTERVAL HOUR TO SECOND 类型。
  • 最近邻舍入: 因为 3.5 离 3 和 4 的距离相等，所以根据舍入规则，我们会将 3.5 向上舍入到 4。
  • 向上舍入: 如果 3.5 被转换成 INTERVAL HOUR TO SECOND 类型，那么它会被舍入为 4 秒。

存储分配

如开头所述，当spark.sql.storeAssignmentPolicy设置为ANSI（默认值）时，spark sql在插入表时符合ANSI存储分配规则。下表给出了表插入中源数据类型和目标数据类型的有效组合。

在这里插入图片描述

  • Spark不支持区间类型的表列。
  • 对于Array/Map/Struct类型，数据类型检查规则递归应用于其组成元素。

在表插入过程中，Spark将在数值溢出时抛出异常。

CREATE TABLE test(i INT);

INSERT INTO test VALUES (2147483648L);
org.apache.spark.SparkArithmeticException: [CAST_OVERFLOW_IN_TABLE_INSERT] Fail to insert a value of "BIGINT" type into the "INT" type column `i` due to an overflow. Use `try_cast` on the input value to tolerate overflow and return NULL instead.

强制类型转换

当 spark.sql.ansi.enabled 设置为 true 时，Spark SQL采用了一系列规则来解决数据类型冲突。在这类冲突解决的核心是类型优先级列表，该列表定义了给定数据类型的值是否可以被隐式提升到另一种数据类型。
在这里插入图片描述

  • 对于最不常见的类型，跳过浮点数以避免精度损失。
  • 字符串可以升级为多种数据类型。请注意，字节/短/整数/十进制/浮点不在此先例列表中。Byte/Short/Int和String之间最不常见的类型是Long，而Decimal/Float之间最不常用的类型是Double。
  • 对于复杂类型，优先级规则递归应用于其组成元素。

特殊规则适用于非类型化NULL。NULL可以升级为任何其他类型。
这是优先级列表作为有向树的图形描述：

在这里插入图片描述

最小公共类型解析

最小公共类型是从一组给定类型中找到的能够被所有类型共同转换到的最窄类型。这里的“窄”通常意味着转换的目标类型尽可能保持原始数据的特性和精度。
类型优先级列表定义了从一种类型转换到另一种类型的顺序。

  1. 用途
  • 函数参数类型推导：对于期望多个参数具有相同类型的函数（如 coalesce, least, 或 greatest），最小公共类型解析用于确定这些参数的类型。
  • 操作数类型推导：对于算术运算或比较操作，最小公共类型解析用于确定参与运算的操作数的类型。
  • 表达式结果类型推导：对于如 case 表达式这样的复合表达式，最小公共类型解析用于确定最终结果的类型。
  • 数组和映射构造器类型推导：对于数组和映射构造器，最小公共类型解析用于确定元素、键或值的类型。
  1. FLOAT 类型的特殊规则
  • 如果最小公共类型解析为 FLOAT 类型，那么对于 float 类型值，如果其中任何类型是 INT, BIGINT, 或 DECIMAL，最小公共类型会被提升至 DOUBLE 类型。
  • 这样做是为了避免由于 FLOAT 类型的精度限制而导致的潜在数字丢失，确保数据转换过程中不会损失重要的数值信息。

通过这种方式，Spark SQL能够确保在处理不同类型数据的交互时，能够根据ANSI SQL标准进行合理的类型转换和数据处理，从而保证数据处理的准确性和一致性。

-- The coalesce function accepts any set of argument types as long as they share a least common type. 
-- The result type is the least common type of the arguments.
> SET spark.sql.ansi.enabled=true;
> SELECT typeof(coalesce(1Y, 1L, NULL));
BIGINT
> SELECT typeof(coalesce(1, DATE'2020-01-01'));
Error: Incompatible types [INT, DATE]

> SELECT typeof(coalesce(ARRAY(1Y), ARRAY(1L)));
ARRAY<BIGINT>
> SELECT typeof(coalesce(1, 1F));
DOUBLE
> SELECT typeof(coalesce(1L, 1F));
DOUBLE
> SELECT (typeof(coalesce(1BD, 1F)));
DOUBLE

> SELECT typeof(coalesce(1, '2147483648'))
BIGINT
> SELECT typeof(coalesce(1.0, '2147483648'))
DOUBLE
> SELECT typeof(coalesce(DATE'2021-01-01', '2022-01-01'))
DATE

SQL函数

  1. 函数调用的一般规则
  • 在启用ANSI模式时，Spark SQL中的函数调用会遵循存储分配规则，这意味着函数的输入值会被转换为函数参数声明的类型。
  • 这意味着如果函数参数声明了一个特定的数据类型，那么传递给函数的输入值将被尝试转换为该类型。
  1. 未指定类型的 NULL 值的特殊规则
  • 对于未指定类型的 NULL 值，存在特殊的处理规则。在这种情况下，NULL 值可以被提升为任何其他类型。
  • 这意味着如果一个参数是 NULL 并且没有指定类型，那么它可以在函数调用中被当作任何类型的值来处理。
  • 这种灵活性有助于处理在函数调用中可能出现的不同类型的 NULL 值，从而使得函数调用更加灵活和通用。

通过这种方式，Spark SQL在启用ANSI兼容性模式时，能够更加严格地遵循SQL标准，并在处理函数调用时确保数据类型的正确性和一致性。这有助于在处理复杂的数据转换和函数调用时避免潜在的问题。

> SET spark.sql.ansi.enabled=true;
-- implicitly cast Int to String type
> SELECT concat('total number: ', 1);
total number: 1
-- implicitly cast Timestamp to Date type
> select datediff(now(), current_date);
0

-- implicitly cast String to Double type
> SELECT ceil('0.1');
1
-- special rule: implicitly cast NULL to Date type
> SELECT year(null);
NULL

> CREATE TABLE t(s string);
-- Can't store String column as Numeric types.
> SELECT ceil(s) from t;
Error in query: cannot resolve 'CEIL(spark_catalog.default.t.s)' due to data type mismatch
-- Can't store String column as Date type.
> select year(s) from t;
Error in query: cannot resolve 'year(spark_catalog.default.t.s)' due to data type mismatch

参考文献

https://spark.apache.org/docs/latest/sql-ref-ansi-compliance.html

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2053808.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

FreeRTOS 快速入门（二）之内存管理

FreeRTOS 快速入门（二）之内存管理

目录 一、概述二、FreeRTOS 中管理内存的 5 种方法1、Heap_12、Heap_23、Heap_34、Heap_44.1 内存申请4.2 内存释放 5、Heap_5 三、Heap 相关的函数1、pvPortMalloc/vPortFree2、xPortGetFreeHeapSize3、xPortGetMinimumEverFreeHeapSize4、malloc 失败的钩子函数 一、概述 在…
阅读更多...
CDGA|数据治理，就像在厨房里炒一盘好菜

CDGA|数据治理，就像在厨房里炒一盘好菜

数据治理&#xff0c;就像在厨房里炒一盘好菜&#xff0c;是一门既讲究技巧又注重细节的艺术。在这个信息爆炸的时代&#xff0c;数据如同食材&#xff0c;是支撑企业决策、优化运营、驱动创新的基石。而数据治理&#xff0c;则是将这些纷繁复杂的数据“食材”精心挑选、清洗、…
阅读更多...
使用NPS搭建socks5隧道 | 内网穿透

使用NPS搭建socks5隧道 | 内网穿透

在看春秋云镜靶场的WP时碰到用NPS来做代理的&#xff0c;这里刚好看到这篇文章&#xff1a;https://www.cnblogs.com/cute-puli/p/15508251.html&#xff0c;学习一下。 GUI界面管理更加方便。 实验环境 网络拓扑&#xff1a; kali&#xff1a; VMnet1&#xff08;公网&…
阅读更多...
ORB-SLAM3演示及运行

ORB-SLAM3演示及运行

ORB-SLAM安装完成后的运行案例 ros启动 1、修改双目部分文件&#xff0c;主要是图象订阅话题名称 因为我是用的双目灰度相机&#xff0c;需要修改ORB_SLAM3/Examples/ROS/ORB_SLAM3/src下的 ros_stereo.cc和 ros_stereo_intertial.cc. 把订阅的话题改为自己系统发布的图象…
阅读更多...
盲盒小程序开发，创新市场收益渠道

盲盒小程序开发，创新市场收益渠道

对于年轻消费者来说&#xff0c;盲盒是一个具有超强惊喜感和刺激性的消费方式&#xff0c;盲盒也在各大社交平台迅速火爆&#xff0c;线下门店更是上演“大长龙”式的排队景观&#xff0c;盲盒成为了一个具有非常大发展前景的行业&#xff01; 一、线上发展 盲盒的销售渠道除…
阅读更多...
矩阵和神经网络的优雅与力量-《Python神经网络编程》读后感

矩阵和神经网络的优雅与力量-《Python神经网络编程》读后感

《Python神经网络编程》是一本非常优秀的神经网络入门编程书&#xff0c;作者手把手从安装环境开始&#xff0c;每一行代码都是在树莓派上就能运行的&#xff0c;甚至可以说不需要什么第三方库&#xff0c;仅仅用了矩阵的优雅和力量&#xff0c;就能够在树莓派上顺利的运行。 …
阅读更多...
并发编程 | CountDownLatch是如何控制线程执行流程

并发编程 | CountDownLatch是如何控制线程执行流程

CountDownLatch 是 Java 并发编程中的一个同步工具类&#xff0c;这个工具经常用来用来协调多个线程之间的同步&#xff0c;下面我们就来一起认识一下 CountDownLatch。 CountDownLatch介绍 应用场景 CountDownLatch主要是用于让一个或多个线程等待其他线程完成某些操作后再…
阅读更多...
鸿蒙Harmony实战开发知识：“UIAbility组件的3种启动模式”

鸿蒙Harmony实战开发知识：“UIAbility组件的3种启动模式”

UIAbility的启动模式是指UIAbility实例在启动时的不同呈现状态。针对不同的业务场景&#xff0c;系统提供了三种启动模式&#xff1a; singleton启动模式 singleton启动模式为单实例模式&#xff0c;也是默认情况下的启动模式。 每次调用startAbility()方法时&#xff0c;如…
阅读更多...
windows下的redis7.0.11的下载

windows下的redis7.0.11的下载

天&#xff0c;我找redis7.0.11的安装包就找了好久&#xff0c;终于给我找到了。市面上好多是linux版本的。 安装包&#xff1a;Release Redis 7.0.11 for Windows zkteco-home/redis-windows GitHub 解压之后是这样的。 然后你要测试能不能启动&#xff1a; 1、指定配置文…
阅读更多...
复现DOM型XSS攻击（1-8关）

复现DOM型XSS攻击（1-8关）

目录 第一关&#xff1a;​ 分析代码&#xff1a; 第二关&#xff1a; 分析代码&#xff1a; 第三关&#xff1a; 分析代码&#xff1a; 第四关&#xff1a; 分析代码&#xff1a; 第五关&#xff1a; 分析代码&#xff1a; 第六关&#xff1a; 分析代码&#xff1…
阅读更多...
volatitle-线程并发-小白一文速通

volatitle-线程并发-小白一文速通

目录 简而言之 专业术语解释 1、可见性 原理简介 原理图解 其他方式 2、原子性 原理简介 结合实例分析 3、有序性 原理简介 线程安全问题 Volatile效果 1、保证可见性 2、保证有序性 3、无法保证原子性 Volatile底层的实现机制(重点掌握) 经典案例 Java双重检…
阅读更多...
朗致面试----Java开发、Java架构师

朗致面试----Java开发、Java架构师

一共三轮面试。第一轮是逻辑行测&#xff0c;第二轮是技术面试&#xff08;面试官-刘老师&#xff09;&#xff0c;第三轮是CTO面试&#xff08;面试官-屠老师&#xff09;。第三轮Coding做完之后共享屏幕讲一个你自己负责过的项目&#xff08;请提前准备好架构图&#xff0c;开…
阅读更多...
【AI趋势8】具身智能

【AI趋势8】具身智能

随着科技的飞速发展&#xff0c;人工智能&#xff08;AI&#xff09;已经从概念走向实际应用&#xff0c;深刻影响着我们的生产和生活方式。在众多AI技术载体中&#xff0c;人型机器人凭借其独特的类人形态和全身自由度&#xff0c;成为人工智能领域的终极载体之一。本文将深入…
阅读更多...
系列:水果甜度个人手持设备检测-产品规划汇总与小结

系列:水果甜度个人手持设备检测-产品规划汇总与小结

系列:水果甜度个人手持设备检测 -- 产品规划汇总与小结 背景 接上一篇&#xff0c;我们从假设的用户需求出发&#xff0c;规划输出软硬件结合的一体化产品。在产品中搭载近红外光谱&#xff08;NIR&#xff09;、超声检测的模块&#xff0c;并针对不同的瓜果类型&#xff0c…
阅读更多...
【开源分享】CommLite 跨平台文本UI串口调试助手

【开源分享】CommLite 跨平台文本UI串口调试助手

文章目录 1. 简介2. 编译3. 使用4. 借鉴&思考参考 1. 简介 CommLite是一款基于CSerialPort的文本UI串口调试助手。 gitee仓库 2. 编译 编译非常简单&#xff0c;按照文档操作即可&#xff1a; $ git clone --depth1 https://github.com/itas109/CommLite.git $ cd Comm…
阅读更多...
数据结构----AVL树

数据结构----AVL树

小编会一直更新数据结构相关方面的知识&#xff0c;使用的语言是Java&#xff0c;但是其中的逻辑和思路并不影响&#xff0c;如果感兴趣可以关注合集。 希望大家看完之后可以自己去手敲实现一遍&#xff0c;同时在最后我也列出一些基本和经典的题目&#xff0c;可以尝试做一下。…
阅读更多...
牛客网习题——通过C++实现

牛客网习题——通过C++实现

一、目标 实现下面4道练习题增强C代码能力。 1.求123...n_牛客题霸_牛客网 (nowcoder.com) 2.计算日期到天数转换_牛客题霸_牛客网 (nowcoder.com) 3.日期差值_牛客题霸_牛客网 (nowcoder.com) 4.打印日期_牛客题霸_牛客网 (nowcoder.com) 二、对目标的实现 1.求123...n_…
阅读更多...
Java二十三种设计模式-访问者模式（21/23）

Java二十三种设计模式-访问者模式（21/23）

本文深入探讨了访问者模式&#xff0c;一种允许向对象结构添加新操作而不修改其本身的设计模式&#xff0c;涵盖了其定义、组成部分、实现方式、使用场景、优缺点、与其他模式的比较&#xff0c;以及最佳实践和替代方案。 访问者模式&#xff1a;为对象结构添加新的操作 引言 …
阅读更多...
黑神话：悟空-配置推荐

黑神话：悟空-配置推荐

显卡推荐&#xff08;按类别整理&#xff09; 1. GTX 10系列、GTX 16系列&#xff1a; 如果希望体验光线追踪&#xff0c;建议根据预算升级到RTX 40系列显卡。对于1080p分辨率&#xff0c;至少需要RTX 4060才能流畅运行。 2. RTX 20系列&#xff1a; RTX 2060、RTX 2070&#…
阅读更多...
Openboxes 移动终端APP项目开发环境搭建与调试

Openboxes 移动终端APP项目开发环境搭建与调试

文章目录 前言项目简介APP开发环境搭建APP开发环境启动及调试主应用程序启动及调试结语 前言 openboxes 项目还有一个针对移动端的项目&#xff1a;openboxes-mobile&#xff0c;但是这个项目的默认分支&#xff08;develop&#xff09;并没有与openboxes的默认分支对应&#…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023