二、Hadoop 基础知识综述

news2024/10/26 2:36:48

Hadoop 基础知识综述

在当今大数据领域，Hadoop 已然成为处理海量数据的关键技术之一。本文将对 Hadoop 的基础知识进行专业阐述，以助力读者全面了解这一强大的分布式计算框架。

一、Hadoop 概述

Hadoop 是一个开源的分布式计算框架，主要用于存储和处理大规模数据集。其设计初衷是在由普通硬件构成的集群上运行，具备高可靠性、高扩展性和高效性。Hadoop 基于谷歌的 MapReduce 和 Google File System（GFS）的理念开发，能够在数千台服务器上并行处理数据，使得大数据处理更加便捷高效。

二、Hadoop 核心组件

（一）Hadoop 分布式文件系统（HDFS）

  1. 架构
  • HDFS 采用主从（Master-Slave）架构体系。主要由一个 NameNode 和多个 DataNode 组成。
  • NameNode 作为 HDFS 的管理节点，负责管理文件系统的命名空间、目录结构、文件和块的元数据等。犹如文件系统的“核心中枢”，存储着文件系统的全部元信息。
  • DataNode 是 HDFS 的存储节点，负责实际存储数据块。数据以块（block）的形式存储在 DataNode 上，默认块大小为 128MB（在 Hadoop 3.x 中可进行配置）。每个数据块会在多个 DataNode 上进行冗余备份，以提升数据的可靠性。
  1. 数据存储原理
  • 当用户向 HDFS 写入文件时，文件会被分割成多个数据块。NameNode 会依据数据块的副本策略（通常为默认 3 份），确定每个数据块在哪些 DataNode 上存储。随后，客户端将数据块直接写入对应的 DataNode。DataNode 会定期向 NameNode 发送心跳信号和块报告，以告知 NameNode 自身的状态以及所存储的数据块信息。
  • 当用户读取文件时，客户端首先向 NameNode 请求文件的元数据，包括文件块的位置信息。接着，客户端直接从 DataNode 读取数据块，并将它们合并成完整的文件。
  1. 优势
  • 高容错性：数据块的冗余存储使得 HDFS 能够在节点故障时自动恢复数据，确保数据的可靠性。
  • 适用于大规模数据存储：能够存储海量数据，并且可通过增加 DataNode 轻松扩展存储容量。
  • 流式数据访问：适合一次写入、多次读取的大规模数据集处理场景，对于顺序读取数据具有很高的效率。

（二）MapReduce

  1. 原理
  • MapReduce 是一种编程模型，用于大规模数据集的并行处理。它将计算任务划分为两个阶段：Map 阶段和 Reduce 阶段。
  • Map 阶段：每个输入记录都会被一个 Map 函数处理。Map 函数会读取输入数据，对其进行处理，并产生一组中间键值对。例如，在一个单词计数的应用中，Map 函数可能会将每一行文本分割成单词，并输出每个单词及其出现次数为键值对（如<单词,1>）。
  • Reduce 阶段：Reduce 函数会接收具有相同键的所有中间键值对，并对它们进行合并和进一步处理，最终产生输出结果。在单词计数示例中，Reduce 函数会将所有相同单词的出现次数相加，得到每个单词在整个数据集中的总出现次数。
  1. 工作流程
  • 输入数据首先会被分割成多个输入分片（Input Split），每个分片会由一个 Map 任务处理。
  • Map 任务在处理完输入分片后，会将产生的中间键值对进行分区（Partition），相同分区的数据会被发送到同一个 Reduce 任务。
  • 在 Reduce 任务执行之前，会对中间数据进行排序（Sort）和合并（Combine，可选）操作，以提高处理效率。
  • Reduce 任务处理完数据后，会将最终结果输出到 HDFS 或其他存储系统。
  1. 优点
  • 易于编程：开发人员只需关注 Map 和 Reduce 函数的实现，无需操心分布式计算的细节，如数据分区、任务调度等。
  • 高度可扩展性：可以在数千台服务器上并行运行，处理大规模数据。
  • 容错性：Hadoop 能够自动处理任务失败，重新调度失败的任务，保证计算的可靠性。

三、Hadoop 的其他重要组件

（一）YARN（Yet Another Resource Negotiator）

  1. 作用
  • YARN 是 Hadoop 2.0 引入的资源管理系统，负责整个集群的资源管理和调度。
  • 它将资源管理和作业调度分离，使得 Hadoop 能够支持更多类型的计算框架，如 Spark、Flink 等在 Hadoop 集群上运行。
  1. 架构
  • YARN 主要由三个组件组成：ResourceManager、NodeManager 和 ApplicationMaster。
  • ResourceManager：是集群资源的管理者，负责整个集群资源的分配和调度。它接收来自各个节点的资源报告，并根据应用程序的资源需求分配资源。
  • NodeManager：运行在每个计算节点上，负责管理本节点的资源，如 CPU、内存、磁盘等。它会定期向 ResourceManager 汇报本节点的资源使用情况，并接收 ResourceManager 的指令来启动和停止任务。
  • ApplicationMaster：每个应用程序都会有一个 ApplicationMaster，它负责向 ResourceManager 申请资源，并与 NodeManager 协同工作来执行任务。例如，在一个 MapReduce 作业中，ApplicationMaster 会负责协调 Map 任务和 Reduce 任务的执行，监控任务的进度和状态。
  1. 资源调度策略
  • YARN 支持多种资源调度策略，如 FIFO（First In First Out，先进先出）、Capacity Scheduler（容量调度器）和 Fair Scheduler（公平调度器）。
  • FIFO 调度策略按照作业提交的顺序执行，先提交的作业先执行，适用于单个大作业的场景。但在多用户环境下，可能会导致一些小作业长时间等待。
  • Capacity Scheduler 允许为不同的用户或队列分配一定的资源容量，保证每个队列都能获得一定的资源来运行作业。它适合多用户、多团队共享集群资源的场景，可以根据用户需求进行资源分配的定制。
  • Fair Scheduler 旨在为所有运行的作业提供公平的资源分配，使每个作业都能获得大致相等的资源份额。它会根据作业的资源需求和运行时间动态调整资源分配，确保小作业也能及时得到处理。

（二）Hive

  1. 简介
  • Hive 是基于 Hadoop 的一个数据仓库工具，它可以将结构化的数据文件映射为一张数据库表，并提供类似 SQL 的查询语言（HiveQL），使得用户能够方便地进行海量数据的离线处理和分析。
  • Hive 本质上是将 HiveQL 语句转换为 MapReduce 任务在 Hadoop 集群上执行，因此它适合处理大规模的、对实时性要求不高的数据处理任务。
  1. 数据模型
  • Hive 支持多种数据模型，包括表（Table）、分区（Partition）和桶（Bucket）。
  • 表：是 Hive 中最基本的数据存储单元，类似于关系数据库中的表。可以定义表的结构，包括列名、数据类型等。
  • 分区：是为了方便数据管理和查询优化而引入的概念。可以根据某个字段（如日期）对表进行分区，不同分区的数据存储在不同的目录下。这样在查询时，可以根据分区条件快速定位到需要的数据，减少数据扫描量。
  • 桶：是对表或分区进行进一步划分的方式，它是根据某个字段的值进行哈希划分，将数据分配到不同的桶中。桶的作用主要是用于数据采样和一些基于哈希的查询优化。
  1. HiveQL 基本操作
  • 创建表：可以使用 CREATE TABLE 语句创建 Hive 表，并指定表的结构和存储格式等。例如：
CREATE TABLE student (
id INT,
name STRING,
age INT
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;
  • 插入数据：可以使用 INSERT INTO 或 LOAD DATA 语句向表中插入数据。例如：
-- 从本地文件系统加载数据到表中
LOAD DATA LOCAL INPATH '/path/to/data.csv' INTO TABLE student;
-- 通过查询结果插入数据
INSERT INTO TABLE student2 SELECT id, name FROM student WHERE age > 18;
  • 查询数据：使用 SELECT 语句进行数据查询，其语法与标准 SQL 类似。例如：
SELECT name, age FROM student WHERE age > 20 ORDER BY age DESC;

（三）HBase

  1. 简介
  • HBase 是一个分布式的、面向列的开源数据库，它基于 Hadoop HDFS 存储，提供了对大规模数据的实时读写访问能力。
  • HBase 适合存储需要随机读写、实时性要求较高的大数据集，如物联网数据、用户行为数据等。
  1. 数据模型
  • HBase 表由行键（Row Key）、列族（Column Family）和列限定符（Column Qualifier）组成。
  • 行键：是表中每行数据的唯一标识，用于快速查找和排序数据。行键的设计非常重要，它会影响数据在 HBase 中的存储分布和查询性能。
  • 列族：是一组相关列的集合，在创建表时需要预先定义列族。列族中的列可以动态添加，每个列都有一个时间戳，用于记录数据的版本。
  • 列限定符：用于进一步区分列族中的列，它和列族一起构成了列的完整标识。例如，一个表中有一个列族 info，其中可以包含列限定符 name、age 等。
  1. 操作示例
  • 创建表：
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.Admin;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.client.TableDescriptor;
import org.apache.hadoop.hbase.client.TableDescriptorBuilder;
import org.apache.hadoop.hbase.util.Bytes;
public class HBaseCreateTableExample {
public static void main(String[] args) throws Exception {
// 创建 HBase 配置
org.apache.hadoop.conf.Configuration config = HBaseConfiguration.create();
// 创建 HBase 连接
Connection connection = ConnectionFactory.createConnection(config);
// 获取 HBase 管理员
Admin admin = connection.getAdmin();
// 定义表名
String tableName = "my_table";
// 定义列族
byte[] family1 = Bytes.toBytes("cf1");
byte[] family2 = Bytes.toBytes("cf2");
// 创建表描述符
TableDescriptorBuilder tableDescriptorBuilder = TableDescriptorBuilder.newBuilder(Bytes.toBytes(tableName));
tableDescriptorBuilder.setColumnFamily(TableDescriptorBuilder.newBuilder(family1).build());
tableDescriptorBuilder.setColumnFamily(TableDescriptorBuilder.newBuilder(family2).build());
// 创建表
admin.createTable(tableDescriptorBuilder.build());
// 关闭连接
admin.close();
connection.close();
}
}
  • 插入数据：
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.client.Table;
import org.apache.hadoop.hbase.util.Bytes;
public class HBaseInsertDataExample {
public static void main(String[] args) throws Exception {
// 创建 HBase 配置
org.apache.hadoop.conf.Configuration config = HBaseConfiguration.create();
// 创建 HBase 连接
Connection connection = ConnectionFactory.createConnection(config);
// 获取表
Table table = connection.getTable(Bytes.toBytes("my_table"));
// 插入数据
Put put = new Put(Bytes.toBytes("row1"));
put.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("col1"), Bytes.toBytes("value1"));
put.addColumn(Bytes.toBytes("cf2"), Bytes.toBytes("col2"), Bytes.toBytes("value2"));
table.put(put);
// 关闭表和连接
table.close();
connection.close();
}
}
  • 查询数据：
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.hbase.client.Connection;
import org.apache.hadoop.hbase.client.ConnectionFactory;
import org.apache.hadoop.hbase.client.Result;
import org.apache.hadoop.hbase.client.ResultScanner;
import org.apache.hadoop.hbase.client.Scan;
import org.apache.hadoop.hbase.client.Table;
import org.apache.hadoop.hbase.util.Bytes;
public class HBaseQueryDataExample {
public static void main(String[] args) throws Exception {
// 创建 HBase 配置
org.apache.hadoop.conf.Configuration config = HBaseConfiguration.create();
// 创建 HBase 连接
Connection connection = ConnectionFactory.createConnection(config);
// 获取表
Table table = connection.getTable(Bytes.toBytes("my_table"));
// 创建扫描器
Scan scan = new Scan();
scan.addColumn(Bytes.toBytes("cf1"), Bytes.toBytes("col1"));
// 扫描数据
ResultScanner scanner = table.getScanner(scan);
for (Result result : scanner) {
byte[] value = result.getValue(Bytes.toBytes("cf1"), Bytes.toBytes("col1"));
System.out.println("Value: " + Bytes.toString(value));
}
// 关闭扫描器和表
scanner.close();
table.close();
connection.close();
}
}

四、Hadoop 的安装与配置

  1. 系统要求
  • Hadoop 能够运行在多种操作系统上，如 Linux（推荐）、Windows（需要一些额外配置）等。
  • 硬件要求：一般需要具备足够的内存（建议至少 4GB 以上）、CPU 核心数以及磁盘空间，具体要求依据数据规模和处理任务而定。
  1. 安装步骤（以 Linux 为例）
  • 下载 Hadoop 安装包：可从 Hadoop 官方网站（https://hadoop.apache.org/）下载合适的版本。
  • 解压安装包：将下载的压缩包解压至指定目录，如 /opt/hadoop。
  • 配置环境变量：编辑 ~/.bashrc 文件，添加 Hadoop 的相关环境变量，例如：
export HADOOP_HOME=/opt/hadoop
export PATH=$PATH:$HADOOP_HOME/bin:$HADOOP_HOME/sbin
  • 配置 Hadoop 文件：
  • hadoop-env.sh：设置 Java 环境变量，指定 JAVA_HOME。
  • core-site.xml：配置 HDFS 的 NameNode 地址和端口等信息，例如：
<configuration>
<property>
<name>fs.defaultFS</name>
<value>hdfs://localhost:9000</value>
</property>
</configuration>
  • hdfs-site.xml：配置 HDFS 的相关参数，如数据块副本数、数据存储目录等，例如：
<configuration>
<property>
<name>dfs.replication</name>
<value>3</value>
</property>
<property>
<name>dfs.namenode.name.dir</name>
<value>/opt/hadoop/data/namenode</value>
</property>
<property>
<name>dfs.datanode.data.dir</name>
<value>/opt/hadoop/data/datanode</value>
</property>
</configuration>
  • mapred-site.xml（如果是 Hadoop 2.x 及以上版本，需要从模板文件复制并命名为 mapred-site.xml）：配置 MapReduce 的相关参数，如作业运行模式等，例如：
<configuration>
<property>
<name>mapreduce.framework.name</name>
<value>yarn</value>
</property>
</configuration>
  • yarn-site.xml：配置 YARN 的相关参数，如 ResourceManager 地址和端口等，例如：
<configuration>
<property>
<name>yarn.resourcemanager.hostname</name>
<value>localhost</value>
</property>
<property>
<name>yarn.nodemanager.aux-services</name>
<value>mapreduce_shuffle</value>
</property>
</configuration>
  • 格式化 HDFS 文件系统（首次使用时需要执行）：
hdfs namenode -format
  • 启动 Hadoop 集群：
  • 启动 HDFS：
start-dfs.sh
  • 启动 YARN：
start-yarn.sh
  1. 验证安装
  • 可以通过浏览器访问 Hadoop 的 Web 界面来验证安装是否成功。例如，访问 NameNode 的 Web 界面 http://localhost:50070（默认端口可能会因配置不同而有所变化），可以查看 HDFS 的相关信息，如文件系统状态、节点信息等。
  • 也可以在命令行执行一些 Hadoop 命令，如 hadoop fs -ls / 查看 HDFS 根目录下的文件和目录。

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/2223721.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

micro-app【微前端实战】主应用 vue3 + vite 子应用 vue3+vite

micro-app【微前端实战】主应用 vue3 + vite 子应用 vue3+vite

micro-app 官方文档为 https://micro-zoe.github.io/micro-app/docs.html#/zh-cn/framework/vite 子应用 无需任何修改&#xff0c;直接启动子应用即可。 主应用 1. 安装微前端框架 microApp npm i micro-zoe/micro-app --save2. 导入并启用微前端框架 microApp src/main.ts …
阅读更多...
2024软考网络工程师笔记 - 第8章.网络安全

2024软考网络工程师笔记 - 第8章.网络安全

文章目录 网络安全基础1️⃣网络安全威胁类型2️⃣网络攻击类型3️⃣安全目标与技术 &#x1f551;现代加密技术1️⃣私钥密码/对称密码体制2️⃣对称加密算法总结3️⃣公钥密码/非对称密码4️⃣混合密码5️⃣国产加密算法 - SM 系列6️⃣认证7️⃣基于公钥的认证 &#x1f552…
阅读更多...
为微信小程序换皮肤之配置vant

为微信小程序换皮肤之配置vant

微信小程序自带的控件虽然具有很好的通用性和简洁性&#xff0c;但在面对一些复杂的交互场景和个性化的设计需求时&#xff0c;可能会显得力不从心。其功能的相对基础使得开发者在实现诸如多步骤复杂表单提交、实时数据交互与可视化展示、高度定制化的界面布局等方面&#xff0…
阅读更多...
Navicat 安装

Navicat 安装

Navicat 安装步骤
阅读更多...
qt 下载安装

qt 下载安装

1. 官网地址 https://www.qt.io/ 2. 下载 使用邮箱注册账号&#xff0c;登录&#xff0c;后边安装时也用的到 登录后&#xff1a; 这里需要电话号验证&#xff0c;电话号需要正确的&#xff0c;其他随便填&#xff0c;电话号中国区前需要86&#xff0c; 验证后自动下载 …
阅读更多...
[CSP-J 2023] 一元二次方程（模拟）

[CSP-J 2023] 一元二次方程（模拟）

变态的大模拟…… 洛谷题目传送门https://www.luogu.com.cn/problem/P9750 解题思路 主要还是模拟&#xff0c;题目让你求啥你就求啥&#xff0c;要注意细节。 然后化简根式的可以用质因数分解一下即可。 代码 #include<bits/stdc.h> using namespace std; #define …
阅读更多...
opencv 图像翻转- python 实现

opencv 图像翻转- python 实现

在做图像数据增强时会经常用到图像翻转操作 flip。 具体代码实现如下&#xff1a; #-*-coding:utf-8-*- # date:2021-03 # Author: DataBall - XIAN # Function: 图像翻转import cv2 # 导入OpenCV库path test.jpgimg cv2.imread(path)# 读取图片 cv2.namedWindow(image,1) …
阅读更多...
C++基础与实用技巧第三节：内存管理与性能优化

C++基础与实用技巧第三节：内存管理与性能优化

第二章&#xff1a;C基础与实用技巧 第三节&#xff1a;内存管理与性能优化 1. 动态内存的管理策略与技巧 动态内存管理是C编程的核心部分之一&#xff0c;合理管理内存可以极大提高程序的性能和稳定性。在C中&#xff0c;动态内存的分配和释放通常使用new和delete运算符&am…
阅读更多...
LeetCode_2427. 公因子的数目_java

LeetCode_2427. 公因子的数目_java

1、题目 2427. 公因子的数目https://leetcode.cn/problems/number-of-common-factors/ 给你两个正整数 a 和 b &#xff0c;返回 a 和 b 的 公 因子的数目。 如果 x 可以同时整除 a 和 b &#xff0c;则认为 x 是 a 和 b 的一个 公因子 。 示例 1&#xff1a; 输入&#x…
阅读更多...
基于springboot企业微信SCRM管理系统源码带本地搭建教程

基于springboot企业微信SCRM管理系统源码带本地搭建教程

系统是前后端分离的架构&#xff0c;前端使用Vue2&#xff0c;后端使用SpringBoot2。 技术框架&#xff1a;SpringBoot2.0.0 Mybatis1.3.2 Shiro swagger-ui jpa lombok Vue2 Mysql5.7 运行环境&#xff1a;jdk8 IntelliJ IDEA maven 宝塔面板 系统与功能介绍 基…
阅读更多...
实现prometheus+grafana的监控部署

实现prometheus+grafana的监控部署

直接贴部署用的文件信息了 kubectl label node xxx monitoringtrue 创建命名空间 kubectl create ns monitoring 部署operator kubectl apply -f operator-rbac.yml kubectl apply -f operator-dp.yml kubectl apply -f operator-crd.yml # 定义node-export kubectl app…
阅读更多...
RHCE的练习（4）

RHCE的练习（4）

多端口访问多网站 第一步&#xff1a; 关闭防火墙&#xff08;因为要与外部连接访问&#xff09; [rootlocalhost ~]# systemctl stop firewalld [rootlocalhost ~]# setenforce 0第二步&#xff1a; 创建新IP地址&#xff08;用于区分&#xff09; [rootlocalhost ~]# nmcli…
阅读更多...
【南方科技大学】CS315 Computer Security 【Lab6 IoT Security and Wireless Exploitation】

【南方科技大学】CS315 Computer Security 【Lab6 IoT Security and Wireless Exploitation】

目录 Introduction (Part 1: OS Security for IoT )Software RequirementsStarting the Lab 6 Virtual MachineSetting up the Zephyr Development EnvironmentDownload the Zephyr Source CodeInstalling Requirements and DependenciesSetting the Project’s Environment Va…
阅读更多...
PoissonRecon学习笔记

PoissonRecon学习笔记

1. Screened Poisson Reconstruction (SPR) 源码&#xff1a;https://github.com/mkazhdan/PoissonRecon However, as noted by several researchers, it suffers from a tendency to over-smooth the data. 泊松重建存在过度平滑的现象。 方法&#xff1a;position and gradi…
阅读更多...
为Windows Terminal 配置zsh + Oh-My-Zsh!

为Windows Terminal 配置zsh + Oh-My-Zsh!

参考&#xff1a; 为Windows Terminal 配置zsh Oh-My-Zsh! [非WSL] https://zhuanlan.zhihu.com/p/625583037 Package: zsh - MSYS2 Packages 安装配置 1、安装 Windows Terminal(必须) Method 1: 打开 Microsoft Store&#xff0c;搜索 “Windows Terminal”。点击 “…
阅读更多...
Web应用框架-Django应用基础

Web应用框架-Django应用基础

1. 认识Django Django是一个用Python编写的开源高级Web框架&#xff0c; 旨在快速开发可维护和可扩展的Web应用程序。 使用Django框架的开发步骤&#xff1a; 1.选择合适的版本 2.安装及配置 3.生成项目结构 4.内容开发 5.迭代、上线、维护 Django官网&#xff1a; Djang…
阅读更多...
开源表单生成器OpnForm

开源表单生成器OpnForm

什么是 OpnForm &#xff1f; OpnForm 是一个开源的表单构建工具&#xff0c;旨在简化创建自定义表单的过程&#xff0c;特别适合无编码知识的用户。它通过人工智能优化表单创建流程&#xff0c;支持多种用途&#xff0c;如联系人表单、调查表等。OpnForm 提供了一个直观的拖放…
阅读更多...
最优化方法-无约束优化算法（最速下降法）matlab实现

最优化方法-无约束优化算法（最速下降法）matlab实现

一、前言 最速下降法 &#xff0c;又称为梯度法&#xff0c;是一种无约束求解多元函数极小值的方法。最速下降法的起源可以追溯到19世纪&#xff0c;最早由数学家Cauchy在1847年提出。随着计算机技术的发展&#xff0c;最速下降法在20世纪50年代逐渐应用于各种优化问题&#x…
阅读更多...
BD数字化装备车场：RFID技术的突破之道

BD数字化装备车场：RFID技术的突破之道

传统的车库管理流程主要依赖手工方式&#xff0c;这无疑降低了作业效率&#xff0c;尤其在任务高峰期或紧急情况下&#xff0c;车库进出口的交通堵塞问题尤为突出。随着2023年的到来&#xff0c;我国相继发布了《交通强国建设纲要》与《数字中国建设整体布局规划》等关键政策文…
阅读更多...
Uni-App-01

Uni-App-01

HBuilder安装卸载 安装 下载HBuilder最新版 解压到安装目录&#xff0c;路径中不要有中文和空格 在桌面上增加快捷方式 卸载 执行reset.bat 删除HBuilder文件夹&#xff08;如果提示文件被占用&#xff0c;杀死相关进程再删除&#xff09; 夜神模拟器安装 安装 下…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023