Flink(1.13) FlinkCEP

什么是FlinkCEP

FlinkCEP(Complex event processing for Flink) 是在Flink實(shí)現(xiàn)的復(fù)雜事件處理庫. 它可以讓你在無界流或有界流中檢測(cè)出特定的數(shù)據(jù)，有機(jī)會(huì)掌握數(shù)據(jù)中重要的那部分。
是一種基于動(dòng)態(tài)環(huán)境中事件流的分析技術(shù)，事件在這里通常是有意義的狀態(tài)變化，通過分析事件間的關(guān)系，利用過濾、關(guān)聯(lián)、聚合等技術(shù)，根據(jù)事件間的時(shí)序關(guān)系和聚合關(guān)系制定檢測(cè)規(guī)則，持續(xù)地從事件流中查詢出符合要求的事件序列，最終分析得到更復(fù)雜的復(fù)合事件。

  1. 目標(biāo)：從有序的簡(jiǎn)單事件流中發(fā)現(xiàn)一些高階特征
  2. 輸入：一個(gè)或多個(gè)由簡(jiǎn)單事件構(gòu)成的事件流
  3. 處理：識(shí)別簡(jiǎn)單事件之間的內(nèi)在聯(lián)系，多個(gè)符合一定規(guī)則的簡(jiǎn)單事件構(gòu)成復(fù)雜事件
  4. 輸出：滿足規(guī)則的復(fù)雜事件

總結(jié)：FlinkCEP 用于編寫規(guī)則，實(shí)現(xiàn)對(duì)流數(shù)據(jù)進(jìn)行處理，最終獲取我們想要的結(jié)果。

Flink CEP應(yīng)用場(chǎng)景

  • 風(fēng)險(xiǎn)控制
    對(duì)用戶異常行為模式進(jìn)行實(shí)時(shí)檢測(cè)，當(dāng)一個(gè)用戶發(fā)生了不該發(fā)生的行為，判定這個(gè)用戶是不是有違規(guī)操作的嫌疑。

  • 策略營(yíng)銷
    用預(yù)先定義好的規(guī)則對(duì)用戶的行為軌跡進(jìn)行實(shí)時(shí)跟蹤，對(duì)行為軌跡匹配預(yù)定義規(guī)則的用戶實(shí)時(shí)發(fā)送相應(yīng)策略的推廣。

  • 運(yùn)維監(jiān)控
    靈活配置多指標(biāo)、多依賴來實(shí)現(xiàn)更復(fù)雜的監(jiān)控模式。

Flink CEP入門案例

官網(wǎng)介紹

  • 導(dǎo)入依賴
<dependency>
    <groupId>org.apache.flink</groupId>
    <artifactId>flink-cep_2.11</artifactId>
    <version>1.13.0</version>
</dependency>
  • 給定一個(gè)流（必須指定水?。?/li> 
 StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStreamSource<String> source = env.socketTextStream("hadoop102", 9999);

        // 讀取數(shù)據(jù)封裝成javaBean
        SingleOutputStreamOperator<Sensor> returns = source.flatMap((FlatMapFunction<String, Sensor>) (value, out) -> {
            out.collect(new Sensor(value.split(",")));
        }).returns(Types.POJO(Sensor.class));

        // 添加水印
        SingleOutputStreamOperator<Sensor> operator = returns.assignTimestampsAndWatermarks(
                // 最大亂序程度
                WatermarkStrategy.<Sensor>forBoundedOutOfOrderness(Duration.ofSeconds(3))
                        .withTimestampAssigner((SerializableTimestampAssigner<Sensor>) (element, recordTimestamp) -> element.getTs() * 1000)
        );

為了方便，將數(shù)據(jù)封裝成了對(duì)象

import lombok.AllArgsConstructor;
import lombok.Data;
import lombok.NoArgsConstructor;
import lombok.ToString;

@Data
@NoArgsConstructor
@AllArgsConstructor
@ToString
public class Sensor {
    private Integer id;
    private Long ts;
    private Long vc;


    public Sensor(String[] args){
        this.id=Integer.valueOf(args[0]);
        this.ts=Long.valueOf(args[1]);
        this.vc=Long.valueOf(args[2]);
    }
}
  • 定義規(guī)則
// 定義模式
Pattern<Sensor, Sensor> beginPattern = Pattern.<Sensor>begin("begin")
 .where(new SimpleCondition<Sensor>() {
      @Override
      public boolean filter(Sensor value) throws Exception {
            return "sensor_1".equals(value.getId());
      }
});

Pattern 別導(dǎo)錯(cuò)了

import org.apache.flink.cep.pattern.Pattern;

begin ：cep 都是從 begin開始。

 <X> Pattern<X, X> begin(final String name)

每個(gè)模式都必須有一個(gè)唯一的名稱，稍后您可以使用該名稱來標(biāo)識(shí)匹配的事件。
模式名稱不能包含字符":"。

begin("begin")
  • 將CEP 應(yīng)用到流中
PatternStream<Sensor> pattern = CEP.pattern(watermarks, beginPattern);
SingleOutputStreamOperator<String> select = pattern.select((PatternSelectFunction<Sensor, String>)
// 從"begin" 名稱中，獲取模式里的數(shù)據(jù)
pattern1 -> pattern1.get("begin").toString());
  • 返回結(jié)果
select.print();

env.execute();
  • sensor.txt
sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60
  • 程序
    @Test
    public void test01() throws Exception {
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();

        DataStreamSource<String> source = env.readTextFile("input/sensor.txt");

        //DataStreamSource<String> source = env.socketTextStream("hadoop102", 9999);



        // 讀取數(shù)據(jù)封裝成javaBean
        SingleOutputStreamOperator<Sensor> flatMapStream = source.flatMap((FlatMapFunction<String, Sensor>) (value, out) -> {
            out.collect(new Sensor(value.split(",")));
        }).returns(Types.POJO(Sensor.class));

        // 添加水印
        SingleOutputStreamOperator<Sensor> watermarks = flatMapStream.assignTimestampsAndWatermarks(
                // 最大亂序程度
                WatermarkStrategy.<Sensor>forBoundedOutOfOrderness(Duration.ofSeconds(3))
                        .withTimestampAssigner((SerializableTimestampAssigner<Sensor>) (element, recordTimestamp) -> element.getTs() * 1000)
        );

        // 定義模式
        Pattern<Sensor, Sensor> beginPattern = Pattern.
                <Sensor>begin("begin")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
        });

        // CEP
        PatternStream<Sensor> pattern = CEP.pattern(watermarks, beginPattern);
        SingleOutputStreamOperator<String> select = pattern.select((PatternSelectFunction<Sensor, String>)
                pattern1 -> pattern1.get("begin").toString());

        select.print();

        env.execute();

    }
  • 運(yùn)行結(jié)果，都是 sensor_1的數(shù)據(jù)結(jié)果。
11> [Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40)]
10> [Sensor(id=sensor_1, ts=1, vc=10), Sensor(id=sensor_1, ts=2, vc=20)]
12> [Sensor(id=sensor_1, ts=4, vc=40), Sensor(id=sensor_1, ts=6, vc=60)]

模式API

單個(gè)模式

單個(gè)模式可以是單例模式或者循環(huán)模式.

單例模式

單例模式只接受一個(gè)事件. 默認(rèn)情況模式都是單例模式.
前面的例子就是一個(gè)單例模式

循環(huán)模式

循環(huán)模式可以接受多個(gè)事件.
單例模式配合上量詞就是循環(huán)模式.(非常類似我們熟悉的正則表達(dá)式)

  • times(n)
        // 定義模式
        Pattern<Sensor, Sensor> beginPattern = Pattern.
                <Sensor>begin("begin")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
        }).times(2);

用于循環(huán)匹配，必須滿足N條數(shù)。

匹配規(guī)則：設(shè) time(2)

原始數(shù)據(jù)

sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60

首先匹配到 sensor_1,1,10 ，因?yàn)楸仨氁獮?，所以就會(huì)一直等著，直到遇到另一個(gè)sensor_1的數(shù)據(jù)

(sensor_1,1,10 | sensor_1,2,20)

sensor_1,1,10 匹配到之后，就不再匹配了，sensor_1,2,20繼續(xù)往后匹配，直到遇到sensor_1,4,40

(sensor_1,2,20 | sensor_1,4,40)

sensor_1,4,40 同樣等著，直到遇到下一個(gè)sensor_1

(sensor_1,4,40 | sensor_1,6,60)

因?yàn)榱魇教幚?，所?code>sensor_1與sensor_1可能并不是有序的，中間可能相差好幾條數(shù)據(jù)，但是匹配規(guī)則，就是滿足了
time(n)的退出，否則一直等著。若程序結(jié)束都沒有遇到，就自動(dòng)釋放（不輸出，因?yàn)椴粷M足time(n)）。

運(yùn)行結(jié)果

9> [Sensor(id=sensor_1, ts=1, vc=10), Sensor(id=sensor_1, ts=2, vc=20)]
11> [Sensor(id=sensor_1, ts=4, vc=40), Sensor(id=sensor_1, ts=6, vc=60)]
10> [Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40)]
  • timesOrMore(n)
    匹配規(guī)則和times(n)類似，timesOrMore(n)匹配規(guī)則則是n條及n條以上。

原始數(shù)據(jù)

sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60

匹配規(guī)則：設(shè) timesOrMore(2)

第一次進(jìn)來的是sensor_1,1,10，不滿足timesOrMore的條件，所以等著。
第二次：進(jìn)來sensor_1,2,20，滿足timesOrMore的條件，記錄起來。sensor_1,2,20需要等待下一次sensor_1的數(shù)據(jù)

(sensor_1,1,10 | sensor_1,2,20)

第三次：sensor_1,4,40，sensor_1,1,10 滿足, sensor_1,2,20也滿足

(sensor_1,1,10 | sensor_1,2,20 | ensor_1,4,40)
(sensor_1,2,20 | ensor_1,4,40)

第四次：sensor_1,6,60，sensor_1,1,10 滿足, sensor_1,2,20 滿足，ensor_1,4,40 滿足

(sensor_1,1,10 | sensor_1,2,20 | ensor_1,4,40 | sensor_1,6,60)
(sensor_1,2,20 | ensor_1,4,40 | sensor_1,6,60)
(ensor_1,4,40 | sensor_1,6,60)

最終輸出結(jié)果
多并行度，輸出順序不一致，但是整體結(jié)果和上面推斷是一致的。

10> [Sensor(id=sensor_1, ts=1, vc=10), Sensor(id=sensor_1, ts=2, vc=20)]
15> [Sensor(id=sensor_1, ts=4, vc=40), Sensor(id=sensor_1, ts=6, vc=60)]
14> [Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40), Sensor(id=sensor_1, ts=6, vc=60)]
12> [Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40)]
11> [Sensor(id=sensor_1, ts=1, vc=10), Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40)]
13> [Sensor(id=sensor_1, ts=1, vc=10), Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40), Sensor(id=sensor_1, ts=6, vc=60)]
  • .times(n,m)
    或許你已經(jīng)發(fā)現(xiàn)了timesOrMore的弊端，若數(shù)據(jù)中有10000條sensor_1，那么最后一個(gè)結(jié)果絕對(duì)有一萬條數(shù)據(jù)。這樣的結(jié)果，很有可能造成OOM。所以有必要的可以限定的以下次數(shù)，比如使用times(n,m)，它表示一個(gè)范圍，從n開始到m結(jié)束（包含m)，比如 我們只要 2條，3條，4條的數(shù)據(jù)，那么就可以寫成times(2,4)

原始數(shù)據(jù)

sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60

匹配規(guī)則：設(shè) times(2,3)

第一次：sensor_1,1,10，不滿足，等著
第二次：sensor_1,2,20，sensor_1,1,10滿足，sensor_1,2,20等著

(sensor_1,1,10,sensor_1,2,20)

第三次: sensor_1,4,40，sensor_1,1,10滿足，sensor_1,2,20滿足，sensor_1,4,40等著

(sensor_1,1,10,sensor_1,2,20,sensor_1,4,40)
(sensor_1,2,20,sensor_1,4,40)

第四次，sensor_1,6,60, 因?yàn)樯舷逓?，sensor_1,1,10不再往下執(zhí)行，sensor_1,2,20滿足，sensor_1,4,40滿足，sensor_1,6,60等著，直到遇到sensor_1

(sensor_1,2,20,sensor_1,4,40,sensor_1,6,60)
(sensor_1,4,40,sensor_1,6,60)

最終輸出
上限是3，所以列表長(zhǎng)度最大為3。

1> [Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40)]
3> [Sensor(id=sensor_1, ts=4, vc=40), Sensor(id=sensor_1, ts=6, vc=60)]
16> [Sensor(id=sensor_1, ts=1, vc=10), Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40)]
15> [Sensor(id=sensor_1, ts=1, vc=10), Sensor(id=sensor_1, ts=2, vc=20)]
2> [Sensor(id=sensor_1, ts=2, vc=20), Sensor(id=sensor_1, ts=4, vc=40), Sensor(id=sensor_1, ts=6, vc=60)]

times(n,m) 與 timesOrMore(n) 的區(qū)別就是，timesOrMore(n) 沒有上限。

  • oneOrMore()
    作用就是一次或多次，等價(jià)于timesOrMore(1)

條件

對(duì)每個(gè)模式你可以指定一個(gè)條件來決定一個(gè)進(jìn)來的事件是否被接受進(jìn)入這個(gè)模式，例如前面用到的where就是一種條件

  • 迭代條件
    這是最普遍的條件類型。使用它可以指定一個(gè)基于前面已經(jīng)被接受的事件的屬性或者它們的一個(gè)子集的統(tǒng)計(jì)數(shù)據(jù)來決定是否接受時(shí)間序列的條件。
Pattern<WaterSensor, WaterSensor> pattern = Pattern
    .<WaterSensor>begin("start")
    .where(new IterativeCondition<WaterSensor>() {
        @Override
        public boolean filter(WaterSensor value, Context<WaterSensor> ctx) throws Exception {
            return "sensor_1".equals(value.getId());
        }
    });
  • 簡(jiǎn)單條件
    這種類型的條件擴(kuò)展了前面提到的IterativeCondition類，它決定是否接受一個(gè)事件只取決于事件自身的屬性。
Pattern<WaterSensor, WaterSensor> pattern = Pattern
    .<WaterSensor>begin("start")
    .where(new SimpleCondition<WaterSensor>() {
        @Override
        public boolean filter(WaterSensor value) throws Exception {
            System.out.println(value);
            return "sensor_1".equals(value.getId());
        }
    });
  • 組合條件
    把多個(gè)條件結(jié)合起來使用. 這適用于任何條件，你可以通過依次調(diào)用where()來組合條件。 最終的結(jié)果是每個(gè)單一條件的結(jié)果的邏輯AND。
    如果想使用OR來組合條件，你可以像下面這樣使用or()方法。

匹配 sensor_1 和 sensor_7的數(shù)據(jù)

原始數(shù)據(jù)

sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60
sensor_7,7,30

程序

        // 定義模式
        Pattern<Sensor, Sensor> beginPattern = Pattern.
                <Sensor>begin("begin")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
        }).or(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_7".equals(value.getId());
                    }
                });

運(yùn)行結(jié)果

4> [Sensor(id=sensor_7, ts=7, vc=30)]
1> [Sensor(id=sensor_1, ts=2, vc=20)]
2> [Sensor(id=sensor_1, ts=4, vc=40)]
16> [Sensor(id=sensor_1, ts=1, vc=10)]
3> [Sensor(id=sensor_1, ts=6, vc=60)]

若是要用and條件呢？CEP 并沒有and()，但是指定多個(gè)where()，作用和and一樣。

        // 定義模式
        Pattern<Sensor, Sensor> beginPattern = Pattern.
                <Sensor>begin("begin")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
        }).where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return value.getTs()<4;
                    }
                });

運(yùn)行結(jié)果

14> [Sensor(id=sensor_1, ts=1, vc=10)]
15> [Sensor(id=sensor_1, ts=2, vc=20)]
  • 停止條件(until)
    如果使用循環(huán)模式(oneOrMore, timesOrMore), 可以指定一個(gè)停止條件, 否則有可能會(huì)內(nèi)存吃不消.
    意思是滿足了給定的條件的事件出現(xiàn)后，就不會(huì)再有事件被接受進(jìn)入模式了。

原始數(shù)據(jù)

sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60
sensor_7,7,30

當(dāng)程序遇到sensor_2時(shí)就停止

        // 定義模式
        Pattern<Sensor, Sensor> beginPattern = Pattern.
                <Sensor>begin("begin")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
        }).timesOrMore(2).until(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_2".equals(value.getId());
                    }
                });

運(yùn)行結(jié)果

8> [Sensor(id=sensor_1, ts=1, vc=10), Sensor(id=sensor_1, ts=2, vc=20)]

異常：until 只能用在循環(huán)條件。

org.apache.flink.cep.pattern.MalformedPatternException: The until condition is only applicable to looping states.

組合模式

把多個(gè)單個(gè)模式組合在一起就是組合模式. 組合模式由一個(gè)初始化模式(.begin(...))開頭

  • 原始數(shù)據(jù)
sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60
sensor_7,7,30
  • 嚴(yán)格連續(xù)(嚴(yán)格緊鄰)
    比如sensor_1與sensor_1之間必須相鄰的比如：sensor_1,1,10和sensor_1,2,20，sensor_1,2,20和sensor_1,4,40就不行，之間還相隔著sensor_2,3,30。

如何實(shí)現(xiàn)？使用next()，就表示嚴(yán)格緊鄰

        // 定義模式
        Pattern<Sensor, Sensor> beginPattern = Pattern
                .<Sensor>begin("start")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
                })
                .next("next")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
                });

輸出結(jié)果，只有sensor_1,1,10滿足

12> [Sensor(id=sensor_1, ts=1, vc=10)]

嚴(yán)格模式還有一個(gè)很重要特性，就是能夠解決亂序問題

sensor_1,1,10
sensor_1,2,20
sensor_2,4,30
sensor_1,3,40
sensor_2,5,50
sensor_1,6,60
sensor_7,7,30

試問：此時(shí)運(yùn)行sensor_1,2,20是否滿足？是否算得上與sensor_1,3,40為相鄰？

12> [Sensor(id=sensor_1, ts=1, vc=10)]
13> [Sensor(id=sensor_1, ts=2, vc=20)]

雖然再流輸入的順序上，sensor_1,3,40是靠在sensor_2,4,30后的，但是從時(shí)間上來說，sensor_1,2,20和sensor_1,3,40是有序的。內(nèi)部上是有一個(gè)類似排序機(jī)制，但是在實(shí)時(shí)上，可能就不好說了，這里為了測(cè)試，用得離線的方式，所以是沒有問題的。

  • 松散連續(xù)
    忽略匹配的事件之間的不匹配的事件。

原始數(shù)據(jù)

sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60
sensor_7,7,30

followedBy("by")：*松散連續(xù)

        // 定義模式
        Pattern<Sensor, Sensor> beginPattern = Pattern
                .<Sensor>begin("start")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
                })
                .followedBy("by")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
                });

輸出結(jié)果

9> [Sensor(id=sensor_1, ts=1, vc=10)]
10> [Sensor(id=sensor_1, ts=2, vc=20)]
11> [Sensor(id=sensor_1, ts=4, vc=40)]
  • 非確定的松散連續(xù)
    更進(jìn)一步的松散連續(xù)，允許忽略掉一些匹配事件的附加匹配
    當(dāng)且僅當(dāng)數(shù)據(jù)為a,c,b,b時(shí)，對(duì)于followedBy模式而言命中的為{a,b}，對(duì)于followedByAny而言會(huì)有兩次命中{a,b},{a,b}

原始數(shù)據(jù)

sensor_1,1,10
sensor_1,2,20
sensor_2,3,30
sensor_1,4,40
sensor_2,5,50
sensor_1,6,60
sensor_7,7,30

 // 定義模式
        Pattern<Sensor, Sensor> beginPattern = Pattern
                .<Sensor>begin("start")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
                })
                //.next("next")
                .followedByAny("by")
                .where(new SimpleCondition<Sensor>() {
                    @Override
                    public boolean filter(Sensor value) throws Exception {
                        return "sensor_1".equals(value.getId());
                    }
                });

輸出結(jié)果

6> [Sensor(id=sensor_1, ts=1, vc=10)]
8> [Sensor(id=sensor_1, ts=4, vc=40)]
4> [Sensor(id=sensor_1, ts=1, vc=10)]
3> [Sensor(id=sensor_1, ts=1, vc=10)]
5> [Sensor(id=sensor_1, ts=2, vc=20)]
7> [Sensor(id=sensor_1, ts=2, vc=20)]
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點(diǎn)，簡(jiǎn)書系信息發(fā)布平臺(tái)，僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容