clickhouse实时大数据分析引擎的SQL写法详解_Alice_qixin的博客-CSDN博客_clickhouse关联查询
clickhouse实时大数据分析引擎的SQL写法详解
Alice_qixin
于 2019-01-15 17:53:35 发布
11424
收藏
分类专栏：
java
clickhouse
大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Alice_qixin/article/details/86494438
版权
java
同时被 3 个专栏收录
49 篇文章
0 订阅
订阅专栏
clickhouse
5 篇文章
0 订阅
订阅专栏
大数据
3 篇文章
0 订阅
订阅专栏
ClickHouse的优点
单个查询的并行处理（利用多个核心）多个服务器上的分布式处理非常快速的扫描（参见下面的基准测试），可用于实时查询列存储非常适合使用“宽”/“非规范化”表（许多列）压缩性好SQL支持（有限制）良好的功能集，包括支持近似计算不同的存储引擎（磁盘存储格式）非常适合结构日志/事件数据以及时间序列数据（引擎MergeTree需要日期字段）索引支持（仅限主键，不是所有存储引擎）漂亮的命令行界面，具有用户友好的进度条和格式
以下是ClickHouse功能的完整列表
ClickHouse的缺点
没有真正的删除/更新支持，也没有事务（与Spark和大多数大数据系统相同）没有二级密钥（与Spark和大多数大数据系统相同）自己的协议（没有MySQL协议支持）有限的SQL支持，以及连接实现是不同的。如果要从MySQL或Spark迁移，则可能必须使用连接重新编写所有查询。没有窗口功能
此处为clickhouse的sql写法详解：
clickhouse的SQL查询语句与mysql，presto的SQL大致相同，但是也有少许不同的地方，此文仅记录与我日常编写的clickhouseSQL查询语句，包含计算函数，聚合函数，关联语句写法，和一些需要注意的地方。
clickhouse官方网站链接地址：https://clickhouse.yandex/
一：简单查询语句
简单查询语句与mysql等数据库并无差异
select * from 库名.表名 where 条件
ex：select  snow,sname,sage from student where sno= 1
需要注意的地方：clickhouse 是用于实时大数据分析引擎，所以，一般使用clickhouse表内数据很大，也有很多分区，所以，查询时如果查询数据太大，where条件限制作用很小的情况下需要使用 limit做查询限制。否则会提示查询数据超过XXGB的报错提示。
二：关联查询语句
首先：clickhouse查询不支持大于两个表以上的直接join，像如下这种mysql等常用的多表关联写法
第二：关联条件从on改为 using  ,using 字段必须在各表中名称一致，如果不一致可以通过select 字段 as 别名，将字段名统一
第三：关联 关键字  常用的有一下几种
1.ALL LEFT JOIN     
2.ANY LEFT JOIN
3.ALL FULL JOIN  
一般的sql关联查询语句如下
ex：select * from table as a                                                                                                                                                                          left join table as b on a.id=b.aid                                                                                                                                                              left join table as c on a.id=c.aid
这种写法在clickhouse中会报错 ，两张表以上的表关联，可以通过子查询的方式来处理
ex： 先将TABLEA表与TABLEB表通过left join 关联之后的结果再left join TABLEC  关联条件从on改为 using                                     using 字段必须在各表中名称一致，如果不一致可以通过select 字段 as 别名，将字段名统一
SELECT
FROM
( SELECT
FROM
(select *
FROM
TABLEA )                                                                                                                                         
ALL LEFT JOIN
(select *
FROM
TABLEB )using aid
)                                                 
ALL left JOIN
(select *
FROM
TABLEC) USING aid
三：常用函数或表达式
1.sum(字段)  求和
2.avg(字段)  求平均
3.round(字段/sum(字段)/(计算公式a/b),2) 四舍五入取2位小数
4.case when 字段B= 0 then null/0 else round( 字段A/字段B ,4)   判断语句  如果被除数为0 那么返回null或者0中的一个 
5.toString()转化为字符串
6.concat(字段值,'要拼接的内容如%'）
示例：concat(toString(round(round(a/b,4) * 100 ,2)),'%')
四：相同部分
在where条件与group by ,order by,limit 这些的使用上同mysql的SQL写法
五：实际示例：
SELECT
account_id,
'2018-12-12~2018-12-15' AS date,
account,
ad_click
FROM
SELECT
account_id,
fr,
fr_name,
account,
account_balance,
account_budget,
account_exclude_ip,
account_budget_offline_time,
account_status
FROM
marketing.sem_account_type
WHERE
1 = 1
AND lower(fr) IN ('bd_sem')
AND account_id IN (
'18091503',
'18091505',
'18091501'
) ALL
LEFT JOIN (
SELECT
account_id,
fr,
round(sum(ad_cost) / 3, 2) AS ad_cost,
round(sum(ad_cost_real) / 3, 2) AS ad_cost_real,
round(sum(ad_impression) / 3, 2) AS ad_impression,
round(sum(ad_click) / 3, 2) AS ad_click,
round(sum(clue_all) / 3, 2) AS clue_all,
round(sum(clue_all_new) / 3, 2) AS clue_all_new,
round(
sum(
c1_kpi_daily_new_customer_amount
) / 3,
) AS c1_kpi_daily_new_customer_amount,
round(
sum(c1_kpi_new_customer_amount) / 3,
) AS c1_kpi_new_customer_amount,
round(
sum(
c2_kpi_daily_new_customer_amount
) / 3,
) AS c2_kpi_daily_new_customer_amount,
round(
sum(c2_kpi_new_customer_amount) / 3,
) AS c2_kpi_new_customer_amount,
round(sum(c2c_c1_create) / 3, 2) AS c2c_c1_create,
round(sum(c2b_c1_create) / 3, 2) AS c2b_c1_create,
round(sum(c2c_c1_onsite) / 3, 2) AS c2c_c1_onsite,
round(sum(c2b_c1_onsite) / 3, 2) AS c2b_c1_onsite,
round(sum(c2c_c1_onsale) / 3, 2) AS c2c_c1_onsale,
round(sum(c2b_c1_onsale) / 3, 2) AS c2b_c1_onsale,
round(sum(c2c_c2_appoint) / 3, 2) AS c2c_c2_appoint,
round(sum(b2c_c2_appoint) / 3, 2) AS b2c_c2_appoint,
round(sum(ssss_c2_appoint) / 3, 2) AS ssss_c2_appoint,
round(
sum(c2c_c2_finish_appoint) / 3,
) AS c2c_c2_finish_appoint,
round(
sum(b2c_c2_finish_appoint) / 3,
) AS b2c_c2_finish_appoint,
round(
sum(ssss_c2_finish_appoint) / 3,
) AS ssss_c2_finish_appoint,
round(sum(c2c_c2_order) / 3, 2) AS c2c_c2_order,
round(sum(b2c_c2_order) / 3, 2) AS b2c_c2_order,
round(sum(weighting_number) / 3, 2) AS weighting_number,
round(sum(ssss_c2_order) / 3, 2) AS ssss_c2_order
FROM
SELECT
fr,
keyword_id,
account_id,
cost AS ad_cost,
cost_real AS ad_cost_real,
impression AS ad_impression,
click AS ad_click
FROM
marketing.sem_keyword_report
WHERE
1 = 1
AND the_day >= '2018-12-12'
AND the_day <= '2018-12-15'
AND lower(fr) IN ('bd_sem')
AND account_id IN (
'18091503',
'18091505',
'18091501'
AND (
campaign_city IN (
'上海',
'东莞',
'中山',
'临沂',
'乌鲁木齐',
'伊犁',
'佛山',
'保定',
'全国',
'兰州',
'包头',
'北京',
'南京',
'南宁',
'南昌',
'南通',
'南阳',
'厦门',
'合肥',
'呼和浩特',
'咸阳',
'哈尔滨',
'唐山',
'嘉兴',
'大同',
'大连',
'天津',
'太原',
'宁波',
'宜昌',
'宿迁',
'常州',
'广州',
'廊坊',
'徐州',
'惠州',
'成都',
'扬州',
'新乡',
'无锡',
'昆明',
'杭州',
'武汉',
'沈阳',
'泉州',
'泰州',
'泸州',
'洛阳',
'济南',
'济宁',
'淮安',
'深圳',
'温州',
'澳门',
'烟台',
'珠海',
'盐城',
'石家庄',
'福州',
'绵阳',
'芜湖',
'苏州',
'襄阳',
'西安',
'许昌',
'贵阳',
'达州',
'郑州',
'重庆',
'金华',
'银川',
'镇江',
'长春',
'长沙',
'青岛'
) ALL
FULL JOIN (
SELECT
fr,
keyword_id,
account_id,
clue_all,
clue_all_new,
c1_kpi_daily_new_customer_amount,
c1_kpi_new_customer_amount,
c2_kpi_daily_new_customer_amount,
c2_kpi_new_customer_amount,
c2c_c1_create,
c2b_c1_create,
c2c_c1_onsite,
c2b_c1_onsite,
c2c_c1_onsale,
c2b_c1_onsale,
c2c_c2_appoint,
b2c_c2_appoint,
ssss_c2_appoint,
c2c_c2_finish_appoint,
b2c_c2_finish_appoint,
ssss_c2_finish_appoint,
c2c_c2_order,
b2c_c2_order,
weighting_number,
ssss_c2_order
FROM
SELECT
fr,
kid AS keyword_id,
sum(clue_all) AS clue_all,
sum(clue_all_new) AS clue_all_new,
sum(
c1_kpi_daily_new_customer_amount
) AS c1_kpi_daily_new_customer_amount,
sum(c1_kpi_new_customer_amount) AS c1_kpi_new_customer_amount,
sum(
c2_kpi_daily_new_customer_amount
) AS c2_kpi_daily_new_customer_amount,
sum(c2_kpi_new_customer_amount) AS c2_kpi_new_customer_amount,
sum(c2c_c1_create) AS c2c_c1_create,
sum(c2b_c1_create) AS c2b_c1_create,
sum(c2c_c1_onsite) AS c2c_c1_onsite,
sum(c2b_c1_onsite) AS c2b_c1_onsite,
sum(c2c_c1_onsale) AS c2c_c1_onsale,
sum(c2b_c1_onsale) AS c2b_c1_onsale,
sum(c2c_c2_appoint) AS c2c_c2_appoint,
sum(b2c_c2_appoint) AS b2c_c2_appoint,
sum(ssss_c2_appoint) AS ssss_c2_appoint,
sum(c2c_c2_finish_appoint) AS c2c_c2_finish_appoint,
sum(b2c_c2_finish_appoint) AS b2c_c2_finish_appoint,
sum(ssss_c2_finish_appoint) AS ssss_c2_finish_appoint,
sum(c2c_c2_order) AS c2c_c2_order,
sum(b2c_c2_order) AS b2c_c2_order,
sum(weighting_number) AS weighting_number,
sum(ssss_c2_order) AS ssss_c2_order
FROM
marketing.market_kid_stat_new_v5
WHERE
1 = 1
AND dts >= '2018-12-12'
AND dts <= '2018-12-15'
AND lower(fr) IN ('bd_sem')
AND (
city IN (
'上海',
'东莞',
'中山',
'临沂',
'乌鲁木齐',
'伊犁',
'佛山',
'保定',
'全国',
'兰州',
'包头',
'北京',
'南京',
'南宁',
'南昌',
'南通',
'南阳',
'厦门',
'合肥',
'呼和浩特',
'咸阳',
'哈尔滨',
'唐山',
'嘉兴',
'大同',
'大连',
'天津',
'太原',
'宁波',
'宜昌',
'宿迁',
'常州',
'广州',
'廊坊',
'徐州',
'惠州',
'成都',
'扬州',
'新乡',
'无锡',
'昆明',
'杭州',
'武汉',
'沈阳',
'泉州',
'泰州',
'泸州',
'洛阳',
'济南',
'济宁',
'淮安',
'深圳',
'温州',
'澳门',
'烟台',
'珠海',
'盐城',
'石家庄',
'福州',
'绵阳',
'芜湖',
'苏州',
'襄阳',
'西安',
'许昌',
'贵阳',
'达州',
'郑州',
'重庆',
'金华',
'银川',
'镇江',
'长春',
'长沙',
'青岛'
GROUP BY
keyword_id,
fr
) ANY
LEFT JOIN (
SELECT
fr,
keyword_id,
account_id
FROM
marketing.sem_keyword_type
) USING keyword_id,
fr
WHERE
1 = 1
AND lower(fr) IN ('bd_sem')
AND account_id IN (
'18091503',
'18091505',
'18091501'
) USING keyword_id,
fr
GROUP BY
account_id,
fr
) USING account_id,
fr
ORDER BY
account_id
LIMIT 0,
50
Alice_qixin
关注
关注
点赞
收藏
打赏
评论
clickhouse实时大数据分析引擎的SQL写法详解
 ClickHouse的优点单个查询的并行处理（利用多个核心）多个服务器上的分布式处理非常快速的扫描（参见下面的基准测试），可用于实时查询列存储非常适合使用“宽”/“非规范化”表（许多列）压缩性好SQL支持（有限制）良好的功能集，包括支持近似计算不同的存储引擎（磁盘存储格式）非常适合结构日志/事件数据以及时间序列数据（引擎MergeTree需要日期字段）...
复制链接
扫一扫
专栏目录
ClickHouse中的SQL语法和函数详解
weixin_46011754的博客
12-06
2439
– with语法
with '1' as v select * from tb_user where id=v;
--求平均年龄
with (select count(1) from tb_user) as cnt select (sum(age)/cnt) from tb_user;
array join 语法
array join 相当于explode+lateral view
select id,arr from tb_arr_join array join arr; --会覆盖原先的数组
clickhouse left join查询on后面不生效
weixin_37802210的博客
09-09
170
但是这个代码后面 a.xxx = '20220801' 一直不生效。最近在学习clickhouse 用了两张表进行关联生成一张新表。后面才知道 要改成。
参与评论
您还未登录，请先
登录
后发表或查看评论
如何结合SQL解析，设置ClickHouse表的最佳生命周期？
过往记忆大数据
02-18
344
1. 问题背景在我们日常的业务中，数据往往以库表的形式呈现，数据生产和数据消费则分别对应着库表的创建和查询。对于ClickHouse而言，数据的生成是上游库表的同步导入，数据的消费是用户通...
8.ClickHouse系列之查询优化(二)
最新发布
算法小生
10-21
61
本文介绍多表关联查询优化方式。
sqlalchemy-clickhouse源码解析
山间明月江上清风的专栏
05-06
4494
首先下载源码git clone https://github.com/cloudflare/sqlalchemy-clickhouse.git
可以看到里面有个example.py写了使用例子
#!/usr/bin/env python
# Use connector directly
import connector
cursor = connector.connect('tool...
ClickHouse SQL操作
程序员学习圈
08-12
4220
1.CREATE
1.1 CREATE DATABASE
1.2 CREATE TABLE
2.INSERT INTO
3.Update 和 Delete
4.SELECT 操作
5. ALTER 操作
6.DESCRIBE TABLE
clickhouse 常见知识点小结
lixia0417mul2的博客
04-10
101
limit by 用途 ck多线程扫描加速 ck sql解析
字节跳动基于ClickHouse优化实践之“多表关联查询”
m0_60025795的博客
08-22
2010
更多技术交流、求职机会、试用福利，欢迎关注相信大家都对大名鼎鼎的ClickHouse有一定的了解了，它强大的数据分析性能让人印象深刻。但在字节大量生产使用中，发现了ClickHouse依然存在了一定的限制。例如：缺少完整的upsert和delete操作多表关联查询能力弱集群规模较大时可用性下降（对字节尤其如此）没有资源隔离能力因此，我们决定将ClickHouse能力进行全方位加强，打造一款更强大的数据分析平台。本篇将详细介绍我们是如何加强ClickHouse多表关联查询能力。
clickhouse 关联查询_ClickHouse性能提升 SQL使用规范
weixin_34563472的博客
12-29
5804
本文经作者授权，独家转载：作者主页：https://www.jianshu.com/u/8f36a5e63d181. 不要用select *反例：select*fromapp.user_model正例：selectlogin_id,name,sexfromapp.user_model理由：只查询需要的字段可以减少磁盘io和网络io，提升查询性能2.不要在大结果集上构造...
ClickHouse的SQL基础语法
胜利的曙光的博客
10-08
1450
ClickHouse常用SQL语法介绍及摘要。
ClickHouse SQL 语法极简教程
禅与计算机程序设计艺术
08-24
1535
ClickHouse SQL 语法极简教程
ClickHouse是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)。
在传统的行式数据库系统中，数据按如下顺序存储：
Row
WatchID
JavaEnable
Title
GoodEvent
EventTime
#0
89354350662
Investor Relations
2016-05-18 05:19:...
clickhouse的left join、any right join、any left join实验
Sojer的读书笔记
03-02
7119
drop table jiakai.testJoin1
CREATE TABLE jiakai.testJoin1(
id String ,
b String
) ENGINE = MergeTree ORDER BY id SETTINGS index_granularity = 8192
CREATE TABLE jiakai.testJoin2(
id String ,
b String
...
Clickhouse 时间日期函数实战（详细）
热门推荐
基咯咯
04-01
9万+
常用函数：
now() // 2020-04-01 17:25:40 取当前时间
toYear() // 2020 取日期中的年份
toMonth() // 4 取日期中的月份
today() // 20...
Clickhouse 的group_concat 实现
vkingnew 的技术博客
08-01
1万+
MySQL的group_concat 函数经常实用，功能蛮强大的。
MySQL创建表：
create table kpi(emp_no varchar(8),performance varchar(32),month varchar(32));
clickhouse 创建表：
create table kpi(emp_no varchar(8),performance varchar(32),month varchar(32)) engine=Memory;
分别在MySQL和Clickhous
ClickHouse和他的朋友们（８）纯手工打造的SQL解析器
老叶茶馆
11-16
513
原文出处：https://bohutang.me/2020/07/25/clickhouse-and-friends-parser/现实生活中的物品一旦被标记为“纯手工打造”，给人的第一...
【ClickHouse SQL 极简教程】ClickHouse SQL 之数据控制语言 DCL
禅与计算机程序设计艺术
04-01
1274
1.1.数据控制数据控制语言( DCL ) 是一种类似于计算机编程语言的语法，用于控制对存储在数据库中的数据的访问（授权）。特别是，它是结构化查询语言(SQL) 的一个组件。数据控制语言是 SQL 命令中的逻辑组之一。DCL 命令的示例包括：1. GRANT允许指定的用户执行指定的任务。2. REVOKE删除用户对数据库对象的可访问性。ClickHouse 支持基于 R......
ClickHouse源码分析——SQL解析
Hello!Eden
01-10
5134
SQL解析函数
ClickHouse的SQL解析入口函数：parseQuery, 函数原型：
ASTPtr parseQuery(
IParser & parser,
const char * begin,
const char * end,
const std::string & query_description,
size...
ClickHouse-SQL语法
qq_38304392的博客
04-07
86
1.insert
基本与标准 SQL(MySQL)基本一致
(1)标准
insert into [table_name] values(…),(….)
(2)从表到表的插入
insert into [table_name] select a,b,c from [table_name_2]
2.update和delete
ClickHouse 提供了 Delete 和 Update 的能力，这...
ClickHouse替换MySQL作为数仓APP层
hzp666的博客
09-22
1970
一、ClickHouse 是什么？
二、业务问题
三、ClickHouse实践
四、遇到的坑
五、总结
一、ClickHouse 是什么？
ClickHouse：是一个用于联机分析(OLAP)的列式数据库管理系统(DBMS)
我们首先理清一些基础概念
OLTP：是传统的关系型数据库，主要操作增删改查，强调事务一致性，比如银行系统、电商系统
OLAP：是仓库型数据库，主要是读取数据，做复杂数据分析，侧重技术决策支持，提供直观简单的结果
..
clickhouse 关联查询_clickhouse数据模型之留存分析
weixin_35763787的博客
12-28
2417
本文经作者授权，独家转载：作者主页：https://www.jianshu.com/u/8f36a5e63d18什么是留存，比如在20200701这天操作了“点击banner”的用户有100个，这部分用户在20200702这天操作了“点击app签到”的有20个，那么对于分析时间是20200701，且“点击banner”的用户在次日“点击app签到”的留存率是20%。背景关于用户留存模型是...
很火的DBMS数据库ClickHouse的基本SQL语法
LBJ_小松鼠的博客
02-26
895
1-常用 SQL 命令:
创建表(create)的基本语法：
- 1）、表的类型分为两种：临时表temporary和持久化表
- 2）、创建表示，建议写上数据库名称
- 3）、如果使用CK集群，创建表时，在表的名称后面加上：`ON CLUSTER clusterId`
- 4）、每个数据表创建时，需要指定存储引擎，非常关键属性，决定业务查询性能
`engine = EngineName(parameters);`
create [temporary] table [if not exists] dbN
“相关推荐”对你有帮助么？
非常没帮助
没帮助
一般
有帮助
非常有帮助
提交
©️2022 CSDN
皮肤主题：游动-白
设计师：我叫白小胖
返回首页
Alice_qixin
CSDN认证博客专家
CSDN认证企业博客
码龄6年
暂无认证
153
原创
2万+
周排名
6700
总排名
106万+
访问
等级
8344
积分
193
粉丝
183
获赞
164
评论
641
收藏
私信
关注
热门文章
解决Failed to instantiate [java.util.List]: Specified class is an interface问题
73569
Mysql 报错Duplicate entry '值' for key '字段名'的解决
69108
springboot+mybatis配置控制台打印sql日志
42530
编译报错：实际参数列表和形式参数列表长度不同 解决方法
39982
解决异常报错org.mybatis.spring.MyBatisExceptionTranslator.translateExceptionIfPossible问题
37649
分类专栏
kettle
3篇
个人项目经验
1篇
jdk8
2篇
shell
3篇
分布式
2篇
canal
2篇
文档模板
2篇
springcloud
1篇
图片水印
2篇
IO
4篇
jquery
6篇
kafka
1篇
java
49篇
mysql
27篇
spring+springMVC+mybatis
8篇
项目部署
3篇
常见异常及解决
9篇
poi
13篇
neo4j
nginx
ECharts
1篇
微服务
8篇
mysql数据迁移
3篇
随笔
3篇
druid
1篇
多线程
3篇
地图定位
1篇
加密
1篇
git的使用学习
4篇
maven
5篇
设计模式的学习
2篇
dubbo
4篇
springboot
21篇
消息队列
2篇
csv
1篇
docker
1篇
mongodb
clickhouse
5篇
大数据
3篇
jvm
1篇
jdk1.8新特性
2篇
数据结构及算法
5篇
ELK
3篇
最新评论
Mysql 报错Duplicate entry '值' for key '字段名'的解决
whalekkk:
棒啊
git学习之解决Enter passphrase for key ‘/root/.ssh/id_rsa’: 输入问题
买房动力十足:
如果是 ed25519 呢 怎么重置密码
解决Failed to instantiate [java.util.List]: Specified class is an interface问题
洛阳八中我最棒:
我也是这样搞好的
poi生成excel并让excel的列有筛选功能
乞力马扎罗-雪:
终于看到有用的了，其他博文都说因引用一个jar包，其实没啥大用
java通过http请求获取文件二进制流生产文件
整天挠头的小白:
ResponseEntity<byte[]> result = rest.getForEntity(uriComponents2.toUri(), byte[].class);我做这步的时候会执行部下去怎么回事
您愿意向朋友推荐“博客详情页”吗？
强烈不推荐
不推荐
一般般
推荐
强烈推荐
提交
最新文章
Kettle实现对源数据已删除但历史同步到的数据进行打标
Redisson使用异常问题解决
JDK1.8学习
2022年7篇
2021年11篇
2020年13篇
2019年28篇
2018年35篇
2017年79篇
目录
目录
分类专栏
kettle
3篇
个人项目经验
1篇
jdk8
2篇
shell
3篇
分布式
2篇
canal
2篇
文档模板
2篇
springcloud
1篇
图片水印
2篇
IO
4篇
jquery
6篇
kafka
1篇
java
49篇
mysql
27篇
spring+springMVC+mybatis
8篇
项目部署
3篇
常见异常及解决
9篇
poi
13篇
neo4j
nginx
ECharts
1篇
微服务
8篇
mysql数据迁移
3篇
随笔
3篇
druid
1篇
多线程
3篇
地图定位
1篇
加密
1篇
git的使用学习
4篇
maven
5篇
设计模式的学习
2篇
dubbo
4篇
springboot
21篇
消息队列
2篇
csv
1篇
docker
1篇
mongodb
clickhouse
5篇
大数据
3篇
jvm
1篇
jdk1.8新特性
2篇
数据结构及算法
5篇
ELK
3篇
目录
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
打赏作者
Alice_qixin
你的鼓励将是我创作的最大动力
¥2
¥4
¥6
¥10
¥20
输入1-500的整数
余额支付
(余额：-- )
扫码支付
扫码支付：¥2
获取中
扫码支付
您的余额不足，请更换扫码支付或充值
打赏作者
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额
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、C币套餐、付费专栏及课程。
余额充值