HashMap与ConcurrentHashMap

约定不等于承诺〃 2022-01-12 14:59 246阅读 0赞

## HashMap ##

众所周知 HashMap 底层是基于 数组 + 链表 组成的，不过在 jdk1.7 和 1.8 中具体实现稍有不同。为什么会使用数组+链表，而不是只使用数组。因为有可能存在hashCode相同的情况，因此就需要+数组加链表。

**在jdk1.7版本**  
HashMap的数据结构  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70]  
部分源码如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 1]  
**HashMap 中比较核心的几个成员变量说明：**

1、初始化桶大小，因为底层是数组，所以这个默认的大小(16)
    2、桶最大值
    3、默认的负载因子（0.75）
    4、table 真正存放数据的数组。
    5、Map 存放数量的大小。
    6、桶大小，可在初始化时显式指定。
    7、负载因子，可在初始化时显式指定。

**负载因子解释：**  
由于给定的 HashMap 的容量大小是固定的，比如默认初始化：

public HashMap() {
             this(DEFAULT_INITIAL_CAPACITY, DEFAULT_LOAD_FACTOR);
         }
     
         public HashMap(int initialCapacity, float loadFactor) {
             if (initialCapacity < 0)
                 throw new IllegalArgumentException("Illegal initial capacity: " +
                                                    initialCapacity);
             if (initialCapacity > MAXIMUM_CAPACITY)
                initialCapacity = MAXIMUM_CAPACITY;
            if (loadFactor <= 0 || Float.isNaN(loadFactor))
                throw new IllegalArgumentException("Illegal load factor: " +
                                                   loadFactor);
    
            this.loadFactor = loadFactor;
            threshold = initialCapacity;
            init();
        }

给定的默认容量为 16，负载因子为 0.75。Map 在使用过程中不断的往里面存放数据，当数量达到了 16 \* 0.75 = 12 就需要将当前 16 的容量进行扩容，而扩容这个过程涉及到 rehash、复制数据等操作，所以非常消耗性能。

因此通常建议能提前预估 HashMap 的大小最好，尽量的减少扩容带来的性能损耗

**根据代码可以看到其实真正存放数据的是**

transient Entry<K,V>[] table = (Entry<K,V>[]) EMPTY_TABLE;

这个数组，那么它又是如何定义的呢？  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 2]  
Entry 是 HashMap 中的一个内部类，从他的成员变量很容易看出：

key 就是写入时的键。
    value 自然就是值。
    开始的时候就提到 HashMap 是由数组和链表组成，所以这个 next 就是用于实现链表结构。
    hash 存放的是当前 key 的 hashcode。

**写入、获取函数：**

public V put(K key, V value) {
             if (table == EMPTY_TABLE) {
                 inflateTable(threshold);
             }
             if (key == null)
                 return putForNullKey(value);
             int hash = hash(key);
             int i = indexFor(hash, table.length);
             for (Entry<K,V> e = table[i]; e != null; e = e.next) {
                Object k;
                if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
                    V oldValue = e.value;
                    e.value = value;
                    e.recordAccess(this);
                    return oldValue;
                }
            }
    
            modCount++;
            addEntry(hash, key, value, i);
            return null;
        }

判断当前数组是否需要初始化。
    如果 key 为空，则 put 一个空值进去。
    根据 key 计算出 hashcode。
    根据计算出的 hashcode 定位出所在桶。
    如果桶是一个链表则需要遍历判断里面的 hashcode、key 是否和传入 key 相等，如果相等则进行覆盖，并返回原来的值。
    如果桶是空的，说明当前位置没有数据存入；新增一个 Entry 对象写入当前位置。

void addEntry(int hash, K key, V value, int bucketIndex) {
             if ((size >= threshold) && (null != table[bucketIndex])) {
                 resize(2 * table.length);
                 hash = (null != key) ? hash(key) : 0;
                 bucketIndex = indexFor(hash, table.length);
             }
     
             createEntry(hash, key, value, bucketIndex);
         }
    
        void createEntry(int hash, K key, V value, int bucketIndex) {
            Entry<K,V> e = table[bucketIndex];
            table[bucketIndex] = new Entry<>(hash, key, value, e);
            size++;
        }

当调用 addEntry 写入 Entry 时需要判断是否需要扩容。

如果需要就进行两倍扩充，并将当前的 key 重新 hash 并定位。

而在 createEntry 中会将当前位置的桶传入到新建的桶中，如果当前桶有值就会在位置形成链表。

**get 方法**

public V get(Object key) {
             if (key == null)
                 return getForNullKey();
             Entry<K,V> entry = getEntry(key);
     
             return null == entry ? null : entry.getValue();
         }
     
         final Entry<K,V> getEntry(Object key) {
            if (size == 0) {
                return null;
            }
    
            int hash = (key == null) ? 0 : hash(key);
            for (Entry<K,V> e = table[indexFor(hash, table.length)];
                 e != null;
                 e = e.next) {
                Object k;
                if (e.hash == hash &&
                    ((k = e.key) == key || (key != null && key.equals(k))))
                    return e;
            }
            return null;
        }

首先也是根据 key 计算出 hashcode，然后定位到具体的桶中。
    判断该位置是否为链表。
    不是链表就根据 key、key 的 hashcode 是否相等来返回值。
    为链表则需要遍历直到 key 及 hashcode 相等时候就返回值。
    啥都没取到就直接返回 null 。

**在1.8版本**  
不知道 1.7 的实现大家看出需要优化的点没有？

其实一个很明显的地方就是：

当 Hash 冲突严重时，在桶上形成的链表会变的越来越长，这样在查询时的效率就会越来越低；时间复杂度为 O(N)。

因此 1.8 中重点优化了这个查询效率。

**1.8 HashMap 结构图：**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 3]  
**先来看看几个核心的成员变量：**

static final int DEFAULT_INITIAL_CAPACITY = 1 << 4; // aka 16
     
         /**
          * The maximum capacity, used if a higher value is implicitly specified
          * by either of the constructors with arguments.
          * MUST be a power of two <= 1<<30.
          */
         static final int MAXIMUM_CAPACITY = 1 << 30;
     
        /**
         * The load factor used when none specified in constructor.
        */
        static final float DEFAULT_LOAD_FACTOR = 0.75f;
    
        static final int TREEIFY_THRESHOLD = 8;
    
        transient Node<K,V>[] table;
    
        /**
         * Holds cached entrySet(). Note that AbstractMap fields are used
         * for keySet() and values().
         */
        transient Set<Map.Entry<K,V>> entrySet;
    
        /**
         * The number of key-value mappings contained in this map.
         */
        transient int size;

**和 1.7 大体上都差不多，还是有几个重要的区别：**

TREEIFY_THRESHOLD 用于判断是否需要将链表转换为红黑树的阈值。
    HashEntry 修改为 Node。
    Node 的核心组成其实也是和 1.7 中的 HashEntry 一样，存放的都是 key value hashcode next 等数据。

再来看看核心方法。

**put 方法**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 4]

1、判断当前桶是否为空，空的就需要初始化（resize 中会判断是否进行初始化）。
    2、根据当前 key 的 hashcode 定位到具体的桶中并判断是否为空，为空表明没有 Hash 冲突就直接在当前位置创建一个新桶即可。
    3、如果当前桶有值（ Hash 冲突），那么就要比较当前桶中的 key、key 的 hashcode 与写入的 key 是否相等，相等就赋值给 e,在第 8 步的时候会统一进行赋值及返回。
    4、如果当前桶为红黑树，那就要按照红黑树的方式写入数据。
    5、如果是个链表，就需要将当前的 key、value 封装成一个新节点写入到当前桶的后面（形成链表）。
    6、接着判断当前链表的大小是否大于预设的阈值，大于时就要转换为红黑树。
    7、如果在遍历过程中找到 key 相同时直接退出遍历。
    8、如果 e != null 就相当于存在相同的 key,那就需要将值覆盖。
    9、最后判断是否需要进行扩容。

**get 方法**

public V get(Object key) {
            Node<K,V> e;
            return (e = getNode(hash(key), key)) == null ? null : e.value;
        }
    
        final Node<K,V> getNode(int hash, Object key) {
            Node<K,V>[] tab; Node<K,V> first, e; int n; K k;
            if ((tab = table) != null && (n = tab.length) > 0 &&
                (first = tab[(n - 1) & hash]) != null) {
                if (first.hash == hash && // always check first node
                    ((k = first.key) == key || (key != null && key.equals(k))))
                    return first;
                if ((e = first.next) != null) {
                    if (first instanceof TreeNode)
                        return ((TreeNode<K,V>)first).getTreeNode(hash, key);
                    do {
                        if (e.hash == hash &&
                            ((k = e.key) == key || (key != null && key.equals(k))))
                            return e;
                    } while ((e = e.next) != null);
                }
            }
            return null;
        }

get 方法看起来就要简单许多了。

首先将 key hash 之后取得所定位的桶。
    如果桶为空则直接返回 null 。
    否则判断桶的第一个位置(有可能是链表、红黑树)的 key 是否为查询的 key，是就直接返回 value。
    如果第一个不匹配，则判断它的下一个是红黑树还是链表。
    红黑树就按照树的查找方式返回值。
    不然就按照链表的方式遍历匹配返回值。
    从这两个核心方法（get/put）可以看出 1.8 中对大链表做了优化，修改为红黑树之后查询效率直接提高到了 O(logn)。

但是 HashMap 原有的问题也都存在，比如在并发场景下使用时容易出现死循环。

final HashMap<String, String> map = new HashMap<String, String>();
    for (int i = 0; i < 1000; i++) {
        new Thread(new Runnable() {
            @Override
            public void run() {
                map.put(UUID.randomUUID().toString(), "");
            }
        }).start();
    }

但是为什么呢？简单分析下。

看过上文的还记得在 HashMap 扩容的时候会调用 resize() 方法，就是这里的并发操作容易在一个桶上形成环形链表；这样当获取一个不存在的 key 时，计算出的 index 正好是环形链表的下标就会出现死循环。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 5]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 6]  
**遍历方式**  
还有一个值得注意的是 HashMap 的遍历方式，通常有以下几种：

Iterator<Map.Entry<String, Integer>> entryIterator = map.entrySet().iterator();
            while (entryIterator.hasNext()) {
                Map.Entry<String, Integer> next = entryIterator.next();
                System.out.println("key=" + next.getKey() + " value=" + next.getValue());
            }
    
    Iterator<String> iterator = map.keySet().iterator();
            while (iterator.hasNext()){
                String key = iterator.next();
                System.out.println("key=" + key + " value=" + map.get(key));
    
            }

**强烈建议使用第一种 EntrySet 进行遍历。**

第一种可以把 key value 同时取出，第二种还得需要通过 key 取一次 value，效率较低。

简单总结下 HashMap：无论是 1.7 还是 1.8 其实都能看出 JDK 没有对它做任何的同步操作，所以并发会出问题，甚至出现死循环导致系统不可用。
    因此 JDK 推出了专项专用的 ConcurrentHashMap ，该类位于 java.util.concurrent 包下，专门用于解决并发问题。

坚持看到这里的朋友算是已经把 ConcurrentHashMap 的基础已经打牢了，下面正式开始分析。

## ConcurrentHashMap ##

**jdk1.7**  
下面是结构图  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 7]  
如图所示，是由 Segment 数组、HashEntry 组成，和 HashMap 一样，仍然是数组加链表。

它的核心成员变量：

/**
         * Segment 数组，存放数据时首先需要定位到具体的 Segment 中。
         */
        final Segment<K,V>[] segments;
    
        transient Set<K> keySet;
        transient Set<Map.Entry<K,V>> entrySet;

Segment 是 ConcurrentHashMap 的一个内部类，主要的组成如下：

static final class Segment<K,V> extends ReentrantLock implements Serializable {
     
             private static final long serialVersionUID = 2249069246763182397L;
     
             // 和 HashMap 中的 HashEntry 作用一样，真正存放数据的桶
             transient volatile HashEntry<K,V>[] table;
     
             transient int count;
     
            transient int modCount;
    
            transient int threshold;
    
            final float loadFactor;
    
        }

看看其中 HashEntry 的组成：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 8]  
和 HashMap 非常类似，唯一的区别就是其中的核心数据如 value ，以及链表都是 volatile 修饰的，保证了获取时的可见性。

原理上来说：ConcurrentHashMap 采用了分段锁技术，其中 Segment 继承于 ReentrantLock。不会像 HashTable 那样不管是 put 还是 get 操作都需要做同步处理，理论上 ConcurrentHashMap 支持 CurrencyLevel (Segment 数组数量)的线程并发。每当一个线程占用锁访问一个 Segment 时，不会影响到其他的 Segment。

下面也来看看核心的 put get 方法。

public V put(K key, V value) {
             Segment<K,V> s;
             if (value == null)
                 throw new NullPointerException();
             int hash = hash(key);
             int j = (hash >>> segmentShift) & segmentMask;
             if ((s = (Segment<K,V>)UNSAFE.getObject          // nonvolatile; recheck
                  (segments, (j << SSHIFT) + SBASE)) == null) //  in ensureSegment
                 s = ensureSegment(j);
            return s.put(key, hash, value, false);
    }

首先是通过 key 定位到 Segment，之后在对应的 Segment 中进行具体的 put。

final V put(K key, int hash, V value, boolean onlyIfAbsent) {
        HashEntry<K,V> node = tryLock() ? null :
            scanAndLockForPut(key, hash, value);
        V oldValue;
        try {
            HashEntry<K,V>[] tab = table;
            int index = (tab.length - 1) & hash;
            HashEntry<K,V> first = entryAt(tab, index);
            for (HashEntry<K,V> e = first;;) {
                if (e != null) {
                    K k;
                    if ((k = e.key) == key ||
                        (e.hash == hash && key.equals(k))) {
                        oldValue = e.value;
                        if (!onlyIfAbsent) {
                            e.value = value;
                            ++modCount;
                        }
                        break;
                    }
                    e = e.next;
                }
                else {
                    if (node != null)
                        node.setNext(first);
                    else
                        node = new HashEntry<K,V>(hash, key, value, first);
                    int c = count + 1;
                    if (c > threshold && tab.length < MAXIMUM_CAPACITY)
                        rehash(node);
                    else
                        setEntryAt(tab, index, node);
                    ++modCount;
                    count = c;
                    oldValue = null;
                    break;
                }
            }
        } finally {
            unlock();
        }
        return oldValue;
    }

虽然 HashEntry 中的 value 是用 volatile 关键词修饰的，但是并不能保证并发的原子性，所以 put 操作时仍然需要加锁处理。

首先第一步的时候会尝试获取锁，如果获取失败肯定就有其他线程存在竞争，则利用 scanAndLockForPut() 自旋获取锁。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 9]

1、尝试自旋获取锁。  
2、如果重试的次数达到了 MAX\_SCAN\_RETRIES 则改为阻塞锁获取，保证能获取成功  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 10]  
再结合图看看 put 的流程。

1、将当前 Segment 中的 table 通过 key 的 hashcode 定位到 HashEntry。  
2、遍历该 HashEntry，如果不为空则判断传入的 key 和当前遍历的 key 是否相等，相等则覆盖旧的 value。  
3、不为空则需要新建一个 HashEntry 并加入到 Segment 中，同时会先判断是否需要扩容。  
4、最后会解除在 1 中所获取当前 Segment 的锁。

**get 方法**

public V get(Object key) {
        Segment<K,V> s; // manually integrate access methods to reduce overhead
        HashEntry<K,V>[] tab;
        int h = hash(key);
        long u = (((h >>> segmentShift) & segmentMask) << SSHIFT) + SBASE;
        if ((s = (Segment<K,V>)UNSAFE.getObjectVolatile(segments, u)) != null &&
            (tab = s.table) != null) {
            for (HashEntry<K,V> e = (HashEntry<K,V>) UNSAFE.getObjectVolatile
                     (tab, ((long)(((tab.length - 1) & h)) << TSHIFT) + TBASE);
                 e != null; e = e.next) {
                K k;
                if ((k = e.key) == key || (e.hash == h && key.equals(k)))
                    return e.value;
            }
        }
        return null;
    }

**get 逻辑比较简单：**

只需要将 Key 通过 Hash 之后定位到具体的 Segment ，再通过一次 Hash 定位到具体的元素上。

由于 HashEntry 中的 value 属性是用 volatile 关键词修饰的，保证了内存可见性，所以每次获取时都是最新值。

ConcurrentHashMap 的 get 方法是非常高效的，因为整个过程都不需要加锁。

**jdk 1.8**

1.7 已经解决了并发问题，并且能支持 N 个 Segment 这么多次数的并发，但依然存在 HashMap 在 1.7 版本中的问题。

那就是查询遍历链表效率太低。

因此 1.8 做了一些数据结构上的调整。

首先来看下底层的组成结构：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 11]  
看起来是不是和 1.8 HashMap 结构类似？

其中抛弃了原有的 Segment 分段锁，而采用了 CAS + synchronized 来保证并发安全性。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 12]  
也将 1.7 中存放数据的 HashEntry 改为 Node，但作用都是相同的。

其中的 val next 都用了 volatile 修饰，保证了可见性。  
**put 方法**

重点来看看 put 函数：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 13]  
1、根据 key 计算出 hashcode 。  
2、判断是否需要进行初始化。  
3、f 即为当前 key 定位出的 Node，如果为空表示当前位置可以写入数据，利用 CAS 尝试写入，失败则自旋保证成功。  
4、如果当前位置的 hashcode == MOVED == -1,则需要进行扩容。  
5、如果都不满足，则利用 synchronized 锁写入数据。  
6、如果数量大于 TREEIFY\_THRESHOLD 则要转换为红黑树。

**get 方法**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 14]

1、根据计算出来的 hashcode 寻址，如果就在桶上那么直接返回值。  
2、如果是红黑树那就按照树的方式获取值。  
3、就不满足那就按照链表的方式遍历获取值。

1.8 在 1.7 的数据结构上做了大的改动，采用红黑树之后可以保证查询效率（O(logn)），甚至取消了 
    ReentrantLock 改为了 synchronized，这样可以看出在新版的 JDK 中对 synchronized 优化是很到位的。

## 总结: ##

看完了整个 HashMap 和 ConcurrentHashMap 在 1.7 和 1.8 中不同的实现方式相信大家对他们的理解应该会更加到位。

其实这块也是面试的重点内容，通常的套路是：

谈谈你理解的 HashMap，讲讲其中的 get put 过程。  
1、.8 做了什么优化？  
2、是线程安全的嘛？  
3、不安全会导致哪些问题？  
4、如何解决？有没有线程安全的并发容器？  
5、ConcurrentHashMap 是如何实现的？ 1.7、1.8 实现有何不同？为什么这么做？  
这一串问题相信大家仔细看完都能怼回面试官。

除了面试会问到之外平时的应用其实也蛮多，像之前谈到的 Guava 中 Cache 的实现就是利用 ConcurrentHashMap 的思想。

同时也能学习 JDK 作者大牛们的优化思路以及并发解决方案。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70]: /images/20220112/659f24ee984d47f8abf5dd29bb54bcf6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 1]: /images/20220112/ae3d189aabec43ae9208aca0bce971fd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 2]: /images/20220112/c7100def40e445858d3fb4987b49357d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 3]: /images/20220112/3cc5fcdca5514e8a8719c236b786cfd1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 4]: /images/20220112/e2181b9afa034ac7b8173db7e52d119f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 5]: /images/20220112/bb467c0d499f418f9f67d2dfe9d55669.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 6]: /images/20220112/ae62808c162c435186af6894e416468a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 7]: /images/20220112/098025e3c3714b0eacd80f20df7dc86d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 8]: /images/20220112/4953fc55956346d6bb72c657a510f989.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 9]: /images/20220112/ade879e62ea946608bac9df1af40ed9f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 10]: /images/20220112/8a67e3836eb041d8969482f80ef3c45d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 11]: /images/20220112/a7c51f8817a14222811e8ad4dd8d1e40.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 12]: /images/20220112/d2025a770dbc4da6a978fdff6d0967e4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 13]: /images/20220112/5843eef8362c4c5489989b2334617867.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzE2MDU1NzY1_size_16_color_FFFFFF_t_70 14]: /images/20220112/9483178abfaf4e1c8784463a0d6a2dc1.png