redis架构演变与redis-cluster群集读写方案

矫情吗；* 2022-05-17 11:57 144阅读 0赞

![640?wx\_fmt=gif][640_wx_fmt_gif]

# redis架构演变与redis-cluster群集读写方案 #

## 导言 ##

redis-cluster是近年来redis架构不断改进中的相对较好的redis高可用方案。本文涉及到近年来redis多实例架构的演变过程，包括普通主从架构（Master、slave可进行写读分离）、哨兵模式下的主从架构、redis-cluster高可用架构（redis官方默认cluster下不进行读写分离）的简介。同时还介绍使用Java的两大redis客户端：Jedis与Lettuce用于读写redis-cluster的数据的一般方法。再通过官方文档以及互联网的相关技术文档，给出redis-cluster架构下的读写能力的优化方案，包括官方的推荐的扩展redis-cluster下的Master数量以及非官方默认的redis-cluster的读写分离方案，案例中使用Lettuce的特定方法进行redis-cluster架构下的数据读写分离。

## 近年来redis多实例用架构的演变过程 ##

redis是基于内存的高性能key-value数据库，若要让redis的数据更稳定安全，需要引入多实例以及相关的高可用架构。而近年来redis的高可用架构亦不断改进，先后出现了本地持久化、主从备份、哨兵模式、redis-cluster群集高可用架构等等方案。

### 1、redis普通主从模式 ###

通过持久化功能，Redis保证了即使在服务器重启的情况下也不会损失（或少量损失）数据，因为持久化会把内存中数据保存到硬盘上，重启会从硬盘上加载数据。 。但是由于数据是存储在一台服务器上的，如果这台服务器出现硬盘故障等问题，也会导致数据丢失。为了避免单点故障，通常的做法是将数据库复制多个副本以部署在不同的服务器上，这样即使有一台服务器出现故障，其他服务器依然可以继续提供服务。为此， Redis 提供了复制（replication）功能，可以实现当一台数据库中的数据更新后，自动将更新的数据同步到其他数据库上。

在复制的概念中，数据库分为两类，一类是主数据库（master），另一类是从数据库（slave）。主数据库可以进行读写操作，当写操作导致数据变化时会自动将数据同步给从数据库。而从数据库一般是只读的，并接受主数据库同步过来的数据。一个主数据库可以拥有多个从数据库，而一个从数据库只能拥有一个主数据库。  
![640?wx\_fmt=png][640_wx_fmt_png]

主从模式的配置，一般只需要再作为slave的redis节点的conf文件上加入“slaveof master*ip master*port”， 或者作为slave的redis节点启动时使用如下参考命令：

redis-server --port 6380 --slaveof masterIp masterPort

redis的普通主从模式，能较好地避免单独故障问题，以及提出了读写分离，降低了Master节点的压力。互联网上大多数的对redis读写分离的教程，都是基于这一模式或架构下进行的。但实际上这一架构并非是目前最好的redis高可用架构。

### 2、redis哨兵模式高可用架构 ###

当主数据库遇到异常中断服务后，开发者可以通过手动的方式选择一个从数据库来升格为主数据库，以使得系统能够继续提供服务。然而整个过程相对麻烦且需要人工介入，难以实现自动化。 为此，Redis 2.8开始提供了哨兵工具来实现自动化的系统监控和故障恢复功能。 哨兵的作用就是监控redis主、从数据库是否正常运行，主出现故障自动将从数据库转换为主数据库。

顾名思义，哨兵的作用就是监控Redis系统的运行状况。它的功能包括以下两个。

（1）监控主数据库和从数据库是否正常运行。  
（2）主数据库出现故障时自动将从数据库转换为主数据库。

![640?wx\_fmt=png][640_wx_fmt_png 1]

可以用info replication查看主从情况 例子： 1主2从 1哨兵,可以用命令起也可以用配置文件里 可以使用双哨兵，更安全，参考命令如下：

![640?wx\_fmt=png][640_wx_fmt_png 2]

其中mymaster表示要监控的主数据库的名字。配置哨兵监控一个系统时，只需要配置其监控主数据库即可，哨兵会自动发现所有复制该主数据库的从数据库。  
Master与slave的切换过程：  
（1）slave leader升级为master  
（2）其他slave修改为新master的slave  
（3）客户端修改连接  
（4）老的master如果重启成功，变为新master的slave

### 3、redis-cluster群集高可用架构 ###

即使使用哨兵，redis每个实例也是全量存储，每个redis存储的内容都是完整的数据，浪费内存且有木桶效应。为了最大化利用内存，可以采用cluster群集，就是分布式存储。即每台redis存储不同的内容。  
采用redis-cluster架构正是满足这种分布式存储要求的集群的一种体现。redis-cluster架构中，被设计成共有16384个hash slot。每个master分得一部分slot，其算法为：hash\_slot = crc16(key) mod 16384 ，这就找到对应slot。采用hash slot的算法，实际上是解决了redis-cluster架构下，有多个master节点的时候，数据如何分布到这些节点上去。key是可用key，如果有\{\}则取\{\}内的作为可用key，否则整个可以是可用key。群集至少需要3主3从，且每个实例使用不同的配置文件。

![640?wx\_fmt=png][640_wx_fmt_png 3]

在redis-cluster架构中，redis-master节点一般用于接收读写，而redis-slave节点则一般只用于备份，其与对应的master拥有相同的slot集合，若某个redis-master意外失效，则再将其对应的slave进行升级为临时redis-master。  
**在redis的官方文档中，对redis-cluster架构上，有这样的说明：在cluster架构下，默认的，一般redis-master用于接收读写，而redis-slave则用于备份，当有请求是在向slave发起时，会直接重定向到对应key所在的master来处理。但如果不介意读取的是redis-cluster中有可能过期的数据并且对写请求不感兴趣时，则亦可通过readonly命令，将slave设置成可读，然后通过slave获取相关的key，达到读写分离**。具体可以参阅redis官方文档（https://redis.io/commands/readonly）等相关内容：

![640?wx\_fmt=png][640_wx_fmt_png 4]

例如，我们假设已经建立了一个三主三从的redis-cluster架构，其中A、B、C节点都是redis-master节点，A1、B1、C1节点都是对应的redis-slave节点。在我们只有master节点A，B，C的情况下，对应redis-cluster如果节点B失败，则群集无法继续，因为我们没有办法再在节点B的所具有的约三分之一的hash slot集合范围内提供相对应的slot。然而，如果我们为每个主服务器节点添加一个从服务器节点，以便最终集群由作为主服务器节点的A，B，C以及作为从服务器节点的A1，B1，C1组成，那么如果节点B发生故障，系统能够继续运行。节点B1复制B，并且B失效时，则redis-cluster将促使B的从节点B1作为新的主服务器节点并且将继续正确地操作。但请注意，如果节点B和B1在同一时间发生故障，则Redis群集无法继续运行。

Redis群集配置参数:在继续之前，让我们介绍一下Redis Cluster在redis.conf文件中引入的配置参数。有些命令的意思是显而易见的，有些命令在你阅读下面的解释后才会更加清晰。

（1）cluster-enabled ：如果想在特定的Redis实例中启用Redis群集支持就设置为yes。 否则，实例通常作为独立实例启动。  
（2）cluster-config-file ：请注意，尽管有此选项的名称，但这不是用户可编辑的配置文件，而是Redis群集节点每次发生更改时自动保留群集配置（基本上为状态）的文件。  
（3）cluster-node-timeout ：Redis群集节点可以不可用的最长时间，而不会将其视为失败。 如果主节点超过指定的时间不可达，它将由其从属设备进行故障切换。  
（4）cluster-slave-validity-factor ：如果设置为0，无论主设备和从设备之间的链路保持断开连接的时间长短，从设备都将尝试故障切换主设备。 如果该值为正值，则计算最大断开时间作为节点超时值乘以此选项提供的系数，如果该节点是从节点，则在主链路断开连接的时间超过指定的超时值时，它不会尝试启动故障切换。  
（5）cluster-migration-barrier ：主设备将保持连接的最小从设备数量，以便另一个从设备迁移到不受任何从设备覆盖的主设备。有关更多信息，请参阅本教程中有关副本迁移的相应部分。  
（6）cluster-require-full-coverage ：如果将其设置为yes，则默认情况下，如果key的空间的某个百分比未被任何节点覆盖，则集群停止接受写入。 如果该选项设置为no，则即使只处理关于keys子集的请求，群集仍将提供查询。

以下是最小的Redis集群配置文件：

![640?wx\_fmt=png][640_wx_fmt_png 5]

注意：  
（1）redis-cluster最小配置为三主三从，当1个主故障，大家会给对应的从投票，把从立为主，若没有从数据库可以恢复则redis群集就down了。  
（2）在这个redis cluster中，如果你要在slave读取数据，那么需要带上readonly指令。redis cluster的核心的理念，主要是用slave做高可用的，每个master挂一两个slave，主要是做数据的热备，当master故障时的作为主备切换，实现高可用的。redis cluster默认是不支持slave节点读或者写的，跟我们手动基于replication搭建的主从架构不一样的。slave node要设置readonly，然后再get，这个时候才能在slave node进行读取。对于redis -cluster主从架构，若要进行读写分离，官方其实是不建议的，但也能做，只是会复杂一些。具体见下面的章节。  
（3）redis-cluster的架构下，实际上本身master就是可以任意扩展的，你如果要支撑更大的读吞吐量，或者写吞吐量，或者数据量，都可以直接对master进行横向扩展就可以了。也扩容master，跟之前扩容slave进行读写分离，效果是一样的或者说更好。  
（4）可以使用自带客户端连接：使用redis-cli -c -p cluster中任意一个端口，进行数据获取测试。

## Java中对redis-cluster数据的一般读取方法简介 ##

### 使用Jedis读写redis-cluster的数据 ###

由于Jedis类一般只能对一台redis-master进行数据操作，所以面对redis-cluster多台master与slave的群集，Jedis类就不能满足了。这个时候我们需要引用另外一个操作类：JedisCluster类。  
例如我们有6台机器组成的redis-cluster：  
172.20.52.85:7000、 172.20.52.85:7001、172.20.52.85:7002、172.20.52.85:7003、172.20.52.85:7004、172.20.52.85:7005  
其中master机器对应端口：7000、7004、7005  
slave对应端口：7001、7002、7003

使用JedisCluster对redis-cluster进行数据操作的参考代码如下：

![640?wx\_fmt=png][640_wx_fmt_png 6]

运行结果截图如下图所示：  
![640?wx\_fmt=png][640_wx_fmt_png 7]

第一节中我们已经介绍了redis-cluster架构下master提供读写功能，而slave一般只作为对应master机器的数据备份不提供读写。如果我们只在hostAndPortsSet中只配置slave，而不配置master，实际上还是可以读到数据，但其内部操作实际是通过slave重定向到相关的master主机上，然后再将结果获取和输出。

上面是普通项目使用JedisCluster的简单过程，若在spring boot项目中，可以定义JedisConfig类，使用@Configuration、@Value、@Bean等一些列注解完成JedisCluster的配置，然后再注入该JedisCluster到相关service逻辑中引用，这里介绍略。

### 使用Lettuce读写redis-cluster数据 ###

Lettuce 和 Jedis 的定位都是Redis的client。Jedis在实现上是直接连接的redis server，如果在多线程环境下是非线程安全的，这个时候只有使用连接池，为每个Jedis实例增加物理连接，每个线程都去拿自己的 Jedis 实例，当连接数量增多时，物理连接成本就较高了。  
Lettuce的连接是基于Netty的，连接实例（StatefulRedisConnection）可以在多个线程间并发访问，应为StatefulRedisConnection是线程安全的，所以一个连接实例（StatefulRedisConnection）就可以满足多线程环境下的并发访问，当然这个也是可伸缩的设计，一个连接实例不够的情况也可以按需增加连接实例。  
其中spring boot 2.X版本中，依赖的spring-session-data-redis已经默认替换成Lettuce了。  
同样，例如我们有6台机器组成的redis-cluster：  
172.20.52.85:7000、 172.20.52.85:7001、172.20.52.85:7002、172.20.52.85:7003、172.20.52.85:7004、172.20.52.85:7005  
其中master机器对应端口：7000、7004、7005  
slave对应端口：7001、7002、7003  
在spring boot 2.X版本中使用Lettuce操作redis-cluster数据的方法参考如下：  
（1）pom文件参考如下：  
parent中指出spring boot的版本，要求2.X以上：

![640?wx\_fmt=png][640_wx_fmt_png 8]

![640?wx\_fmt=png][640_wx_fmt_png 9]

![640?wx\_fmt=png][640_wx_fmt_png 10]

![640?wx\_fmt=png][640_wx_fmt_png 11]

运行结果的截图如下：

![640?wx\_fmt=png][640_wx_fmt_png 12]

以上的介绍，是采用Jedis以及Lettuce对redis-cluster数据的简单读取。Jedis也好，Lettuce也好，其对于redis-cluster架构下的数据的读取，都是默认是按照redis官方对redis-cluster的设计，自动进行重定向到master节点中进行的，哪怕是我们在配置中列出了所有的master节点和slave节点。查阅了Jedis以及Lettuce的github上的源码，默认不支持redis-cluster下的读写分离，可以看出Jedis若要支持redis-cluster架构下的读写分离，需要自己改写和构建多一些包装类，定义好Master和slave节点的逻辑；而Lettuce的源码中，实际上预留了方法（setReadForm(ReadFrom.SLAVE)）进行redis-cluster架构下的读写分离，相对来说修改会简单一些，具体可以参考后面的章节。

## redis-cluster架构下的读写能力的优化方案 ##

在上面的一些章节中，已经有讲到redis近年来的高可用架构的演变，以及在redis-cluster架构下，官方对redis-master、redis-slave的其实有使用上的建议，即redis-master节点一般用于接收读写，而redis-slave节点则一般只用于备份，其与对应的master拥有相同的slot集合，若某个redis-master意外失效，则再将其对应的slave进行升级为临时redis-master。但如果不介意读取的是redis-cluster中有可能过期的数据并且对写请求不感兴趣时，则亦可通过readonly命令，将slave设置成可读，然后通过slave获取相关的key，达到读写分离。  
具体可以参阅redis官方文档（https://redis.io/commands/readonly），以下是reids在线文档中，对slave的readonly说明内容：

![640?wx\_fmt=png][640_wx_fmt_png 13]

实际上本身master就是可以任意扩展的，所以如果要支撑更大的读吞吐量，或者写吞吐量，或者数据量，都可以直接对master进行横向水平扩展就可以了。也就是说，扩容master，跟之前扩容slave并进行读写分离，效果是一样的或者说更好。  
所以下面我们将按照redis-cluster架构下分别进行水平扩展Master，以及在redis-cluster架构下对master、slave进行读写分离两套方案进行讲解。

### （一）水平扩展Master实例来进行redis-cluster性能的提升 ###

redis官方在线文档以及一些互联网的参考资料都表明，在redis-cluster架构下，实际上不建议做物理的读写分离。那么如果我们真的不做读写分离的话，能否通过简单的方法进行redis-cluster下的性能的提升？我们可以通过master的水平扩展，来横向扩展读写吞吐量，并且能支撑更多的海量数据。  
对master进行水平扩展有两种方法，一种是单机上面进行master实例的增加（建议每新增一个master，也新增一个对应的slave），另一种是新增机器部署新的master实例（同样建议每新增一个master，也新增一个对应的slave）。当然，我们也可以进行这两种方法的有效结合。

（1）单机上通过多线程建立新redis-master实例，即逻辑上的水平扩展：  
一般的，对于redis单机，单线程的读吞吐是4w/s~5W/s，写吞吐为2w/s。  
单机合理开启redis多线程情况下（一般线程数为CPU核数的倍数），总吞吐量会有所上升，但每个线程的平均处理能力会有所下降。例如一个2核CPU，开启2线程的时候，总读吞吐能上升是6W/s~7W/s，即每个线程平均约3W/s再多一些。但过多的redis线程反而会限制了总吞吐量。

（2）扩展更多的机器，部署新redis-master实例，即物理上的水平扩展：  
例如，我们可以再原来只有3台master的基础上，连入新机器继续新实例的部署，最终水平扩展为6台master（建议每新增一个master，也新增一个对应的slave）。例如之前每台master的处理能力假设是读吞吐5W/s,写吞吐2W/s,扩展前一共的处理能力是：15W/s读，6W/s写。如果我们水平扩展到6台master，读吞吐可以达到总量30W/s，写可以达到12w/s，性能能够成倍增加。

（3）若原本每台部署redis-master实例的机器都性能良好，则可以通过上述两者的结合，进行一个更优的组合。

使用该方案进行redis-cluster性能的提升的优点有：  
（1）符合redis官方要求和数据的准确性。  
（2）真正达到更大吞吐量的性能扩展。  
（3）无需代码的大量更改，只需在配置文件中重新配置新的节点信息。

当然缺点也是有的：  
（1）需要新增机器，提升性能，即成本会增加。  
（2）若不新增机器，则需要原来的实例所运行的机器性能较好，能进行以多线程的方式部署新实例。但随着线程的增多，而机器的能力不足以支撑的时候，实际上总体能力会提升不太明显。  
（3）redis-cluster进行新的水平扩容后，需要对master进行新的hash slot重新分配，这相当于需要重新加载所有的key，并按算法平均分配到各个Master的slot当中。

### （二）引入Lettuce以及修改相关方法，达到对redis-cluster的读写分离 ###

通过上面的一些章节，我们已经可以了解到Lettuce客户端读取redis的一些操作，使用Lettuce能体现出了简单，安全，高效。实际上，查阅了Lettuce对redis的读写，许多地方都进行了redis的读写分离。但这些都是基于上述redis架构中最普通的主从分离架构下的读写分离，而对于redis-cluster架构下，Lettuce可能是遵循了redis官方的意见，在该架构下，Lettuce在源码中直接设置了只由master上进行读写（具体参见gitHub的Lettuce项目）：

![640?wx\_fmt=png][640_wx_fmt_png 14]

那么如果真的需要让Lettuce改为能够读取redis-cluster的slave，进行读写分离，是否可行？实际上还是可以的。这就需要我们自己在项目中进行二次加工，即不使用spring-boot中的默认Lettuce初始化方法，而是自己去写一个属于自己的Lettuce的新RedisClusterClient的连接，并且对该RedisClusterClient的连接进行一个比较重要的设置，那就是由connection.setReadFrom(ReadFrom.MASTER)改为connection.setReadFrom(ReadFrom.SLAVE)。

下面我们开始对之前章节中的Lettuce读取redis-cluster数据的例子，进行改写，让Lettuce能够支持该架构下的读写分离：

spring boot 2.X版本中，依赖的spring-session-data-redis已经默认替换成Lettuce了。  
同样，例如我们有6台机器组成的redis-cluster：  
172.20.52.85:7000、 172.20.52.85:7001、172.20.52.85:7002、172.20.52.85:7003、172.20.52.85:7004、172.20.52.85:7005  
其中master机器对应端口：7000、7004、7005  
slave对应端口：7001、7002、7003  
在spring boot 2.X版本中使用Lettuce操作redis-cluster数据的方法参考如下：  
（1）pom文件参考如下：  
parent中指出spring boot的版本，要求2.X以上：

![640?wx\_fmt=png][640_wx_fmt_png 15]

![640?wx\_fmt=png][640_wx_fmt_png 16]

![640?wx\_fmt=png][640_wx_fmt_png 17]

运行的结果如下图所示：

![640?wx\_fmt=png][640_wx_fmt_png 18]

可以看到，经过改写的redisClusterConnection的确能读取到redis-cluster的数据。但这一个数据我们还需要验证一下到底是不是通过slave读取到的，又或者还是通过slave重定向给master才获取到的？  
带着疑问，我们可以开通debug模式，在redisClusterConnection.sync().get("event:10")等类似的获取数据的代码行上面打上断点。通过代码的走查，我们可以看到，在ReadFromImpl类中，最终会select到key所在的slave节点，进行返回，并在该slave中进行数据的读取：

ReadFromImpl显示：

![640?wx\_fmt=png][640_wx_fmt_png 19]

另外我们通过connectFuture中的显示也验证了对于slave的readonly生效了：

![640?wx\_fmt=png][640_wx_fmt_png 20]

这样，就达到了通过Lettuce客户端对redis-cluster的读写分离了。

使用该方案进行redis-cluster性能的提升的优点有：  
（1）直接通过代码级更改，而不需要配置新的redis-cluster环境。  
（2）无需增加机器或升级硬件设备。

但同时，该方案也有缺点：  
（1）非官方对redis-cluster的推荐方案，因为在redis-cluster架构下，进行读写分离，有可能会读到过期的数据。  
（2）需对项目进行全面的替换，将Jedis客户端变为Lettuce客户端，对代码的改动较大，而且使用Lettuce时，使用的并非spring boot的自带集成Lettuce的redisTemplate配置方法，而是自己配置读写分离的 redisClusterConnetcion，日后遇到问题的时候，可能官方文档的支持率或支撑能力会比较低。  
（3）需修改redis-cluster的master、slave配置，在各个节点中都需要加入slave-read-only yes。  
（4）性能的提升没有水平扩展master主机和实例来得直接干脆。

## 总结 ##

总体上来说，redis-cluster高可用架构方案是目前最好的redis架构方案，redis的官方对redis-cluster架构是建议redis-master用于接收读写，而redis-slave则用于备份（备用），默认不建议读写分离。但如果不介意读取的是redis-cluster中有可能过期的数据并且对写请求不感兴趣时，则亦可通过readonly命令，将slave设置成可读，然后通过slave获取相关的key，达到读写分离。Jedis、Lettuce都可以进行redis-cluster的读写操作，而且默认只针对Master进行读写，若要对redis-cluster架构下进行读写分离，则Jedis需要进行源码的较大改动，而Lettuce开放了setReadFrom()方法，可以进行二次封装成读写分离的客户端，相对简单，而且Lettuce比Jedis更安全。redis-cluster架构下可以直接通过水平扩展master来达到性能的提升。

## 参考文档 ##

1，网文《关于redis主从、哨兵、集群的介绍》：https://blog.csdn.net/c295477887/article/details/52487621  
2，知乎《lettuce与jedis对比介绍》：https://www.zhihu.com/question/53124685  
3，网文《Redis 高可用架构最佳实践问答集锦》：http://www.talkwithtrend.com/Article/178165  
4，网文《Redis进阶实践之十一 Redis的Cluster集群搭建》：https://www.cnblogs.com/PatrickLiu/p/8458788.html  
5，redis官方在线文档：https://redis.io/  
6，网文《redis cluster的介绍及搭建(6)》：https://blog.csdn.net/qq1137623160/article/details/79184686  
7，网文《Springboot2.X集成redis集群(Lettuce)连接》：http://www.cnblogs.com/xymBlog/p/9303032.html  
8，Jedis的gitHub地址：https://github.com/xetorthio/jedis  
9，Lettuce的gitHub地址：https://github.com/lettuce-io/lettuce-core/

**公众号推荐:**

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg]

![640?wx\_fmt=jpeg][640_wx_fmt_jpeg 1]

[640_wx_fmt_gif]: /images/20220517/27f217b78d8240fdbe21bda14df25246.png
[640_wx_fmt_png]: /images/20220517/8df0f2dfb43746e5896bb09114e9779f.png
[640_wx_fmt_png 1]: /images/20220517/36b393e2239f4076b3f6f8bc41822d20.png
[640_wx_fmt_png 2]: /images/20220517/bd8c2584af314f1482d459b7f71d0944.png
[640_wx_fmt_png 3]: /images/20220517/4ffd6d87522b48fcb1c9b1e3bdf1ba88.png
[640_wx_fmt_png 4]: /images/20220517/5b3271a382a84baabc33a2861a5bc5c4.png
[640_wx_fmt_png 5]: /images/20220517/8037d5d199eb4bad9d56cbb86ea487e5.png
[640_wx_fmt_png 6]: /images/20220517/10d97c03a43f4f1694b2f1b7d9959ba3.png
[640_wx_fmt_png 7]: /images/20220517/0926769f571a4e29ab39493426cf18a3.png
[640_wx_fmt_png 8]: /images/20220517/85f165200e2d44bb8cb83bcc84b5e031.png
[640_wx_fmt_png 9]: /images/20220517/bf052703bb94472d900c9422957790dc.png
[640_wx_fmt_png 10]: /images/20220517/594822e92a8b4f50aa94a4323246b7ec.png
[640_wx_fmt_png 11]: /images/20220517/099ce1b89644443f80aedc40a733c9eb.png
[640_wx_fmt_png 12]: /images/20220517/e1e3a2bcb6d04715a31531feb68d5343.png
[640_wx_fmt_png 13]: /images/20220517/3cd670239b67479d9fca125a59fc84ad.png
[640_wx_fmt_png 14]: /images/20220517/53032454a9ff45f78ca14feacd33e14b.png
[640_wx_fmt_png 15]: /images/20220517/718005050dd749eea98ace5ca3e6d886.png
[640_wx_fmt_png 16]: /images/20220517/ac69c334c46243d687cb9cdbed3a720e.png
[640_wx_fmt_png 17]: /images/20220517/32e6ccca22074758be3944c6f9e0cb43.png
[640_wx_fmt_png 18]: /images/20220517/a08a5b8a2cc24a3b88235f4cd405c017.png
[640_wx_fmt_png 19]: /images/20220517/35c2706fdd014a1b981aa146c0cd88e1.png
[640_wx_fmt_png 20]: /images/20220517/56581681c45143b28bae383f9c4dd84c.png
[640_wx_fmt_jpeg]: /images/20220517/ced33239346a49fabd5b5a7fa218d69d.png
[640_wx_fmt_jpeg 1]: /images/20220517/e042e552883c4df281c9e87bed02bce5.png