深度解析leaf分布式id生成服务源码（号段模式）

曾经终败给现在 2022-10-12 01:40 398阅读 1赞

> 原创不易，转载请注明出处

### 文章目录 ###

*   *   *  前言
         *  1.实现原理推演
         *   *  1.1 基于mysql最简单分布式ID实现
             *  1.2 flickr分布式id解决方案
             *  1.3 号段+mysql
         *  2.源码剖析
         *   *  2.1初始化
             *  2.2 生成id
         *  总结

--------------------

### 前言 ###

在《[美团开源分布式ID服务Leaf简单使用][ID_Leaf]》一文中简单的介绍了一下leaf，包括它的配置与安装，使用起来还是非常简单的，在介绍leaf的时候，说过它有两种生成id的模式，一种是号段模式，一种是snowflake模式，  
接下来该文就介绍一下号段模式的实现原理，进行源码剖析。

### 1.实现原理推演 ###

关于号段模式，感觉很奇怪，当然这是与id生成原理有关的，我们在介绍号段模式配置的时候，需要配置mysql，同时需要在mysql中创建一个表。  
既然它生成id与mysql有关，我们就介绍下mysql生成分布式ID的各种方法。

#### 1.1 基于mysql最简单分布式ID实现 ####

mysql自带自增主键功能，我们可以建一个表，主键id设置成自增，然后需要获取id，就往该表中插入一条数据，获取一下新增id即可。  
这种方式优点就是简单。  
缺点也很明显

1.  随着时间推移，表中数据越来越多，毕竟获得一个id就要插入一条数据。
2.  所有获取id的都去请求这个数据库，很显然，高并发场景下单机会很乏力。

#### 1.2 flickr分布式id解决方案 ####

针对1.1基于mysql实现的分布式id各种缺点，flickr公司提出了一种基于mysql生成分布式id的解决方案。  
我们先看下它是怎么做的  
先创建一个表。

CREATE TABLE `Tickets64` (
      `id` bigint(20) unsigned NOT NULL auto_increment,
      `stub` char(1) NOT NULL default '',
      PRIMARY KEY  (`id`),
      UNIQUE KEY `stub` (`stub`)
    ) ENGINE=MyISAM

该表有2个字段，id就是bigint类型的mysql自增主键，stub，桩的意思，这里你可以把他用作业务key。

每次获取分布式id的时候，根据业务id执行下面这两条sql就可以了。  
REPLACE INTO Tickets64 (stub) VALUES (‘a’);  
SELECT LAST\_INSERT\_ID();

REPLACE INTO Tickets64 (stub) VALUES (‘a’);这行，就是更新a这条数据的主键id

可以测试下，比如说我现在表中有这么一条数据。  
![REPLACE INTO][]  
执行： REPLACE INTO Tickets64 (stub) VALUES (‘a’);  
![在这里插入图片描述][20210702220930933.png]  
如果这个stub存在a的话，就更新一下这个id。  
不存在就新插入一条  
![在这里插入图片描述][20210702221037214.png]  
SELECT LAST\_INSERT\_ID();就是获取当前connection最新插入的id。

到这里，1.1方案 缺点1 数据量越来越多的问题就解决了。  
对于缺点2，单机高并发问题，它也提出来解决方案。  
那就是多机器部署。使用多台mysql数据库，通过设置自增步长与起始id 达到多台数据库协调生成分布式id。  
我们来看下它是怎样实现的。  
假设我们使用2台mysql，分别有一张Tickets64 表。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5zaGFuZ3NoZW5naHVv_size_16_color_FFFFFF_t_70]  
这个时候，设置表的自增主键步长是2，mysql-01表中的其实id是1 ，mysql-02表中的id起始是2。这样他们的id就搓开了。  
mysql-01:  
auto-increment-increment = 2  
auto-increment-offset = 1

mysql-02:  
auto-increment-increment = 2  
auto-increment-offset = 2  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5zaGFuZ3NoZW5naHVv_size_16_color_FFFFFF_t_70 1]  
不同mysql实例生成的id就是这个样子。  
这样就完美解决了单机高并发乏力的问题。  
但是问题又来了！！！  
我一开始要搞几台mysql实例来用作分布式id生成，一开始业务量小，搞多了资源浪费，搞少了后期大流量的时候，还是扛不住，到时候再想加机器，就得调整自增步长，起始id，就会非常麻烦，非常麻烦，扩展性非常差。  
虽然flicker解决方案存在扩展性问题，但是一般公司还是可以使用的。

#### 1.3 号段+mysql ####

到这里我们看看leaf是怎样基于号段+mysql实现的分布式id生成的。

CREATE TABLE `leaf_alloc` (
      `biz_tag` varchar(128) COLLATE utf8_unicode_ci NOT NULL DEFAULT '',
      `max_id` bigint(20) NOT NULL DEFAULT '1',
      `step` int(11) NOT NULL,
      `description` varchar(256) COLLATE utf8_unicode_ci DEFAULT NULL,
      `update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
      PRIMARY KEY (`biz_tag`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci;

biz\_tag ：就是业务标识  
max\_id：既是起始id也是最大id  
step：步长或者是段长  
description：描述，这个不用管  
update\_time：更新时间，这个不用管

比如说我要整一个订单id生成的，这个时候插入一条数据即可  
![在这里插入图片描述][20210702224350581.png]  
这个时候我就要生成id。  
leaf是这样做的。

1.  先去判断内存中 有没有这个biz\_tag对应的atomicInteger，没有就执行这两个sql

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5zaGFuZ3NoZW5naHVv_size_16_color_FFFFFF_t_70 2]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5zaGFuZ3NoZW5naHVv_size_16_color_FFFFFF_t_70 3]  
可以看到，这个时候数据库中的max\_id就变成了3001，同时他还将 max\_id 与step 查到leaf服务内存中。将max\_id与step相加之前的那个值设置到一个原子类中。将现在的max\_id设置到一个max变量中。

1.  下次再来获取order的分布式id，一看 atomicInteger中的数值小于max 值，直接就拿atomicInteger 进行累加了。  
    直到atomicInteger大于max ,这个时候再重复执行一次步骤1。  
    你会发现，大部分的生成id都是在leaf服务中完成的，只有很少请求是在数据库完成的，而且step数值越大，对mysql压力就会越小，因为都是在leaf服务中完成的自增长。  
    而且leaf 支持集群部署，mysql行锁保证多leaf实例更新同一条数据不会出现问题，同时扩展由mysql 转向了leaf服务，保证高并发，多数leaf服务内存完成id生成，保证高性能，集群部署，保证高可用。  
    好了。leaf的号段模式原理我们就介绍完了，接下来分析一下源码，源码实现其实比上面的原理更加巧妙，我们一起分析下。

### 2.源码剖析 ###

这个时候需要我们去github（地址：https://github.com/Meituan-Dianping/Leaf）上面，将源码clone下来，然后导入到idea中  
![在这里插入图片描述][20210702212951821.png]  
可以看到，分为了leaf-core与leaf-server两个module，id生成核心逻辑在core中，然后这个server其实就是充当服务的意思，对外提供生成id的http接口，是基于springboot写的。  
既然是提供http服务，我们顺着controller往下找即可。  
LeafController\#getSegmentID

@RequestMapping(value = "/api/segment/get/{key}")
        public String getSegmentID(@PathVariable("key") String key) { 
            return get(key, segmentService.getId(key));
        }

一看很熟悉，哈哈哈。  
它调用的是segmentService 的getId方法。  
这个SegmentService是个service。

#### 2.1初始化 ####

我们需要看下他的构造，spring创建实例bean的时候会触发。

public SegmentService() throws SQLException, InitException { 
            Properties properties = PropertyFactory.getProperties();
            boolean flag = Boolean.parseBoolean(properties.getProperty(Constants.LEAF_SEGMENT_ENABLE, "true"));
            if (flag) { 
                // Config dataSource
                dataSource = new DruidDataSource();
                dataSource.setUrl(properties.getProperty(Constants.LEAF_JDBC_URL));
                dataSource.setUsername(properties.getProperty(Constants.LEAF_JDBC_USERNAME));
                dataSource.setPassword(properties.getProperty(Constants.LEAF_JDBC_PASSWORD));
                dataSource.init();
                // Config Dao
                IDAllocDao dao = new IDAllocDaoImpl(dataSource);
                // Config ID Gen
                idGen = new SegmentIDGenImpl();
                ((SegmentIDGenImpl) idGen).setDao(dao);
                if (idGen.init()) { 
                    logger.info("Segment Service Init Successfully");
                } else { 
                    throw new InitException("Segment Service Init Fail");
                }
            } else { 
                idGen = new ZeroIDGen();
                logger.info("Zero ID Gen Service Init Successfully");
            }
        }

首先是看看配置参数leaf.segment.enable是否要启用号段模式，可以看到默认是true，如果是true，就会根据你配置的数据配置信息创建数据源，然后创建一个dao，这里不用管，你就当做平常开发使用的dao一样就可以。  
接着是创建SegmentIDGenImpl 对象，然后将dao赋值给他，最后调用init方法  
如果是没有开启号段模式，也就是leaf.segment.enable 是false的话，就会创建ZeroIDGen 对象，这个玩意生成的key就是0。  
接下来看看SegmentIDGenImpl的init初始化方法。

@Override
    public boolean init() { 
        logger.info("Init ...");
        // 确保加载到kv后才初始化成功
        updateCacheFromDb();
        initOK = true;
        // 启动延时任务，然后每分钟执行一次
        // 主要还是每分钟从数据库中更新cache
        updateCacheFromDbAtEveryMinute();
        return initOK;
    }

第一步是从mysql中加载biz\_tag，然后更新到缓存  
第二步就是启动延时任务，每分钟执行一次第一步，确保mysql新增的biz\_tag能够被缓存初始化。  
这里我们看下updateCacheFromDb 就行了。

private void updateCacheFromDb() { 
             // 获取数据库中所有的 biz_tag
              List<String> dbTags = dao.getAllTags();
              if (dbTags == null || dbTags.isEmpty()) { 
                  return;
              }
              // 本地缓存里面的
              List<String> cacheTags = new ArrayList<String>(cache.keySet());
              // db里面的
              List<String> insertTags = new ArrayList<String>(dbTags);
              //本地缓存
              List<String> removeTags = new ArrayList<String>(cacheTags);
              //db中新加的tags灌进cache，这里就是将所有
              insertTags.removeAll(cacheTags);
              for (String tag : insertTags) { 
                  SegmentBuffer buffer = new SegmentBuffer();
                  buffer.setKey(tag);
                  Segment segment = buffer.getCurrent();
                  segment.setValue(new AtomicLong(0));
                  segment.setMax(0);
                  segment.setStep(0);
                  cache.put(tag, buffer);
                  logger.info("Add tag {} from db to IdCache, SegmentBuffer {}", tag, buffer);
              }
              //cache中已失效的tags从cache删除
              removeTags.removeAll(dbTags);
              for (String tag : removeTags) { 
                  cache.remove(tag);
                  logger.info("Remove tag {} from IdCache", tag);
              }
         
        }

这里其实就是获取一下表中所有的biz\_tag，然后更新一下本地的缓存，没有的加进去，失效的或者删除的从缓存中删除  
缓存就是个ConcurrentHashMap

private Map<String, SegmentBuffer> cache = new ConcurrentHashMap<String, SegmentBuffer>();

好了，到这里初始化就完事了

#### 2.2 生成id ####

生成id就是调用的SegmentIDGenImpl\#get方法。

public Result get(final String key) { 
            if (!initOK) { 
                return new Result(EXCEPTION_ID_IDCACHE_INIT_FALSE, Status.EXCEPTION);
            }
            if (cache.containsKey(key)) { 
    
                // 从缓存中获取对应key的SegmentBuffer
                SegmentBuffer buffer = cache.get(key);
    
                // 如果没有初始化ok
                if (!buffer.isInitOk()) { 
                    synchronized (buffer) { 
                        if (!buffer.isInitOk()) { 
                            try { 
                                // 从数据库中加载key
                                updateSegmentFromDb(key, buffer.getCurrent());
                                logger.info("Init buffer. Update leafkey {} {} from db", key, buffer.getCurrent());
                                //初始化成功
                                buffer.setInitOk(true);
                            } catch (Exception e) { 
                                logger.warn("Init buffer {} exception", buffer.getCurrent(), e);
                            }
                        }
                    }
                }
    
                // 获取id 从segmentBuffer中
                return getIdFromSegmentBuffer(cache.get(key));
            }
            return new Result(EXCEPTION_ID_KEY_NOT_EXISTS, Status.EXCEPTION);
        }

显示看看缓存有没有这个key对应的SegmentBuffer ，这个SegmentBuffer 非常有意思。缓存中没有这个buffer的话，就会返回异常了  
如果有就从缓存中获取这个SegmentBuffer ，判断SegmentBuffer 有没有初始化，如果是leaf服务刚启动的话，肯定是没有初始化的，这个时候加锁，double check 调用updateSegmentFromDb(key, buffer.getCurrent()); 方法来初始化buffer。

在初始化buffer之前我们要先介绍下SegmentBuffer 结构了。

public SegmentBuffer() { 
    
            // 创建Segment数组，就2个元素
            segments = new Segment[]{ new Segment(this), new Segment(this)};
            // 当前位置是0
            currentPos = 0;
            nextReady = false;
            initOk = false;
            threadRunning = new AtomicBoolean(false);
    
            // 读写锁
            lock = new ReentrantReadWriteLock();
        }

这是SegmentBuffer 构造，可以看到，上来就创建了2个元素的segments 。这个玩意非常重要， currentPos 当前处于哪个Segment 。  
接着看看Segment 里面都有啥

private AtomicLong value = new AtomicLong(0);
    private volatile long max;
    private volatile int step;
    private SegmentBuffer buffer;

接着回到updateSegmentFromDb ，初始化SegmentBuffer

public void updateSegmentFromDb(String key, Segment segment) { 
            StopWatch sw = new Slf4JStopWatch();
            SegmentBuffer buffer = segment.getBuffer();
            LeafAlloc leafAlloc;
            if (!buffer.isInitOk()) { 
                leafAlloc = dao.updateMaxIdAndGetLeafAlloc(key);
    
                // 设置step
                buffer.setStep(leafAlloc.getStep());
                buffer.setMinStep(leafAlloc.getStep());//leafAlloc中的step为DB中的step
            } else if (buffer.getUpdateTimestamp() == 0) { 
                leafAlloc = dao.updateMaxIdAndGetLeafAlloc(key);
                buffer.setUpdateTimestamp(System.currentTimeMillis());
                buffer.setMinStep(leafAlloc.getStep());//leafAlloc中的step为DB中的step
            } else { 
                // 距离上次更新数据隔了多长时间
                long duration = System.currentTimeMillis() - buffer.getUpdateTimestamp();
                int nextStep = buffer.getStep();
                
                // 如果是小于15分钟的话
                if (duration < SEGMENT_DURATION) { 
                    if (nextStep * 2 > MAX_STEP) { 
                        //do nothing
                    } else { 
                        // 重新设置步长。是原来步长的2倍，但是不能超过1000000
                        nextStep = nextStep * 2;
                    }
                    // 小于 30分钟
                } else if (duration < SEGMENT_DURATION * 2) { 
                    //do nothing with nextStep
                } else { 
                    // 大于30分钟
                    // 缩短步长
                    nextStep = nextStep / 2 >= buffer.getMinStep() ? nextStep / 2 : nextStep;
                }
                logger.info("leafKey[{}], step[{}], duration[{}mins], nextStep[{}]", key, buffer.getStep(), String.format("%.2f",((double)duration / (1000 * 60))), nextStep);
                LeafAlloc temp = new LeafAlloc();
                temp.setKey(key);
                temp.setStep(nextStep);
                leafAlloc = dao.updateMaxIdByCustomStepAndGetLeafAlloc(temp);
                buffer.setUpdateTimestamp(System.currentTimeMillis());
                buffer.setStep(nextStep);
                buffer.setMinStep(leafAlloc.getStep());//leafAlloc的step为DB中的step
            }
            // must set value before set max
    
            // 计算出来 设置step之前的值
            long value = leafAlloc.getMaxId() - buffer.getStep();
            //设置到segment的atomicInteger中
            segment.getValue().set(value);
    
            // 设置最大值 为现在的max_id
            segment.setMax(leafAlloc.getMaxId());
    
            // 设置step
            segment.setStep(buffer.getStep());
            sw.stop("updateSegmentFromDb", key + " " + segment);
        }

这个方法很长，其实如果是buffer没有初始化过的话，就走

if (!buffer.isInitOk()) { 
                leafAlloc = dao.updateMaxIdAndGetLeafAlloc(key);
    
                // 设置step
                buffer.setStep(leafAlloc.getStep());
                buffer.setMinStep(leafAlloc.getStep());//leafAlloc中的step为DB中的step
    }
    .....
    // 计算出来 设置step之前的值
    long value = leafAlloc.getMaxId() - buffer.getStep();
    //设置到segment的atomicInteger中
    segment.getValue().set(value);
    
    // 设置最大值 为现在的max_id
    segment.setMax(leafAlloc.getMaxId());
    
    // 设置step
    segment.setStep(buffer.getStep());

这一小段，如果是已经初始化过了，就会走下面那段带有自适应步长的那段代码，那段代码其实也很简单，就是根据上次更新数据库时间来自适应步长。  
看下这个updateMaxIdAndGetLeafAlloc方法，对应sql就是这两条

UPDATE leaf_alloc SET max_id = max_id + step WHERE biz_tag = #{tag}
    SELECT biz_tag, max_id, step FROM leaf_alloc WHERE biz_tag = #{tag}

获得biz\_tag对应的数据之后，设置到segment中，max 就是max\_id， AtomicLong对应的就是max\_id-step  
到这里SegmentBuffer 就初始化完事了。

接着就是获取生成id

// 获取id 从segmentBuffer中
    return getIdFromSegmentBuffer(cache.get(key));

看看是怎样从SegmentBuffer获取id的

public Result getIdFromSegmentBuffer(final SegmentBuffer buffer) { 
            while (true) { 
                try { 
                    buffer.rLock().lock();
                    // 获取segment
                    final Segment segment = buffer.getCurrent();
    
    
                    // 如果下个segment处于不可切换状态 && 这个segment剩余的 id 小于了 90% && 线程运行状态是false
                    if (!buffer.isNextReady() && (segment.getIdle() < 0.9 * segment.getStep()) && buffer.getThreadRunning().compareAndSet(false, true)) { 
                        // 提交任务
                        service.execute(new Runnable() { 
                            @Override
                            public void run() { 
                                // 切换下一个segment
                                Segment next = buffer.getSegments()[buffer.nextPos()];
                                boolean updateOk = false;
                                // 这里就是初始化另一个segment
                                try { 
                                    updateSegmentFromDb(buffer.getKey(), next);
                                    updateOk = true;
                                    logger.info("update segment {} from db {}", buffer.getKey(), next);
                                } catch (Exception e) { 
                                    logger.warn(buffer.getKey() + " updateSegmentFromDb exception", e);
                                } finally { 
                                    if (updateOk) { 
                                        buffer.wLock().lock();
                                        buffer.setNextReady(true);
                                        buffer.getThreadRunning().set(false);
                                        buffer.wLock().unlock();
                                    } else { 
                                        buffer.getThreadRunning().set(false);
                                    }
                                }
                            }
                        });
                    }
    
                    // 使用atomicInteger的自增长
                    long value = segment.getValue().getAndIncrement();
    
                    // 如果是小于的max_id的话，就可以直接返回了
                    if (value < segment.getMax()) { 
                        return new Result(value, Status.SUCCESS);
                    }
                } finally { 
                    buffer.rLock().unlock();
                }
    
                // 等待 后台线程 更新下一个segment完事
                waitAndSleep(buffer);
                try { 
    
                    // 写锁
                    buffer.wLock().lock();
                    final Segment segment = buffer.getCurrent();
                    long value = segment.getValue().getAndIncrement();
                    if (value < segment.getMax()) { 
                        return new Result(value, Status.SUCCESS);
                    }
    
                    // 如果下一个segment准备妥了 ，切换pos。其实是切换segment
                    if (buffer.isNextReady()) { 
                        buffer.switchPos();
                        buffer.setNextReady(false);
                    } else { 
                        logger.error("Both two segments in {} are not ready!", buffer);
                        return new Result(EXCEPTION_ID_TWO_SEGMENTS_ARE_NULL, Status.EXCEPTION);
                    }
                } finally { 
                    buffer.wLock().unlock();
                }
            }
        }

这里太长，就不一行一行介绍代码了，代码其实也很好理解，就是上来先加个读锁。拿到当前的Segment ，然后拿到atomicLong进行自增长，看看那个值是否比max小，如果小的话，直接返回就行了，如果大于的话，就获取写锁，进行Segment 切换，切换成另一个Segment 。  
这里还有很重要的点就是，它发现  
下个segment处于不可切换状态 && 这个segment剩余的 id 小于了 90% && 线程运行状态是false  
条件满足的时候，往线程池中扔一个任务，提前对下一个Segment 进行获取。

这段切换segment的代码非常有意义。

// 如果下一个segment准备妥了 ，切换pos。其实是切换segment
     if (buffer.isNextReady()) { 
         buffer.switchPos();
         buffer.setNextReady(false);
     } else { 
         logger.error("Both two segments in {} are not ready!", buffer);
         return new Result(EXCEPTION_ID_TWO_SEGMENTS_ARE_NULL, Status.EXCEPTION);
     }

其实就是将pos变成 另个segment上面的索引值  
`(currentPos + 1) % 2;`  
好了，到这里我们源码分析就完事了，代码很是巧妙，思路很清晰。

### 总结 ###

本文主要介绍了基于mysql各种分布式id生成方案演进过程，然后引出美团leaf号段模式，最后深度解析leaf号段模式实现原理，双Segment  
缓冲设计很是巧妙，leaf基于服务内存的增长，保证了高性能，基于mysql的行锁，可实现多leaf服务并发修改同一条数据场景下不会出现问题，支持集群部署，保证高并发，同时扩展由mysql转向服务本身，保证高扩展性，只能说巧妙，要说它的缺点，就是leaf服务宕机，会出现id不连续的情况，某段id丢失，集群部署获取id的时候，同一时刻会出现忽大忽小的情况，但是整体是呈现增长趋势的。

[ID_Leaf]: https://inetyoung.blog.csdn.net/article/details/118420589
[REPLACE INTO]: /images/20221005/e8a74512805f4d95aea8e79ba9f57d47.png
[20210702220930933.png]: /images/20221005/b01364382f2b403b98ee2324872b8bce.png
[20210702221037214.png]: /images/20221005/a3737e6837ee4f3286000c8ff9b06e97.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5zaGFuZ3NoZW5naHVv_size_16_color_FFFFFF_t_70]: /images/20221005/23e33c33103b4196ad16fbf243ac8e79.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5zaGFuZ3NoZW5naHVv_size_16_color_FFFFFF_t_70 1]: /images/20221005/69c387e37d5548e99d9aa353c41a1af7.png
[20210702224350581.png]: /images/20221005/75d0075fa65b43218b52eccb6f9e6ad4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5zaGFuZ3NoZW5naHVv_size_16_color_FFFFFF_t_70 2]: /images/20221005/427bdb3d463e4cf18120b9c916679a59.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3l1YW5zaGFuZ3NoZW5naHVv_size_16_color_FFFFFF_t_70 3]: /images/20221005/87cc3150802d47bb9e7a7a23c2e0b8eb.png
[20210702212951821.png]: /images/20221005/d65a90cc2650419b8acf92144a3a7d5c.png