【Hadoop】Hadoop的目录结构和脚本与环境搭建（本地模式、伪分布模式和全分布模式）

「爱情、让人受尽委屈。」 2022-10-19 08:54 246阅读 0赞

### 搭建Hadoop环境（本地模式、伪分布模式和全分布模式） ###

*  1 Hadoop的目录结构和脚本
 *   *  1.1 核实已有配置
     *  1.2 安装Hadoop
     *  1.3 Hadoop环境变量配置
     *  1.4 Hadoop主要脚本命令
 *  2 本地模式搭建
 *  3 伪分布模式搭建
 *  4 全分布模式搭建
 *   *  4.1 准备工作
     *  4.2 Hadoop部署
     *  4.3 hadoop启动

手动反爬虫，禁止转载： [原博地址][Link 1] https://blog.csdn.net/lys\_828/article/details/118635494（CSDN博主：Be\_melting）

知识梳理不易，请尊重劳动成果，文章仅发布在CSDN网站上，在其他网站看到该博文均属于未经作者授权的恶意爬取信息

# 1 Hadoop的目录结构和脚本 #

在进行Hadoop环境安装之前，需要对Hadoop的目录结构和主要脚本有个清晰的认知。

## 1.1 核实已有配置 ##

在进行介绍之前核实一下之前的操作是否无误。

（1）首先看一下之前配置的主机名和IP地址（核实无误）  
![在这里插入图片描述][20210710150817823.png]  
（2）防火墙关闭（核实无误）  
![在这里插入图片描述][20210710151011868.png]  
（3）Java JDK和环境变量（核实无误）  
![在这里插入图片描述][2021071015114062.png]  
（4）之前上传Java时候顺带上传了Hadoop安装包（核实无误）

其中最后面的tree-1.6.0-10.el7.x86\_64.rpm文件就是执行tree指令要安装的一个文件  
![在这里插入图片描述][20210710151306779.png]

## 1.2 安装Hadoop ##

以上的内容核实无误后就可以进行Hadoop的安装了，解压安装包指令为：`tar -zxvf hadoop-2.7.3.tar.gz -C ~/training/`

安装tree指令文件：`rpm -ivh tree-1.6.0-10.el7.x86_64.rpm`

程序执行后的结果可以通过查看training文件夹下内容进行查看  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70]  
至此Hadoop和tree都已经安装完成，那么就可以直接通过指令查看Hadoop的文件目录结构，具体的指令为：`tree -d -L 3 hadoop-2.7.3/` 其中`-d`表示查看目录，`-L`表示查看深度，3表示3层，最后的输出结果为  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 1]

## 1.3 Hadoop环境变量配置 ##

既然是安装在Linux上的软件，为了方便使用，环境变量的设置必不可少。之前已经配置好了Java的环境变量，这里就是同样的操作，在Java环境变量之后追加Hadood的环境变量，代码指令和操作如下

*  切换路径：`cd hadoop-2.7.3/`
 *  编辑环境变量：`vi ~/.bash_profile`
    
        HADOOP_HOME=/root/training/hadoop-2.7.3
          export HADOOP_HOME
          PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
          export PATH
 *  环境变量生效：`source ~/.bash_profile`
 *  环境变量检验：`echo $HADOOP_HOME`

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 2]  
然后是配置环境变量生效，进行echo检验  
![在这里插入图片描述][2021071015365098.png]

## 1.4 Hadoop主要脚本命令 ##

开启服务：

*  Hadoop启动进程：`start-all.sh`（包含了启动HDFS和yarn）
 *  启动HDFS：`strat-dfs.sh`（对应NameNode、DataNode、SecondaryNameNode）
 *  启动yarn：`start-yarn.sh`（对应Nodemanager、ResourceManager）

关闭任务，将上面的`start`换成`stop`即可

还有其它的一些命令，可以直接通过查看bin文件夹和sbin文件夹得知（具体的一些命名在之后搭建完环境，再进行讲解）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 3]

# 2 本地模式搭建 #

本地模式的特点：
    	  （1）没有HDFS、也没有Yarn
    	  （2）只能测试MapReduce程序，作为一个普通的Java程序
    	  （3）处理的数据是本地Linux的文件
    	  （4）一般用于开发和测试

本地模式的配置：只需要修改hadoop-env.sh参数文件中的JAVA\_HOME的配置参数，具体执行代码：

*  先将路径转到根目录下：`cd ~`
 *  然后计入hadoop路径下：`cd training/hadoop-2.7.3/etc/hadoop/`
 *  核实文件是够存在：`ls hadoop-env.sh`
 *  编辑文件：`vi hadoop-env.sh`
 *  打开行号：`:set number<Enter>`
 *  输入要修改的内容：`export JAVA_HOME=/root/training/jdk1.8.0_181`

修改地方如下，核实无误后退出编辑器  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 4]  
回到窗口界面，之前输入的指令如下  
![在这里插入图片描述][20210710175919164.png]  
至此本地的模式就配置完成了，接着执行一下计数程序看看。首先要在本地模式需要有准备数据，由于本地模式不支持HDFS和yarn，所以最终读取文件和存放数据的文件均在本地的Linux系统中  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 5]  
运行完毕后，查看一下生成的文件，如下，最后也是完成了计数的功能  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 6]  
至此本地模式的配置安装以及使用就梳理到此结束，只需要修改一个文件中的配置参数即可  
![在这里插入图片描述][20210710205051785.png]

# 3 伪分布模式搭建 #

由于本地模式功能有限，所以配置起来很简单，除此之外功能越多的模式配置项就会越复杂。对于伪分布模式的特点梳理如下：（需要是在本地模式基础之上）

特点：（1）在单机上，模拟一个分布式的环境
         （2）具备Hadoop的所有的功能
           		HDFS：NameNode、DataNode、SecondaryNameNode
    			Yarn：ResourceManager、NodeManager
    	 （3）用于开发和测试

需要配置的信息如下：（基于本地模式之上，第一条的配置就默认已经完成了）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 7]  
接下来就是配置其他文件中的参数，首先进行`hdfs-site.xml`文件的配置，配置的具体代码如下：

<property>
    	<name>dfs.replication</name>
    	<value>1</value>
    </property>
    
    
    <property>
    	<name>dfs.permissions</name>
    	<value>false</value>
    </property>

上机操作如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 8]  
然后进行`core-site.xml`文件的配置，具体的代码内容如下：

<property>
    	<name>fs.defaultFS</name>
    	<value>hdfs://bigdata111:9000</value>
    </property>
    
    
    
    <property>
    	<name>hadoop.tmp.dir</name>
    	<value>/root/training/hadoop-2.7.3/tmp</value>
    </property>

上机操作如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 9]  
支持HDFS相关配置的两个文件全部参数就配置完成，接下来就是对yarn配置的两个文件进行处理，首先进行`mapred-site.xml`文件进行配置，但是这个文件默认没有的，需要提前创建，只提供了一个模块文件，所以根据模板进行复制一份重命名即可  
![在这里插入图片描述][20210710211015903.png]  
然后要添加的内容如下：

<property>
    	<name>mapreduce.framework.name</name>
    	<value>yarn</value>
    </property>

上机操作如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 10]  
最后一个配置文件就是`yarn-site.xml`文件，需要配置的内容如下：

<property>
    	<name>yarn.resourcemanager.hostname</name>
    	<value>bigdata111</value>
    </property>
    
    
    <property>
    	<name>yarn.nodemanager.aux-services</name>
    	<value>mapreduce_shuffle</value>
    </property>

上机操作如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 11]  
至此需要配置的四个文件全部配置完成，剩下就是对应NameNode进行格式化处理：`hdfs namenode -format`，然后在取启动Hadoop: `start-all.sh`，操作输出如下![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 12]  
然后就会出现一个情况就是密码登录的问题，由于刚刚是第一次启动，运行Hadoop就需要进行密码的输入，一共需要输入四次密码（还有三次yes）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 13]

接下来就是通过查看Java进程看看Hadoop是否正常启动，如果正常启动就运行一下MapReduce程序跑一下计数程序  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 14]  
最后就是核实一下最终生成的文件中的内容（核实无误后就代表着伪分布模式搭建成功）![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 15]  
然后就是结束服务，只需要将最开始的`start`改成`stop`即可，一共也是需要输入4次密码才能进行关闭  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 16]

目前还仅仅是一台虚拟机，当集群中的机器多了时候，那么每台虚拟机启动Hadoop都要进行四次密码登录或者退出的话就太影响开发效率，免密登录的需求就很明显要提上日程了，所以接下来要解决的就是免密登录

免密登录的原理梳理如下，其中执行的代码顺序为

*  当前机器产生公钥和私钥：`ssh-keygen -t rsa`
 *  把公钥提交给给ServerB（这里就是自己）：`ssh-copy-id -i .ssh/id_rsa.pub root@bigdata111`  
    ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 17]

具体的上级操作如下：（先生成公钥和私钥）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 18]  
然后在把公钥传给另外的服务端，就会在.ssh文件夹中保有别的服务端的密码信息  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 19]  
至此免密码登录设置就完成了，可以重新启动Hadoop验证一下  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 20]  
最后就是查看一下Java进程（核实是否五个节点都在进程中）  
![在这里插入图片描述][20210710221422728.png]  
然后再看一下关闭服务是否需要密码（核实不需要密码。至此免密的设置完美结束）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 21]

# 4 全分布模式搭建 #

全分布模式的特点介绍如下

特点: (1)真正的分布式环境，用于生产
    	 (2)具备Hadoop的所有功能：HDFS、Yarn
    	 (3)3台机器

前面的博客中也介绍过，如果要搭建全分布模式Hadoop模式，至少需要三台虚拟机，这里就以bigdata112、bigdata113、bigdata114三台机子为例进行环境搭建。

## 4.1 准备工作 ##

三台机器的架构如下，具体按照5步进行配置  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 22]  
（1）首先第一步进行关闭防火墙，由于是对三台虚拟机同时进行操作，这时候就体现使用Xshell的优势了，在“工具”菜单栏选择“发送键输入到所有会话”，然后输入关闭防火墙的指令  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 23]  
（2）第二步，设置主机名和ip地址，编辑`etc/hosts`文件，如下（顺带把bigdata115的也设置了，注意这里的ip地址要以自己的为主）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 24]  
设置完之后就可以进行ping的操作，看看每台机器能否联通（下面举例是ping bigdata112，接下来还要ping剩下的几台机器，都确保无误后，主机名和ip地址就设置完成了）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 25]  
（3）设置免密码登录，首先查看一下三台机器上面密码的信息，通过查看`.ssh`文件夹，三台机器都没有设置免密码登录，然后三台机器同时生成公钥和私钥  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 26]  
然后再查看一下秘钥是否已经生成，如果生成就把公钥发送给对方  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 27]  
接着就把公钥发送给各个机器，这个演示发送到bigdata112，剩下的机器也是一样，修改最后一个数字再次输入回车即可  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 28]  
免密成功验证，就是通过ssh 主机名，看看是否能够直接访问（核实无误，bigdata114也可直接访问）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 29]  
（4）Java JDK安装，这里和之前的操作一样，还有添加环境变量，这里就不再赘述了，直接验证安装后的结果（安装的软件都放在training文件中，顺带安装一下storm，之后的课程中会介绍如何安装使用）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 30]  
使用echo看看环境变量是否设置完毕  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 31]  
（5）最后一步就是同步各台机子的时间了，保证到时候传递到Hadoop上执行程序是同步进行，执行代码：`date -s xxxx-xx-xx`  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 32]

## 4.2 Hadoop部署 ##

首先对于Hadoop的解压安装以及环境变量的配置是需要三台机器同步设置（如果无法做到同步也可以单独配置）

(*)解压安装包，配置环境变量
    tar -zxvf hadoop-2.7.3.tar.gz -C ~/training/
    
    HADOOP_HOME=/root/training/hadoop-2.7.3
    export HADOOP_HOME
    PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH
    export PATH

接下来就不需要进行三台机器的同步安装了，由于是要以bigdata112作为主节点，只需要配置一下这个机器上的Hadoop的其余文件就可以了，配置完成后直接将文件复制到剩下的两台机器上

bigdata112的配置Hadoop的配置和之前的伪分布环境的搭建基本上是类似，下面就是基本上完全照抄前面的配置。需要注意关于冗余度的设置，一般是要和DataNode数量保持一致，但是不要超过3，由于存在2个DataNode，所以这里

*  `hdfs-site.xml`文件中的`dfs.replication`值设置为2;
 *  `core-site.xml`文件的主节点改成`bigdata112`;
 *  `tmp`文件夹还是需要提前进行创建
 *  `yarn-site.xml`文件中配置`ResourceManager`的地址为`bigdata112`

以下只在bigdata112上进行设置

(*)仿照伪分布的模式进行编写
    hadoop-env.sh
    	export JAVA_HOME=/root/training/jdk1.8.0_181
    
    hdfs-site.xml
    	
    	
    	<property>
    		<name>dfs.replication</name>
    		<value>2</value>
    	</property>
    
    	
    	暂时先不配置
    	<property>
    		<name>dfs.permissions</name>
    		<value>false</value>
    	</property>
    
    core-site.xml
    	
    	
    	<property>
    		<name>fs.defaultFS</name>
    		<value>hdfs://bigdata112:9000</value>
    	</property>
    
           
    	
    	<property>
    		<name>hadoop.tmp.dir</name>
    		<value>/root/training/hadoop-2.7.3/tmp</value>
    	</property>
    	
    mapred-site.xml：这个文件默认没有,需要先cp一下
    	
    	<property>
    		<name>mapreduce.framework.name</name>
    		<value>yarn</value>
    	</property>
    
    yarn-site.xml
    	
    	<property>
    		<name>yarn.resourcemanager.hostname</name>
    		<value>bigdata112</value>
    	</property>
    
    	
    	<property>
    		<name>yarn.nodemanager.aux-services</name>
    		<value>mapreduce_shuffle</value>
    	</property>

除了以上的配置之外还要单独设置一个slaves文件，用以指定定从节点的地址：bigdata113，bigdata114  
![在这里插入图片描述][20210711001440496.png]  
至此所有的配置就完成了，然后对NameNode进行格式化，也就还是在bigdata112中进行，代码指令：`hdfs namenode -format`（和伪分布环境搭建一样，使用之前都需要进行格式化）

然后再将bigdata112中的文件直接复制到剩下两个机器中（在bigdata112的命令窗口执行）

scp -r hadoop-2.7.3/ root@bigdata113:/root/training
    scp -r hadoop-2.7.3/ root@bigdata114:/root/training

上机操作如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 33]

## 4.3 hadoop启动 ##

经历了这么多的磨难终于把全分布的模式部署完毕了，然后在bigdata112上面进行启动，输出结果如下（可以发现最终的各个机器开启的节点和最初设计的架构是一模一样）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 34]  
然后就要进行一个简单的计数程序的小测试了，首先将本地的文件上传到HDFS上，然后在调用jar包进行计数，代码如下  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 35]  
最后核实一下生成文件的内容，核实无误后，说明全分布环境部署成功了  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 36]  
至此，完结撒花了✿✿ヽ(°▽°)ノ✿，接下来就要介绍HDFS的体系架构。

[Link 1]: https://blog.csdn.net/lys_828/article/details/118635494
[20210710150817823.png]: /images/20221005/95d4383b8b91455a815130070cd3fdc4.png
[20210710151011868.png]: /images/20221005/4979a3635eb84ebf8f66e13e871c3c45.png
[2021071015114062.png]: /images/20221005/feaf19fbf35742189dd873261d94be19.png
[20210710151306779.png]: /images/20221005/6bb021b256944ba194facd385c70aaf0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70]: /images/20221005/9c0656bc2f9e401a83a9c89c3b4a5a4c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 1]: /images/20221005/f120d52c2f3443d5a078f06949d0e23c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 2]: /images/20221005/f132bb9ee8f24af79d85319778d7903a.png
[2021071015365098.png]: /images/20221005/1d1999e3e8664c83b757a0028b00fbe5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 3]: /images/20221005/6a5f683bae9e43d1b519aab9b976312a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 4]: /images/20221005/a5db530aa8ab4ab0a1feb5c1c23c8a45.png
[20210710175919164.png]: /images/20221005/b852748b3f494123948d6a074b8891d5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 5]: /images/20221005/92a22645d6ee4797aa0daf6263f52a25.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 6]: /images/20221005/436d09b0404c4d7ca1ff34441861ee7d.png
[20210710205051785.png]: /images/20221005/665fe015172f415eab1f63c2458d6c47.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 7]: /images/20221005/056a7349b4224e29bfa9019c2fc1daf7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 8]: /images/20221005/5fe36d32d1074d5995c32b49413c8dac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 9]: /images/20221005/196de93e29044cd48da04941a5163b25.png
[20210710211015903.png]: /images/20221005/05fb3b165a8f464a9d814a3826a273ed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 10]: /images/20221005/507e3fd917cc430fb74dce89f9d48e67.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 11]: /images/20221005/e9334d9baee74a6c88d9105b584b0aa8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 12]: /images/20221005/a04f1afb5858451cabb6165b33279945.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 13]: /images/20221005/627e678dc5644c0c8871e5fdbc01d0c6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 14]: /images/20221005/d555b8f4889442e3940bcc65489de273.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 15]: /images/20221005/82c4ddb4899349dfb2dc141a41e9fbd6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 16]: /images/20221005/d323ab9aa79a418687a913b531497800.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 17]: /images/20221005/c3ad7af65adf47db8d47502e2680b374.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 18]: /images/20221005/42bb7ae6c27c4d0489d11f944a73b665.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 19]: /images/20221005/cb68461bc22b426ca3c6b194fd8615b0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 20]: /images/20221005/6328a6e0b6f649729fa5ab435a68238c.png
[20210710221422728.png]: /images/20221005/e8eb01f5c44d48a99edf4607f5bf5ae2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 21]: /images/20221005/1da240db18c34e48a8d44eea65a7fd4e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 22]: /images/20221005/1518b3ed87064d9bb08bf80286bbcdd2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 23]: /images/20221005/13fe6582518c41a099b1de27b1e7bd2d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 24]: /images/20221005/dd1be5d2cbcb40caa18969b43dacb69f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 25]: /images/20221005/20fff32a61694cd6873d783e0373349b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 26]: /images/20221005/bb67e5b17d7b4a48b229c6ff9833557c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 27]: /images/20221005/8cb54f3b0ed647b4bbddc1421683b2a2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 28]: /images/20221005/df79e6b5a6d449268f2784286b1e3812.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 29]: /images/20221005/23b8207989144e20b6565bf1110bfd2a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 30]: /images/20221005/e2b6503e381f4b118796539a394f66d2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 31]: /images/20221005/7d15dbb75f91408dba442e9634d9a830.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 32]: /images/20221005/dff25b8e565b411a915c129d0c2e16b2.png
[20210711001440496.png]: /images/20221005/ca261e67656b4ddc8624314e4df75e79.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 33]: /images/20221005/19acbaa70d1f479e8a1058e3880ec312.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 34]: /images/20221005/4886cd1278204f75b0a51a145576f758.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 35]: /images/20221005/97088df805cf4130829d47915f3680c5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 36]: /images/20221005/a2cbe9c52539418296f139b82db46dc9.png