Mysql-Explain与索引详解

今天药忘吃喽~ 2023-01-14 04:56 99阅读 0赞

# Mysql系列文章目录 #

提示：使用EXPLAIN关键字可以模拟优化器执行SQL语句，分析你的查询语句或是结构的性能瓶颈  
在 select 语句之前增加 explain 关键字，MySQL 会在查询上设置一个标记，执行查询会返回执行计划的信息，而不是执行这条SQL

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

注意：如果 from 中包含子查询，仍会执行该子查询，将结果放入临时表中

### 文章目录 ###

*  Mysql系列文章目录
 *  前言
 *  一、Explain分析
 *   *  explain中的列
 *  二、索引实践
 *   *  1.全值匹配
     *  2.最左前缀法则
     *  3.不在索引列上做任何操作（计算、函数、（自动or手动）类型转换），会导致索引失效而转向全表扫描
     *  4.存储引擎不能使用索引中范围条件右边的列
     *  5.尽量使用覆盖索引（只访问索引的查询（索引列包含查询列）），减少 select \* 语句
     *  6.mysql在使用不等于（！=或者<>），not in ，not exists 的时候无法使用索引会导致全表扫描
     *  7.is null,is not null 一般情况下也无法使用索引
     *  8.like以通配符开头（'$abc...'）mysql索引失效会变成全表扫描操作
     *  9.字符串不加单引号索引失效
     *  10.少用or或in，用它查询时，mysql不一定使用索引，mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引，详见范围查询优化
     *  11.范围查询优化

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

# 前言 #

提示：我们常用的Mysql数据库，恰恰工作中查询效率比较慢我们如何优化？SQL的执行顺序，为什么不走索引。

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

# 一、Explain分析 #

[mysql官网][mysql]

如果有写的不清楚的地方请参考官网，我这里演示的是mysql 5.5版本，有些版本不太一样，但是相差不大

接下来我们先建三张表

DROP TABLE IF EXISTS `user`; 
    CREATE TABLE `user` (
      `id` int(11) NOT NULL  ,
      `name` varchar(45) DEFAULT NULL ,
      `update_time` datetime DEFAULT NULL  ,
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    
    INSERT INTO `user` (`id`, `name`, `update_time`) VALUES (1,'a','2021-04-20 15:27:18'), (2,'b','2021-04-19 15:27:18'), (3,'c','2021-04-18 15:27:18');
    
    DROP TABLE IF EXISTS `role`;
    CREATE TABLE `role` (
      `id` int(11) NOT NULL AUTO_INCREMENT,
      `name` varchar(10) DEFAULT NULL ,
      PRIMARY KEY (`id`),
      KEY `idx_name` (`name`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    
    INSERT INTO `role` (`id`, `name`) VALUES (3,'role3'),(1,'role1'),(2,'role2');
    
    DROP TABLE IF EXISTS `user_role`;
    CREATE TABLE `user_role` (
      `id` int(11) NOT NULL,
      `role_id` int(11) NOT NULL,
      `user_id` int(11) NOT NULL,
      `description` varchar(255) DEFAULT NULL,
      PRIMARY KEY (`id`),
      KEY `idx_role_user_id` (`role_id`,`user_id`)
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
    
    INSERT INTO `user_role` (`id`, `role_id`, `user_id`) VALUES (1,1,1),(2,1,2),(3,2,1);

接下来咱们先看一条sql

explain select * from user;

![在这里插入图片描述][20210420094202628.png]  
咱们一看这sql是扫了全表了，在查询中的每个表会输出一行，如果有两个表通过 join 连接查询，那么会输出两行 下面的英文这是啥？接下来我给他大家一一解说

**explain 两个变种**

explain extended：会在 explain 的基础上额外提供一些查询优化的信息。紧随其后通过 show warnings 命令可以得到优化后的查询语句，从而看出优化器优化了什么。额外还有 filtered 列，是一个半分比的值，rows \* filtered/100 可以估算出将要和 explain 中前一个表进行连接的行数（前一个表指 explain 中的id值比当前表id值小的表）。

explain extended select * from role where id = 1;

![在这里插入图片描述][2021042009475255.png]

show warnings;

![在这里插入图片描述][20210420095125194.png]  
这里咱们看Message消息这里面的sql 是优化后的有的可执行，有的不可执行的，这是mysql 底层计算的

select 1 AS `id`,'role1' AS `name` from `test`.`role` where 1

怎么变成了这样我的sql变成了常量，这样执行很快，但是他是怎么走的？？？

explain partitions：相比 explain 多了个 partitions 字段，如果查询是基于分区表的话，会显示查询将访问的分区。这个的话工作中很少用

## explain中的列 ##

接下来我们将展示 explain 中每个列的信息。

**1.id列**  
id列的编号是 select 的序列号，有几个 select 就有几个id，并且id的顺序是按 select 出现的顺序增长的。id列越大执行优先级越高，id相同则从上往下执行，id为NULL最后执行。

EXPLAIN  SELECT (select id from role)  FROM (select * from user ) users

![在这里插入图片描述][20210420102027922.png]  
如下先执行id为2的role表

**2. select\_type列**  
select\_type 表示对应行是简单还是复杂的查询。  
1）simple：简单查询。查询不包含子查询和union

explain select * from role where id = 2;

![在这里插入图片描述][20210420102427998.png]  
2）primary：复杂查询中最外层的 select，执行了最外层的(select \* from user )

EXPLAIN  SELECT (select id from role)  FROM (select * from user ) users

![在这里插入图片描述][20210420102605819.png]

3）subquery：包含在 select 中的子查询（不在 from 子句中）  
4）derived：包含在 from 子句中的子查询。MySQL会将结果存放在一个临时表中，也称为派生表（derived的英文含义） 为了节省空间，执行一次查询生成临时表，方便下一次查询  
用这个例子来了解 primary、subquery 和 derived 类型

set session optimizer_switch='derived_merge=off'; #关闭mysql5.5新特性对衍生表的合并优化
    explain select (select 1 from user where id = 1) from (select * from role where id = 1) users;

子查询，临时表  
![在这里插入图片描述][2021042010350253.png]  
table列与select\_type相关联的derived临时表 3是id 由上面的例子，咱们看出3最先执行然后2 然后 1最大的id先执行

set session optimizer_switch='derived_merge=on';	#还原默认配置

5）union：在 union 中的第二个和随后的 select

explain select 1 union all select 1;

![在这里插入图片描述][20210420105401895.png]

**3. table列**  
这一列表示 explain 的一行正在访问哪个表。  
当 from 子句中有子查询时，table列是 格式，表示当前查询依赖 id=N 的查询，于是先执行 id=N 的查询。  
当有 union 时，UNION RESULT 的 table 列的值为<union1,2>，1和2表示参与 union 的 select 行id。

**4. type列**  
这一列表示关联类型或访问类型，即MySQL决定如何查找表中的行，查找数据行记录的大概范围。  
依次从最优到最差分别为：**system > const > eq\_ref > ref > range > index > ALL**  
一般来说，得保证查询达到**range**级别，最好达到**ref**  
**NULL：** mysql能够在优化阶段分解查询语句，在执行阶段用不着再访问表或索引。例如：在索引列中选取最小值，可以单独查找索引来完成，不需要在执行时访问表

explain select min(id) from role;

![在这里插入图片描述][20210420110813746.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNzMxMzU4_size_16_color_FFFFFF_t_70]  
我们在索引中就能找到最小的值而不用继续往下扫描，这样节省了很多时间

**const, system：** mysql能对查询的某部分进行优化并将其转化成一个常量（可以看show warnings 的结果）。用于 primary key 或 unique key 的所有列与常数比较时，所以表最多有一个匹配行，读取1次，速度比较快。**system是const的特例**，表里只有一条元组匹配时为system

set session optimizer_switch='derived_merge=off';
     explain extended select * from (select * from role where id = 1) r;
     show WARNINGS;

![在这里插入图片描述][20210420112157222.png]

![在这里插入图片描述][2021042011221489.png]

select 1 AS `id`,'role1' AS `name` from dual

**eq\_ref：** primary key 或 unique key 索引的所有部分被连接使用 ，最多只会返回一条符合条件的记录。这可能是在 const 之外最好的联接类型了，简单的 select 查询不会出现这种 type。

explain select * from user_role left join role on user_role.role_id = role.id;

![在这里插入图片描述][20210420112626620.png]  
\*\*ref：\*\*相比 eq\_ref，不使用唯一索引，而是使用普通索引或者唯一性索引的部分前缀，索引要和某个值相比较，可能会找到多个符合条件的行。

1.  简单 select 查询，name是普通索引（非唯一索引）

explain select * from role where name = 'role1';

![在这里插入图片描述][20210420112956633.png]  
2.关联表查询，idx\_role\_user\_id是role\_id和user\_id的联合索引，这里使用到了user\_role的左边前缀role\_id部分。

explain select role.id from role left join user_role on role.id = user_role.role_id;

![在这里插入图片描述][20210420113644662.png]  
**range：** 范围扫描通常出现在 in(), between ,> ,<, >= 等操作中。使用一个索引来检索给定范围的行。所以我们优化，这样感觉走索引扫全表没啥区别了，虽然走了主键索引

explain select * from user where id > 1;

![在这里插入图片描述][20210420113843983.png]  
**index：** 扫描全索引就能拿到结果，一般是扫描某个二级索引，这种扫描不会从索引树根节点开始快速查找，而是直接对二级索引的叶子节点遍历和扫描，速度还是比较慢的，这种查询一般为使用覆盖索引，二级索引一般比较小，所以这种通常比ALL快一些。

explain select * from role;

![在这里插入图片描述][2021042011432123.png]  
**ALL：** 即全表扫描，扫描你的聚簇索引的所有叶子节点。通常情况下这需要增加索引来进行优化了。

explain select * from user;

![在这里插入图片描述][20210420114734682.png]  
**5. possible\_keys列**  
这一列显示查询可能使用哪些索引来查找。 通过数据库的算法有可能会走索引，这个只是估算出  
explain 时可能出现 possible\_keys 有列，而 key 显示 NULL 的情况，这种情况是因为表中数据不多，mysql认为索引对此查询帮助不大，选择了全表查询。  
如果该列是NULL，则没有相关的索引。在这种情况下，可以通过检查 where 子句看是否可以创造一个适当的索引来提高查询性能，然后用 explain 查看效果。

**6. key列**  
这一列显示mysql实际采用哪个索引来优化对该表的访问。  
如果没有使用索引，则该列是 NULL。如果想强制mysql使用或忽视possible\_keys列中的索引，在查询中使用 force index、ignore index。

**7. key\_len列**  
这一列显示了mysql在索引里使用的字节数，通过这个值可以算出具体使用了索引中的哪些列。  
举例来说，user\_role的联合索引 idx\_role\_user\_id 由 role\_id 和 user\_id 两个int列组成，并且每个int是4字节。通过结果中的key\_len=4可推断出查询使用了第一个列：role\_id列来执行索引查找。

explain select * from user_role where role_id = 2;

![在这里插入图片描述][20210420115126973.png]  
**key\_len计算规则如下：**  
**字符串**，char(n)和varchar(n)，5.0.3以后版本中，n均代表字符数，而不是字节数，如果是utf-8，一个数字或字母占1个字节，一个汉字占3个字节

*  char(n)：如果存汉字长度就是 3n 字节
 *  varchar(n)：如果存汉字则长度是 3n + 2 字节，加的2字节用来存储字符串长度，因为varchar是变长字符串，也就是 name=‘role1’ 这个role1长度是5，3\*5+2=17  
    **数值类型**
 *  tinyint：1字节
 *  smallint：2字节
 *  int：4字节
 *  bigint：8字节　　  
    **时间类型**
 *  date：3字节
 *  timestamp：4字节
 *  datetime：8字节  
    如果字段允许为 NULL，需要1字节记录是否为 NULL  
    **索引最大长度是768字节**，当字符串过长时，mysql会做一个类似左前缀索引的处理，将前半部分的字符提取出来做索引。

**8. ref列**  
这一列显示了在key列记录的索引中，表查找值所用到的列或常量，常见的有：const（常量），字段名（例：role.id）

**9. rows列**  
这一列是mysql估计要读取并检测的行数，注意这个不是结果集里的行数。

**10. Extra列**  
这一列展示的是额外信息。常见的重要值如下：  
1）**Using index：** 使用覆盖索引  
覆盖索引定义：mysql执行计划explain结果里的key有使用索引，如果select后面查询的字段都可以从这个索引的树中获取，这种情况一般可以说是用到了覆盖索引，extra里一般都有using index；覆盖索引一般针对的是辅助索引，整个查询结果只通过辅助索引就能拿到结果，不需要通过辅助索引树找到主键，再通过主键去主键索引树里获取其它字段值

explain select role_id from user_role where role_id = 1;

![在这里插入图片描述][20210420120413575.png]  
2）**Using where：** 使用 where 语句来处理结果，并且查询的列未被索引覆盖，因为name没有索引

explain select * from user where name = 'a';

![在这里插入图片描述][20210420120548314.png]  
3）**Using index condition：** 查询的列不完全被索引覆盖，where条件中是一个前导列的范围；

explain select * from user_role where role_id > 1;

![在这里插入图片描述][20210420120826812.png]  
4）**Using temporary：** mysql需要创建一张临时表来处理查询。出现这种情况一般是要进行优化的，首先是想到用索引来优化。

1.  user.name没有索引，此时创建了张临时表来distinct

explain select distinct name from user;

![在这里插入图片描述][20210420120949305.png]  
2. role.name建立了idx\_name索引，此时查询时extra是using index,没有用临时表

explain select distinct name from role;

![在这里插入图片描述][20210420121407169.png]  
5）**Using filesort：** 将用外部排序而不是索引排序，数据较小时从内存排序，否则需要在磁盘完成排序。这种情况下一般也是要考虑使用索引来优化的。

1.user.name未创建索引，会浏览user整个表，保存排序关键字name和对应的id，然后排序name并检索行记录

explain select * from user order by name;

![在这里插入图片描述][20210420121711972.png]  
2. user.name建立了idx\_name索引,此时查询时extra是using index

explain select * from role order by name;

![在这里插入图片描述][20210420121859134.png]  
6）**Select tables optimized away**：使用某些聚合函数（比如 max、min）来访问存在索引的某个字段是

explain select min(id) from role;

![在这里插入图片描述][20210420122008452.png]

# 二、索引实践 #

CREATE TABLE `employees` (
      `id` int(11) NOT NULL AUTO_INCREMENT,
      `name` varchar(24) NOT NULL DEFAULT '' COMMENT '姓名',
      `age` int(11) NOT NULL DEFAULT '0' COMMENT '年龄',
      `position` varchar(20) NOT NULL DEFAULT '' COMMENT '职位',
      `hire_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '入职时间',
      PRIMARY KEY (`id`),
      KEY `idx_name_age_position` (`name`,`age`,`position`) USING BTREE
    ) ENGINE=InnoDB AUTO_INCREMENT=4 DEFAULT CHARSET=utf8 COMMENT='员工记录表';
    
    INSERT INTO employees(name,age,position,hire_time) VALUES('LiLei',22,'manager',NOW());
    INSERT INTO employees(name,age,position,hire_time) VALUES('HanMeimei', 23,'dev',NOW());
    INSERT INTO employees(name,age,position,hire_time) VALUES('Lucy',23,'dev',NOW());

## 1.全值匹配 ##

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei';

![在这里插入图片描述][20210420124058921.png]

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22;

![在这里插入图片描述][20210420124137823.png]

EXPLAIN SELECT * FROM employees WHERE  name= 'LiLei' AND  age = 22 AND position ='manager';

![在这里插入图片描述][20210420124223981.png]

## 2.最左前缀法则 ##

如果索引了多列，要遵守最左前缀法则。指的是查询从索引的最左前列开始并且不跳过索引中的列。

EXPLAIN SELECT * FROM employees WHERE name = 'Bill' and age = 31;
    EXPLAIN SELECT * FROM employees WHERE age = 30 AND position = 'dev';
    EXPLAIN SELECT * FROM employees WHERE position = 'manager';

![在这里插入图片描述][20210420124502227.png]  
![在这里插入图片描述][2021042012452190.png]  
![在这里插入图片描述][20210420124543834.png]

## 3.不在索引列上做任何操作（计算、函数、（自动or手动）类型转换），会导致索引失效而转向全表扫描 ##

EXPLAIN SELECT * FROM employees WHERE name = 'LiLei';
    EXPLAIN SELECT * FROM employees WHERE left(name,3) = 'LiLei';

![在这里插入图片描述][20210420124704394.png]  
![在这里插入图片描述][20210420124713762.png]  
给hire\_time增加一个普通索引：

ALTER TABLE `employees` ADD INDEX `idx_hire_time` (`hire_time`) USING BTREE ;

EXPLAIN  select * from employees where date(hire_time) ='2018-09-30';

![在这里插入图片描述][20210420124849477.png]  
转化为日期范围查询，有可能会走索引：

EXPLAIN  select * from employees where hire_time >='2018-09-30 00:00:00'  and  hire_time <='2018-09-30 23:59:59';

![在这里插入图片描述][20210420125006658.png]  
还原最初索引状态

ALTER TABLE `employees` DROP INDEX `idx_hire_time`;

## 4.存储引擎不能使用索引中范围条件右边的列 ##

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 22 AND position ='manager';
    EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age > 22 AND position ='manager';

![在这里插入图片描述][20210420125151748.png]  
![在这里插入图片描述][20210420125221987.png]

## 5.尽量使用覆盖索引（只访问索引的查询（索引列包含查询列）），减少 select \* 语句 ##

EXPLAIN SELECT name,age FROM employees WHERE name= 'LiLei' AND age = 23 AND position ='manager';

![在这里插入图片描述][20210420125352553.png]

EXPLAIN SELECT * FROM employees WHERE name= 'LiLei' AND age = 23 AND position ='manager';

![在这里插入图片描述][20210420125524192.png]

## 6.mysql在使用不等于（！=或者<>），not in ，not exists 的时候无法使用索引会导致全表扫描 ##

< 小于、 > 大于、 <=、>= 这些，mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引

EXPLAIN SELECT * FROM employees WHERE name != 'LiLei';TYPE是ALL全表

![在这里插入图片描述][20210420125658440.png]

## 7.is null,is not null 一般情况下也无法使用索引 ##

EXPLAIN SELECT * FROM employees WHERE name is null; TYPE和KEY 全是null

![在这里插入图片描述][20210420125813461.png]

## 8.like以通配符开头（’$abc…’）mysql索引失效会变成全表扫描操作 ##

EXPLAIN SELECT * FROM employees WHERE name like '%Lei'

![在这里插入图片描述][20210420130028201.png]

EXPLAIN SELECT * FROM employees WHERE name like 'Lei%';最左前缀参考上一篇

![在这里插入图片描述][20210420130108901.png]  
问题：解决like’%字符串%'索引不被使用的方法？  
a）使用覆盖索引，查询字段必须是建立覆盖索引字段

EXPLAIN SELECT name,age,position FROM employees WHERE name like '%Lei%';

![在这里插入图片描述][20210420130300100.png]  
b）如果不能使用覆盖索引则可能需要借助搜索引擎

## 9.字符串不加单引号索引失效 ##

EXPLAIN SELECT * FROM employees WHERE name = '1000';

![在这里插入图片描述][2021042013040327.png]

EXPLAIN SELECT * FROM employees WHERE name = 1000;

![在这里插入图片描述][20210420130445424.png]

## 10.少用or或in，用它查询时，mysql不一定使用索引，mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引，详见范围查询优化 ##

EXPLAIN SELECT * FROM employees WHERE name = 'LiLei' or name = 'HanMeimei';

![在这里插入图片描述][20210420130649364.png]

## 11.范围查询优化 ##

给年龄添加单值索引

ALTER TABLE `employees` ADD INDEX `idx_age` (`age`) USING BTREE ;

explain select * from employees where age >=1 and age <=2000;

![在这里插入图片描述][20210420131104183.png]  
没走索引原因：mysql内部优化器会根据检索比例、表大小等多个因素整体评估是否使用索引。比如这个例子，可能是由于单次数据量查询过大导致优化器最终选择不走索引  
优化方法：可以将大的范围拆分成多个小范围

explain select * from employees where age >=1 and age <=1000;
    explain select * from employees where age >=1001 and age <=2000;

![在这里插入图片描述][20210420131230795.png]  
![在这里插入图片描述][20210420131251895.png]  
还原最初索引状态

ALTER TABLE `employees` DROP INDEX `idx_age`;

索引使用总结：

<table> 
 <thead> 
  <tr> 
   <th>where语句</th> 
   <th>索引是否被使用</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>where a= 3</td> 
   <td>Y,使用到a</td> 
  </tr> 
  <tr> 
   <td>where a = 3 and b= 5</td> 
   <td>Y,使用到a，b</td> 
  </tr> 
  <tr> 
   <td>where a = 3 and b= 5 and c = 4</td> 
   <td>Y,使用到a,b,c</td> 
  </tr> 
  <tr> 
   <td>where b= 3或者where b = 3 and c =4或者where c = 4</td> 
   <td>N</td> 
  </tr> 
  <tr> 
   <td>where a = 3 and c = 5</td> 
   <td>使用到a，但是c不可以，b中间断了</td> 
  </tr> 
  <tr> 
   <td>where a = 3 and b &gt; 4 and c = 5</td> 
   <td>使用到a和b，c不能用在范围之后，b断了</td> 
  </tr> 
  <tr> 
   <td>where a = 3 and b like ‘kk%’ and c = 4</td> 
   <td>Y,使用到a,b,c</td> 
  </tr> 
  <tr> 
   <td>where a = 3 and b like "%kk’ and c = 4</td> 
   <td>Y,只用到a</td> 
  </tr> 
  <tr> 
   <td>where a = 3 and b like "%kk%’ and c = 4</td> 
   <td>Y,只用到a</td> 
  </tr> 
  <tr> 
   <td>where a= 3 and b like ‘k%kk%’ and c = 4</td> 
   <td>Y,使用到a,b,c</td> 
  </tr> 
 </tbody> 
</table>

**like KK%相当于=常量，%KK和%KK% 相当于范围**

[mysql]: https://dev.mysql.com/doc/refman/5.7/en/explain-output.html
[20210420094202628.png]: /images/20221022/f70597e8e1c64c069a3f3c25cdbc33bb.png
[2021042009475255.png]: /images/20221022/c3054a94c4cd4383a93f717bbf7b357d.png
[20210420095125194.png]: /images/20221022/a481536456914ff983aa8a2f66aeb6be.png
[20210420102027922.png]: /images/20221022/6f797f1a65a544da887effa0e22dd268.png
[20210420102427998.png]: /images/20221022/87c200d64e594f2b804610248fc493d6.png
[20210420102605819.png]: /images/20221022/22372ae1cef74dd98c3ead95265c3969.png
[2021042010350253.png]: /images/20221022/2749efa98bf3439989a873a70c8c74af.png
[20210420105401895.png]: /images/20221022/c25c6330b7664d779c01e7c29044e62b.png
[20210420110813746.png]: /images/20221022/6164a250cfec413b99068051f1b5fa31.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQyNzMxMzU4_size_16_color_FFFFFF_t_70]: /images/20221022/b0be095fd76e4b54bb3410592cf61cae.png
[20210420112157222.png]: /images/20221022/fb1971e65b4f497dabdf0132ce537d44.png
[2021042011221489.png]: /images/20221022/8006d353ff5a4f1fbd3ab4217d2bd984.png
[20210420112626620.png]: /images/20221022/5e486f97f26f4852be4e31ec0a1b18d5.png
[20210420112956633.png]: /images/20221022/fa72d57c39b64eff8176a551da878a91.png
[20210420113644662.png]: /images/20221022/8f3d4d3fc7bb4755afc5662c8e5f96c3.png
[20210420113843983.png]: /images/20221022/ae4e012fb0c841fa984244068a983912.png
[2021042011432123.png]: /images/20221022/71ba582b81f144edae1822b29dceea22.png
[20210420114734682.png]: /images/20221022/ba4bfc969f184277a242d5ee12df5846.png
[20210420115126973.png]: /images/20221022/dc2a48db85494267a1b356ca52051867.png
[20210420120413575.png]: /images/20221022/b5021f0665294ef0a0f9e75661b41a15.png
[20210420120548314.png]: /images/20221022/0522db7fddb041ee82daf7ab611ad974.png
[20210420120826812.png]: /images/20221022/50781756210b4ffeb9eccd1cc0a199c7.png
[20210420120949305.png]: /images/20221022/106431734a06429d96e398310dca2691.png
[20210420121407169.png]: /images/20221022/2d07bf8c218b45189b1153f2848a6541.png
[20210420121711972.png]: /images/20221022/c893beb5f2ae43a5a8b5372559c99f50.png
[20210420121859134.png]: /images/20221022/764b62b37189409eb2dae621b23b3ce2.png
[20210420122008452.png]: /images/20221022/2650ea161ce64a4ca22e9deb7876d166.png
[20210420124058921.png]: /images/20221022/a1c0261b78cf4ae487f3ff8c299015cb.png
[20210420124137823.png]: /images/20221022/4710cea28bb04bdca63036efacf7ea2a.png
[20210420124223981.png]: /images/20221022/b62beebedbb14979a6f3eda9ceb8d034.png
[20210420124502227.png]: /images/20221022/86e028b2387d4ffca1403a1abd46d3d7.png
[2021042012452190.png]: /images/20221022/0365a86638fe4b598a0ce79e45ee6789.png
[20210420124543834.png]: /images/20221022/a5850a29bbcf4abbbe3b671e985a0b18.png
[20210420124704394.png]: /images/20221022/bdaf8732eba34554afb5ed5dd909609e.png
[20210420124713762.png]: /images/20221022/90de460d43d94a5f9fcb5d2bc73d16dd.png
[20210420124849477.png]: /images/20221022/1a2370d3074140e1926e962ccfd05852.png
[20210420125006658.png]: /images/20221022/264093ca7ebb41babd15370e03ddd14b.png
[20210420125151748.png]: /images/20221022/74b72f828bf84e8e8d64ff78500af677.png
[20210420125221987.png]: /images/20221022/def61f4b16d64845b002f2089d86c9ff.png
[20210420125352553.png]: /images/20221022/fc0cfc02380d405cbdaf857766e705d3.png
[20210420125524192.png]: /images/20221022/22a5aacb1e1148158a109e8a13f4b368.png
[20210420125658440.png]: /images/20221022/b7e3fa3f6f104e19b4bca840ab55f8ba.png
[20210420125813461.png]: /images/20221022/6d201e46320247d7b8eeee2004c07f72.png
[20210420130028201.png]: /images/20221022/cff02ce736cd457dacd658824d841c48.png
[20210420130108901.png]: /images/20221022/047eb8b4997f429db3e5de84636e5c25.png
[20210420130300100.png]: /images/20221022/3f55a2779b9a4b89b6a298b852e818a8.png
[2021042013040327.png]: /images/20221022/e746ce50dea94884b2ae0315496abb2a.png
[20210420130445424.png]: /images/20221022/dda8d9ebc5ba4d1a84c9cff1f95ced55.png
[20210420130649364.png]: /images/20221022/6b914e73fa9d4d28a0c59db7f93605d3.png
[20210420131104183.png]: /images/20221022/b63fb548d0b544788c30ff54e0c10eb1.png
[20210420131230795.png]: /images/20221022/1c54bd9eb0534b0e84f09405cd23f6fb.png
[20210420131251895.png]: /images/20221022/e6a93e4e09af421bb0b0680d264541c6.png