11：Hive从0到1系列学习：函数之常用的内置函数

雨点打透心脏的1/2处 2023-10-04 17:20 12阅读 0赞

#### 内容目录 ####

*   *   *  常用的内置函数
         *   *  ①空字段赋值：NVL
             *  ②CASE WHEN THEN ELSE END
             *  ③行转列
             *  ④列转行
             *  ⑤窗口函数
             *  ⑥Rank

#### 常用的内置函数 ####

##### ①空字段赋值：NVL #####

**NVL**：给值为NULL的数据赋值，它的格式是NVL( value，default\_value)。

功能：如果value为NULL，则NVL函数返回default\_value的值，否则返回value的值

如果两个参数都为NULL ，则返回NULL。

用法1：赋予一个常量

比如在员工表中就有很多空值，现在将奖金为空的员工赋值为0

select ename, sal, nvl(comm, 0) from emp;

nvl(comm, 0):当comm为null时，用0代替  
![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16]

用法2：赋予一个变量

当员工奖金为null时，用mgr代替

select ename, sal, nvl(comm, mgr) from emp;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 1]

##### ②CASE WHEN THEN ELSE END #####

用法：  
![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 2]

CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END 
    ---> When a = b, returns c; when a = d, return e; else return f

当a=b，返回c；当a=d，返回e；否则返回f；

##### ③行转列 #####

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 3]

1）CONCAT(string A/col, string B/col…)：返回输入字符串连接后的结果，支持任意个输入字符串;

Example:
    
     >>> SELECT concat('abc', 'def') FROM src LIMIT 1;
    
     >>> 'abcdef'

将前后两个字符串连接起来

2）CONCAT\_WS(separator, str1, str2,…)：

Example:
    >>> SELECT concat_ws('.', 'www', array('facebook', 'com')) FROM src LIMIT 1;
    >>> 'www.facebook.com'

根据某个指定字符连接起来，支持连接array和字符串

3）COLLECT\_SET(col)：

它的主要作用是将某字段的值进行去重汇总，产生array类型字段。

4）示例：

需要达成的效果把星座和血型一样的人归类到一起。结果如下：

射手座,A            猪八戒|小白龙
    白羊座,A            孙悟空|唐僧
    白羊座,B            黑熊怪|沙和尚

（1）准备数据

vim /opt/module/hive/datas/concat.txt

孙悟空,白羊座,A
    猪八戒,射手座,A
    沙和尚,白羊座,B
    唐僧,白羊座,A
    小白龙,射手座,A
    黑熊怪,白羊座,B

（2）创建person\_info表并导入数据

create table person_info(
    name string, 
    constellation string, 
    blood_type string
    ) 
    row format delimited 
    fields terminated by ",";

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 4]

导入数据

load data local inpath '/opt/module/hive/datas/concat.txt' into table person_info;

![在这里插入图片描述][2ee85c92e48347aabe95e127cdf78f55.png]

（3）按照要求查询数据

SELECT
    	NAME,
    	CONCAT_WS(',',constellation,blood_type) c_b
    FROM person_info;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 5]

select 
    	t.c_b,
    	concat_ws('|', collect_set(t.name))
    from(
        SELECT
        NAME,
        CONCAT_WS(',',constellation,blood_type) c_b
        FROM person_info
        ) t
    group by t.c_b;

![在这里插入图片描述][99f7dddf0be74e1baa4e668e0cedf970.png]

除了上述的写法，还可以在一个selct语句中实现

SELECT
    concat_ws('|',COllect_set(concat_ws(',',constellation,blood_type))),
    concat_ws('|',collect_set(name))
    FROM person_info
    group by constellation,blood_type;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 6]

##### ④列转行 #####

![在这里插入图片描述][be055475138b4f55acfa130f37ea5b36.png]

1）EXPLODE(col)：

将hive一列中复杂的array或者map结构拆分成多行  
![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 7]

2）SPLIT(string str, string regex):

按照regex字符串分割str，会返回分割后的字符串数组  
![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 8]

3）LATERAL VIEW

用法：LATERAL VIEW udtf(expression) tableAlias AS columnAlias

用于和split, explode等UDTF一起使用，它能够将一列数据拆成多行数据，再将多行结果组合成一个支持别名的虚拟表

4）示例

需求：将电影分类中的categroy列的数据分开

movie	        category
    《疑犯追踪》	 悬疑,动作,科幻,剧情
    《Lie to me》	悬疑,警匪,动作,心理,剧情
    《战狼2》	  战争,动作,灾难
    
      ↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓
      
    《疑犯追踪》      悬疑    
    《疑犯追踪》      动作
    《疑犯追踪》      科幻
    《疑犯追踪》      剧情
    《Lie to me》   悬疑
    《Lie to me》   警匪
    《Lie to me》   动作
    《Lie to me》   心理
    《Lie to me》   剧情
    《战狼2》        战争
    《战狼2》        动作
    《战狼2》        灾难

（1）数据准备

vim /opt/module/hive/datas/movie\_info.txt

《疑犯追踪》	悬疑,动作,科幻,剧情
    《Lie to me》	悬疑,警匪,动作,心理,剧情
    《战狼2》	战争,动作,灾难

（2）创建hive表并导入数据

create table if not exists movie_info(
        movie string,
        category string
    )
    row format delimited
    fields terminated by '\t';

（3）导入数据

load data local inpath '/opt/module/hive/datas/movie_info.txt' into table test.movie_info;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 9]

（4）按需求查询数据

select movie, category_name
    from movie_info
    lateral view
    explode(split(category, ',')) movie_temp
    as category_name;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 10]

##### ⑤窗口函数 #####

1）相关函数说明

<table> 
 <thead> 
  <tr> 
   <th>函数名</th> 
   <th>描述</th> 
   <th>用法</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>over()</td> 
   <td>指定分析函数工作的数据窗口大小， <br> 这个数据窗口的大小可能会随着行的改变而改变 <br>Current row: 当前行 n <br>preceding：往前n行数据 n<br> following：往后n行数据 <br>unbounded preceding：表示从前面的起点 <br> unbounded following：表示从后面的起点</td> 
   <td>over(partition by name) <br>over(order by orderdate) <br>over(rows between and ) <br>over(rows between unbounding preceding and unbounded following ) <br>over(partition by name order by orderdate <br>rows between n preceding and current)</td> 
  </tr> 
  <tr> 
   <td>lag(col,n,default_val)</td> 
   <td>往前第n行数据</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>lead(col,n,default_val)</td> 
   <td>往后第n行数据</td> 
   <td></td> 
  </tr> 
  <tr> 
   <td>Ntile(n)</td> 
   <td>把有序窗口的行分发到指定数据的组中，各个组的编号，编号从1开始，对于每一行，ntile返回此行所属的组的编号 注意：n必须为int类型</td> 
   <td></td> 
  </tr> 
 </tbody> 
</table>

注意：

当有Order by ，没有WINDOW时， WINDOW的范围是，unbounded preceding and current row

select count(*) over(order by orderdate) from business where month(orderdate)=4;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_16_color_FFFFFF_t_70_g_se_x_16]

当Order by和 WINDOW都没有时， WINDOW的范围是，unbounded preceding and unbounded following

select count(*) over() from business where month(orderdate)=4;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 11]

2）示例

（1）数据准备

vim /opt/module/hive/datas/business.txt

jack,2017-01-01,10
    tony,2017-01-02,15
    jack,2017-02-03,23
    tony,2017-01-04,29
    jack,2017-01-05,46
    jack,2017-04-06,42
    tony,2017-01-07,50
    jack,2017-01-08,55
    mart,2017-04-08,62
    mart,2017-04-09,68
    neil,2017-05-10,12
    mart,2017-04-11,75
    neil,2017-06-12,80
    mart,2017-04-13,94

（2）创建hive表

create table if not exists business(
        name string,
        orderdate string,
        cost int
    )
    row format delimited
    fields terminated by ',';

（3）导入数据

load data local inpath '/opt/module/hive/datas/business.txt' into table test.business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 12]

（4）需求

1.  查询在2017年4月份购买过的顾客及总人数
2.  查询顾客的购买明细及月购买总额
3.  上述的场景, 将每个顾客的cost按照日期进行累加
4.  查询每个顾客上次的购买时间
5.  查询前20%时间的订单信息

（5）需求实现

1、查询在2017年4月份购买过的顾客及总人数

首先，如何查询出4月份购买过的顾客名单

select name from businee where month(orderdata)=4;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 13]

然后求出购买的总人数

select count(*) from business where month(orderdate)=4;

![在这里插入图片描述][cee95fc529ac45f093b2f0a0cf9c61ee.png]

需要把所有的名字后面都添加一个总人数，使用窗口函数

select count(*) over() from business where month(orderdate)=4;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 14]

这种求得的总人数会把重复的也计算上去，所以分组求解

select count(*) over() from business where month(orderdate)=4;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 15]

将其组合在一起

select name, count(*) over() from business where month(orderdate)=4 group by name;

![在这里插入图片描述][ece2a15582974cd8b841a2385d468c75.png]

注意：如果日期并不是规则的格式，就不可以使用month进行月份判断，就可以使用分割字符substring进行处理

select name, count(*) over() from business where substring(orderdate, 1, 7)='2017-04' group by name;

![在这里插入图片描述][70877455c48349058788f1dd64b95de2.png]

2、查询顾客的购买明细及月购买总额

首先，如何查询顾客的购买明细

select name, count from business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 16]

然后查询出月购买金额

select name, orderdate, cost, sum(cost) over(partition by name,month(orderdate)) from business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 17]

3、将每个顾客的cost按照日期进行累加

将所有行进行累加

select name, orderdate, cost, sum(cost) over(partition by name order by month(orderdate)) from business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 18]

将本行和前所有行进行累加

select name, cost, sum(cost) 
    over(
        partition by name 
        order by month(orderdate) 
        rows between unbounded preceding and current row) 
    from business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 19]

将本行只与前一行进行聚合

select name, cost, sum(cost)
    over(
        partition by name
        order by month(orderdate)
        rows between 1 preceding and 1 following
    )
    from business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_17_color_FFFFFF_t_70_g_se_x_16]

将本行与后面所有行进行聚合

select name, cost, sum(cost)
    over(
        partition by name
        order by month(orderdate)
        rows between current row and unbounded following
    )
    from business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_17_color_FFFFFF_t_70_g_se_x_16 1]

按照名字和月份分组，组内递增

select name, orderdate, cost, sum(cost)
    over(
        partition by name, month(orderdate)
        order by day(orderdate)
        rows between unbounded preceding and current row
    )
    from business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 20]

（4）查看顾客上次的购买时间

lag(col, n, default\_val)：往前n行的数据col

select 
    	name,
    	orderdate,
    	cost, 
    	lag(orderdate,1,'1900-01-01') over(partition by name order by orderdate ) as time1,
    	lag(orderdate,2) over (partition by name order by orderdate) as time2
    from business;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 21]

（5）查询前20%时间的订单信息

ntile(n)：把有序窗口的行分发到指定数据的组中，各个组的编号，编号从1开始，对于每一行，ntile返回此行所属的组的编号

将数据按指定顺序分为n组

select * from (
        select name,orderdate,cost, ntile(5) over(order by orderdate) sorted from business
    ) t
    where sorted = 1;

![在这里插入图片描述][d6b2acf2cab54602a3f83180e5c5fe21.png]

order by还可以指定正序或降序

select * from (
        select name,orderdate,cost, ntile(5) over(order by orderdate desc) sorted from business
    ) t
    where sorted = 1;

![在这里插入图片描述][44b8bd1679424035991a0aa4cf042a89.png]

##### ⑥Rank #####

函数说明：

**RANK()** 排序相同时会重复，总数不会变

**DENSE\_RANK()** 排序相同时会重复，总数会减少

**ROW\_NUMBER()** 会根据顺序计算

有这么一张表的数据，按需要进行处理  
![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 22]

1）按照学科对分数进行排序，重复时顺序相同，总数不变

select 
    name, 
    subject, 
    score,
    rank() over(partition by subject order by score desc) sorts
    from score;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 23]

2）按照学科对分数进行排序，重复时顺序相同，总数减少

select 
    name, 
    subject, 
    score,
    dense_rank() over(partition by subject order by score desc) sorts
    from score;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 24]

3）按照学科对分数进行排序，重复时顺序排列，总数不变

select 
    name, 
    subject, 
    score,
    row_number() over(partition by subject order by score desc) sorts
    from score;

![在这里插入图片描述][watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 25]

[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/c25c7cf5d6154d1e8adde98515127047.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/296626ae6ccb4b788627db267f708b47.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 2]: https://img-blog.csdnimg.cn/307182260621490381f1a2b0c4ac8ebc.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 3]: https://img-blog.csdnimg.cn/811a29a8750b4d2b829d81b261e81232.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 4]: https://img-blog.csdnimg.cn/daf7fe53abc6451e8763e12d086e62ea.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[2ee85c92e48347aabe95e127cdf78f55.png]: https://img-blog.csdnimg.cn/2ee85c92e48347aabe95e127cdf78f55.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 5]: https://img-blog.csdnimg.cn/99bf03fe42854166bd4df856428cd816.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[99f7dddf0be74e1baa4e668e0cedf970.png]: https://img-blog.csdnimg.cn/99f7dddf0be74e1baa4e668e0cedf970.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 6]: https://img-blog.csdnimg.cn/a6f2089657a5442daa4a8c671df6f5a9.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[be055475138b4f55acfa130f37ea5b36.png]: https://img-blog.csdnimg.cn/be055475138b4f55acfa130f37ea5b36.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 7]: https://img-blog.csdnimg.cn/33df079d4eb6468ead27d287a82b79c6.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 8]: https://img-blog.csdnimg.cn/d169d3c9da604bbfbde953b09e790830.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 9]: https://img-blog.csdnimg.cn/431bd77a20d84c95a5c6538d8711d272.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 10]: https://img-blog.csdnimg.cn/99e374837a42444893dbf7e6f7b22297.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_16_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/aebd3c47f53940f488162233fc04c3bc.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_16,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 11]: https://img-blog.csdnimg.cn/94ae5b56d6a84ae5afacf1bcb53ea8e3.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 12]: https://img-blog.csdnimg.cn/e654f770c8e24eea85aaeac4d718257d.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 13]: https://img-blog.csdnimg.cn/0fbce55306a4484cb77211015882519c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[cee95fc529ac45f093b2f0a0cf9c61ee.png]: https://img-blog.csdnimg.cn/cee95fc529ac45f093b2f0a0cf9c61ee.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 14]: https://img-blog.csdnimg.cn/a2de4d8688764379adaf6630613b71f5.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 15]: https://img-blog.csdnimg.cn/049ab81367904530aecc49b61dc57638.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[ece2a15582974cd8b841a2385d468c75.png]: https://img-blog.csdnimg.cn/ece2a15582974cd8b841a2385d468c75.png
[70877455c48349058788f1dd64b95de2.png]: https://img-blog.csdnimg.cn/70877455c48349058788f1dd64b95de2.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 16]: https://img-blog.csdnimg.cn/ee0b55ac31ac4f6583717e5c4d0fb85b.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 17]: https://img-blog.csdnimg.cn/55c411c8001743f580439a4a2df64412.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 18]: https://img-blog.csdnimg.cn/bad8418e87be4633af8bae08703ea01c.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 19]: https://img-blog.csdnimg.cn/ffe97b5a48d54953a8588da8d4510646.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_17_color_FFFFFF_t_70_g_se_x_16]: https://img-blog.csdnimg.cn/0661dd1919b2434dad48c23580a239f5.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_17,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_17_color_FFFFFF_t_70_g_se_x_16 1]: https://img-blog.csdnimg.cn/fdcba145e8b642329792b06de45a8e98.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_17,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 20]: https://img-blog.csdnimg.cn/573e539711d44ba783a5546a1bccc101.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 21]: https://img-blog.csdnimg.cn/570ced9e3d3840ea9e57b84875bc7d91.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[d6b2acf2cab54602a3f83180e5c5fe21.png]: https://img-blog.csdnimg.cn/d6b2acf2cab54602a3f83180e5c5fe21.png
[44b8bd1679424035991a0aa4cf042a89.png]: https://img-blog.csdnimg.cn/44b8bd1679424035991a0aa4cf042a89.png
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 22]: https://img-blog.csdnimg.cn/cc897ba7c740454ebfb247fd6a87a1a9.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 23]: https://img-blog.csdnimg.cn/89d9c4dc7d2e4559a038eba9b190d0fc.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 24]: https://img-blog.csdnimg.cn/020c4537e64e4ddfa086f17f235dbd60.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16
[watermark_type_d3F5LXplbmhlaQ_shadow_50_text_Q1NETiBA54mn56CB5paH_size_20_color_FFFFFF_t_70_g_se_x_16 25]: https://img-blog.csdnimg.cn/01a5cf9d3b4a432a90c2c087d180533a.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA54mn56CB5paH,size_20,color_FFFFFF,t_70,g_se,x_16