Spark SQL重点知识总结

淡淡的烟草味﹌ 2024-04-18 11:07 63阅读 0赞

# 一、Spark SQL的概念理解 #

Spark SQL是spark套件中一个模板，它将数据的计算任务通过SQL的形式转换成了RDD的计算，类似于Hive通过SQL的形式将数据的计算任务转换成了MapReduce。

**Spark SQL的特点：**  
1、和Spark Core的无缝集成，可以在写整个RDD应用的时候，配置Spark SQL来完成逻辑实现。  
2、统一的数据访问方式，Spark SQL提供标准化的SQL查询。  
3、Hive的继承，Spark SQL通过内嵌的hive或者连接外部已经部署好的hive案例，实现了对hive语法的继承和操作。  
4、标准化的连接方式，Spark SQL可以通过启动thrift Server来支持JDBC、ODBC的访问，将自己作为一个BI Server使用

**Spark SQL数据抽象：**  
1、RDD(Spark1.0)->DataFrame(Spark1.3)->DataSet(Spark1.6)  
2、Spark SQL提供了DataFrame和DataSet的数据抽象  
3、DataFrame就是RDD+Schema，可以认为是一张二维表格，劣势在于编译器不进行表格中的字段的类型检查，在运行期进行检查  
4、DataSet是Spark最新的数据抽象，Spark的发展会逐步将DataSet作为主要的数据抽象，弱化RDD和DataFrame.DataSet包含了DataFrame所有的优化机制。除此之外提供了以样例类为Schema模型的强类型  
5、DataFrame=DataSet\[Row\]  
6、DataFrame和DataSet都有可控的内存管理机制，所有数据都保存在非堆上，都使用了catalyst进行SQL的优化。

**Spark SQL客户端查询：**  
1、可以通过Spark-shell来操作Spark SQL，spark作为SparkSession的变量名，sc作为SparkContext的变量名  
2、可以通过Spark提供的方法读取json文件，将json文件转换成DataFrame  
3、可以通过DataFrame提供的API来操作DataFrame里面的数据。  
4、可以通过将DataFrame注册成为一个临时表的方式，来通过Spark.sql方法运行标准的SQL语句来查询。

# **二、Spark SQL查询方式** #

## **DataFrame查询方式** ##

1、DataFrame支持两种查询方式：一种是DSL风格，另外一种是SQL风格  
(1)、DSL风格：  
需要引入import spark.implicit.\_这个隐式转换，可以将DataFrame隐式转换成RDD  
(2)、SQL风格：  
a、需要将DataFrame注册成一张表格，如果通过CreateTempView这种方式来创建，那么该表格Session有效，如果通过CreateGlobalTempView来创建，那么该表格跨Session有效，但是SQL语句访问该表格的时候需要加上前缀global\_temp  
b、需要通过sparkSession.sql方法来运行你的SQL语句

## **DataSet查询方式** ##

定义一个DataSet，先定义一个Case类

# 三、DataFrame、Dataset和RDD互操作 #

## **1、RDD->DataFrame：** ##

*  普通方式：例如rdd.map(para(para(0).trim(),para(1).trim().toInt)).toDF("name","age")
 *  通过反射来设置schema，例如：

#通过反射设置schema，数据集是spark自带的people.txt,路径在下面的代码中case class Person(name:String,age:Int)val peopleDF=spark.sparkContext.textFile("file:///root/spark/spark2.4.1/examples/src/main/resources/people.txt").map(_.split(",")).map(para=>Person(para(0).trim,para(1).trim.toInt)).toDFpeopleDF.show

![format_png][]

#注册成一张临时表peopleDF.createOrReplaceTempView("persons")val teen=spark.sql("select name,age from persons where age between 13 and 29")teen.show

![format_png 1][]

这时teen是一张表，每一行是一个row对象，如果需要访问Row对象中的每一个元素，可以通过下标 row(0)；你也可以通过列名 row.getAs\[String\]（"name"）

![format_png 2][]也可以使用getAs方法：

![format_png 3][]

3、通过编程的方式来设置schema，适用于编译器不能确定列的情况

val peopleRDD=spark.sparkContext.textFile("file:///root/spark/spark2.4.1/examples/src/main/resources/people.txt")val schemaString="name age"val filed=schemaString.split(" ").map(filename=> org.apache.spark.sql.types.StructField(filename,org.apache.spark.sql.types.StringType,nullable = true))val schema=org.apache.spark.sql.types.StructType(filed)peopleRDD.map(_.split(",")).map(para=>org.apache.spark.sql.Row(para(0).trim,para(1).trim))val peopleDF=spark.createDataFrame(res6,schema)peopleDF.show

![format_png 4][]

![format_png 5][]

![format_png 6][]

## **2、DataFrame->RDD：** ##

dataFrame.rdd

## **3、RDD->DataSet：** ##

rdd.map(para=> Person(para(0).trim(),para(1).trim().toInt)).toDS

## **4、DataSet->DataSet：** ##

dataSet.rdd

## **5、DataFrame -> DataSet：** ##

dataFrame.to[Person]

## **6、DataSet -> DataFrame：** ##

dataSet.toDF

# **四、用户自定义函数** #

## **1、用户自定义UDF函数** ##

通过spark.udf功能用户可以自定义函数  
自定义udf函数：  
1、 通过spark.udf.register(name,func)来注册一个UDF函数，name是UDF调用时的标识符，fun是一个函数，用于处理字段。  
2、 需要将一个DF或者DS注册为一个临时表  
3、 通过spark.sql去运行一个SQL语句，在SQL语句中可以通过name(列名)方式来应用UDF函数

## **2、用户自定义聚合函数** ##

### **弱类型用户自定义聚合函数** ###

*  新建一个Class 继承UserDefinedAggregateFunction ，然后复写方法：

override def inputSchema: StructType = ???override def bufferSchema: StructType = ???override def dataType: DataType = ???override def deterministic: Boolean = trueoverride def initialize(buffer: MutableAggregationBuffer): Unit = ???override def update(buffer: MutableAggregationBuffer, input: Row): Unit = ???override def merge(buffer1: MutableAggregationBuffer, buffer2: Row): Unit = ???override def evaluate(buffer: Row): Any = ???

*  你需要通过spark.udf.resigter去注册你的UDAF函数。
 *  需要通过spark.sql去运行你的SQL语句，可以通过 select UDAF(列名) 来应用你的用户自定义聚合函数。

### **强类型用户自定义聚合函数** ###

1、新建一个class，继承Aggregator\[Employee, Average, Double\]，其中Employee是在应用聚合函数的时候传入的对象，Average是聚合函数在运行的时候内部需要的数据结构，Double是聚合函数最终需要输出的类型。这些可以根据自己的业务需求去调整。复写相对应的方法：

override def zero: Average = ???override def reduce(b: Average, a: Employee): Average = ???override def merge(b1: Average, b2: Average): Average = ???override def finish(reduction: Average): Double = ???override def bufferEncoder: Encoder[Average] = ???override def outputEncoder: Encoder[Double] = ???

2、新建一个UDAF实例，通过DF或者DS的DSL风格语法去应用。

# **五、Spark SQL和Hive的继承** #

## **内置Hive** ##

1、Spark内置有Hive，Spark2.1.1 内置的Hive是1.2.1。  
2、需要将core-site.xml和hdfs-site.xml 拷贝到spark的conf目录下。如果Spark路径下发现metastore\_db，需要删除【仅第一次启动的时候】。  
3、在你第一次启动创建metastore的时候，你需要指定spark.sql.warehouse.dir这个参数，  
比如：`bin/spark-shell --conf spark.sql.warehouse.dir=hdfs://master01:9000/spark_warehouse`  
4、注意，如果你在load数据的时候，需要将数据放到HDFS上。

## **外部Hive(这里主要使用这个方法)** ##

1、需要将hive-site.xml 拷贝到spark的conf目录下。  
2、如果hive的metestore使用的是mysql数据库，那么需要将mysql的jdbc驱动包放到spark的jars目录下。

3、可以通过spark-sql或者spark-shell来进行sql的查询。完成和hive的连接。

![format_png 7][]

这就是hive里面的表

![format_png 8][]

# **六、Spark SQL的数据源** #

## **输入** ##

对于Spark SQL的输入需要使用sparkSession.read方法

1、通用模式 sparkSession.read.format("json").load("path") 支持类型：parquet、json、text、csv、orc、jdbc  
2、专业模式 sparkSession.read.json、 csv 直接指定类型。

## **输出** ##

对于Spark SQL的输出需要使用 sparkSession.write方法

1、通用模式 dataFrame.write.format("json").save("path") 支持类型：parquet、json、text、csv、orc

2、专业模式 dataFrame.write.csv("path") 直接指定类型

3、如果你使用通用模式，spark默认parquet是默认格式、sparkSession.read.load 加载的默认是parquet格式dataFrame.write.save也是默认保存成parquet格式。

4、如果需要保存成一个text文件，那么需要dataFrame里面只有一列（只需要一列即可）。

# **七、Spark SQL实战** #

## 1、数据说明(有需要的可以下方留言) ##

这里有三个数据集，合起来大概有几十万条数据，是关于货品交易的数据集。

![format_png 9][]

**2、任务**

这里有三个需求：  
1、计算所有订单中每年的销售单数、销售总额  
2、计算所有订单每年最大金额订单的销售额  
3、计算所有订单中每年最畅销货品

## **3、步骤** ##

1、加载数据：

tbStock.txt

#代码case class tbStock(ordernumber:String,locationid:String,dateid:String) extends Serializableval tbStockRdd=spark.sparkContext.textFile("file:///root/dataset/tbStock.txt")val tbStockDS=tbStockRdd.map(_.split(",")).map(attr=>tbStock(attr(0),attr(1),attr(2))).toDStbStockDS.show()

![format_png 10][]

![format_png 11][]

![format_png 12][]

![format_png 13][]

tbStockDetail.txt

case class tbStockDetail(ordernumber:String,rownum:Int,itemid:String,number:Int,price:Double,amount:Double) extends Serializableval tbStockDetailRdd=spark.sparkContext.textFile("file:///root/dataset/tbStockDetail.txt")val tbStockDetailDS=tbStockDetailRdd.map(_.split(",")).map(attr=>tbStockDetail(attr(0),attr(1).trim().toInt,attr(2),attr(3).trim().toInt,attr(4).trim().toDouble,attr(5).trim().toDouble)).toDStbStockDetailDS.show()

![20190905210041754.gif][]

![format_png 14][]

![format_png 15][]

![format_png 16][]

tbDate.txt

case class tbDate(dateid:String,years:Int,theyear:Int,month:Int,day:Int,weekday:Int,week:Int,quarter:Int,period:Int,halfmonth:Int) extends Serializableval tbDateRdd=spark.sparkContext.textFile("file:///root/dataset/tbDate.txt")val tbDateDS=tbDateRdd.map(_.split(",")).map(attr=>tbDate(attr(0),attr(1).trim().toInt,attr(2).trim().toInt,attr(3).trim().toInt,attr(4).trim().toInt,attr(5).trim().toInt,attr(6).trim().toInt,attr(7).trim().toInt,attr(8).trim().toInt,attr(9).trim().toInt)).toDStbDateDS.show()

![format_png 17][]![format_png 18][]![format_png 19][]![format_png 20][]

2、注册表

tbStockDS.createOrReplaceTempView("tbStock")tbDateDS.createOrReplaceTempView("tbDate")tbStockDetailDS.createOrReplaceTempView("tbStockDetail")

![format_png 21][]

3、解析表

1、计算所有订单中每年的销售单数、销售总额

select c.theyear,count(distinct a.ordernumber),sum(b.amount)from tbStock ajoin tbStockDetail b on a.ordernumber=b.ordernumberjoin tbDate c on a.dateid=c.dateidgroup by c.theyearorder by c.theyear

![format_png 22][]

2、计算所有订单每年最大金额订单的销售额

a、先统计每年每个订单的销售额

select a.dateid,a.ordernumber,sum(b.amount) as SumOfAmountfrom tbStock ajoin tbStockDetail b on a.ordernumber=b.ordernumbergroup by a.dateid,a.ordernumber

![format_png 23][]

b、计算最大金额订单的销售额

select d.theyear,c.SumOfAmount as SumOfAmount from(select a.dateid,a.ordernumber,sum(b.amount) as SumOfAmount from tbStock ajoin tbStockDetail b on a.ordernumber=b.ordernumber  group by a.dateid,a.ordernumber) c  join tbDate d on c.dateid=d.dateid  group by d.theyearorder by theyear desc

![format_png 24][]

3、计算所有订单中每年最畅销货品

a、求出每年每个货品的销售额

select c.theyear,b.itemid,sum(b.amount) as SumOfAmount from tbStock a join tbStockDetail b on a.ordernumber=b.ordernumber join tbDate c on a.dateid=c.dateid group by c.theyear,b.itemid

![format_png 25][]

b、在a的基础上，统计每年单个货品的最大金额

select d.theyear,max(d.SumOfAmount) as MaxOfAmount from(select c.theyear,b.itemid,sum(b.amount) as SumOfAmount from tbStock a join tbStockDetail b on a.ordernumber=b.ordernumber join tbDate c on a.dateid=c.dateid group by c.theyear,b.itemid) d group by theyear

![format_png 26][]

c、用最大销售额和统计好的每个货品的销售额join，以及用年join，集合得到最畅销货品那一行信息

select distinct e.theyear,e.itemid,f.maxofamount from(select c.theyear,b.itemid,sum(b.amount) as sumofamount from tbStock a join tbStockDetail b on a.ordernumber=b.ordernumber join tbDate c on a.dateid=c.dateid group by c.theyear,b.itemid) e join(select d.theyear,max(d.sumofamount) as maxofamount from(select c.theyear,b.itemid,sum(b.amount) as sumofamount from tbStock a join tbStockDetail b on a.ordernumber=b.ordernumber join tbDate c on a.dateid=c.dateid group by c.theyear,b.itemid) d group by d.theyear) f on e.theyear=f.theyear and e.sumofamount=f.maxofamount order by e.theyear

![format_png 27][]

[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJQ0tZRDVnSWljaGJGdnhEbklqRDNobW81cmlhQ3JRek9KTnRHNmtvSTA0YVRyNmpQRDM3TGNiYmcvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJbzFXSUpKRGpraWNiQkRucUhKMnNwMW9mbUFmN0xkaWFSUjB5YzVjcmw3bTlpYjRpYmVqaWJ6Z3VpYlJnLzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJdlpiSVJtb2RHaWN5amNVYjNkR29DNjRKcUkyUHFsSHc1OFdUZllYVVdLTlJwdHdHdWliQUFBQ3cvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJVTczMUVUT0dCYXZGZXZRYnNyc1hja1pMVWtnc3oxWm5OTFlDNTVpYU1YcktDSDcxZmpMS3NsQS82NDA_dHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTEmd3hfY289MQ?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJeXVhTjYwdlhvN1FhUTQxT09udkFubWliMXl0akNSZ0prRE1UVHNGbTcxY0NWZUdzNkZpYUtuemcvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJcklnZDU5dTZQeHg0TkZuMmJZY1Jvb2FmU1NYU0FxalpwOVVOVjFqRkZrcTRwdEdRcURFVm93LzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJSEVqSnFPVkZwaWJjTk00VmliS3pXemp4VXNnOTZFclpBR3hIemppY3k4UU1CSWVDVGJPc0dUZWZ3LzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJVXhtekdOd0RwaWFHQnlCa1gxaWJ0TDVpYnFtc3llWVFiVXg3NEtvMHJWQlVOQ3JuaWNIUDdkbXJnZy82NDA_dHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTEmd3hfY289MQ?x-oss-process=image/format,png
[format_png 8]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJaWN1UklpYTN1aWJUdkJSTGVDTVJzanlNT0hyZmljY2lhUFVsTW5ZVmhnU0VuYkcxWnZvMnRQVldPN3cvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 9]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6L1VkSzlCeWZNVDJPaWN0VjBUSERLYno0SjNpYVBFc2YxWkFFcktBTkc5cHRGWkl1ellNaEZwaWFqa3l5NlhpYU4xUzJuTGhIek0yZ2E4V1NoV0h6Q2VnM1dsUS82NDA_d3hfZm10PW90aGVyJnRwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 10]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJZHRBOTJEMW1mSXNmVW04SEtCQmNnQm81QU1vTzZpY2lheGhIckcxcHh3R2VTRUJ2TE45T0EyREEvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 11]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJVXpEUWZUWWlheEQzVFFEamwzRzNPaWFrQUJIeUJnekRzOTVSYzc0Y0RvVG1RY01HTnNPbktEd1EvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 12]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJUnFuVlNFR1ZMUlh2SzZVQjU0NlpyTjQ5SWF1cHlJRjBJUGljRUlUMXlHaWNMNmljWWpyNEsxZjdnLzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 13]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJamt1NDdZQ3pSMGxpYmRsSTFVY1IxaWFIY3ZwVDh1UXdPQ1dyM1h0UVRXUk1VSm4ydGljaWNSNDFRdy82NDA_dHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTEmd3hfY289MQ?x-oss-process=image/format,png
[20190905210041754.gif]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/18/4e84c7c43c53462aa4f4a38f37778292.gif
[format_png 14]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJZmc3Ym01Q1Q3S3ppYUNTMFBiSThiZmpPeHVvQkxhb1UwNVVIMmtKaWFnWTNwRllDUVRHZzVpY2hRLzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 15]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJaWJZcWZBYzV1a29tMHF3TlFvMG9qTE1scU9qbk1NQ1J2aWFFazBlcjZKc2VSbGliTG8xZDJnTHVRLzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 16]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJVHZiU0ZaQ3pYUlk3RGljSlNGZ2R3bFp6WmV2b0cyQzhqaFNBOE5SZWYyU05EUW5zbXh4a2cxQS82NDA_dHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTEmd3hfY289MQ?x-oss-process=image/format,png
[format_png 17]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJbTkybjZUZ09kazZzTHg1UU1QUW1BaWJRbGNFWXpQdklwMnc2aDRNV2pObWFyeFRFNXRFZVhudy82NDA_dHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTEmd3hfY289MQ?x-oss-process=image/format,png
[format_png 18]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJSGlhOG5CWjRVc0lZM2ZTcGNyaWIyTTFPZXk5Z2xldHdvRmlhTGliT2p2bjUzaWNjTW96Z3hYMjFkYWcvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 19]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJdHA5SGxYeFQxYlBkRFFMOVFpYm5UcWRRVDlOdGlicWliRW1IU2liYkl2U2JLcm5ibDlsd2liQTdxVncvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 20]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJRnJpYUs3NUZIcERHUFlhaGZKNzNUZDlrYjFRdldsWU1xdlVTR2VxS1dESVFrZGpuaWE5Nmx6OHcvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png
[format_png 21]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJUjIyR3MxbkxsdUtuZERRSnpVaWNkQ2xpYXRFdXhhemtkZzJSZWtDeDVJQ2YzSGliM3NCMmNpYVd3QS82NDA_dHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTEmd3hfY289MQ?x-oss-process=image/format,png
[format_png 22]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJR0RkcWtJMzVLSEFLMHhnTkpMeXlubXVoUVpFenRXQ3pDWHA0UXBsbHd4Wjc3YWFRNUI1VUVBLzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 23]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJTTBPTWVPcVVVNkp0RWZEWklVdU9PdmdjSDlVQ3ZNQ25pYjJnamI1UHg5OW81aWNYY0VVa3ZLaWFnLzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 24]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJblhpYlJnT0M3T3RjZjFVaGhXZlgyaWFaSzZxS04xUUdXbm1pYlE4UEJlNGtZSmtzM01WY2xFZ3lnLzY0MD90cD13ZWJwJnd4ZnJvbT01Jnd4X2xhenk9MSZ3eF9jbz0x?x-oss-process=image/format,png
[format_png 25]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJTW03WW9BRE9jSUZ5NExrSVh0QU1DZjYyTHZncUhMQXFOeDhZclJpY2Z2aWJpYXFxOEdNMGljOGcxQS82NDA_dHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTEmd3hfY289MQ?x-oss-process=image/format,png
[format_png 26]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJVE9idlVrV3JOQXExOEtwQ3prZlpDd3dKbERHYUh5aWJROW9jMmg5V2Z3MmN6TnhsUWdRdFNwQS82NDA_dHA9d2VicCZ3eGZyb209NSZ3eF9sYXp5PTEmd3hfY289MQ?x-oss-process=image/format,png
[format_png 27]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy9VUzEwR2NkMHRRSEFDelV0M2lhZk9XUjNvdm1XUWlhaklJdUk3dzVLSks5RDZXcEZOVHhJU2ljZmVEblhST0ROZ2ticnoza0YwaWNBVHBXVTRHem5namw1RHcvNjQwP3RwPXdlYnAmd3hmcm9tPTUmd3hfbGF6eT0xJnd4X2NvPTE?x-oss-process=image/format,png