nosql工具導入數據,Nosql注入

如何導入nosql數據庫 nosql數據庫入門

1. 使用python腳本可以輕松生成滿足條件的數據，具體如下

專注于為中小企業提供成都網站設計、成都網站制作服務,電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業博野免費做網站提供優質的服務。我們立足成都，凝聚了一批互聯網行業人才，有力地推動了成百上千家企業的穩健成長，幫助中小企業通過網站建設實現規模擴充和轉變。

#coding: utf-8import os, sys, time, datetimefrom itertools import izipN = 100000000def gen_meid(): returndef gen_seq(): returndef generate_message(meid,seq): ts = time.time(); time_st = datetime.datetime.fromtimestamp(ts).strftime('%Y-%m-%d %H:%M:%S') print '/t'.join(( meid, seq, '/N', '/N', '/N', '/N', '0', '0', '0', '0', time_st, '/N', '/N', '0', '/N', '/N', '/N', '/N', time_st ))def main(args): print '/t'.join(( 'deviceID', 'battery', ... , 'accumulatedTime', 'createDate' )) // for mongodb, mysql delete for meid,seq in izip(gen_meid(),gen_seq()): generate_message(meid,seq) pass return 0#==============================if __name__ == "__main__": import sys main(sys.argv) pass#==============================

$ python a.py device.tsv

2. 切分數據（可選）

tail -n +1 device.csv | head -n 5000000 part1.txt

tail -n +100001 device.csv | head -n 100000 part2.txt

tail -n +200001 device.csv | head -n 100000 part3.txt

tail -n +300001 device.csv | head -n 100000 part4.txt

3. 生成txt 文件

python a.py device.txt

如何高效地將SQL數據映射到NoSQL存儲系統中

NoSQL數據庫 ——FoundationDB的鍵-值存儲系統

FoundationDB是一個分布式的鍵-值存儲系統，支持全局ACID事務操作，并且性能出眾。在安裝系統時，可以指定數據分發的級別。數據分發為容錯性提供了支持：當某個服務器或網絡的某部分產生故障時，數據庫仍然可以正常操作，你的應用也不會受到影響。

鍵-值與SQL架構

我們開發的這套架構能夠在鍵-值存儲系統上支持多個層，每個層都能夠在FoundationDB的基礎上提供一套不同的數據模型，例如SQL數據庫、文檔數據庫或圖形數據庫。許多使用者也自行創建了自定義的層。

下圖中列出架構中的了關鍵部分。處于最底層的是FoundationDB集群，無論集群的實際大小如何，對它的操作與一個單獨的邏輯數據庫并沒有分別。SQL層則以一種無狀態的中間層方式運行在鍵-值存儲系統之上。這一層通過SQL與應用程序進行通信，并使用FoundationDB的客戶端API與鍵-值存儲系統進行通信。由于SQL層是無狀態的，因此可以并行地運行任意數據的SQL層。

一、NoSQL數據庫簡介

Web1.0的時代，數據訪問量很有限，用一夫當關的高性能的單點服務器可以解決大部分問題。

隨著Web2.0的時代的到來，用戶訪問量大幅度提升，同時產生了大量的用戶數據。加上后來的智能移動設備的普及，所有的互聯網平臺都面臨了巨大的性能挑戰。

NoSQL(NoSQL = Not Only SQL )，意即“不僅僅是SQL”，泛指非關系型的數據庫。

NoSQL 不依賴業務邏輯方式存儲，而以簡單的key-value模式存儲。因此大大的增加了數據庫的擴展能力。

Memcache Memcache Redis Redis MongoDB MongoDB 列式數據庫 列式數據庫 Hbase Hbase

HBase是Hadoop項目中的數據庫。它用于需要對大量的數據進行隨機、實時的讀寫操作的場景中。

HBase的目標就是處理數據量非常龐大的表，可以用普通的計算機處理超過10億行數據，還可處理有數百萬列元素的數據表。

Cassandra Cassandra

Apache Cassandra是一款免費的開源NoSQL數據庫，其設計目的在于管理由大量商用服務器構建起來的龐大集群上的海量數據集(數據量通常達到PB級別)。在眾多顯著特性當中，Cassandra最為卓越的長處是對寫入及讀取操作進行規模調整，而且其不強調主集群的設計思路能夠以相對直觀的方式簡化各集群的創建與擴展流程。

主要應用：社會關系，公共交通網絡，地圖及網絡拓譜(n*(n-1)/2)

nosql數據庫一般有哪幾種類型？分別用在什么場景

特點：

它們可以處理超大量的數據。

它們運行在便宜的PC服務器集群上。

PC集群擴充起來非常方便并且成本很低，避免了“sharding”操作的復雜性和成本。

它們擊碎了性能瓶頸。

NoSQL的支持者稱，通過NoSQL架構可以省去將Web或Java應用和數據轉換成SQL友好格式的時間，執行速度變得更快。

“SQL并非適用于所有的程序代碼，” 對于那些繁重的重復操作的數據，SQL值得花錢。但是當數據庫結構非常簡單時，SQL可能沒有太大用處。

沒有過多的操作。

雖然NoSQL的支持者也承認關系數據庫提供了無可比擬的功能集合，而且在數據完整性上也發揮絕對穩定，他們同時也表示，企業的具體需求可能沒有那么多。

Bootstrap支持

因為NoSQL項目都是開源的，因此它們缺乏供應商提供的正式支持。這一點它們與大多數開源項目一樣，不得不從社區中尋求支持。

優點：

易擴展

NoSQL數據庫種類繁多，但是一個共同的特點都是去掉關系數據庫的關系型特性。數據之間無關系，這樣就非常容易擴展。也無形之間，在架構的層面上帶來了可擴展的能力。

大數據量，高性能

NoSQL數據庫都具有非常高的讀寫性能，尤其在大數據量下，同樣表現優秀。這得益于它的無關系性，數據庫的結構簡單。一般MySQL使用 Query Cache，每次表的更新Cache就失效，是一種大粒度的Cache，在針對web2.0的交互頻繁的應用，Cache性能不高。而NoSQL的 Cache是記錄級的，是一種細粒度的Cache，所以NoSQL在這個層面上來說就要性能高很多了。

靈活的數據模型

NoSQL無需事先為要存儲的數據建立字段，隨時可以存儲自定義的數據格式。而在關系數據庫里，增刪字段是一件非常麻煩的事情。如果是非常大數據量的表，增加字段簡直就是一個噩夢。這點在大數據量的web2.0時代尤其明顯。

高可用

NoSQL在不太影響性能的情況，就可以方便的實現高可用的架構。比如Cassandra，HBase模型，通過復制模型也能實現高可用。

主要應用：

Apache HBase

這個大數據管理平臺建立在谷歌強大的BigTable管理引擎基礎上。作為具有開源、Java編碼、分布式多個優勢的數據庫，Hbase最初被設計應用于Hadoop平臺，而這一強大的數據管理工具，也被Facebook采用，用于管理消息平臺的龐大數據。

Apache Storm

用于處理高速、大型數據流的分布式實時計算系統。Storm為Apache Hadoop添加了可靠的實時數據處理功能，同時還增加了低延遲的儀表板、安全警報，改進了原有的操作方式，幫助企業更有效率地捕獲商業機會、發展新業務。

Apache Spark

該技術采用內存計算，從多迭代批量處理出發，允許將數據載入內存做反復查詢，此外還融合數據倉庫、流處理和圖計算等多種計算范式，Spark用Scala語言實現，構建在HDFS上，能與Hadoop很好的結合，而且運行速度比MapReduce快100倍。

Apache Hadoop

該技術迅速成為了大數據管理標準之一。當它被用來管理大型數據集時，對于復雜的分布式應用，Hadoop體現出了非常好的性能，平臺的靈活性使它可以運行在商用硬件系統，它還可以輕松地集成結構化、半結構化和甚至非結構化數據集。

Apache Drill

你有多大的數據集？其實無論你有多大的數據集，Drill都能輕松應對。通過支持HBase、Cassandra和MongoDB，Drill建立了交互式分析平臺，允許大規模數據吞吐，而且能很快得出結果。

Apache Sqoop

也許你的數據現在還被鎖定于舊系統中，Sqoop可以幫你解決這個問題。這一平臺采用并發連接，可以將數據從關系數據庫系統方便地轉移到Hadoop中，可以自定義數據類型以及元數據傳播的映射。事實上，你還可以將數據（如新的數據）導入到HDFS、Hive和Hbase中。

Apache Giraph

這是功能強大的圖形處理平臺，具有很好可擴展性和可用性。該技術已經被Facebook采用，Giraph可以運行在Hadoop環境中，可以將它直接部署到現有的Hadoop系統中。通過這種方式，你可以得到強大的分布式作圖能力，同時還能利用上現有的大數據處理引擎。

Cloudera Impala

Impala模型也可以部署在你現有的Hadoop群集上，監視所有的查詢。該技術和MapReduce一樣，具有強大的批處理能力，而且Impala對于實時的SQL查詢也有很好的效果，通過高效的SQL查詢，你可以很快的了解到大數據平臺上的數據。

Gephi

它可以用來對信息進行關聯和量化處理，通過為數據創建功能強大的可視化效果，你可以從數據中得到不一樣的洞察力。Gephi已經支持多個圖表類型，而且可以在具有上百萬個節點的大型網絡上運行。Gephi具有活躍的用戶社區，Gephi還提供了大量的插件，可以和現有系統完美的集成到一起，它還可以對復雜的IT連接、分布式系統中各個節點、數據流等信息進行可視化分析。

MongoDB

這個堅實的平臺一直被很多組織推崇，它在大數據管理上有極好的性能。MongoDB最初是由DoubleClick公司的員工創建，現在該技術已經被廣泛的應用于大數據管理。MongoDB是一個應用開源技術開發的NoSQL數據庫，可以用于在JSON這樣的平臺上存儲和處理數據。目前，紐約時報、Craigslist以及眾多企業都采用了MongoDB，幫助他們管理大型數據集。（Couchbase服務器也作為一個參考）。

十大頂尖公司：

Amazon Web Services

Forrester將AWS稱為“云霸主”，談到云計算領域的大數據，那就不得不提到亞馬遜。該公司的Hadoop產品被稱為EMR（Elastic Map Reduce），AWS解釋這款產品采用了Hadoop技術來提供大數據管理服務，但它不是純開源Hadoop，經過修改后現在被專門用在AWS云上。

Forrester稱EMR有很好的市場前景。很多公司基于EMR為客戶提供服務，有一些公司將EMR應用于數據查詢、建模、集成和管理。而且AWS還在創新，Forrester稱未來EMR可以基于工作量的需要自動縮放調整大小。亞馬遜計劃為其產品和服務提供更強大的EMR支持，包括它的RedShift數據倉庫、新公布的Kenesis實時處理引擎以及計劃中的NoSQL數據庫和商業智能工具。不過AWS還沒有自己的Hadoop發行版。

Cloudera

Cloudera有開源Hadoop的發行版，這個發行版采用了Apache Hadoop開源項目的很多技術，不過基于這些技術的發行版也有很大的進步。Cloudera為它的Hadoop發行版開發了很多功能，包括Cloudera管理器，用于管理和監控，以及名為Impala的SQL引擎等。Cloudera的Hadoop發行版基于開源Hadoop，但也不是純開源的產品。當Cloudera的客戶需要Hadoop不具備的某些功能時，Cloudera的工程師們就會實現這些功能，或者找一個擁有這項技術的合作伙伴。Forrester表示：“Cloudera的創新方法忠于核心Hadoop，但因為其可實現快速創新并積極滿足客戶需求，這一點使它不同于其他那些供應商。”目前，Cloudera的平臺已經擁有200多個付費客戶，一些客戶在Cloudera的技術支持下已經可以跨1000多個節點實現對PB級數據的有效管理。

Hortonworks

和Cloudera一樣，Hortonworks是一個純粹的Hadoop技術公司。與Cloudera不同的是，Hortonworks堅信開源Hadoop比任何其他供應商的Hadoop發行版都要強大。Hortonworks的目標是建立Hadoop生態圈和Hadoop用戶社區，推進開源項目的發展。Hortonworks平臺和開源Hadoop聯系緊密，公司管理人員表示這會給用戶帶來好處，因為它可以防止被供應商套牢（如果Hortonworks的客戶想要離開這個平臺，他們可以輕松轉向其他開源平臺）。這并不是說Hortonworks完全依賴開源Hadoop技術，而是因為該公司將其所有開發的成果回報給了開源社區，比如Ambari，這個工具就是由Hortonworks開發而成，用來填充集群管理項目漏洞。Hortonworks的方案已經得到了Teradata、Microsoft、Red Hat和SAP這些供應商的支持。

IBM

當企業考慮一些大的IT項目時，很多人首先會想到IBM。IBM是Hadoop項目的主要參與者之一，Forrester稱IBM已有100多個Hadoop部署，它的很多客戶都有PB級的數據。IBM在網格計算、全球數據中心和企業大數據項目實施等眾多領域有著豐富的經驗。“IBM計劃繼續整合SPSS分析、高性能計算、BI工具、數據管理和建模、應對高性能計算的工作負載管理等眾多技術。”

Intel

和AWS類似，英特爾不斷改進和優化Hadoop使其運行在自己的硬件上，具體來說，就是讓Hadoop運行在其至強芯片上，幫助用戶打破Hadoop系統的一些限制，使軟件和硬件結合的更好，英特爾的Hadoop發行版在上述方面做得比較好。Forrester指出英特爾在最近才推出這個產品，所以公司在未來還有很多改進的可能，英特爾和微軟都被認為是Hadoop市場上的潛力股。

MapR Technologies

MapR的Hadoop發行版目前為止也許是最好的了，不過很多人可能都沒有聽說過。Forrester對Hadoop用戶的調查顯示，MapR的評級最高，其發行版在架構和數據處理能力上都獲得了最高分。MapR已將一套特殊功能融入其Hadoop發行版中。例如網絡文件系統（NFS）、災難恢復以及高可用性功能。Forrester說MapR在Hadoop市場上沒有Cloudera和Hortonworks那樣的知名度，MapR要成為一個真正的大企業，還需要加強伙伴關系和市場營銷。

Microsoft

微軟在開源軟件問題上一直很低調，但在大數據形勢下，它不得不考慮讓Windows也兼容Hadoop，它還積極投入到開源項目中，以更廣泛地推動Hadoop生態圈的發展。我們可以在微軟的公共云Windows Azure HDInsight產品中看到其成果。微軟的Hadoop服務基于Hortonworks的發行版，而且是為Azure量身定制的。

微軟也有一些其他的項目，包括名為Polybase的項目，讓Hadoop查詢實現了SQLServer查詢的一些功能。Forrester說：“微軟在數據庫、數據倉庫、云、OLAP、BI、電子表格（包括PowerPivot）、協作和開發工具市場上有很大優勢，而且微軟擁有龐大的用戶群，但要在Hadoop這個領域成為行業領導者還有很遠的路要走。”

Pivotal Software

EMC和Vmware部分大數據業務分拆組合產生了Pivotal。Pivotal一直努力構建一個性能優越的Hadoop發行版，為此，Pivotal在開源Hadoop的基礎上又添加了一些新的工具，包括一個名為HAWQ的SQL引擎以及一個專門解決大數據問題的Hadoop應用。Forrester稱Pivotal Hadoop平臺的優勢在于它整合了Pivotal、EMC、Vmware的眾多技術，Pivotal的真正優勢實際上等于EMC和Vmware兩大公司為其撐腰。到目前為止，Pivotal的用戶還不到100個，而且大多是中小型客戶。

Teradata

對于Teradata來說，Hadoop既是一種威脅也是一種機遇。數據管理，特別是關于SQL和關系數據庫這一領域是Teradata的專長。所以像Hadoop這樣的NoSQL平臺崛起可能會威脅到Teradata。相反，Teradata接受了Hadoop，通過與Hortonworks合作，Teradata在Hadoop平臺集成了SQL技術，這使Teradata的客戶可以在Hadoop平臺上方便地使用存儲在Teradata數據倉庫中的數據。

AMPLab

通過將數據轉變為信息，我們才可以理解世界，而這也正是AMPLab所做的。AMPLab致力于機器學習、數據挖掘、數據庫、信息檢索、自然語言處理和語音識別等多個領域，努力改進對信息包括不透明數據集內信息的甄別技術。除了Spark，開源分布式SQL查詢引擎Shark也源于AMPLab，Shark具有極高的查詢效率，具有良好的兼容性和可擴展性。近幾年的發展使計算機科學進入到全新的時代，而AMPLab為我們設想一個運用大數據、云計算、通信等各種資源和技術靈活解決難題的方案，以應對越來越復雜的各種難題。

如何連接訪問no sql 數據庫

關系數據庫模型已經流行了幾十年了，但是一種新類型的數據庫——被稱為NoSQL，正在引起企業的注意。下面是關于它的優勢和劣勢的一個概述。二十多年以來，對數據庫管理來說，關系數據庫（RDBMS）模型一直是一個占統治地位的數據庫模型。但是，今天，非關系數據庫，“云”數據庫，或“NoSQL”數據庫作為關系數據庫以外的一些選擇，正在引起大家的廣泛關注。在這篇文章里，我們將主要關注那些非關系的NoSQL數據庫的十大利弊：包括五大優勢和五大挑戰。

NoSQL的五大優勢

1，靈活的可擴展性

多年以來，數據庫管理員們都是通過“縱向擴展”的方式（當數據庫的負載增加的時候，購買更大型的服務器來承載增加的負載）來進行擴展的，而不是通過“橫向擴展”的方式（當數據庫負載增加的時候，在多臺主機上分配增加的負載）來進行擴展。但是，隨著交易率和可用性需求的增加，數據庫也正在遷移到云端或虛擬化環境中，“橫向擴展”在commodity hardware方面的經濟優勢變得更加明顯了，對各大企業來說，這種“誘惑”是無法抗拒的。

在commodity clusters上，要對RDBMS做“橫向擴展”，并不是很容易，但是各種新類型的NoSQL數據庫主要是為了進行透明的擴展，來利用新節點而設計的，而且，它們通常都是為了低成本的commodity hardware而設計的。

2，大數據

在過去的十年里，正如交易率發生了翻天覆地的增長一樣，需要存儲的數據量也發生了急劇地膨脹。O’Reilly把這種現象稱為：“數據的工業革命”。為了滿足數據量增長的需要，RDBMS的容量也在日益增加，但是，對一些企業來說，隨著交易率的增加，單一數據庫需要管理的數據約束的數量也變得越來越讓人無法忍受了。現在，大量的“大數據”可以通過NoSQL系統（例如：Hadoop）來處理，它們能夠處理的數據量遠遠超出了最大型的RDBMS所能處理的極限。

3，“永別了”！DBA們！（再見？）

在過去的幾年里，雖然一些RDBMS供應商們聲稱在可管理性方面做出了很多的改進，但是高端的RDBMS系統維護起來仍然十分昂貴，而且還需要訓練有素的DBA們的協助。DBA們需要親自參與高端的RDBMS系統的設計，安裝和調優。

NoSQL數據庫從一開始就是為了降低管理方面的要求而設計的：從理論上來說，自動修復，數據分配和簡單的數據模型的確可以讓管理和調優方面的要求降低很多。但是，DBA的死期將至的謠言未免有些過于夸張了。總是需要有人對關鍵性的數據庫的性能和可用性負責的。

如何玩轉NoSQL數據庫

如何玩轉 NoSQL數據庫？作者：IT專家網

Weather公司CIO Bryson Koehler整理出了MongoDB，Riak和Cassandra等NoSQL數據庫的特性。他指出這其中最重要的特性是“NoSQL不會限制住你”。

Weather公司，致力于天氣報告和天氣預報業務，其并不缺乏數據，當然也不缺乏數據管理工具。但它為什么需要三種不同的NoSQL數據庫？

最近，我向Weather 公司的CIO Bryson Koehler提出了這個疑問，除了公司的CIO,Bryson Koehler還是其他很多業務單元的孵化者,包括Weather Channel，WeatherFX，Weather Underground，和Intellicast等。Weather公司每天獲取和處理著約20萬億字節數據，對外提供當前全球天氣狀況，并為航空公司，緊急服務，貨運商，公用事業，保險，以及在線天氣網站和天氣應用程序的用戶提供天氣預報服務。每天需求增加了數十億的天氣數據請求，并且預期響應時間要在10毫秒左右。

Riak是Weather 公司的后臺NoSQL數據庫，服務于公司的事務性存儲公用網絡(SUN)數據獲取平臺，它運行在多個亞馬遜網絡服務(AWS)的可用區域上，并以每小時15次的頻率捕獲超過20億氣象數據信息，。所以，Riak具有明確的處理規模，但該公司也使用Cassandra以及新近添加的MongoDB數據庫，為Weather.com 上IOS和Android移動應用程序服務。

Weather 公司使用了不同的產品，Koehler解釋說，因為“不同的工具有不同的優勢。

Cassandra，它服務于Weather 公司以及全球消費者使用的第三方天氣應用的API數據：“我們的數據分發平臺每秒處理數十萬的事務，我們發現Cassandra在用于全球分發數據上是一個很棒的解決方案，并且在[數據庫]讀取方面體現出很高的可用性 “。它本質上為全球各地消費者所使用的數據服務，包括Weather 公司和第三方的天氣應用程序。

MongoDB，它提供了Weather.com網站和移動應用程序的中間層緩存功能：“離開我們的核心API，我們還沒有全部Weather.com內容，所以MongoDB是容器和分發站，為Weather.com以及Android和iOS上的移動應用程序服務。Mongo有很多好處，這些好處基于其內建的JSON格式以及靈活性上。“

Riak，用于消費氣象數據和觀測，包括來自世界各地的圖片和視頻等：“我們喜愛Riak因其優秀的數據攝取能力，而且是以一種全球分布式的方式來實現。這對于從全球分布式平臺上獲取數據的入站式數據庫是一個真正可靠的選擇。

我曾聽說Datastax，Basho和Couchbase的高管貶低MongoDB的可擴展性，但MongoDB指向大規模部署，在Facebook對超過200萬臺移動設備上應用程序提供支持，在eHarmony公司，MongDB每天處理著數十億的潛在比賽預約。據Koehle所述，MongoDB為Weather.com和Weather.com移動應用程序處理著“每天十億交易”，“毫無疑問，你可以通過配置和部署Mongo來處理大批量的交易數據。”

盡管如此，Koehler承認，他將“很樂于看到MongoDB繼續使全球集群和多位置[功能]更加無縫化且易于使用。” 這些屬于全球性的分布式集群，復制和負載平衡是Cassandra和Riak眾所周知的功能。

從規模討論的角度來看，很少有公司達到Weather公司的經營規模。易于開發，架構靈活性和JSON數據處理使得MongoDB的成為世界上最流行的NoSQL數據庫。這就是為什么微軟和IBM都進行了MongoDB的模仿，如微軟的Azure DocumentDB和IBM的 Cloudant，而不是Cassandra和Riak。

Weather公司可以從三個NoSQL標準降低至兩個的過程中得到鞏固，Koehler說，但公司沒有準備好這么做。

“由于我們構造了由許多不同的數據解決方案組成的網狀結構，我們目前的環境已過于復雜，”他說。“我們希望給團隊一些自由的空間，讓我們可以了解所有選擇的利弊，但你將會看到一些整合。”

到了那個時候，遷移將不在是一件難事，因為“關于NoSQL數據庫最重要的事情是，你不會被困在其中，” Koehler說。“如果你的架構和編碼正確，從一個數據庫遷移到另一個并不難。隨著模式的自由以及數據轉存技術的發展，無論前者是一個key-value存儲或其他什么形式，轉儲數據都將十分容易。“

對特定產品進程自定義編碼的復雜的存儲過程已經一去不復返了，Koehler說，但關于“結構化和編碼正確”還有很多需要考慮的地方?這樣做是為了避免特殊供應商提供的工具和功能可能讓你身陷其中。他舉了亞馬遜網絡服務“(AWS)的消息服務為例。

“你不必讓服務在云中運行，”他解釋說。“你可以只部署自己的RabbitMQ的環境，而不是陷于其中，所以你可以將一個原先部署在AWS 上的應用程序轉而部署在谷歌計算云服務上。無論它是數據平臺，存儲環境，或云計算環境，都要小心別讓自己局限在一個僅由一個供應商提供的小范圍空間內“。

轉載

當前名稱：nosql工具導入數據,Nosql注入
網頁網址：http://m.kartarina.com/article8/hddsip.html

成都網站建設公司_創新互聯，為您提供網站策劃、響應式網站、移動網站建設、App開發、App設計、品牌網站制作

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯