从广告监测到知识图谱，，，，，，，，明略千亿大数据处置惩罚能力是怎样炼成的-明略科技

首页明略动态从广告监测到知识图谱，，，，，，，，明略千亿大数据处置惩罚能力是怎样炼成的

从广告监测到知识图谱，，，，，，，，明略千亿大数据处置惩罚能力是怎样炼成的

2021-05-18

网购、叫车、订外卖、看影戏…… 移动互联网种种场景的背后都离不开大数据手艺。。。。。。。。经由十几年的生长，，，，，，，，大数据手艺已经成为互联网企业的基础设施。。。。。。。。

1源起谷歌“三驾马车”

聊起大数据，，，，，，，，就绕不开谷歌的“三驾马车“。。。。。。。。早在 2003 年，，，，，，，，谷歌揭晓第一篇论文——谷歌文件系统（GFS）；；；；；；第二年，，，，，，，，谷歌再次揭晓一篇论文——漫衍式盘算框架 MapReduce；；；；；；2006 年，，，，，，，，谷歌揭晓第三篇论文——NoSQL 数据库系统 BigTable。。。。。。。。这三篇论文由此开启了大数据时代。。。。。。。。

徐飞在《大数据浪潮之巅：新手艺商业制胜之道》一书中写道，，，，，，，，“通过‘三驾马车’这一利器，，，，，，，，谷歌具备了存储和剖析海量数据的能力，，，，，，，，其个性化广告系统犹如永动的印钞机，，，，，，，，一直为谷歌赚取财产。。。。。。。。”

受谷歌“三驾马车”的影响，，，，，，，，其他互联网公司也在实验大规模漫衍式系统，，，，，，，，希望构建强盛的数据存储、剖析和处置惩罚平台。。。。。。。。不过，，，，，，，，其时正处于前 Hadoop 时期，，，，，，，，互联网公司基本上都在摸着石头过河。。。。。。。。

2数据网络和盘算领域的先驱

在众多的互联网公司中，，，，，，，，建设于 2006 年的秒针系统无疑是这个领域的先行者。。。。。。。。据秒针系统产研中心认真人刘沛先容，，，，，，，，2008 年 Hadoop 还没有成熟，，，，，，，，他们从零研发了自己的大数据平台，，，，，，，，“思绪跟 Hadoop MapReduce 类似，，，，，，，，一天也能处置惩罚几十亿数据”。。。。。。。。刘沛在 2007 年加入秒针，，，，，，，，那时他还在读大三。。。。。。。。一年后，，，，，，，，他正式结业，，，，，，，，留在秒针系统。。。。。。。。他先后向导了包括广告监测系统 AdMonitor 等焦点产品的研究和开发。。。。。。。。作为秒针系统的老人，，，，，，，，他见证了秒针系统大数据平台从 0 到 1 的历程。。。。。。。。

据悉，，，，，，，，秒针系统的营业是广告监测，，，，，，，，焦点产品是 AdMonitor。。。。。。。。在 AdMonitor 的效劳链路中，，，，，，，，前端认真网络数据。。。。。。。。每个广告会被嵌入一个发送到秒针系统域名的代码。。。。。。。。一旦广告在媒体端被点击，，，，，，，，它就会把被嵌入的代码发回到秒针系统的效劳器。。。。。。。。这样，，，，，，，，系统就知道完成了一次广告曝光。。。。。。。。这样的一个广告营业流程主要涉及数据收罗、数据存储、数据盘算和数据剖析手艺。。。。。。。。

多端网络数据

那么，，，，，，，，第一个问题来了，，，，，，，，秒针系统怎么网络数据？？？？？？？据刘沛先容，，，，，，，，在 PC 时代，，，，，，，，大多使用 JavaScript 来屎厕数据。。。。。。。。这就要求秒针系统的产品要适配每一个浏览器，，，，，，，，包括 Firefox、IE、傲游浏览器、海豚浏览器等。。。。。。。。据悉，，，，，，，，cookie 是其时数据网络使用的主要手艺之一。。。。。。。。除 cookie 之外，，，，，，，，团结 Flash。。。。。。。。那时，，，，，，，，险些所有的广告都是 Flash，，，，，，，，由于 Flash 自己是一个可执行程序，，，，，，，，以是能在其内部编程，，，，，，，，把监测代码放在内里，，，，，，，，网络数据。。。。。。。。

刘沛体现，，，，，，，，“Flash 也有 cookie 的看法，，，，，，，，手艺术语叫 FSO。。。。。。。。把 FSO 和 cookie 做种种联动，，，，，，，，实现长期化。。。。。。。。这边删了，，，，，，，，那里能恢复；；；；；；那里删了，，，，，，，，这边再恢复。。。。。。。。在�；；；；；；び没б降奶跫赂嫉厥侗鸪鲆桓鲎粤τ没А�。。。。。。。”

到了 2012 年，，，，，，，，智能手机泛起，，，，，，，，Android 和 iOS App 数目一直增多，，，，，，，，秒针系统又在 AdMonitor 产品中增添移动端广告丈量能力。。。。。。。。SDK 手艺成为其时移动端数据网络的主要方法。。。。。。。。刘沛称，，，，，，，，“Android、iOS 都是新事物，，，，，，，，不但要学习新的编程语言，，，，，，，，还要面临新手艺情形举行开发。。。。。。。。做出一款应用后，，，，，，，，要适配厂商差别机型的差别型号。。。。。。。。除硬件外，，，，，，，，还要顺应手机上运行的种种 App”。。。。。。。。

举个例子，，，，，，，，爱奇艺、优酷和腾讯视频是三大主流视频 App。。。。。。。。SDK 要在之上运行，，，，，，，，前期要做种种对接测试，，，，，，，，包管运转正常。。。。。。。。“不可让 App 死机，，，，，，，，也不可拖慢了它的系统运转。。。。。。。。另外，，，，，，，，数据收罗效果要和他们上报的一致。。。。。。。。因此，，，，，，，，每加入一款主流 App，，，，，，，，都得做手艺对接和数据测试。。。。。。。。”他说。。。。。。。。

2012 年 8 月，，，，，，，，秒针系统正式推出中国第一个移动端广告加载 SDK，，，，，，，，“很快就被加进了主流的 App 中”。。。。。。。。

用 RAID 5 搞定命据存储难题

时任秒针系统大数据平台运维认真人任鑫琦向 InfoQ 记者透露，，，，，，，，秒针系统的营业量其时很是大，，，，，，，，占到天下所有广告监测流量的 60%，，，，，，，，网络数据的效劳器天天 PV 量凌驾 100 亿。。。。。。。。

这么大都据，，，，，，，，怎样存储？？？？？？？据刘沛先容，，，，，，，，其时使用了 RAID（自力磁盘冗余阵列）手艺，，，，，，，，详细说是 RAID 5 手艺：数据在写入磁盘时，，，，，，，，将数据分成 N-1 份，，，，，，，，并发写入 N-1 块磁盘，，，，，，，，校验数据螺旋式写入所有磁盘。。。。。。。。这样包管了 RAID 5 既有较快的会见速率，，，，，，，，又有较高的数据可靠性。。。。。。。。

用刘沛的话诠释，，，，，，，，“一个集群中，，，，，，，，一份数据被切片后保存差别地方。。。。。。。。若是一块磁盘销毁了，，，，，，，，还能从别处恢复”。。。。。。。。

百亿规模的数据盘算问题，，，，，，，，怎么解？？？？？？？

数据网络上来后，，，，，，，，要害是数据盘算。。。。。。。。任鑫琦先容，，，，，，，，盘算分为两类：第一类是按小时举行批量盘算，，，，，，，，这要求平台具备大规模数据的处置惩罚能力。。。。。。。。第二类是实时盘算，，，，，，，，这要包管实时盘算的可靠性，，，，，，，，不然盘算延迟，，，，，，，，“客户看到的数据就禁绝确”。。。。。。。。

据悉，，，，，，，，秒针系统其时一天有 100 多亿数据。。。。。。。。其单台日志效劳器的承载性能是“满负荷运行，，，，，，，，一天可以处置惩罚 4 个亿的数据”。。。。。。。。现实中，，，，，，，，一样平常凭证 50% 的负载使用率，，，，，，，，即一台日志效劳器一天要处置惩罚 2 亿数据。。。。。。。。这样算下来，，，，，，，，或许需要 50 台日志效劳器。。。。。。。。

当数据量凌驾一台效劳器的承载能力时，，，，，，，，前端要分成许多台效劳器做负载平衡。。。。。。。。好比，，，，，，，，监测代码加在种种各样的媒体上，，，，，，，，每个广告主在多个媒体上投放，，，，，，，，而每个媒体同时又承载多个广告主，，，，，，，，每个媒体又有差别的广告位，，，，，，，，“以是要把这些所有用监测代码 ID 索引好”。。。。。。。。

刘沛称，，，，，，，，“每个广告被曝光或点击时，，，，，，，，这条请求是发到了哪台效劳器，，，，，，，，都要有一套统一的调理规则，，，，，，，，包管每台效劳器的承压一致，，，，，，，，包管每台效劳器分工合理。。。。。。。。这样整体性能就会最好”。。。。。。。。

在数据盘算架构上，，，，，，，，由于 Hadoop 其时不可熟，，，，，，，，以是秒针系统使用了一个开源的漫衍式文件系统 KFS。。。。。。。。任鑫琦说：“基于 KFS，，，，，，，，我们没有用 Hadoop 零点几版本的架构，，，，，，，，由于不太稳固，，，，，，，，其治理节点不是高可用的。。。。。。。。”Hadoop 在 2.0 版本之前，，，，，，，，其 NameNode 只有一个，，，，，，，，一旦坏了，，，，，，，，整个集群就会瓦解。。。。。。。。以是，，，，，，，，自己维护了一套漫衍式盘算使命的调理工具，，，，，，，，把顺序调理和背序调理相团结，，，，，，，，再加入一些针对局部的调理技巧和优化。。。。。。。。

Hadoop 助力，，，，，，，，手艺能力再上一层楼

2012 年，，，，，，，，Hadoop 宣布 2.0 版本。。。。。。。。它是一套全新架构，，，，，，，，包括 HDFS Federation 和 Yarn 两个系统。。。。。。。。相比 1.0 版本，，，，，，，，它更稳固，，，，，，，，也更成熟。。。。。。。。因此，，，，，，，，秒针系统最先逐渐接纳。。。。。。。。但系统迁徙并不是那么容易，，，，，，，，花了一年的时间才乐成切换到 Hadoop 上。。。。。。。。

刘沛说，，，，，，，，一方面，，，，，，，，版本不稳固；；；；；；另一方面，，，，，，，，所有人都是新手。。。。。。。。泛起问题找不到缘故原由时，，，，，，，，刘沛他们就到 Hadoop 开源社区去问，，，，，，，，有没有人遇到同样问题。。。。。。。。若是其他人也遇到这个问题，，，，，，，，各人就一起讨论怎么办。。。。。。。。而有的问题，，，，，，，，”没有其他人遇到，，，，，，，，就只能自己看源代码，，，，，，，，想步伐解决，，，，，，，，解决不了的，，，，，，，，再找别的解决计划，，，，，，，，用别的工具来实现或自己写代码实现“。。。。。。。。厥后，，，，，，，，随着故障的一直镌汰，，，，，，，，手艺职员的履历越来越富厚，，，，，，，，迁徙到 Hadoop 上的大数据平台也愈加成熟和稳固，，，，，，，，能力变得更强。。。。。。。。

2014 年，，，，，，，，秒针系统抵达一个新高度——实现日均最高千亿级广告请求处置惩罚能力。。。。。。。。

3站在秒针系统肩上的明略

2012 年，，，，，，，，大数据的看法最先火起来。。。。。。。。此时，，，，，，，，Hadoop 生态圈的主要角色都已入局，，，，，，，，包括 Facebook、LinkedIn 和 Twitter 以及 Hadoop 三大刊行商 Cloudera、MapR、Hortonworks。。。。。。。。整个生态的蓬勃生长和日益完善让 Hadoop 的市场远景变得更优美。。。。。。。。于是，，，，，，，，从秒针系统孵化出一个小团队，，，，，，，，目的是做定制化大数据平台。。。。。。。。这样，，，，，，，，明略降生了。。。。。。。。

任鑫琦被抽调到明略，，，，，，，，开发大数据平台。。。。。。。。相比以前，，，，，，，，开发一个大数据平台相对更容易，，，，，，，，由于秒针系统的实践积累了一些履历，，，，，，，，并且 Hadoop 生态生长越来越完善，，，，，，，，有更多的工具可以使用。。。。。。。。

手艺选型

据任鑫琦先容，，，，，，，，手艺选型的一个标记是 Hadoop 在 2.0 时提出了 NameNode HA 框架，，，，，，，，加入选举机制和控制组件，，，，，，，，可以实现大于 3 的奇数个治理节点的设置。。。。。。。。当一个治理节点宕掉，，，，，，，，马上会选出第二个治理节点，，，，，，，，这是一个真正的高可用状态。。。。。。。。

此前，，，，，，，，他们虽然一直关注 Hadoop，，，，，，，，可是却没接纳，，，，，，，，缘故原由之一是 Hadoop 1.0、1.1 版本，，，，，，，，只有一个焦点治理节点 NameNode。。。。。。。。厥后，，，，，，，，它引入 Second NameNode，，，，，，，，即有一个主活治理节点，，，，，，，，有一个备用节点，，，，，，，，这两个节点实时同步。。。。。。。。若是主节点效劳宕掉了，，，，，，，，备用节点会提醒并继续治理这个集群。。。。。。。。可是，，，，，，，，它着实并非高可用，，，，，，，，“由于效劳要切换，，，，，，，，并且 Second NameNode 也会有问题”。。。。。。。。

他说：“在 Hadoop 2.0 时，，，，，，，，我们以为它抵达一个基本工业级可用的状态。。。。。。。。只要整个集群不出太严重的问题，，，，，，，，一些细节问题，，，，，，，，好比盘算效率问题、使命调理问题等，，，，，，，，我们可以通过修改开源代码，，，，，，，，或调解执行使命，，，，，，，，优化使命战略，，，，，，，，逐步刷新。。。。。。。。”

因此，，，，，，，，明略就把所有的手艺系统切到 Hadoop 上面。。。。。。。。

2014 年 7 月，，，，，，，，明略宣布大数据平台 1.0 版本。。。。。。。。据悉，，，，，，，，1.0 版本已经相当成熟，，，，，，，，“在集群上架的效劳器系统装完情形下，，，，，，，，网都通了，，，，，，，，不可说完全一键安排，，，，，，，，可是点几键就能搞定安排。。。。。。。。半小时左右就可以完成一个大数据整个生态系统的安排和装置“。。。。。。。。

这一年，，，，，，，，明略数据乐成中标中国银联项目，，，，，，，，这是它在海内第一个大的企业级客户。。。。。。。。任鑫琦称，，，，，，，，“其时，，，，，，，，任何成熟的（大数据）安排系统都无法做到半小时完成整个集群的安排装置和设置事情。。。。。。。。这是我们成熟的一个标记”。。。。。。。。

发力知识图谱

基于已有的大数据手艺，，，，，，，，明略在 2015 年继而研发出知识图谱，，，，，，，，焦点产品是 SCOPA。。。。。。。。

自己的大数据生长蒸蒸日上，，，，，，，，为什么要去做知识图谱？？？？？？？现任明略科技集团副总裁任鑫琦诠释，，，，，，，，第一，，，，，，，，知识图谱手艺源于搜索引擎，，，，，，，，它把所有网页和内容做知识化治理，，，，，，，，这样能更好地明确用户搜索意图，，，，，，，，提供用户想要的内容和效果。。。。。。。。第二，，，，，，，，差别化竞争。。。。。。。。他说：“若是能把大宗的结构化数据，，，，，，，，从原来简朴数仓的盘算一些报表，，，，，，，，做一些盘问，，，，，，，，转换思绪，，，，，，，，从中抽出它自己的寄义，，，，，，，，组织成营业知识，，，，，，，，更有用地组织数据，，，，，，，，并且实现数据增值。。。。。。。。这就可以跟业界许多做通用大数据处置惩罚的公司实现差别化。。。。。。。。“

不过，，，，，，，，他也坦承，，，，，，，，基于大宗数据做知识图谱有着不小的难度。。。。。。。。

难度一，，，，，，，，数据量很是大，，，，，，，，这涉及到整个的实时数据处置惩罚能力，，，，，，，，包括数据融合问题、数据冲突问题。。。。。。。。同时，，，，，，，，业界也没有参考的。。。。。。。。

难度二，，，，，，，，每个行业要建设领域知识图谱。。。。。。。。“这与已往的专家系统很像。。。。。。。。知识图谱的价值有多大，，，，，，，，要害在于行业领域知识图谱的界说，，，，，，，，每个行业都要跟营业专家探讨知识图谱的设计，，，，，，，，同时一直地迭代，，，，，，，，做种种刷新，，，，，，，，这很难“。。。。。。。。

难度三，，，，，，，，知识图谱要与一些 AI 手艺相团结。。。。。。。。知识图谱的主力场景是“从大数据里捞知识”，，，，，，，，最基础的是实体与关系。。。。。。。。据任鑫琦先容，，，，，，，，针对实体要做两件事：一是数据融合，，，，，，，，二是给实体打上明确标签。。。。。。。。可是实体种类很是多，，，，，，，，怎么打标签，，，，，，，，要使用许多 AI 手艺。。。。。。。。而关系的质量和数目决议了整个知识图谱组织形式的质量，，，，，，，，”关系没有处置惩罚好，，，，，，，，整个知识图谱的可用性就会降低，，，，，，，，它的推荐、推理、交织剖析就用不起来。。。。。。。。关系的处置惩罚也要用到许多的 AI 手艺“。。。。。。。。

更主要的是，，，，，，，，与之前相比，，，，，，，，知识图谱对背后支持的手艺平台要求更高。。。。。。。。为此，，，，，，，，任鑫琦他们在 2015 年决议做一个混淆型知识图谱数据库。。。。。。。。那么，，，，，，，，这个混淆型知识图谱要解决三个焦点问题：

一是知识图谱要能实现全文式的定位式索引盘问，，，，，，，，好比凭证一个要害词定位到知识图谱的某个点，，，，，，，，这需要有一个全文的检索系统；；；；；；
二是知识图谱会有许多的条件盘问，，，，，，，，好比通例的大数据盘算，，，，，，，，凭证哪一个?Key?和?ID，，，，，，，，做盘问、统计剖析；；；；；；
三是知识图谱要有图，，，，，，，，要完成关系的推演，，，，，，，，包括关系存储。。。。。。。。

这就要求既有全文，，，，，，，，又有大数据，，，，，，，，尚有图。。。。。。。。同时，，，，，，，，还要把这三个存储融合在一起，，，，，，，，做好统一索引和治理。。。。。。。。

据任鑫琦透露，，，，，，，，他们的解决步伐是把 Elasticsearch、HBase 和图数据库 Titan 做了一致性索引的融合，，，，，，，，包括统一的数据存储的路由、性能优化。。。。。。。。

他说：“这个问题解决后，，，，，，，，像怎么做营业界说、怎么形貌图谱的语义等问题都可以用这个混淆型数据库实现。。。。。。。。大规模数据的融合、实时数据盘算或高性能盘算，，，，，，，，这个混淆型知识图谱数据库都可以用差别的特征支持天天更新，，，，，，，，甚至是实时更新。。。。。。。。”

明略知识图谱的手艺架构

据悉，，，，，，，，明略知识图谱的架构如下图所示：

这个架构系统中，，，，，，，，前端有数据接入、数据汇总。。。。。。。。之后，，，，，，，，数据洗濯，，，，，，，，举行知识图谱构建。。。。。。。。在知识图谱里，，，，，，，，尚有实体构建、实体标签的构建、关系构建等。。。。。。。。同时，，，，，，，，尚有图谱事务类或者行为类数据的构建。。。。。。。。这是一整套数据处置惩罚的基础流程。。。。。。。。往后，，，，，，，，把这些数据加载到图数据库。。。。。。。。在这之上是基于知识图谱的可视化交互剖析系统。。。。。。。。

知识图谱的手艺架构仍以 Hadoop 为焦点，，，，，，，，数据接入上，，，，，，，，最早用 Flume（现已切换到 Kafka）。。。。。。。。据任鑫琦先容，，，，，，，，”若是对接的是数据库系统，，，，，，，，用的是 Scoop 1.0 和 2.0。。。。。。。。数据抽取上来后，，，，，，，，若是不属于日志型、库表型，，，，，，，，用剧本方法抽取到平台上，，，，，，，，落地到 HDFS；；；；；；若是是结构化数据，，，，，，，，直接完工 Hive 表。。。。。。。�；；；；；；� Hive 层完成整个数据洗濯、融合、转换和知识图谱构建事情，，，，，，，，基本上用 Spark 实现整个的数据治理历程。。。。。。。。若是是实时盘算，，，，，，，，用的是准实时 Spark Streaming 的手艺选型，，，，，，，，由于这可以镌汰更多相关组件的引入”。。。。。。。。

简言之，，，，，，，，焦点图谱库的架构和支持基本是一个以 Elasticsearch、HBase 和 Titan 三个库为焦点的综合混淆型数据库。。。。。。。。

据悉，，，，，，，，2015 年底，，，，，，，，明略知识图谱就在海内一个省会市级公安局落地，，，，，，，，为公安做数据剖析，，，，，，，，包括线索挖掘、团伙预警，，，，，，，，协助公安破案。。。。。。。。

2016 年到 2017 年，，，，，，，，任鑫琦向导团队探索知识图谱在更多行业的落地和应用，，，，，，，，现在，，，，，，，，明略知识图谱在公安、金融、工业和数字都会等领域获得普遍应用。。。。。。。。

4回看大数据 15 年生长

2019 年，，，，，，，，大数据进入后 Hadoop 时代，，，，，，，，种种实时架构和组件大规模生长，，，，，，，，大数据手艺也与云原生、人工智能深度融合。。。。。。。。

回首大数据已往几年的生长，，，，，，，，任鑫琦把它归纳综合成三个阶段：

阶段一，，，，，，，，大数据初期，，，，，，，，以卖硬件和炒作看法为主。。。。。。。。2010 年左右，，，，，，，，许多大型企业受市场和宣传影响建设了大数据平台，，，，，，，，但没有施展出作用，，，，，，，，由于脱离营业。。。。。。。。

阶段二，，，，，，，，大数据进一步生长，，，，，，，，以剖析型为主。。。。。。。。2014 年，，，，，，，，企业对大数据的熟悉进一步深入，，，，，，，，通过网络更大都据，，，，，，，，资助营业决议。。。。。。。。

阶段三，，，，，，，，大数据生长成熟和稳固，，，，，，，，以实时性剖析为主。。。。。。。。架构上，，，，，，，，Lambda 架构和 Kappa 架构广受接待，，，，，，，， Flink、Kafka 的使用越来越广，，，，，，，，营业对实时性要求越来越高。。。。。。。。“实时剖析意味着实时性的决媾和实时的价值，，，，，，，，这对营业系统直接爆发影响”。。。。。。。。以银行为例，，，，，，，，一小我私家申请贷款，，，，，，，，是否放贷，，，，，，，，银行要做大数据风控，，，，，，，，举行实时剖析。。。。。。。。因此，，，，，，，，这个阶段要求大数据的实时性更高，，，，，，，，更轻量级的组件和更先进的手艺。。。。。。。。

任鑫琦说：“现在，，，，，，，，大数据已经生长到一个细腻化阶段。。。。。。。。”

以前，，，，，，，，人们对数据的熟悉是单点的、伶仃的，，，，，，，，明确很浅，，，，，，，，好比先汇总数据，，，，，，，，再逐步挖掘和剖析，，，，，，，，但这可能汇总大宗无效、无关的数据，，，，，，，，这些数据对整个数据系统的营业价值会有负面影响。。。。。。。。这些年，，，，，，，，人们对数据有了新熟悉，，，，，，，，好比数据并非越多越好，，，，，，，，要妄想好数据怎么存、怎么用、怎么爆发更大价值。。。。。。。。这就要求大数据越来越细腻化和精准化！

5写在最后：从 2003 年谷歌的“三驾马车”到现在，，，，，，，，大数据手艺历经十余年生长，，，，，，，，明略也见证了它从风口到落地再到大规模的普及应用。。。。。。。。2007 年，，，，，，，，明略就投身大数据行业，，，，，，，，从零到一研发出一套成熟的大数据平台，，，，，，，，解决了大数据存储和大数据盘算问题。。。。。。。。以后，，，，，，，，基于秒针系统积累的大数据能力，，，，，，，，明略乐成研发出知识图谱平台，，，，，，，，并在行业里获得普遍应用。。。。。。。。今天，，，，，，，，大数据手艺正与云原生、AI 手艺相融合，，，，，，，，数据驱动成为共识，，，，，，，，作为行业先行者，，，，，，，，明略一直深耕手艺，，，，，，，，从未止步，，，，，，，，让数据爆发更大价值、施展更着述用。。。。。。。。

btt博天堂