溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
本篇內(nèi)容主要講解“MySQL慢SQL采集方案分析”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學(xué)習(xí)“MySQL慢SQL采集方案分析”吧!
作為一名MySQL DBA，首要的任務(wù)是維持?jǐn)?shù)據(jù)庫的可用性和穩(wěn)定性，在生產(chǎn)中，有時候一條慢SQL會拖垮整個系統(tǒng)的響應(yīng)和體驗，所以慢SQL治理至關(guān)重要。
首先我們采用pt-query-digest來進(jìn)行慢sql采集和分析
mysql> show global variables where variable_name in ('slow_query_log','long_query_time','slow_query_log_file','log_queries_not_using_indexes','log_throttle_queries_not_using_indexes','min_examined_row_limit','log_slow_admin_statements','log_slow_slave_statements','log_output');
+----------------------------------------+----------------------------+
| Variable_name | Value |
+----------------------------------------+----------------------------+
| log_output | FILE |
| log_queries_not_using_indexes | ON |
| log_slow_admin_statements | OFF |
| log_slow_slave_statements | ON |
| log_throttle_queries_not_using_indexes | 100 |
| long_query_time | 0.500000 |
| min_examined_row_limit | 0 |
| slow_query_log | ON |
| slow_query_log_file | slowquery_201908161156.log |
+----------------------------------------+----------------------------+
9 rows in set (0.01 sec)該mysql版本為percona5.7.21版本，控制slow log的參數(shù)主要為這幾個：
log_output: 控制慢sql是記錄在文件還是記錄在table,FILE|TABLE可選擇
log_queries_not_using_indexes：控制沒有使用索引的sql也將被記錄到慢查詢?nèi)罩局?
log_slow_admin_statements：管理語句執(zhí)行時間大于閾值也將寫入到慢查詢?nèi)罩局?，管理語句包括alter table, check table等;
log_slow_slave_statements：從庫應(yīng)用binlog，如果binlog格式是statement，執(zhí)行時間超過閾值時，將寫入從庫的慢查詢?nèi)罩荆?對于ROW格式binlog，不管執(zhí)行時間有沒有超過閾值，都不會寫入到從庫的慢查詢?nèi)罩?
log_throttle_queries_not_using_indexes：如果log_queries_not_using_indexes打開，沒有使用索引的sql將會寫入到慢查詢?nèi)罩局?，該參?shù)將限制每分鐘寫入的sql數(shù)量；
long_query_time：慢查詢閾值，單位秒，執(zhí)行時間超過這個值的將被記錄為慢查詢?nèi)罩局?
min_examined_row_limit：對于查詢掃描行數(shù)小于此參數(shù)的sql，將不會記錄到慢查詢?nèi)罩局校?/p>
slow_query_log：控制是否打開慢查詢；
slow_query_log_file：慢查詢?nèi)罩居涗浳募?/p>
這些參數(shù)我們目前主要使用log_output ,slow_query_log ,slow_query_log_file,min_examined_row_limit,log_throttle_queries_not_using_indexes這幾個
mysql> set global log_output = 'FILE'; Query OK, 0 rows affected (0.00 sec) mysql> set global slow_query_log = 1; Query OK, 0 rows affected (0.00 sec) mysql> set global min_examined_row_limit = 0; Query OK, 0 rows affected (0.00 sec) mysql> set global log_throttle_queries_not_using_indexes = 1; Query OK, 0 rows affected (0.00 sec) mysql> set global slow_query_log_file = 'slowquery_201908161203.log'; Query OK, 0 rows affected (0.00 sec)
設(shè)置參數(shù)后開始安裝pt工具
我們這里直接安裝個全家桶(percona-toolkit)吧，首先安裝依賴包:
yum install -y perl perl-IO-Socket-SSL perl-DBD-MySQL perl-Time-HiRes perl-Digest-MD5 perl-ExtUtils-MakeMaker
然后下載percona-toolkit:
https://www.percona.com/downloads/percona-toolkit/LATEST/
這里是cenos7環(huán)境，如果是其他環(huán)境另行下載
我們直接安裝
rpm -ivh percona-toolkit-3.0.13-1.el7.x86_64.rpm
pt-query-digest [OPTIONS] [FILES] [DSN] --create-review-table 當(dāng)使用--review參數(shù)把分析結(jié)果輸出到表中時，如果沒有表就自動創(chuàng)建。 --create-history-table 當(dāng)使用--history參數(shù)把分析結(jié)果輸出到表中時，如果沒有表就自動創(chuàng)建。 --filter 對輸入的慢查詢按指定的字符串進(jìn)行匹配過濾后再進(jìn)行分析 --limit 限制輸出結(jié)果百分比或數(shù)量，默認(rèn)值是20,即將最慢的20條語句輸出，如果是50%則按總響應(yīng)時間占比從大到小排序，輸出到總和達(dá)到50%位置截止。 --host mysql服務(wù)器地址 --user mysql用戶名 --password mysql用戶密碼 --history 將分析結(jié)果保存到表中，分析結(jié)果比較詳細(xì)，下次再使用--history時，如果存在相同的語句，且查詢所在的時間區(qū)間和歷史表中的不同，則會記錄到數(shù)據(jù)表中，可以通過查詢同一CHECKSUM來比較某類型查詢的歷史變化。 --review 將分析結(jié)果保存到表中，這個分析只是對查詢條件進(jìn)行參數(shù)化，一個類型的查詢一條記錄，比較簡單。當(dāng)下次使用--review時，如果存在相同的語句分析，就不會記錄到數(shù)據(jù)表中。 --output 分析結(jié)果輸出類型，值可以是report(標(biāo)準(zhǔn)分析報告)、slowlog(Mysql slow log)、json、json-anon，一般使用report，以便于閱讀。 --since 從什么時間開始分析，值為字符串，可以是指定的某個”yyyy-mm-dd [hh:mm:ss]”格式的時間點，也可以是簡單的一個時間值：s(秒)、h(小時)、m(分鐘)、d(天)，如12h就表示從12小時前開始統(tǒng)計。 --until 截止時間，配合—since可以分析一段時間內(nèi)的慢查詢。
1、分析慢查詢文件:
pt-query-digest slow-query.log > slow-query-report.log
2、分析最近1小時內(nèi)的查詢：
pt-query-digest --since=1h slow-query.log > slow-before_1h.log
3、分析指定時間范圍內(nèi)的查詢：
pt-query-digest slow-query.log --since '2019-08-08 10:30:00' --until '2019-08-08 10:35:00' > slow-query-5min.log
4、針對某個用戶的慢查詢
pt-query-digest --filter '($event->{user} || "") =~ m/^dba/i' slow-query.log > slow-query-fordbauser.log5、查詢所有所有的全表掃描或full join的慢查詢
pt-query-digest --filter '(($event->{Full_scan} || "") eq "yes") ||(($event->{Full_join} || "") eq "yes")' slow-query.log> slow_query-full.log6、把查詢保存到t_slowq_review表
pt-query-digest --user=dbms –password=admin --review h=localhost,D=test,t=t_slowq_review --create-review-table slow-query.log
7、把查詢保存到t_slowq_details表
pt-query-digest --user=dbms –password=admin --history h=localhost,D=test,t=t_slowq_details --create-history-table slow-query.log
8、分析指含有select語句的慢查詢
pt-query-digest --filter '$event->{fingerprint} =~ m/^select/i' slow-query.log> slow-query-justselect.log9、通過tcpdump抓取mysql的tcp協(xié)議數(shù)據(jù)，然后再分析
tcpdump -s 65535 -x -nn -q -tttt -i any -c 1000 port 3306 > mysql.tcp3306.txt pt-query-digest --type tcpdump mysql.tcp3306.txt> slow-query-3306.log
10、分析binlog
mysqlbinlog mysql-bin.000011 > mysql-bin.000011.sql pt-query-digest --type=binlog mysql-bin.000011.sql > mysql-bin.000011.log
11.分析general log
pt-query-digest --type=genlog general_3306.log > generallog_3306.log
這里采用直接入庫的方式，然后會采用腳本去切割，可以使用時間間隔切割，然后刪除，嘗試過since util，發(fā)現(xiàn)文本越大，每次的解析時間都會很長，不太適合生產(chǎn)部署，可以采用切割日志，如果需要保留本地的話，可以拷貝走
pt-query-digest \
--user=user --password=password --port=port \
--review h=ip,D=dbname,t=t_slowq_review \
--history h=ip,D=dbname,t=t_slowq_details \
--no-report --limit=100% --charset=utf8 \
--filter="\$event->{Bytes}=length(\$event->{arg}) and \$event->{instanceid}=15 and \$event->{hostname}='idc-mysql18' and \$event->{client}=\$event->{ip}" \
slow-query.log在生產(chǎn)中由于可能存在分庫，所以sql的checksum值可能會一致，所以我們加了每個實例的id進(jìn)去來標(biāo)識不同的數(shù)據(jù)庫，完全靠checksum值來標(biāo)記可能混淆
CREATE TABLE `t_slowq_details` ( `instanceid_max` int(11) NOT NULL, `hostname_max` varchar(64) NOT NULL, `client_max` varchar(64) DEFAULT NULL, `user_max` varchar(64) NOT NULL, `db_max` varchar(64) DEFAULT NULL, `checksum` char(32) NOT NULL, `sample` longtext NOT NULL, `ts_min` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP, `ts_max` datetime(6) NOT NULL, `ts_cnt` float DEFAULT NULL, `Query_time_sum` float DEFAULT NULL, `Query_time_min` float DEFAULT NULL, `Query_time_max` float DEFAULT NULL, `Query_time_pct_95` float DEFAULT NULL, `Query_time_stddev` float DEFAULT NULL, `Query_time_median` float DEFAULT NULL, `Lock_time_sum` float DEFAULT NULL, `Lock_time_min` float DEFAULT NULL, `Lock_time_max` float DEFAULT NULL, `Lock_time_pct_95` float DEFAULT NULL, `Lock_time_stddev` float DEFAULT NULL, `Lock_time_median` float DEFAULT NULL, `Rows_sent_sum` float DEFAULT NULL, `Rows_sent_min` float DEFAULT NULL, `Rows_sent_max` float DEFAULT NULL, `Rows_sent_pct_95` float DEFAULT NULL, `Rows_sent_stddev` float DEFAULT NULL, `Rows_sent_median` float DEFAULT NULL, `Rows_examined_sum` float DEFAULT NULL, `Rows_examined_min` float DEFAULT NULL, `Rows_examined_max` float DEFAULT NULL, `Rows_examined_pct_95` float DEFAULT NULL, `Rows_examined_stddev` float DEFAULT NULL, `Rows_examined_median` float DEFAULT NULL, `Rows_affected_sum` float DEFAULT NULL, `Rows_affected_min` float DEFAULT NULL, `Rows_affected_max` float DEFAULT NULL, `Rows_affected_pct_95` float DEFAULT NULL, `Rows_affected_stddev` float DEFAULT NULL, `Rows_affected_median` float DEFAULT NULL, `Rows_read_sum` float DEFAULT NULL, `Rows_read_min` float DEFAULT NULL, `Rows_read_max` float DEFAULT NULL, `Rows_read_pct_95` float DEFAULT NULL, `Rows_read_stddev` float DEFAULT NULL, `Rows_read_median` float DEFAULT NULL, `Merge_passes_sum` float DEFAULT NULL, `Merge_passes_min` float DEFAULT NULL, `Merge_passes_max` float DEFAULT NULL, `Merge_passes_pct_95` float DEFAULT NULL, `Merge_passes_stddev` float DEFAULT NULL, `Merge_passes_median` float DEFAULT NULL, `InnoDB_IO_r_ops_min` float DEFAULT NULL, `InnoDB_IO_r_ops_max` float DEFAULT NULL, `InnoDB_IO_r_ops_pct_95` float DEFAULT NULL, `InnoDB_IO_r_ops_stddev` float DEFAULT NULL, `InnoDB_IO_r_ops_median` float DEFAULT NULL, `InnoDB_IO_r_bytes_min` float DEFAULT NULL, `InnoDB_IO_r_bytes_max` float DEFAULT NULL, `InnoDB_IO_r_bytes_pct_95` float DEFAULT NULL, `InnoDB_IO_r_bytes_stddev` float DEFAULT NULL, `InnoDB_IO_r_bytes_median` float DEFAULT NULL, `InnoDB_IO_r_wait_min` float DEFAULT NULL, `InnoDB_IO_r_wait_max` float DEFAULT NULL, `InnoDB_IO_r_wait_pct_95` float DEFAULT NULL, `InnoDB_IO_r_wait_stddev` float DEFAULT NULL, `InnoDB_IO_r_wait_median` float DEFAULT NULL, `InnoDB_rec_lock_wait_min` float DEFAULT NULL, `InnoDB_rec_lock_wait_max` float DEFAULT NULL, `InnoDB_rec_lock_wait_pct_95` float DEFAULT NULL, `InnoDB_rec_lock_wait_stddev` float DEFAULT NULL, `InnoDB_rec_lock_wait_median` float DEFAULT NULL, `InnoDB_queue_wait_min` float DEFAULT NULL, `InnoDB_queue_wait_max` float DEFAULT NULL, `InnoDB_queue_wait_pct_95` float DEFAULT NULL, `InnoDB_queue_wait_stddev` float DEFAULT NULL, `InnoDB_queue_wait_median` float DEFAULT NULL, `InnoDB_pages_distinct_min` float DEFAULT NULL, `InnoDB_pages_distinct_max` float DEFAULT NULL, `InnoDB_pages_distinct_pct_95` float DEFAULT NULL, `InnoDB_pages_distinct_stddev` float DEFAULT NULL, `InnoDB_pages_distinct_median` float DEFAULT NULL, `QC_Hit_cnt` float DEFAULT NULL, `QC_Hit_sum` float DEFAULT NULL, `Full_scan_cnt` float DEFAULT NULL, `Full_scan_sum` float DEFAULT NULL, `Full_join_cnt` float DEFAULT NULL, `Full_join_sum` float DEFAULT NULL, `Tmp_table_cnt` float DEFAULT NULL, `Tmp_table_sum` float DEFAULT NULL, `Tmp_table_on_disk_cnt` float DEFAULT NULL, `Tmp_table_on_disk_sum` float DEFAULT NULL, `Filesort_cnt` float DEFAULT NULL, `Filesort_sum` float DEFAULT NULL, `Filesort_on_disk_cnt` float DEFAULT NULL, `Filesort_on_disk_sum` float DEFAULT NULL, `Bytes_sum` float DEFAULT NULL, `Bytes_min` float DEFAULT NULL, `Bytes_max` float DEFAULT NULL, `Bytes_pct_95` float DEFAULT NULL, `Bytes_stddev` float DEFAULT NULL, `Bytes_median` float DEFAULT NULL, PRIMARY KEY (`instanceid_max`,`checksum`,`ts_min`,`ts_max`) USING BTREE, KEY `idx_hostname_max_ts_min` (`instanceid_max`,`ts_min`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8 /*!50100 PARTITION BY RANGE (UNIX_TIMESTAMP(ts_min)) (PARTITION p201908 VALUES LESS THAN (1567267200) ENGINE = InnoDB, PARTITION p201909 VALUES LESS THAN (1569859200) ENGINE = InnoDB, PARTITION p201910 VALUES LESS THAN (1572537600) ENGINE = InnoDB, PARTITION p201911 VALUES LESS THAN (1575129600) ENGINE = InnoDB, PARTITION p201912 VALUES LESS THAN (1577808000) ENGINE = InnoDB) */ CREATE TABLE `t_slowq_review` ( `checksum` char(32) NOT NULL, `fingerprint` longtext NOT NULL, `sample` longtext NOT NULL, `first_seen` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP, `last_seen` datetime(6) DEFAULT NULL, `reviewed_by` varchar(20) DEFAULT NULL, `reviewed_on` datetime(6) DEFAULT NULL, `comments` longtext, `reviewed_status` varchar(24) DEFAULT NULL, PRIMARY KEY (`checksum`) USING BTREE, KEY `idx_last_seen` (`last_seen`) USING BTREE ) ENGINE=InnoDB DEFAULT CHARSET=utf8
這個腳本只是提供一個思路，邏輯就是，會自動去切割slowlog，然后解析上傳，切割后解析玩會刪除前一個日志，如果需要保留本地日志可以把代碼里面的刪除改成拷貝走，其中我提出的instance_id是我們覺得生產(chǎn)中只有checksum沒法和系統(tǒng)進(jìn)行結(jié)合和日常使用，各位可以參考使用，并進(jìn)行改造，其中有啥問題可以留言????
#!/usr/bin/env python
# -*- coding:utf-8 -*-
# create_time: 2019-08-08 11:20
import sys
import os
import socket
import time
from multiprocessing import Process
import subprocess
import pymysql as MySQLdb
DBMS_HOST = "" # 存儲數(shù)據(jù)庫的ip
DBMS_NAME = "" # 存儲數(shù)據(jù)庫的dbname
DBMS_PORT = # 存儲數(shù)據(jù)庫的端口
DBMS_PWD = "" # 存儲數(shù)據(jù)庫的賬號密碼
DBMS_USER = "" # 存儲數(shù)據(jù)庫的賬號
DBA_HOST = "" # 被采集實例的ip，一般默認(rèn)為 127.0.0.1
DBA_USER = "" # 被采集實例的 用戶
DBA_PASSWORD = "" # 被采集實例 用戶密碼
# 一般數(shù)據(jù)實例上建立一個 dba管理賬號來使用
class MySQLConnection(object):
def __init__(self, host, port, user, passwd, db=None, charset="utf8"):
self.host = host
self.port = port
self.user = user
self.passwd = passwd
self.db = db
self.charset = charset
self.error = ""
def Success(self):
return self.error == ""
def Connect(self):
self.error = ""
try:
self.conn = MySQLdb.connect(host=self.host, port=self.port, user=self.user, passwd=self.passwd,
charset=self.charset)
if self.db:
self.conn.select_db(self.db)
self.cursor = self.conn.cursor()
except Exception as e:
self.error = str(e)
def Close(self):
self.error = ""
try:
self.cursor.close()
self.conn.close()
except Exception as e:
self.error = str(e)
def Fileds(self):
res = []
try:
for r in self.cursor.description:
res.append(r[0])
except:
pass
return res
def Query(self, sql, params=None, rownum=[0], fetch=0):
self.error = ""
data = ()
try:
if params:
rownum[0] = self.cursor.execute(sql, params)
else:
rownum[0] = self.cursor.execute(sql)
if rownum[0] > 0:
if fetch == 0:
data = self.cursor.fetchall()
elif fetch == 1:
data = self.cursor.fetchone()
except Exception as e:
self.error = str(e)
return data
def Execute(self, sql, params=None):
self.error = ""
try:
if params:
self.cursor.execute(sql, params)
else:
self.cursor.execute(sql)
self.conn.commit()
except Exception as e:
self.error = str(e)
return False
return True
def RunCommand(c):
p = subprocess.Popen(c, stdout=subprocess.PIPE, stderr = subprocess.PIPE, shell = True)
(stdout, stderr) = p.communicate()
return (stdout.decode("utf-8"), stderr.decode("utf-8"))
def log_out(instance_id, start = time.time(), error = None):
"""
這里是用來記錄慢sql解析情況的，會上報相關(guān)狀態(tài)
"""
dbms_con = MySQLConnection(DBMS_HOST, DBMS_PORT, DBMS_USER, DBMS_PWD, DBMS_NAME)
dbms_con.Connect()
if dbms_con.error:
return
start_time = time.strftime('%Y-%m-%d %T', time.localtime(start))
dbms_con.Execute("replace into t_slowq_message(instance_id, error, start_time) values(%s, %s, %s)", (instance_id, error, start_time))
dbms_con.Close()
def GetSlowlogfile(instanceid,port):
"""
slowlog = datadir+slowlog
:param port:
:return:
"""
local_conn = MySQLConnection(host=DBA_HOST, port=port, user=DBA_USER, passwd=DBA_PASSWORD)
local_conn.Connect()
if not local_conn.error:
data = local_conn.Query("show global variables where variable_name in ('long_query_time', 'slow_query_log_file','datadir')")
if data:
res = {
data[0][0]: data[0][1],
data[1][0]: data[1][1],
data[2][0]: data[2][1],
}
local_conn.Close()
return res
local_conn.Close()
error = "get slowlog_file paremeters failed"
log_out(instance_id=instanceid, error=error)
return None
else:
log_out(instance_id=instanceid, error=str(local_conn.error))
local_conn.Close()
return None
def SwitchSlowlogfile(port):
local_conn = MySQLConnection(host=DBA_HOST, port=port, user=DBA_USER, passwd=DBA_PASSWORD)
local_conn.Connect()
if local_conn.error:
return False
tmp_log = "slowquery_%s.log" % (time.strftime('%Y%m%d%H%M', time.localtime(time.time())),)
res = local_conn.Execute("set global slow_query_log_file = %s", tmp_log)
return True
def CollectSlowlog(instanceid,port,hostname):
res = GetSlowlogfile(instanceid,port)
if res:
slowlog_time = eval(res["long_query_time"])
slowlog_file = res["slow_query_log_file"]
data_dir = res['datadir']
slow_log = data_dir+slowlog_file
if SwitchSlowlogfile(port):
try:
pt_query_digest = RunCommand("whereis pt-query-digest")[0].split()[1]
except:
pt_query_digest = "/usr/bin/pt-query-digest"
cmd = "%s --user=%s --password=%s --port=%s --review h=%s,D=%s,t=%s --history h=%s,D=%s,t=%s --no-report --limit=100%% --charset=utf8 " \
"--filter=\"\\$event->{Bytes} = length(\\$event->{arg}) and \\$event->{instanceid}=%s and \\$event->{hostname}='%s'" \
" and \$event->{client}=\$event->{ip}\" %s " % (
pt_query_digest, DBMS_USER, DBMS_PWD, DBMS_PORT, DBMS_HOST, DBMS_NAME,
"t_slowq_review", DBMS_HOST, DBMS_NAME, "t_slowq_details", instanceid, hostname,slow_log)
out, error = RunCommand(cmd)
if not error:
os.remove(slow_log)
log_out(instance_id=instanceid)
else:
error = "parse slowlog_file failed"
log_out(instance_id=instanceid,error=error)
else:
error = "switch slowlog_file failed"
log_out(instance_id=instanceid, error=error)
def Main():
"""
該部分可以自己進(jìn)行改造，我這邊的邏輯是我有一張記錄實例的元數(shù)據(jù)庫，來查詢當(dāng)前主機上面的實例，然后獲取實例id和port，各位可以自行改造
"""
try:
hostname = socket.gethostname()
dbms_con = MySQLConnection(DBMS_HOST, DBMS_PORT, DBMS_USER, DBMS_PWD, DBMS_NAME)
dbms_con.Connect()
if dbms_con.error:
return
sql1 = "SELECT a.instance_id,a.port FROM t_info_instance AS a JOIN t_info_machine AS b ON a.m_id = b.m_id WHERE b.hostname = %s"
res1 = dbms_con.Query(sql1, (hostname,))
if res1 != None and len(res1) > 0:
for instance in res1:
instance_id = instance[0]
port = instance[1]
p = Process(target=CollectSlowlog,args=(instance_id,port,hostname))
p.start()
dbms_con.Close()
except Exception as e:
print (e)
if __name__ == "__main__":
Main()另一張狀態(tài)表表結(jié)構(gòu)：
CREATE TABLE `t_slowq_message` ( `instance_id` int(11) NOT NULL, `error` text, `start_time` datetime NOT NULL, `end_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP, PRIMARY KEY (`instance_id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8
到此，相信大家對“MySQL慢SQL采集方案分析”有了更深的了解，不妨來實際操作一番吧！這里是億速云網(wǎng)站，更多相關(guān)內(nèi)容可以進(jìn)入相關(guān)頻道進(jìn)行查詢，關(guān)注我們，繼續(xù)學(xué)習(xí)！
免責(zé)聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進(jìn)行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼