現(xiàn)在最成熟的開源nosql是什么？分別有什么優(yōu)缺點(diǎn)

NoSQL，泛指非關(guān)系型的數(shù)據(jù)庫。隨著互聯(lián)網(wǎng)web2.0網(wǎng)站的興起，傳統(tǒng)的關(guān)系數(shù)據(jù)庫在應(yīng)付web2.0網(wǎng)站，特別是超大規(guī)模和高并發(fā)的SNS類型的web2.0純動(dòng)態(tài)網(wǎng)站已經(jīng)顯得力不從心，暴露了很多難以克服的問題，而非關(guān)系型的數(shù)據(jù)庫則由于其本身的特點(diǎn)得到了非常迅速的發(fā)展。NoSQL數(shù)據(jù)庫的產(chǎn)生就是為了解決大規(guī)模數(shù)據(jù)集合多重?cái)?shù)據(jù)種類帶來的挑戰(zhàn)，尤其是大數(shù)據(jù)應(yīng)用難題。

目前成都創(chuàng)新互聯(lián)公司已為上千家的企業(yè)提供了網(wǎng)站建設(shè)、域名、網(wǎng)站空間、成都網(wǎng)站托管、企業(yè)網(wǎng)站設(shè)計(jì)、余杭網(wǎng)站維護(hù)等服務(wù)，公司將堅(jiān)持客戶導(dǎo)向、應(yīng)用為本的策略，正道將秉承"和諧、參與、激情"的文化，與客戶和合作伙伴齊心協(xié)力一起成長，共同發(fā)展。

雖然NoSQL流行語火起來才短短一年的時(shí)間，但是不可否認(rèn)，現(xiàn)在已經(jīng)開始了第二代運(yùn)動(dòng)。盡管早期的堆棧代碼只能算是一種實(shí)驗(yàn)，然而現(xiàn)在的系統(tǒng)已經(jīng)更加的成熟、穩(wěn)定。不過現(xiàn)在也面臨著一個(gè)嚴(yán)酷的事實(shí)：技術(shù)越來越成熟——以至于原來很好的NoSQL數(shù)據(jù)存儲(chǔ)不得不進(jìn)行重寫，也有少數(shù)人認(rèn)為這就是所謂的2.0版本。這里列出一些比較知名的工具，可以為大數(shù)據(jù)建立快速、可擴(kuò)展的存儲(chǔ)庫。

NoSQL(NoSQL = Not Only SQL )，意即“不僅僅是SQL”，是一項(xiàng)全新的數(shù)據(jù)庫革命性運(yùn)動(dòng)，早期就有人提出，發(fā)展至2009年趨勢越發(fā)高漲。NoSQL的擁護(hù)者們提倡運(yùn)用非關(guān)系型的數(shù)據(jù)存儲(chǔ)，相對于鋪天蓋地的關(guān)系型數(shù)據(jù)庫運(yùn)用，這一概念無疑是一種全新的思維的注入。

NoSQL數(shù)據(jù)庫在以下的這幾種情況下比較適用：1、數(shù)據(jù)模型比較簡單；2、需要靈活性更強(qiáng)的IT系統(tǒng)；3、對數(shù)據(jù)庫性能要求較高；4、不需要高度的數(shù)據(jù)一致性；5、對于給定key，比較容易映射復(fù)雜值的環(huán)境。

企業(yè)大數(shù)據(jù)工作的任務(wù)、工具及挑戰(zhàn)

企業(yè)大數(shù)據(jù)工作的任務(wù)、工具及挑戰(zhàn)

隨著互聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)和物聯(lián)網(wǎng)的廣泛而深入地應(yīng)用，人類活動(dòng)的蹤跡加快在網(wǎng)絡(luò)空間的映射，網(wǎng)絡(luò)瀏覽、行車軌跡、物等等均留下數(shù)據(jù)記錄。

目前，全球數(shù)據(jù)呈現(xiàn)爆發(fā)式增長態(tài)勢，人類社會(huì)邁入大數(shù)據(jù)時(shí)代；

全球每18個(gè)月新增數(shù)據(jù)量是人類有史以來全部數(shù)據(jù)量的總和。

大數(shù)據(jù)的核心是數(shù)據(jù)，與大小無關(guān)，數(shù)據(jù)已經(jīng)成為戰(zhàn)略資產(chǎn)。

數(shù)據(jù)是人類活動(dòng)在網(wǎng)絡(luò)空間的映射，蘊(yùn)含人類生產(chǎn)、生活的規(guī)律，挖掘數(shù)據(jù)潛在價(jià)值，對國家治理、社會(huì)管理、企業(yè)決策和個(gè)人生活影響深遠(yuǎn)。

世界經(jīng)濟(jì)論壇的報(bào)告認(rèn)為大數(shù)據(jù)為新財(cái)富，價(jià)值堪比石油；

商業(yè)版圖由此被重新劃定，通曉如何利用這些數(shù)據(jù)的企業(yè)將成為最強(qiáng)者。

0. 澄清基本概念

為了不在后面討論中因概念不清產(chǎn)生誤解，我們首先給出幾個(gè)定義：

大型IT企業(yè)：指對外提供IT相關(guān)的軟硬件產(chǎn)品及服務(wù)的公司，員工至少在萬人以上。　

數(shù)據(jù)平臺：指大型IT企業(yè)用來為自身服務(wù)為主，擔(dān)負(fù)數(shù)據(jù)存儲(chǔ)、處理、分析業(yè)務(wù)和軟硬件綜合。

主要針對內(nèi)部服務(wù)，不對外開發(fā)。

數(shù)據(jù)分析：此處的數(shù)據(jù)分析師廣義的，包括一切基于數(shù)據(jù)得出的insights的行為，包括統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)建模和預(yù)測等。

1. 大型IT企業(yè)開展對內(nèi)數(shù)據(jù)業(yè)務(wù)的驅(qū)動(dòng)力

就目前而言，IT企業(yè)針對自身的數(shù)據(jù)分析業(yè)務(wù)可以分為廣告和非廣告兩類。

對大多數(shù)企業(yè)而言，除了廣告之外的數(shù)據(jù)業(yè)務(wù)，并不能直接帶來可以量化的收入。

但是，無論當(dāng)前數(shù)據(jù)分析的結(jié)果為企業(yè)的現(xiàn)金流做了多少貢獻(xiàn)。

數(shù)據(jù)為王的思想已然占據(jù)了眾多前沿企業(yè)間的頭腦。

數(shù)據(jù)是礦山，insights是金子，有了礦山才能有金子，有了礦山，終究會(huì)有金子。

因此，開發(fā)數(shù)據(jù)業(yè)務(wù)最主要的驅(qū)動(dòng)力，實(shí)際是對數(shù)據(jù)業(yè)務(wù)未來前景的積極預(yù)估。

主要應(yīng)用有(除廣告之外)：

用戶畫像——越來越多的企業(yè)開始觀眾用戶畫像，畢竟知己知彼百戰(zhàn)不殆，賣東西先得了解買主。

客戶保持——預(yù)測哪些現(xiàn)有客戶可能棄用產(chǎn)品或服務(wù)，即使采取措施挽留之。

產(chǎn)品使用分析——DAU，MAU，PV，UV，CTR等等，這些看起來都是些簡單的統(tǒng)計(jì)數(shù)字，但卻是反應(yīng)產(chǎn)品被使用情況的重要指標(biāo)。

產(chǎn)品推薦、銷量預(yù)測銷售指標(biāo)……等等

具體到某一種應(yīng)用，看似并不復(fù)雜，有些有成熟的方法可以用來訓(xùn)練模型，還有些根本就是統(tǒng)計(jì)指標(biāo)。

似乎并不需要什么高深的算法背景。但一旦涉及實(shí)際，就不像看起來那么簡單了。

即使是統(tǒng)計(jì)指標(biāo)，也不像想象得那樣，隨便run幾個(gè)sql query就能得出來。

對于大型分布式系統(tǒng)，不同模塊的訪問log都有可能分布在不同的cluster上，單純收集每日全局log就是一個(gè)復(fù)雜工作，更別說之后的合并、去重、聚合等工作。

因此，大型企業(yè)的數(shù)據(jù)分析不是做個(gè)excel表，安裝一個(gè)免費(fèi)mysql能夠解決的，而是需要專門的大型數(shù)據(jù)分析平臺。

2. 數(shù)據(jù)分析平臺通用架構(gòu)

常見的數(shù)據(jù)分析平臺，至少包括數(shù)據(jù)存儲(chǔ)、處理和分析三個(gè)部分。

2.1 數(shù)據(jù)存儲(chǔ)

數(shù)據(jù)存儲(chǔ)不必解釋，是一定必要的。

但是如何備份是一個(gè)很重要的問題。

假設(shè)：某公司一年產(chǎn)生上千PB的數(shù)據(jù)。

按照單純數(shù)據(jù)的存儲(chǔ)費(fèi)用1美元/GB年計(jì)算，存1TB一年就是1000美元，一PB就是100萬，1000PB就是10億。如果就是簡單的使用hadoop的默認(rèn)配置，每份數(shù)據(jù)都存3份，那么，這個(gè)實(shí)際產(chǎn)生數(shù)據(jù)x 3的體量將有多大?有將有多大的cost?

這是存儲(chǔ)層的挑戰(zhàn)。為了解決這個(gè)問題，一方面從硬件層面力圖降低存儲(chǔ)介質(zhì)的價(jià)格，比如近年來冷存儲(chǔ)的提出，就是針對運(yùn)維費(fèi)用。

另一方面就是尋找備份算法。

例如，yahoo專門研發(fā)了一種圖片存儲(chǔ)算法，邏輯上是11個(gè)備份，但是size只有原size的1.x倍。

2.2 數(shù)據(jù)處理

數(shù)據(jù)處理傳統(tǒng)上叫ETL、EDW，主要指數(shù)據(jù)的清洗、遷移和格式化。

大數(shù)據(jù)平臺，由于應(yīng)用范疇不同，自然多種多樣，源數(shù)據(jù)包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。

但是如果數(shù)據(jù)真的是“大數(shù)據(jù)”(符合4V特征)的話，即使本身收集上來的數(shù)據(jù)是結(jié)構(gòu)化的，也往往需要二次處理，轉(zhuǎn)換format或schema。　

數(shù)據(jù)處理層所需技術(shù)相對簡單，然而挑戰(zhàn)在于對于數(shù)據(jù)的理解。

如果不知道這個(gè)收集上來的log文件里面要提取出多少字段，每個(gè)字段對應(yīng)數(shù)據(jù)源中的哪個(gè)部分，則數(shù)據(jù)提取完全不能進(jìn)行。

這就要求進(jìn)行數(shù)據(jù)處理的人必須同時(shí)具備對業(yè)務(wù)的了解。

2.3 數(shù)據(jù)分析

數(shù)據(jù)分析是數(shù)據(jù)中尋找價(jià)值的關(guān)鍵步驟。

數(shù)據(jù)分析工作本身還處于初級階段。

除了一些簡單的統(tǒng)計(jì)計(jì)算，大多數(shù)數(shù)據(jù)還是只能交給分析人員，進(jìn)行沒有特別針對性的探索，效果難以得到保證。

對于這些挑戰(zhàn)，開展數(shù)據(jù)業(yè)務(wù)早的公司，相應(yīng)的平臺和技術(shù)是在針對自身業(yè)務(wù)的過程中慢慢發(fā)展起來，部分公司選擇是將平臺外包或者自己開發(fā)針對自身業(yè)務(wù)的定制功能。

相對于前兩者，數(shù)據(jù)分析師一個(gè)業(yè)務(wù)針對性更強(qiáng)的步驟，因此更難采用通用方法或手段解決，更加依賴企業(yè)自身的積累。

3. 數(shù)據(jù)分析平臺開源框架

3.1 開源框架

目前，就國內(nèi)而言，談到數(shù)據(jù)分析相關(guān)的開源框架，總不能忽略下面三個(gè)：

hadoop：batch，mapReduce

storm：streaming

spark：batch + streaming

這些開源框架的共同特點(diǎn)是把重點(diǎn)放在并行計(jì)算框架上，關(guān)注的是job latency, load balance和fault recovery，對于資源分配、用戶管理和權(quán)限控制幾乎不考慮。

它們基于的假設(shè)是:所有用戶都一樣，平權(quán)，所有用戶都能用所有的機(jī)器以最快的可能完成所有工作。

3.2 開源框架的局限

而在大型企業(yè)內(nèi)部，不同部門，同一部門的不同job，絕對不是平權(quán)的。

不同部門之間，也有很多私密的數(shù)據(jù)，不讓別人訪問。

不同用戶的權(quán)限也是不一樣的。對于計(jì)算資源的需求，因?yàn)椴煌琷ob的優(yōu)先級不同，也要求予以區(qū)別。

在這種需求之下，催生了一些第三方，專門提供hadoop等開源框架的資源、權(quán)限管理產(chǎn)品或者服務(wù)。hadoop在升級到2以后，也考慮一些數(shù)據(jù)隔離的問題。

但其力度，恐怕難以滿足大多數(shù)大型企業(yè)的要求。

這也是使用開源框架的無奈。使用開源產(chǎn)品的商業(yè)發(fā)行版，也是一種辦法。不過始終是不如企業(yè)原生系統(tǒng)在這方面的支持。

3.3 企業(yè)原生框架

確實(shí)也有些企業(yè)獨(dú)立開發(fā)了全自主(不基于開源產(chǎn)品)的僅限于內(nèi)部使用的分布式數(shù)據(jù)處理平臺。在用戶管理，數(shù)據(jù)訪問權(quán)限，存儲(chǔ)、運(yùn)算資源管理等方面很下功夫。

例如：要求每個(gè)用戶在提交job前必須先申請token，有多少token，就有多少計(jì)算量。不同數(shù)據(jù)存儲(chǔ)路徑之間的權(quán)限完全單獨(dú)管理，使用者也要實(shí)現(xiàn)申請權(quán)限。

但是開發(fā)這樣的系統(tǒng)意味著企業(yè)必須具備非常強(qiáng)大的研發(fā)能力，并能承擔(dān)得起巨大的人力等資源的消耗。而且相對于開源系統(tǒng)已經(jīng)實(shí)現(xiàn)的功能，難免有重復(fù)造輪子之嫌，即使是大型企業(yè)，也很少選取這種方案。　

4. 大型IT企業(yè)數(shù)據(jù)業(yè)務(wù)的挑戰(zhàn)

4.1 通用挑戰(zhàn)：意識、技術(shù)和人才

4.1.1 意識

意識主要是指決策層的思想意識——數(shù)據(jù)對于企業(yè)發(fā)展是否真的必要?

這一點(diǎn)在很多管理者腦子里還是存疑的，他們目前所處狀態(tài)很多是：聽說數(shù)據(jù)這東西有用，人家都在搞，所以我們也要搞，至于是不是真有用，搞出來看看再說。

如果只是采用游戲或者試探態(tài)度，必然影響發(fā)展進(jìn)程。但這也是沒辦法的事情，所有新事物都必須經(jīng)歷這一過程。

4.1.2 技術(shù)

技術(shù)指目前數(shù)據(jù)分析的技術(shù)，基本是采用新框架逆流支持舊接口的策略。

曾經(jīng)有一篇文章，名叫《NoSQL?NO，SQL》，說的就是這個(gè)。

包括spark回頭支持SQL，也是如此。明明我們分析的是非結(jié)構(gòu)化數(shù)據(jù)，但是因?yàn)楦唠A算法的問題，卻連mapReduce都放棄了，索性回到SQL時(shí)代。

為了讓更多人用的舒服，不去開發(fā)針對非結(jié)構(gòu)化數(shù)據(jù)的新方法，而是反過來，向下兼容結(jié)構(gòu)化。

個(gè)人認(rèn)為這是一種逆流。這樣做則永遠(yuǎn)無法避免巨大的數(shù)據(jù)處理工作。

4.1.3 人才

“數(shù)據(jù)科學(xué)家”這個(gè)詞大家肯定都知道。

可是，這個(gè)職位其實(shí)很模糊，不同公司，甚至同一公司的不同部門之間對這一職位的定義相差甚遠(yuǎn)。

有些數(shù)據(jù)科學(xué)家是學(xué)數(shù)學(xué)的博士，有些是以前做BI的，有些是PM轉(zhuǎn)行的，水平參差不齊。

所以，恐怕在相當(dāng)長的時(shí)期里，這會(huì)是一個(gè)門檻低，要求高的職位。很難短時(shí)間內(nèi)批量涌現(xiàn)出優(yōu)秀者。

4.2 特有挑戰(zhàn)：產(chǎn)品align

產(chǎn)品align是說每個(gè)產(chǎn)品的數(shù)據(jù)分析結(jié)果可以互相對比，也就是要求其定義和實(shí)現(xiàn)都一致。

對于一個(gè)產(chǎn)品眾多的大企業(yè)而言，要求不同產(chǎn)品、流水線的分析報(bào)告具有可比性，這是一個(gè)很常見的需求。

但是由于現(xiàn)在大多數(shù)企業(yè)中數(shù)據(jù)分析不是由一個(gè)部門統(tǒng)一管理，各個(gè)產(chǎn)品部門各自為戰(zhàn)，結(jié)果導(dǎo)致在align的過程中互相牽制，進(jìn)而拉低了所有產(chǎn)品的分析水平。

這樣的挑戰(zhàn)有賴于企業(yè)總體數(shù)據(jù)策略的制定和執(zhí)行。

而整體策略的制定和執(zhí)行又有賴于前面所說的三點(diǎn)通用挑戰(zhàn)，環(huán)環(huán)相扣，顯然不能一蹴而就。

5. 大企業(yè)數(shù)據(jù)工作的發(fā)展趨勢

早期的數(shù)據(jù)分析工作，在實(shí)踐層面基本采用批處理模式。

隨著業(yè)務(wù)的發(fā)展，對于其實(shí)時(shí)或者準(zhǔn)實(shí)時(shí)(NRT)的需求越來越多。

提供latency極短的增量分析和流式服務(wù)是眾多企業(yè)數(shù)據(jù)分析工作的當(dāng)務(wù)之急。

從長遠(yuǎn)考慮，真正擁有數(shù)據(jù)的是大企業(yè)，未來，大企業(yè)在數(shù)據(jù)的分析利用上，也必將全面勝出小企業(yè)。

不過，處于不同成熟階段的大公司突破點(diǎn)各不同。

有些技術(shù)先行，在分析方法和工具上成為領(lǐng)軍。

另一些則傾向數(shù)據(jù)管理和治理，在管理層面上，在策略、條例的制定上為整個(gè)社會(huì)提供先進(jìn)經(jīng)驗(yàn)。

如何根據(jù)性能選擇內(nèi)存NoSQL數(shù)據(jù)庫

本文主要內(nèi)容是測試了不同NoSQL數(shù)據(jù)庫在測試工具YCSB中的表現(xiàn)。我們選取了3款流行的內(nèi)存(in-memory)數(shù)據(jù)庫管理系統(tǒng)：Redis，Tarantool 以及 CouchBase，還有緩存系統(tǒng)Memchached。Memchached雖然不屬于數(shù)據(jù)庫管理系統(tǒng)但常作為快速存儲(chǔ)系統(tǒng)使用。

測試環(huán)境由4臺在Microsoft Azure Cloud中的虛擬機(jī)組成的計(jì)算機(jī)組組成。這些虛擬機(jī)同屬于一個(gè)數(shù)據(jù)中心。nosql-1和nosql-2用作測試Tarantool和CouchBase，nosql-3和nosql-4用作測試Redis，Azure Redis Cache 以及 Memcached。這些機(jī)器都安裝和配置了相應(yīng)數(shù)據(jù)庫和測試項(xiàng)目。虛擬機(jī)的配置為4核A3 CPU，7GB RAM，120GB硬盤。

數(shù)據(jù)庫及設(shè)置

內(nèi)存數(shù)據(jù)庫管理系統(tǒng)會(huì)存儲(chǔ)所有在主內(nèi)存中的數(shù)據(jù)并在磁碟上進(jìn)行持續(xù)更新操作；透過日志記錄每個(gè)數(shù)據(jù)的修改以確保連貫性。由于是以append-only方式進(jìn)行日志寫入，因此它很少遇到瓶頸問題；讀取/寫入都不會(huì)造成頻繁的磁碟頭移動(dòng)。

Redis在2009推出，目前的最新版本是3.0.5。我們這里使用的版本是3.0.4，以append-only(只附加)方式進(jìn)行數(shù)據(jù)管理，與其配合使用的是Microsoft Azure Redis Cache工具。

Tarantool是一款開源NoSQL數(shù)據(jù)庫管理系統(tǒng)。我們使用的是Tarantool 1.6.7-126-gb35aff9，日志采用write-ahead(先寫)模式。Memcached是一款分布式內(nèi)存緩存系統(tǒng)，這里使用是Memcached 1.4.14-0ubuntu9。

Couchbase Server是開源分布式NoSQL面向文檔數(shù)據(jù)庫，這里使用的版本是Couchbase 4.0.0-4047-1。

YCSB測試工具

Yahoo! Cloud Serving Benchmark(YCSB)是功能強(qiáng)大的NoSQL數(shù)據(jù)庫性能測試工具，它提供了6種主要的負(fù)載工作類型，以字母A到F來區(qū)分。

負(fù)載A負(fù)責(zé)更新操作，極值是50/50的讀寫操作，如用于進(jìn)行新近操作記錄。負(fù)載B負(fù)責(zé)讀取操作，極值是95/5的讀寫操作，如用于進(jìn)行圖片標(biāo)簽管理，多進(jìn)行標(biāo)簽讀取操作。負(fù)載C負(fù)載100%的讀取操作，如用于進(jìn)行用戶屬性獲取。負(fù)載D以先進(jìn)先出方式進(jìn)行插入操作，如用戶進(jìn)行最新數(shù)據(jù)讀取。負(fù)載E負(fù)責(zé)小范圍記錄讀取而不是單個(gè)記錄讀取，如線程會(huì)話。負(fù)載F負(fù)責(zé)記錄的讀取，修改和寫入，如用戶信息管理。

我們對配置文件作了兩處參數(shù)修改：數(shù)據(jù)條目recordcount設(shè)為200000，操作條目operationcount設(shè)為5000000。YCSB是多線程工具，我們將以8, 16, 32, 64, 128 及256 線程來進(jìn)行測試。詳細(xì)的測試腳本請點(diǎn)擊這里進(jìn)行下載。

下列測試結(jié)果圖以顏色進(jìn)行測試對象區(qū)分，

Tarantool (HASH) （藍(lán)）

Tarantool (TREE)（淺藍(lán)）

Redis （紅）

Azure Redis Cache （橙）

Memcached （綠）

CouchBase（黑）

更多圖片請點(diǎn)擊［這里］查看。

結(jié)論

Tarantool在所有負(fù)載類型測試中皆取得了最優(yōu)成績。它創(chuàng)建了一個(gè)無鎖內(nèi)存引擎，以協(xié)同多任務(wù)方式進(jìn)行操作而不是互斥或并行處理方式。根據(jù)以下性能圖表現(xiàn)，我們的結(jié)論是Tarantool的高吞吐量處理是其最大優(yōu)勢之一。因此在多數(shù)場合下，Tarantool是用戶的最佳選擇。

大數(shù)據(jù)應(yīng)用較多的技術(shù)都有哪些

簡單說有三大核心技術(shù)：拿數(shù)據(jù)，算數(shù)據(jù)，賣數(shù)據(jù)。通用化的大數(shù)據(jù)處理框架，主要分為下面幾個(gè)方面：數(shù)據(jù)采集與預(yù)處理、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)清洗、數(shù)據(jù)查詢分析和數(shù)據(jù)可視化。涉及到的技術(shù)很多

Logstash

Sqoop

Strom

Zookeeper

Hadoop

等等

分享題目：關(guān)于Yahoonosql的信息
文章源于：http://chinadenli.net/article45/dsgdsei.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供搜索引擎優(yōu)化、手機(jī)網(wǎng)站建設(shè)、面包屑導(dǎo)航、Google、小程序開發(fā)、App設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)