• 设为首页
  • 点击收藏
  • 手机APP
    手机扫一扫下载
    华域联盟APP
  • 关注官方公众号
    微信扫一扫关注
    华域联盟公众号
hotWEB访问日志自动化剖析浅谈

1.概略最近经常需求剖析WEB访问日志,从中发现非法央求,然后做相应安全检查,为了便当,所以写了一个日志 详情

MemCache超详细解读

0
回复
115
查看
[复制链接]
发表于 2018-1-20 17:06:14 | 显示全部楼层 |阅读模式

马上注册,结交更多好友,享用更多功能,让你轻松玩转社区。

您需要 登录 才可以下载或查看,没有帐号?立即注册 新浪微博登陆

x
  MemCache是什么
, v& A% F0 _3 F, x4 D          MemCache是一个自由、源码开放、高性能、分布式的分布式内存对象缓存系统,用于动态Web应用以减轻数据库的负载。它通过在内存中缓存数据和对象来减少读取数据库的次数,从而提高了网站访问的速度。MemCaChe是一个存储键值对的HashMap,在内存中对任意的数据(比如字符串、对象等)所使用的key-value存储,数据可以来自数据库调用、API调用,或者页面渲染的结果。MemCache设计理念就是小而强大,它简单的设计促进了快速部署、易于开发并解决面对大规模的数据缓存的许多难题,而所开放的API使得MemCache能用于Java、C/C++/C#、Perl、Python、PHP、Ruby等大部分流行的程序语言。
, c2 A. |) @! e! j8 C4 u3 Q          另外,说一下MemCache和MemCached的区别:
6 D. T1 C- e/ b" Z/ r          1、MemCache是项目的名称3 Y9 e1 Q6 @! Z& }) x7 n
          2、MemCached是MemCache服务器端可以执行文件的名称7 }: b' w" w1 x. D9 u+ e# E
          MemCache的官方网站为http://memcached.org/
# k2 A- E9 t1 O9 {* j$ B% f          MemCache访问模型' @, t0 @& e( t$ r
          为了加深理解,我模仿着原阿里技术专家李智慧老师《大型网站技术架构 核心原理与案例分析》一书MemCache部分,自己画了一张图:, ?6 C( w- O  c2 W* E
        20160314181619960205.PNG
6 U2 d9 u( r" _2 z: `- D7 F8 n: `          特别澄清一个问题,MemCache虽然被称为"分布式缓存",但是MemCache本身完全不具备分布式的功能,MemCache集群之间不会相互通信(与之形成对比的,比如JBoss Cache,某台服务器有缓存数据更新时,会通知集群中其他机器更新缓存或清除缓存数据),所谓的"分布式",完全依赖于客户端程序的实现,就像上面这张图的流程一样。
6 r+ C" \7 G) v) x/ P! `          同时基于这张图,理一下MemCache一次写缓存的流程:
" _" [* }0 _/ W( F          1、应用程序输入需要写缓存的数据& \6 u2 a, T' G
          2、API将Key输入路由算法模块,路由算法根据Key和MemCache集群服务器列表得到一台服务器编号
; B$ }8 Y2 z" F: C' X          3、由服务器编号得到MemCache及其的ip地址和端口号
3 t- V: ]8 e/ _( I          4、API调用通信模块和指定编号的服务器通信,将数据写入该服务器,完成一次分布式缓存的写操作
: g& r0 G" l1 _. G' |4 J          读缓存和写缓存一样,只要使用相同的路由算法和服务器列表,只要应用程序查询的是相同的Key,MemCache客户端总是访问相同的客户端去读取数据,只要服务器中还缓存着该数据,就能保证缓存命中。) o: h+ }* r, |. N. _
          这种MemCache集群的方式也是从分区容错性的方面考虑的,假如Node2宕机了,那么Node2上面存储的数据都不可用了,此时由于集群中Node0和Node1还存在,下一次请求Node2中存储的Key值的时候,肯定是没有命中的,这时先从数据库中拿到要缓存的数据,然后路由算法模块根据Key值在Node0和Node1中选取一个节点,把对应的数据放进去,这样下一次就又可以走缓存了,这种集群的做法很好,但是缺点是成本比较大。
3 H2 d7 X6 O4 Q1 X8 A          一致性Hash算法
3 M: w1 L6 }8 O' m* o% |          从上面的图中,可以看出一个很重要的问题,就是对服务器集群的管理,路由算法至关重要,就和负载均衡算法一样,路由算法决定着究竟该访问集群中的哪台服务器,先看一个简单的路由算法。
% _* a+ F, |; H, A4 e" j          1、余数Hash% K+ T( g0 C, [! }
          比方说,字符串str对应的HashCode是50、服务器的数目是3,取余数得到1,str对应节点Node1,所以路由算法把str路由到Node1服务器上。由于HashCode随机性比较强,所以使用余数Hash路由算法就可以保证缓存数据在整个MemCache服务器集群中有比较均衡的分布。
. C$ m0 w) _8 ^$ x" @, p# E2 {( w          如果不考虑服务器集群的伸缩性(什么是伸缩性,请参见大型网站架构学习笔记),那么余数Hash算法几乎可以满足绝大多数的缓存路由需求,但是当分布式缓存集群需要扩容的时候,就难办了。
/ _( ], i8 W1 Z* s9 q0 {3 b          就假设MemCache服务器集群由3台变为4台吧,更改服务器列表,仍然使用余数Hash,50对4的余数是2,对应Node2,但是str原来是存在Node1上的,这就导致了缓存没有命中。如果这么说不够明白,那么不妨举个例子,原来有HashCode为0~19的20个数据,那么:
: B4 B) I8 ?; Y/ {6 [
        HashCode        0        1        2        3        4        5        6        7        8        9        10        11        12        13        14        15        16        17        18        19
        路由到的服务器        0        1        2        0        1        2        0        1        2        0        1        2        0        1        2        0        1        2        0        1
          现在我扩容到4台,加粗标红的表示命中:
; d4 P8 ^2 U$ K
        HashCode        0        1        2        3        4        5        6        7        8        9        10        11        12        13        14        15        16        17        18        19
        路由到的服务器        0        1        2        3        0        1        2        3        0        1        2        3        0        1        2        3        0        1        2        3
          如果我扩容到20+的台数,只有前三个HashCode对应的Key是命中的,也就是15%。当然这只是个简单例子,现实情况肯定比这个复杂得多,不过足以说明,使用余数Hash的路由算法,在扩容的时候会造成大量的数据无法正确命中(其实不仅仅是无法命中,那些大量的无法命中的数据还在原缓存中在被移除前占据着内存)。这个结果显然是无法接受的,在网站业务中,大部分的业务数据度操作请求上事实上是通过缓存获取的,只有少量读操作会访问数据库,因此数据库的负载能力是以有缓存为前提而设计的。当大部分被缓存了的数据因为服务器扩容而不能正确读取时,这些数据访问的压力就落在了数据库的身上,这将大大超过数据库的负载能力,严重的可能会导致数据库宕机。
9 ~7 S0 f' g- y: m+ a          这个问题有解决方案,解决步骤为:
+ ^- f9 l: c$ c9 Z+ n0 k  X" P$ x3 F0 U          (1)在网站访问量低谷,通常是深夜,技术团队加班,扩容、重启服务器
% o: B  G7 _6 D4 L( `          (2)通过模拟请求的方式逐渐预热缓存,使缓存服务器中的数据重新分布
! q( ^+ w, }2 ]2 V- H7 _          2、一致性Hash算法4 ^, M- G1 I4 F* F" ~, N
          一致性Hash算法通过一个叫做一致性Hash环的数据结构实现Key到缓存服务器的Hash映射,看一下我自己画的一张图:
& _# T) @4 A7 I        20160314181619960205.PNG : c# `2 k# v% x( _9 L* W' K
          具体算法过程为:先构造一个长度为232的整数环(这个环被称为一致性Hash环),根据节点名称的Hash值(其分布为[0, 232-1])将缓存服务器节点放置在这个Hash环上,然后根据需要缓存的数据的Key值计算得到其Hash值(其分布也为[0, 232-1]),然后在Hash环上顺时针查找距离这个Key值的Hash值最近的服务器节点,完成Key到服务器的映射查找。+ Q& M4 E3 u4 a1 U( W
          就如同图上所示,三个Node点分别位于Hash环上的三个位置,然后Key值根据其HashCode,在Hash环上有一个固定位置,位置固定下之后,Key就会顺时针去寻找离它最近的一个Node,把数据存储在这个Node的MemCache服务器中。使用Hash环如果加了一个节点会怎么样,看一下:
( W: U% l; M+ h' U9 W7 T2 p        20160314181619960205.PNG
6 w* M: p3 C: i, U0 l0 p          看到我加了一个Node4节点,只影响到了一个Key值的数据,本来这个Key值应该是在Node1服务器上的,现在要去Node4了。采用一致性Hash算法,的确也会影响到整个集群,但是影响的只是加粗的那一段而已,相比余数Hash算法影响了远超一半的影响率,这种影响要小得多。更重要的是,集群中缓存服务器节点越多,增加节点带来的影响越小,很好理解。换句话说,随着集群规模的增大,继续命中原有缓存数据的概率会越来越大,虽然仍然有小部分数据缓存在服务器中不能被读到,但是这个比例足够小,即使访问数据库,也不会对数据库造成致命的负载压力。9 J. }& O  [0 b+ ^$ V8 j6 Q
          至于具体应用,这个长度为232的一致性Hash环通常使用二叉查找树实现,至于二叉查找树,就是算法的问题了,可以自己去查询相关资料。
; c- X3 i, K5 i7 ]0 Q          MemCache实现原理
1 ]5 w; l0 p  ?          首先要说明一点,MemCache的数据存放在内存中,存放在内存中个人认为意味着几点:2 N6 `' W  _9 \$ V. ^
          1、访问数据的速度比传统的关系型数据库要快,因为Oracle、MySQL这些传统的关系型数据库为了保持数据的持久性,数据存放在硬盘中,IO操作速度慢
/ |5 b: R1 v5 i1 _          2、MemCache的数据存放在内存中同时意味着只要MemCache重启了,数据就会消失, ?5 H* p$ X! e, K. k9 a
          3、既然MemCache的数据存放在内存中,那么势必受到机器位数的限制,这个之前的文章写过很多次了,32位机器最多只能使用2GB的内存空间,64位机器可以认为没有上限0 C6 M. {1 F2 V( W
          然后我们来看一下MemCache的原理,MemCache最重要的莫不是内存分配的内容了,MemCache采用的内存分配方式是固定空间分配,还是自己画一张图说明:, K# n& T  q: o  t
        20160314181619960205.PNG
1 F# P( g* ^; W          这张图片里面涉及了slab_class、slab、page、chunk四个概念,它们之间的关系是:& z9 K" j) v9 @! |3 {
          1、MemCache将内存空间分为一组slab
" v. H, K. h) d* m; y$ _- i          2、每个slab下又有若干个page,每个page默认是1M,如果一个slab占用100M内存的话,那么这个slab下应该有100个page# v2 G. q0 R; s
          3、每个page里面包含一组chunk,chunk是真正存放数据的地方,同一个slab里面的chunk的大小是固定的7 N" F9 H2 q/ f9 }  w
          4、有相同大小chunk的slab被组织在一起,称为slab_class8 q3 @% J+ Q" M& X/ O* M- C/ C5 E7 C
          MemCache内存分配的方式称为allocator,slab的数量是有限的,几个、十几个或者几十个,这个和启动参数的配置相关。
' D- N. Z( _$ }( P          MemCache中的value过来存放的地方是由value的大小决定的,value总是会被存放到与chunk大小最接近的一个slab中,比如slab[1]的chunk大小为80字节、slab[2]的chunk大小为100字节、slab[3]的chunk大小为128字节(相邻slab内的chunk基本以1.25为比例进行增长,MemCache启动时可以用-f指定这个比例),那么过来一个88字节的value,这个value将被放到2号slab中。放slab的时候,首先slab要申请内存,申请内存是以page为单位的,所以在放入第一个数据的时候,无论大小为多少,都会有1M大小的page被分配给该slab。申请到page后,slab会将这个page的内存按chunk的大小进行切分,这样就变成了一个chunk数组,最后从这个chunk数组中选择一个用于存储数据。- `' O' V9 x! r% H# B2 }/ J, r
          如果这个slab中没有chunk可以分配了怎么办,如果MemCache启动没有追加-M(禁止LRU,这种情况下内存不够会报Out Of Memory错误),那么MemCache会把这个slab中最近最少使用的chunk中的数据清理掉,然后放上最新的数据。针对MemCache的内存分配及回收算法,总结三点:
7 p6 [' Q6 x1 x+ h; z& ^          1、MemCache的内存分配chunk里面会有内存浪费,88字节的value分配在128字节(紧接着大的用)的chunk中,就损失了30字节,但是这也避免了管理内存碎片的问题$ E8 T7 t( ~! K) s' \$ u
          2、MemCache的LRU算法不是针对全局的,是针对slab的9 d/ n4 `2 q  v6 n9 _5 r$ N  v
          3、应该可以理解为什么MemCache存放的value大小是限制的,因为一个新数据过来,slab会先以page为单位申请一块内存,申请的内存最多就只有1M,所以value大小自然不能大于1M了
4 X% _$ e" i) D6 N1 |          再总结MemCache的特性和限制8 f1 t9 P& _$ `9 z' M$ Y1 j3 e& R
          上面已经对于MemCache做了一个比较详细的解读,这里再次总结MemCache的限制和特性:5 F( k) f6 }- B! L* e1 D
          1、MemCache中可以保存的item数据量是没有限制的,只要内存足够1 X) n, H" r& B1 N3 ~6 O% w# C
          2、MemCache单进程在32位机中最大使用内存为2G,这个之前的文章提了多次了,64位机则没有限制
9 k+ r2 n1 {) u          3、Key最大为250个字节,超过该长度无法存储
; k! Y5 X! q7 d$ [9 H* D          4、单个item最大数据是1MB,超过1MB的数据不予存储
( Y4 I. Y# o- y* I1 {          5、MemCache服务端是不安全的,比如已知某个MemCache节点,可以直接telnet过去,并通过flush_all让已经存在的键值对立即失效
# F; q5 `3 {% p/ T# _7 F          6、不能够遍历MemCache中所有的item,因为这个操作的速度相对缓慢且会阻塞其他的操作- {, b# `! z: G5 g
          7、MemCache的高性能源自于两阶段哈希结构:第一阶段在客户端,通过Hash算法根据Key值算出一个节点;第二阶段在服务端,通过一个内部的Hash算法,查找真正的item并返回给客户端。从实现的角度看,MemCache是一个非阻塞的、基于事件的服务器程序" S. Z3 l# ], p1 Q. O) f8 U' v. i
          8、MemCache设置添加某一个Key值的时候,传入expiry为0表示这个Key值永久有效,这个Key值也会在30天之后失效,见memcache.c的源代码:
! ?1 F" A* J  ~; z: t
  1. #define REALTIME_MAXDELTA 60*60*24*30
  2. static rel_time_t realtime(const time_t exptime) { if (exptime == 0) return 0; if (exptime > REALTIME_MAXDELTA) { if (exptime <= process_started) return (rel_time_t)1; return (rel_time_t)(exptime - process_started); } else { return (rel_time_t)(exptime + current_time); }
  3. }
复制代码
          这个失效的时间是memcache源码里面写的,开发者没有办法改变MemCache的Key值失效时间为30天这个限制: V8 i0 r  R) J0 f" }$ D; \- t: D
          MemCache指令汇总
7 J% F' u. z* H  T; k. v$ C          上面说过,已知MemCache的某个节点,直接telnet过去,就可以使用各种命令操作MemCache了,下面看下MemCache有哪几种命令:# x2 A5 ?- F7 X( o- i% I
        命    令        作    用
        get        返回Key对应的Value值
        add         添加一个Key值,没有则添加成功并提示STORED,有则失败并提示NOT_STORED
        set          无条件地设置一个Key值,没有就增加,有就覆盖,操作成功提示STORED
        replace         按照相应的Key值替换数据,如果Key值不存在则会操作失败
        stats        返回MemCache通用统计信息(下面有详细解读)
        stats items        返回各个slab中item的数目和最老的item的年龄(最后一次访问距离现在的秒数)
        stats slabs        返回MemCache运行期间创建的每个slab的信息(下面有详细解读)
        version        返回当前MemCache版本号
        flush_all        清空所有键值,但不会删除items,所以此时MemCache依旧占用内存
        quit        关闭连接
          stats指令解读, E: Z! u' j" \7 @4 q6 k( \6 w* g3 \
          stats是一个比较重要的指令,用于列出当前MemCache服务器的状态,拿一组数据举个例子:
/ q- |$ g$ G; d9 G6 v
  1. STAT pid 1023
  2. STAT uptime 21069937
  3. STAT time 1447235954
  4. STAT version 1.4.5
  5. STAT pointer_size 64
  6. STAT rusage_user 1167.020934
  7. STAT rusage_system 3346.933170
  8. STAT curr_connections 29
  9. STAT total_connections 21
  10. STAT connection_structures 49
  11. STAT cmd_get 49
  12. STAT cmd_set 7458
  13. STAT cmd_flush 0
  14. STAT get_hits 7401
  15. STAT get_misses 57
  16. ..(delete、incr、decr、cas的hits和misses数,cas还多一个badval)
  17. STAT auth_cmds 0
  18. STAT auth_errors 0
  19. STAT bytes_read 22026555
  20. STAT bytes_written 8930466
  21. STAT limit_maxbytes 4134304000
  22. STAT accepting_conns 1
  23. STAT listen_disabled_num 0
  24. STAT threads 4
  25. STAT bytes 151255336
  26. STAT current_items 57146
  27. STAT total_items 580656
  28. STAT evicitions 0
复制代码
          这些参数反映着MemCache服务器的基本信息,它们的意思是:7 S2 |2 Z% E) Z& q: _3 g6 b2 ^+ u
        参  数  名        作      用
        pid        MemCache服务器的进程id
        uptime        服务器已经运行的秒数
        time        服务器当前的UNIX时间戳
        version        MemCache版本
        pointer_size        当前操作系统指针大小,反映了操作系统的位数,64意味着MemCache服务器是64位的
        rusage_user        进程的累计用户时间
        rusage_system         进程的累计系统时间
        curr_connections          当前打开着的连接数
        total_connections          当服务器启动以后曾经打开过的连接数
        connection_structures         服务器分配的连接构造数
        cmd_get         get命令总请求次数
        cmd_set        set命令总请求次数
        cmd_flush         flush_all命令总请求次数
        get_hits         总命中次数,重要,缓存最重要的参数就是缓存命中率,以get_hits / (get_hits + get_misses)表示,比如这个缓存命中率就是99.2%
        get_misses         总未命中次数
        auth_cmds         认证命令的处理次数
        auth_errors         认证失败的处理次数
        bytes_read         总读取的字节数
        bytes_written         总发送的字节数
         limit_maxbytes        分配给MemCache的内存大小(单位为字节)
        accepting_conns         是否已经达到连接的最大值,1表示达到,0表示未达到
        listen_disabled_num         统计当前服务器连接数曾经达到最大连接的次数,这个次数应该为0或者接近于0,如果这个数字不断增长, 就要小心我们的服务了
        threads         当前MemCache总线程数,由于MemCache的线程是基于事件驱动机制的,因此不会一个线程对应一个用户请求
        bytes         当前服务器存储的items总字节数
        current_items         当前服务器存储的items总数量
        total_items         自服务器启动以后存储的items总数量
          stats slab指令解读
: J* U) O$ L+ G9 d" b% X& j          如果对上面的MemCache存储机制比较理解了,那么我们来看一下各个slab中的信息,还是拿一组数据举个例子:
  1. 1 STAT1:chunk_size 96 2 ... 3 STAT 2:chunk_size 144 4 STAT 2:chunks_per_page 7281 5 STAT 2:total_pages 7 6 STAT 2:total_chunks 50967 7 STAT 2:used_chunks 45197 8 STAT 2:free_chunks 1 9 STAT 2:free_chunks_end 5769
  2. 10 STAT 2:mem_requested 6084638
  3. 11 STAT 2:get_hits 48084
  4. 12 STAT 2:cmd_set 59588271
  5. 13 STAT 2:delete_hits 0
  6. 14 STAT 2:incr_hits 0
  7. 15 STAT 2:decr_hits 0
  8. 16 STAT 2:cas_hits 0
  9. 17 STAT 2:cas_badval 0
  10. 18 ...
  11. 19 STAT 3:chunk_size 216
  12. 20 ...
复制代码
  首先看到,第二个slab的chunk_size(144)/第一个slab的chunk_size(96)=1.5,第三个slab的chunk_size(216)/第二个slab的chunk_size(144)=1.5,可以确定这个MemCache的增长因子是1.5,chunk_size以1.5倍增长。然后解释下字段的含义:% @7 `# U* Y3 k4 z! A. g- M: ]( r
        参  数  名        作      用
        chunk_size        当前slab每个chunk的大小,单位为字节
        chunks_per_page        每个page可以存放的chunk数目,由于每个page固定为1M即1024*1024字节,所以这个值就是(1024*1024/chunk_size)
        total_pages        分配给当前slab的page总数
        total_chunks        当前slab最多能够存放的chunk数,这个值是total_pages*chunks_per_page
        used_chunks        已经被分配给存储对象的chunks数目
        free_chunks        曾经被使用过但是因为过期而被回收的chunk数
        free_chunks_end        新分配但还没有被使用的chunk数,这个值不为0则说明当前slab从来没有出现过容量不够的时候
        mem_requested        当前slab中被请求用来存储数据的内存空间字节总数,(total_chunks*chunk_size)-mem_requested表示有多少内存在当前slab中是被闲置的,这包括未用的slab+使用的slab中浪费的内存
        get_hits        当前slab中命中的get请求数
        cmd_set        当前slab中接收的所有set命令请求数
        delete_hits        当前slab中命中的delete请求数
        incr_hits        当前slab中命中的incr请求数
        decr_hits        当前slab中命中的decr请求数
        cas_hits        当前slab中命中的cas请求数
        cas_badval        当前slab中命中但是更新失败的cas请求数
          看到这个命令的输出量很大,所有信息都很有作用。举个例子吧,比如第一个slab中使用的chunks很少,第二个slab中使用的chunks很多,这时就可以考虑适当增大MemCache的增长因子了,让一部分数据落到第一个slab中去,适当平衡两个slab中的内存,避免空间浪费。9 V0 n1 e- X6 _/ C
          MemCache的Java实现实例3 p# A0 m& n$ M% k7 w6 c8 Q( G
          讲了这么多,作为一个Java程序员,怎么能不写写MemCache的客户端的实现呢?MemCache的客户端有很多第三方jar包提供了实现,其中比较好的当属XMemCached了,XMemCached具有效率高、IO非阻塞、资源耗费少、支持完整的协议、允许设置节点权重、允许动态增删节点、支持JMX、支持与Spring框架集成、使用连接池、可扩展性好等诸多优点,因而被广泛使用。这里利用XMemCache写一个简单的MemCache客户单实例,也没有验证过,纯属抛砖引玉:
  1. public class MemCacheManager
  2. { private static MemCacheManager instance = new MemCacheManager(); /** XMemCache允许开发者通过设置节点权重来调节MemCache的负载,设置的权重越高,该MemCache节点存储的数据越多,负载越大 */ private static MemcachedClientBuilder mcb = new XMemcachedClientBuilder(AddrUtil.getAddresses("127.0.0.1:11211 127.0.0.2:11211 127.0.0.3:11211"), new int[]{1, 3, 5}); private static MemcachedClient mc = null; /** 初始化加载客户端MemCache信息 */ static { mcb.setCommandFactory(new BinaryCommandFactory()); // 使用二进制文件 mcb.setConnectionPoolSize(10); // 连接池个数,即客户端个数 try { mc = mcb.build(); } catch (IOException e) { e.printStackTrace(); } } private MemCacheManager() { } public MemCacheManager getInstance() { return instance; } /** 向MemCache服务器设置数据 */ public void set(String key, int expiry, Object obj) throws Exception { mc.set(key, expiry, obj); } /** 从MemCache服务器获取数据 */ public Object get(String key) throws Exception { return mc.get(key); } /** * MemCache通过compare and set即cas协议实现原子更新,类似乐观锁,每次请求存储某个数据都要附带一个cas值,MemCache * 比对这个cas值与当前存储数据的cas值是否相等,如果相等就覆盖老数据,如果不相等就认为更新失败,这在并发环境下特别有用 */ public boolean update(String key, Integer i) throws Exception { GetsResponse<Integer> result = mc.gets(key); long cas = result.getCas(); // 尝试更新key对应的value if (!mc.cas(key, 0, i, cas)) { return false; } return true; }
  3. }
复制代码



上一篇:十分钟掌握SQLite操作
下一篇:Redis和Memcached的区别

扫描微信二维码

关注华域联盟公众号

随时了解更新最新资讯

在线客服(服务时间 9:00~18:00)

在线QQ客服

电邮:admin@cnhackhy.com

Powered by 华域联盟! © 2015-2019

备案号:蒙ICP备17000689号-2蒙公网安备 15062202000105号中国互联网举报中心 Free counters!