一. 压缩优化设计 运行MapReduce程序时，磁盘I/O操作、网络数据传输、shuffle和merge要花大量的时间，尤其是数据规模很大和工作负载密集的情况下，鉴于磁盘I/O和网络带宽是Hadoop的宝贵资源，数据压缩对于节省资源、最小化磁盘I/O和网络传输非常有帮助。如果磁盘I/O和网络带宽影响了MapReduce作业性能，在任意MapReduce阶段启用压缩都可以改善端到端处理时间并减少I/O和网络流量。

文章图片

压缩是mapreduce的一种优化策略：通过压缩编码对mapper或者reducer的输出进行压缩，
以减少磁盘IO，提高MR程序运行速度，它的优缺点如下：
压缩的优点:

• 减少文件存储所占空间
• 加快文件传输效率，从而提高系统的处理速度
• 降低IO读写的次数

压缩的缺点

• 用数据时需要先对文件解压，加重CPU负荷，压缩算法越复杂，解压时间越长

二. 压缩支持 1. 检查Hadoop支持的压缩算法：hadoop checknative

文章图片

2. Hadoop支持的压缩算法

文章图片

3. 各压缩算法压缩性能对比

压缩算法	优点	缺点
Gzip	压缩比在四种压缩方式中较高；hadoop本身支持，在应用中处理gzip格式的文件就和直接处理文本一样；有hadoop native库；大部分linux系统都自带gzip命令，使用方便	不支持split
Lzo	压缩/解压速度也比较快，合理的压缩率；支持split，是hadoop中最流行的压缩格式；支持hadoop native库；需要在linux系统下自行安装lzop命令，使用方便	压缩率比gzip要低；hadoop本身不支持，需要安装；lzo虽然支持split，但需要对lzo文件建索引，否则hadoop也是会把lzo文件看成一个普通文件（为了支持split需要建索引，需要指定inputformat为lzo格式）
Bzip2	支持split；具有很高的压缩率，比gzip压缩率都高；hadoop本身支持，但不支持native；在linux系统下自带bzip2命令，使用方便	缩/解压速度慢；不支持native
Snappy	压缩速度快；支持hadoop native库	不支持split；压缩比低；hadoop本身不支持，需要安装；linux系统下没有对应的命令

4. 同样大小的数据对应压缩比

文章图片

5. 压缩时间和解压时间

文章图片

从以上对比可以看出：压缩比越高，压缩时间越长，应当选择压缩比与压缩时间中等的压缩算法
三.Gzip压缩 1. 生成Gzip压缩文件
1. 需求:读取普通文本文件，将普通文本文件压缩为Gzip格式 2. 思路

1. Input读取普通文本文件
2. Map和Reduce直接输出
3. 配置Output输
4. 出压缩为Gzip格式

3.代码实现

import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import java.io.IOException; /** * @ClassName MRWriteGzip * @Description TODO 读取普通文件数据，对数据以Gzip格式进行压缩 */ public class MRWriteGzip extends Configured implements Tool {//构建、配置、提交一个 MapReduce的Job public int run(String[] args) throws Exception {//构建Job Job job = Job.getInstance(this.getConf(),this.getClass().getSimpleName()); job.setJarByClass(MRWriteGzip.class); //input：配置输入 Path inputPath = new Path(args[0]); TextInputFormat.setInputPaths(job,inputPath); //map：配置Map job.setMapperClass(MrMapper.class); job.setMapOutputKeyClass(NullWritable.class); job.setMapOutputValueClass(Text.class); //reduce：配置Reduce job.setReducerClass(MrReduce.class); job.setOutputKeyClass(NullWritable.class); job.setOutputValueClass(Text.class); //output：配置输出 Path outputPath = new Path(args[1]); TextOutputFormat.setOutputPath(job,outputPath); return job.waitForCompletion(true) ? 0 : -1; }//程序入口，调用run public static void main(String[] args) throws Exception { //用于管理当前程序的所有配置 Configuration conf = new Configuration(); //配置输出结果压缩为Gzip格式 conf.set("mapreduce.output.fileoutputformat.compress","true"); conf.set("mapreduce.output.fileoutputformat.compress.codec","org.apache.hadoop.io.compress.GzipCodec"); //调用run方法，提交运行Job int status = ToolRunner.run(conf, new MRWriteGzip(), args); System.exit(status); }/** * 定义Mapper类 */ public static class MrMapper extends Mapper{private NullWritable outputKey = NullWritable.get(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { //直接输出每条数据 context.write(this.outputKey,value); } }/** * 定义Reduce类 */ public static class MrReduce extends Reducer {@Override protected void reduce(NullWritable key, Iterable values, Context context) throws IOException, InterruptedException { //直接输出每条数据 for (Text value : values) { context.write(key, value); } } }}

2. 读取Gzip压缩文件
1. 需求：读取Gzip压缩文件，还原为普通文本文件 2. 思路

1. Input直接读取上一步的压缩结果文件
2. Map和Reduce直接输出
3. Output将结果保存为普通文本文件
   3.代码开发

   import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import java.io.IOException; /** * @ClassName MRReadGzip * @Description TODO 读取Gzip格式的数据，还原为普通文本文件 */ public class MRReadGzip extends Configured implements Tool { //构建、配置、提交一个 MapReduce的Job public int run(String[] args) throws Exception {//构建Job Job job = Job.getInstance(this.getConf(),this.getClass().getSimpleName()); job.setJarByClass(MRReadGzip.class); //input：配置输入 Path inputPath = new Path(args[0]); TextInputFormat.setInputPaths(job,inputPath); //map：配置Map job.setMapperClass(MrMapper.class); job.setMapOutputKeyClass(NullWritable.class); job.setMapOutputValueClass(Text.class); //reduce：配置Reduce job.setReducerClass(MrReduce.class); job.setOutputKeyClass(NullWritable.class); job.setOutputValueClass(Text.class); //output：配置输出 Path outputPath = new Path(args[1]); TextOutputFormat.setOutputPath(job,outputPath); return job.waitForCompletion(true) ? 0 : -1; } //程序入口，调用run public static void main(String[] args) throws Exception { //用于管理当前程序的所有配置 Configuration conf = new Configuration(); //配置输出结果压缩为Gzip格式 //conf.set("mapreduce.output.fileoutputformat.compress","true"); //conf.set("mapreduce.output.fileoutputformat.compress.codec","org.apache.hadoop.io.compress.GzipCodec"); //调用run方法，提交运行Job int status = ToolRunner.run(conf, new MRReadGzip(), args); System.exit(status); } /** * 定义Mapper类 */ public static class MrMapper extends Mapper{private NullWritable outputKey = NullWritable.get(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { //直接输出每条数据 context.write(this.outputKey,value); } } /** * 定义Reduce类 */ public static class MrReduce extends Reducer {@Override protected void reduce(NullWritable key, Iterable values, Context context) throws IOException, InterruptedException { //直接输出每条数据 for (Text value : values) { context.write(key, value); } } }}

   
   三. Snappy压缩1. 配置Hadoop支持Snappy
   Hadoop支持Snappy类型的压缩算法，并且也是最常用的一种压缩算法，但是Hadoop官方已编译的安装包中并没有提供Snappy的支持，所以如果想使用Snappy压缩，必须下载Hadoop源码，自己进行编译，在编译时添加Snappy的支持，具体编译过程请参考《Hadoop3编译安装》手册。
   

2. 生成Snappy压缩文件：Map输出不压缩
1. 需求：读取普通文本文件，转换为Snappy压缩文件 2. 思路

1. Input读取普通文本文件
2. Map和Reduce直接输出
3. Output配置输出压缩为Snappy类型
   3. 代码开发

   import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import java.io.IOException; /** * @ClassName MRWriteSnappy * @Description TODO 读取普通文件数据，对数据以Snappy格式进行压缩 */ public class MRWriteSnappy extends Configured implements Tool { //构建、配置、提交一个 MapReduce的Job public int run(String[] args) throws Exception {//构建Job Job job = Job.getInstance(this.getConf(),this.getClass().getSimpleName()); job.setJarByClass(MRWriteSnappy.class); //input：配置输入 Path inputPath = new Path(args[0]); TextInputFormat.setInputPaths(job,inputPath); //map：配置Map job.setMapperClass(MrMapper.class); job.setMapOutputKeyClass(NullWritable.class); job.setMapOutputValueClass(Text.class); //reduce：配置Reduce job.setReducerClass(MrReduce.class); job.setOutputKeyClass(NullWritable.class); job.setOutputValueClass(Text.class); //output：配置输出 Path outputPath = new Path(args[1]); TextOutputFormat.setOutputPath(job,outputPath); return job.waitForCompletion(true) ? 0 : -1; } //程序入口，调用run public static void main(String[] args) throws Exception { //用于管理当前程序的所有配置 Configuration conf = new Configuration(); //配置输出结果压缩为Snappy格式 conf.set("mapreduce.output.fileoutputformat.compress","true"); conf.set("mapreduce.output.fileoutputformat.compress.codec","org.apache.hadoop.io.compress.SnappyCodec"); //调用run方法，提交运行Job int status = ToolRunner.run(conf, new MRWriteSnappy(), args); System.exit(status); } /** * 定义Mapper类 */ public static class MrMapper extends Mapper{private NullWritable outputKey = NullWritable.get(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { //直接输出每条数据 context.write(this.outputKey,value); } } /** * 定义Reduce类 */ public static class MrReduce extends Reducer {@Override protected void reduce(NullWritable key, Iterable values, Context context) throws IOException, InterruptedException { //直接输出每条数据 for (Text value : values) { context.write(key, value); } } } }

   
   

2. 生成Snappy压缩文件：Map输出压缩
1.需求:读取普通文本文件，转换为Snappy压缩文件，并对Map输出的结果使用Snappy压缩 2. 思路: 将上一步的代码中添加Map输出压缩的配置 3. 代码开发

import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import java.io.IOException; /** * @ClassName MRMapOutputSnappy * @Description TODO 读取普通文件数据，对Map输出的数据以Snappy格式进行压缩 */ public class MRMapOutputSnappy extends Configured implements Tool {//构建、配置、提交一个 MapReduce的Job public int run(String[] args) throws Exception {//构建Job Job job = Job.getInstance(this.getConf(),this.getClass().getSimpleName()); job.setJarByClass(MRMapOutputSnappy.class); //input：配置输入 Path inputPath = new Path(args[0]); TextInputFormat.setInputPaths(job,inputPath); //map：配置Map job.setMapperClass(MrMapper.class); job.setMapOutputKeyClass(NullWritable.class); job.setMapOutputValueClass(Text.class); //reduce：配置Reduce job.setReducerClass(MrReduce.class); job.setOutputKeyClass(NullWritable.class); job.setOutputValueClass(Text.class); //output：配置输出 Path outputPath = new Path(args[1]); TextOutputFormat.setOutputPath(job,outputPath); return job.waitForCompletion(true) ? 0 : -1; }//程序入口，调用run public static void main(String[] args) throws Exception { //用于管理当前程序的所有配置 Configuration conf = new Configuration(); //配置Map输出结果压缩为Snappy格式 conf.set("mapreduce.map.output.compress","true"); conf.set("mapreduce.map.output.compress.codec","org.apache.hadoop.io.compress.SnappyCodec"); //配置Reduce输出结果压缩为Snappy格式 conf.set("mapreduce.output.fileoutputformat.compress","true"); conf.set("mapreduce.output.fileoutputformat.compress.codec","org.apache.hadoop.io.compress.SnappyCodec"); //调用run方法，提交运行Job int status = ToolRunner.run(conf, new MRMapOutputSnappy(), args); System.exit(status); }/** * 定义Mapper类 */ public static class MrMapper extends Mapper{private NullWritable outputKey = NullWritable.get(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { //直接输出每条数据 context.write(this.outputKey,value); } }/** * 定义Reduce类 */ public static class MrReduce extends Reducer {@Override protected void reduce(NullWritable key, Iterable values, Context context) throws IOException, InterruptedException { //直接输出每条数据 for (Text value : values) { context.write(key, value); } } } }

4. 读取Snappy压缩文件
1. 需求:读取上一步生成的Snappy文件，还原为普通文本文件 2. 思路:

1. Input读取Snappy文件
2. Map和Reduce直接输出
3. Output直接输出为普通文本类型
   3. 代码:

   import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import java.io.IOException; /** * @ClassName MRReadSnappy * @Description TODO 读取Snappy格式的数据，还原为普通文本文件 */ public class MRReadSnappy extends Configured implements Tool { //构建、配置、提交一个 MapReduce的Job public int run(String[] args) throws Exception {//构建Job Job job = Job.getInstance(this.getConf(),this.getClass().getSimpleName()); job.setJarByClass(MRReadSnappy.class); //input：配置输入 Path inputPath = new Path(args[0]); TextInputFormat.setInputPaths(job,inputPath); //map：配置Map job.setMapperClass(MrMapper.class); job.setMapOutputKeyClass(NullWritable.class); job.setMapOutputValueClass(Text.class); //reduce：配置Reduce job.setReducerClass(MrReduce.class); job.setOutputKeyClass(NullWritable.class); job.setOutputValueClass(Text.class); //output：配置输出 Path outputPath = new Path(args[1]); TextOutputFormat.setOutputPath(job,outputPath); return job.waitForCompletion(true) ? 0 : -1; } //程序入口，调用run public static void main(String[] args) throws Exception { //用于管理当前程序的所有配置 Configuration conf = new Configuration(); //调用run方法，提交运行Job int status = ToolRunner.run(conf, new MRReadSnappy(), args); System.exit(status); } /** * 定义Mapper类 */ public static class MrMapper extends Mapper{private NullWritable outputKey = NullWritable.get(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { //直接输出每条数据 context.write(this.outputKey,value); } } /** * 定义Reduce类 */ public static class MrReduce extends Reducer {@Override protected void reduce(NullWritable key, Iterable values, Context context) throws IOException, InterruptedException { //直接输出每条数据 for (Text value : values) { context.write(key, value); } } } }

   
   五. Lzo压缩1. 配置Hadoop支持Lzo
   Hadoop本身不支持Lzo类型的压缩，需要额外单独安装，并在编译时添加Lzo的压缩算法支持，编译过程请参考编译手册《Apache Hadoop3-1-3编译安装部署lzo压缩指南》。
   编译完成后，请实现以下配置，让当前的Hadoop支持Lzo压缩
   
   • 添加lzo支持jar包

   cp hadoop-lzo-0.4.21-SNAPSHOT.jar /export/server/hadoop-3.1.4/share/hadoop/common/

   
   
   文章图片
   
   
   • 同步到所有节点

   cd/export/server/hadoop-3.1.4/share/hadoop/common/ scp hadoop-lzo-0.4.21-SNAPSHOT.jar node2:$PWD scp hadoop-lzo-0.4.21-SNAPSHOT.jar node3:$PWD

   
   
   • 修改core-site.xml

   io.compression.codecs org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.BZip2Codec,org.apache.hadoop.io.compress.SnappyCodec,com.hadoop.compression.lzo.LzoCodec,com.hadoop.compression.lzo.LzopCodec io.compression.codec.lzo.class com.hadoop.compression.lzo.LzoCodec

   
   
   • 同步core-site.xml到其他所有节点

   cd/export/server/hadoop-3.1.4/etc/hadoop scpcore-site.xml node2:$PWD scpcore-site.xml node3:$PWD

   
   
   • 重新启动Hadoop集群
   2.生成Lzo压缩文件
   1. 需求：读取普通文本文件，生成Lzo压缩结果文件2. 思路
4. 读取普通文本文件
5. Map和Reduce直接输出
6. 【Hadoop 入门笔记 二十三 : MapReduce性能优化-数据压缩优化】配置Output输出压缩为Lzo类型
   3. 代码开发

   import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import java.io.IOException; /** * @ClassName MRWriteLzo * @Description TODO 读取普通文件数据，对数据以Lzo格式进行压缩 */ public class MRWriteLzo extends Configured implements Tool { //构建、配置、提交一个 MapReduce的Job public int run(String[] args) throws Exception {//构建Job Job job = Job.getInstance(this.getConf(),this.getClass().getSimpleName()); job.setJarByClass(MRWriteLzo.class); //input：配置输入 Path inputPath = new Path(args[0]); TextInputFormat.setInputPaths(job,inputPath); //map：配置Map job.setMapperClass(MrMapper.class); job.setMapOutputKeyClass(NullWritable.class); job.setMapOutputValueClass(Text.class); //reduce：配置Reduce job.setReducerClass(MrReduce.class); job.setOutputKeyClass(NullWritable.class); job.setOutputValueClass(Text.class); //output：配置输出 Path outputPath = new Path(args[1]); TextOutputFormat.setOutputPath(job,outputPath); return job.waitForCompletion(true) ? 0 : -1; } //程序入口，调用run public static void main(String[] args) throws Exception { //用于管理当前程序的所有配置 Configuration conf = new Configuration(); //配置输出结果压缩为Lzo格式 conf.set("mapreduce.output.fileoutputformat.compress","true"); conf.set("mapreduce.output.fileoutputformat.compress.codec","com.hadoop.compression.lzo.LzopCodec"); //调用run方法，提交运行Job int status = ToolRunner.run(conf, new MRWriteLzo(), args); System.exit(status); } /** * 定义Mapper类 */ public static class MrMapper extends Mapper{private NullWritable outputKey = NullWritable.get(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { //直接输出每条数据 context.write(this.outputKey,value); } } /** * 定义Reduce类 */ public static class MrReduce extends Reducer {@Override protected void reduce(NullWritable key, Iterable values, Context context) throws IOException, InterruptedException { //直接输出每条数据 for (Text value : values) { context.write(key, value); } } } }

   
   3. 读取Lzo压缩文件
   1. 需求：读取Lzo压缩文件，恢复为普通文本文件2. 代码开发

   import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.NullWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.lib.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; import java.io.IOException; /** * @ClassName MRReadLzo * @Description TODO 读取Lzo格式的数据，还原为普通文本文件 */ public class MRReadLzo extends Configured implements Tool { //构建、配置、提交一个 MapReduce的Job public int run(String[] args) throws Exception {//构建Job Job job = Job.getInstance(this.getConf(),this.getClass().getSimpleName()); job.setJarByClass(MRReadLzo.class); //input：配置输入 Path inputPath = new Path(args[0]); TextInputFormat.setInputPaths(job,inputPath); //map：配置Map job.setMapperClass(MrMapper.class); job.setMapOutputKeyClass(NullWritable.class); job.setMapOutputValueClass(Text.class); //reduce：配置Reduce job.setReducerClass(MrReduce.class); job.setOutputKeyClass(NullWritable.class); job.setOutputValueClass(Text.class); //output：配置输出 Path outputPath = new Path(args[1]); TextOutputFormat.setOutputPath(job,outputPath); return job.waitForCompletion(true) ? 0 : -1; } //程序入口，调用run public static void main(String[] args) throws Exception { //用于管理当前程序的所有配置 Configuration conf = new Configuration(); //配置输出结果压缩为Gzip格式 //conf.set("mapreduce.output.fileoutputformat.compress","true"); //conf.set("mapreduce.output.fileoutputformat.compress.codec","org.apache.hadoop.io.compress.GzipCodec"); //调用run方法，提交运行Job int status = ToolRunner.run(conf, new MRReadLzo(), args); System.exit(status); } /** * 定义Mapper类 */ public static class MrMapper extends Mapper{private NullWritable outputKey = NullWritable.get(); @Override protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { //直接输出每条数据 context.write(this.outputKey,value); } } /** * 定义Reduce类 */ public static class MrReduce extends Reducer {@Override protected void reduce(NullWritable key, Iterable values, Context context) throws IOException, InterruptedException { //直接输出每条数据 for (Text value : values) { context.write(key, value); } } } }

   
   

推荐阅读

• 

  慢性鼻炎的最佳治疗方法 慢性鼻炎如何治疗
• 

  娱乐|ZEALER AWARDS 2021 教你打造非凡影音娱乐体验
• 

  文章整理|文章整理 《佛说四十二章经》 第十三章
• 

  为什么都是符合国标车的品牌,爱玛比新日、绿能的车子价格贵？
• 

  如果世界各国为伊朗提供大量军事援助,伊朗能打过美国吗？
• 

  华为手机的魔音在哪里
• 

  中国地图全景3d，中国地理
• 

  用盐刷牙牙齿会变白吗
• 

  胃癌|为什么中国人胃癌多？医生忠告：想远离胃癌，4件事要克制！
• 

  蛋糕粉可以做馒头吗
• 

  任性的嘴唇夜光花
• 

  描写风景的佳句
• 

  延年益寿药膳—百草脱骨扒鸡
• 

  退货的时候千万别选择退运费 卖家故意拖到系统自动退款
• 

  秋天吃冬枣的好处和坏处
• 

  宝宝湿疹如何护理
• 

  汽车翻板电机在什么位置 汽车翻板电机坏了的表现是什么
• 

  新鲜松茸能放冰箱冷冻吗
• 

  Android_Button_注册监听
• 

  生蚝保存的方法有哪些呢 生蚝保存的方法有哪些

• EffectiveObjective-C2.0|EffectiveObjective-C2.0 笔记 - 第二部分
• Android中的AES加密-下
• 【读书笔记】贝叶斯原理
• 【韩语学习】（韩语随堂笔记整理）
• 【Hadoop踩雷】Mac下安装Hadoop3以及Java版本问题
• 人性的弱点-笔记
• 读书笔记:博登海默法理学|读书笔记:博登海默法理学 —— 正义的探索（1）
• D034+3组苏曼＋《写作这回事》读书笔记
• 《自我的追寻》读书笔记3
• 最有效的时间管理工具（赢效率手册和总结笔记）