大网数据广告活动
数据库部署与 SQL 参考

同步物化视图

· 52CE 我爱测

同步物化视图(Sync Materialized View)是 Doris 中基于基表 SELECT 语句预先计算并存储结果的特殊表,由 Doris 自动维护,写入时与基表保持强一致,查询时自动匹配最优视图加速读取。

同步物化视图(Sync Materialized View)是 Doris 中基于基表 SELECT 语句预先计算并存储结果的特殊表,由 Doris 自动维护,写入时与基表保持强一致,查询时自动匹配最优视图加速读取。

使用须知

在使用同步物化视图前,请确认以下要点:

  • 仅针对单表 SELECT,不涉及 JOIN、HAVING、LIMIT、LATERAL VIEW
  • SELECT 列表无自增列、常量、重复表达式、窗口函数、VARBINARY 类型
  • SELECT 列表中聚合函数为根表达式(支持 sum(a + 1),不支持 sum(a) + 1)
  • 物化视图列名与基表及其他视图列名不冲突(可通过 col as xxx 别名规避)
  • 已评估单表上视图数量对导入性能的影响
  • Unique Key 模型仅用于改变列顺序,不可用于聚合

什么是同步物化视图

同步物化视图是将预先计算(根据定义好的 SELECT 语句)的数据集,存储在 Doris 中的一个特殊的表。Doris 会自动维护同步物化视图的数据,无论是新增数据还是删除数据,都能保证基表(Base Table)和物化视图表的数据同步更新并保持一致,只有同步完成后,相关命令才会结束,无需任何额外的人工维护成本。查询时,Doris 会自动匹配到最优的物化视图,并直接从物化视图中读取数据。

适用场景

场景 说明
加速聚合运算 对耗时的 SUM/COUNT/BITMAP_UNION 等聚合预计算
匹配不同前缀索引 当查询过滤列与基表前缀索引不一致时,构建以过滤列为前缀的视图
预先过滤减少扫描 通过 WHERE 条件提前过滤,缩小数据量
预计算复杂表达式 提前计算 abs(k1)+k2+1 等复杂表达式,查询时直接复用

局限性

类别 限制说明
语法范围 仅支持单表 SELECT,支持 WHERE/GROUP BY/ORDER BY;不支持 JOIN、HAVING、LIMIT、LATERAL VIEW
查询方式 不能直接查询同步物化视图(与异步物化视图不同)
SELECT 列表 不能包含自增列、常量、重复表达式、窗口函数;不能包含 VARBINARY 类型列
列名要求 不能与基表或基表上其他物化视图重名,可通过别名(col as xxx)规避
聚合函数 必须是根表达式(不支持 sum(a) + 1,支持 sum(a + 1));聚合函数之后不能有其他非聚合表达式(SELECT x, sum(a) 可以,SELECT sum(a), x 不行)
删除限制 若 DELETE 条件列存在于物化视图中,需先删除视图再删除数据
导入性能 单表上过多物化视图会拖慢导入,因为视图与基表同步更新
数据模型 Unique Key 模型上的物化视图只能改变列顺序,不能起到聚合作用

使用同步物化视图

Doris 系统提供了一整套针对物化视图的 DDL 语法,包括创建、查看和删除。下面通过一个示例来展示如何使用物化视图加速聚合计算。

准备基表数据

假设用户有一张销售记录明细表,存储了每笔交易的交易 ID、销售员、售卖门店、销售时间以及金额。

-- 创建一个 test_db
create database test_db;
use test_db;

-- 创建表
create table sales_records
(
    record_id int, 
    seller_id int, 
    store_id int, 
    sale_date date, 
    sale_amt bigint
) 
distributed by hash(record_id) 
properties("replication_num" = "1");

-- 插入数据
insert into sales_records values(1,1,1,"2020-02-02",1), (1,1,1,"2020-02-02",2);

创建物化视图

目的:为经常按门店分析销售量的查询创建预聚合视图。

命令:

create materialized view store_amt as 
select store_id as store_id_, sum(sale_amt) from sales_records group by store_id;

说明:该视图按 store_id 分组,对相同门店的 sale_amt 求和,从而加速门店维度的聚合查询。

检查物化视图是否创建完成

目的:创建物化视图是异步操作,需要确认任务状态。

命令:

show alter table materialized view from test_db;

说明:该命令的结果将显示该数据库的所有创建物化视图的任务。结果示例如下:

+--------+---------------+---------------------+---------------------+---------------+-----------------+----------+---------------+----------+------+----------+---------+
| JobId  | TableName     | CreateTime          | FinishTime          | BaseIndexName | RollupIndexName | RollupId | TransactionId | State    | Msg  | Progress | Timeout |
+--------+---------------+---------------------+---------------------+---------------+-----------------+----------+---------------+----------+------+----------+---------+
| 494349 | sales_records | 2020-07-30 20:04:56 | 2020-07-30 20:04:57 | sales_records | store_amt       | 494350   | 133107        | FINISHED |      | NULL     | 2592000 |
+--------+---------------+---------------------+---------------------+---------------+-----------------+----------+---------------+----------+------+----------+---------+

关键字段说明:

字段 含义
TableName 物化视图的数据来源表
RollupIndexName 物化视图的名称
State 任务状态,FINISHED 表示创建成功,可被查询自动匹配

取消创建物化视图

目的:当后台异步任务尚未结束时,取消创建任务。

命令:

cancel alter table materialized view from test_db.sales_records;

说明:如果物化视图已经创建完毕,则无法通过该命令取消创建,但可以通过删除命令来删除物化视图。

查看物化视图的表结构

目的:查看目标表上所有物化视图及其表结构。

命令:

desc sales_records all;

说明:该命令的结果如下:

+---------------+---------------+---------------------+--------+--------------+------+-------+---------+-------+---------+------------+-------------+
| IndexName     | IndexKeysType | Field               | Type   | InternalType | Null | Key   | Default | Extra | Visible | DefineExpr | WhereClause |
+---------------+---------------+---------------------+--------+--------------+------+-------+---------+-------+---------+------------+-------------+
| sales_records | DUP_KEYS      | record_id           | INT    | INT          | Yes  | true  | NULL    |       | true    |            |             |
|               |               | seller_id           | INT    | INT          | Yes  | true  | NULL    |       | true    |            |             |
|               |               | store_id            | INT    | INT          | Yes  | true  | NULL    |       | true    |            |             |
|               |               | sale_date           | DATE   | DATEV2       | Yes  | false | NULL    | NONE  | true    |            |             |
|               |               | sale_amt            | BIGINT | BIGINT       | Yes  | false | NULL    | NONE  | true    |            |             |
|               |               |                     |        |              |      |       |         |       |         |            |             |
| store_amt     | AGG_KEYS      | mv_store_id         | INT    | INT          | Yes  | true  | NULL    |       | true    | `store_id` |             |
|               |               | mva_SUM__`sale_amt` | BIGINT | BIGINT       | Yes  | false | NULL    | SUM   | true    | `sale_amt` |             |
+---------------+---------------+---------------------+--------+--------------+------+-------+---------+-------+---------+------------+-------------+

可以看到,sales_records 上有一个名为 store_amt 的物化视图,即前面步骤创建的视图。

查看物化视图的创建语句

目的:查询某个物化视图的原始 DDL。

命令:

show create materialized view store_amt on sales_records;

说明:输出如下:

+---------------+-----------+------------------------------------------------------------------------------------------------------------+
| TableName     | ViewName  | CreateStmt                                                                                                 |
+---------------+-----------+------------------------------------------------------------------------------------------------------------+
| sales_records | store_amt | create materialized view store_amt as select store_id, sum(sale_amt) from sales_records group by store_id |
+---------------+-----------+------------------------------------------------------------------------------------------------------------+

查询物化视图

目的:用户的查询依旧指向基表,由 Doris 自动改写到物化视图。

命令:

select store_id, sum(sale_amt) from sales_records group by store_id;

上面的查询会自动匹配到 store_amt。可以通过 EXPLAIN 命令检验当前查询是否命中了物化视图:

explain select store_id, sum(sale_amt) from sales_records group by store_id;

说明:结果如下:

+------------------------------------------------------------------------+
| Explain String (Nereids Planner)                                       |
+------------------------------------------------------------------------+
| PLAN FRAGMENT 0                                                        |
|   OUTPUT EXPRS:                                                        |
|     store_id[#11]                                                      |
|     sum(sale_amt)[#12]                                                 |
|   PARTITION: HASH_PARTITIONED: store_id_[#7]                           |
|                                                                        |
|   HAS_COLO_PLAN_NODE: true                                             |
|                                                                        |
|   VRESULT SINK                                                         |
|      MYSQL_PROTOCAL                                                    |
|                                                                        |
|   3:VAGGREGATE (merge finalize)(384)                                   |
|   |  output: sum(partial_sum(__sum_1)[#8])[#10]                        |
|   |  group by: store_id_[#7]                                           |
|   |  sortByGroupKey: false                                             |
|   |  cardinality = 1                                                   |
|   |  final projections: store_id_[#9], sum(__sum_1)[#10]               |
|   |  final project output tuple id: 4                                  |
|   |  distribute expr lists: store_id_[#7]                              |
|   |                                                                    |
|   2:VEXCHANGE                                                          |
|      offset: 0                                                         |
|      distribute expr lists:                                            |
|                                                                        |
| PLAN FRAGMENT 1                                                        |
|                                                                        |
|   PARTITION: HASH_PARTITIONED: record_id[#2]                           |
|                                                                        |
|   HAS_COLO_PLAN_NODE: false                                            |
|                                                                        |
|   STREAM DATA SINK                                                     |
|     EXCHANGE ID: 02                                                    |
|     HASH_PARTITIONED: store_id_[#7]                                    |
|                                                                        |
|   1:VAGGREGATE (update serialize)(374)                                 |
|   |  STREAMING                                                         |
|   |  output: partial_sum(__sum_1[#1])[#8]                              |
|   |  group by: store_id_[#0]                                           |
|   |  sortByGroupKey: false                                             |
|   |  cardinality = 1                                                   |
|   |  distribute expr lists:                                            |
|   |                                                                    |
|   0:VOlapScanNode(369)                                                 |
|      TABLE: test_db.sales_records(store_amt), PREAGGREGATION: ON       |
|      partitions = 1/1 (sales_records)                                  |
|      tablets = 10/10, tabletList = 266568, 266570, 266572 ...          |
|      cardinality = 1, avgRowSize = 1805.0, numNodes = 1                |
|      pushAggOp = NONE                                                  |
|                                                                        |
|                                                                        |
| ========== MATERIALIZATIONS ==========                                 |
|                                                                        |
| MaterializedView                                                       |
| MaterializedViewRewriteSuccessAndChose:                                |
|   internal.test_db.sales_records.store_amt chose,                      |
|                                                                        |
| MaterializedViewRewriteSuccessButNotChose:                             |
|   not chose: none,                                                     |
|                                                                        |
| MaterializedViewRewriteFail:                                           |
|                                                                        |
|                                                                        |
| ========== STATISTICS ==========                                       |
| planned with unknown column statistics                                 |
+------------------------------------------------------------------------+

MaterializedViewRewriteSuccessAndChose 会展示被成功命中的物化视图,具体示例如下:

+------------------------------------------------------------------------+
| MaterializedViewRewriteSuccessAndChose:                                |  
|   internal.test_db.sales_records.store_amt chose,                      |
+------------------------------------------------------------------------+

上述内容表明,查询成功命中了名为 store_amt 的物化视图。值得注意的是,若目标表中无任何数据,则可能不会触发对物化视图的命中。

MATERIALIZATIONS 字段说明

字段 含义
MaterializedViewRewriteSuccessAndChose 被成功选中并用于查询优化的物化视图
MaterializedViewRewriteSuccessButNotChose 匹配成功但未被选中的物化视图(基于成本评估非最优)
MaterializedViewRewriteFail 未能匹配的物化视图,原始 SQL 与现有视图无法匹配

删除物化视图

目的:移除不再需要的物化视图。

命令:

drop materialized view store_amt on sales_records;

使用示例

示例一:加速聚合查询

业务场景:计算广告的 UV(独立访客数)和 PV(页面访问量)。

步骤:

  1. 创建存储广告点击数据明细的原始表:

    create table advertiser_view_record
    (
        click_time datetime, 
        advertiser varchar(10), 
        channel varchar(10), 
        user_id int
    ) distributed by hash(user_id) properties("replication_num" = "1");
    insert into advertiser_view_record values("2020-02-02 02:02:02",'a','a',1), ("2020-02-02 02:02:02",'a','a',2);
    
  2. 用户想要查询广告的 UV 值(对相同广告的用户进行精确去重),查询语句一般为:

    select 
        advertiser, 
        channel, 
        count(distinct user_id) 
    from 
        advertiser_view_record 
    group by 
        advertiser, channel;
    
  3. 针对求 UV 的场景,创建一个带有 bitmap_union 的物化视图实现预先精确去重。在 Doris 中,count(distinct) 的结果与 bitmap_union_count 完全一致,因此可通过 bitmap_union 聚合的物化视图加速查询:

    create materialized view advertiser_uv as 
    select 
        advertiser as advertiser_, 
        channel as channel_, 
        bitmap_union(to_bitmap(user_id)) 
    from 
        advertiser_view_record 
    group by 
        advertiser, channel;
    
  4. 物化视图创建完成后,再次执行原始 UV 查询,Doris 会自动从 advertiser_uv 中读取:

    select 
        advertiser, 
        channel, 
        count(distinct user_id) 
    from 
        advertiser_view_record 
    group by 
        advertiser, channel;
    
  5. 在选中物化视图后,实际查询会被改写为:

    select 
        advertiser, 
        channel, 
        bitmap_union_count(to_bitmap(user_id)) 
    from 
        advertiser_uv 
    group by 
        advertiser, channel;
    
  6. 通过 explain 命令检查查询是否匹配到了物化视图:

    explain select 
        advertiser, 
        channel, 
        count(distinct user_id) 
    from 
        advertiser_view_record 
    group by 
        advertiser, channel;
    
  7. 输出结果如下:

    +---------------------------------------------------------------------------------------------------------------------------------------------------------+
    | Explain String(Nereids Planner)                                                                                                                         |
    +---------------------------------------------------------------------------------------------------------------------------------------------------------+
    | PLAN FRAGMENT 0                                                                                                                                         |
    |   OUTPUT EXPRS:                                                                                                                                         |
    |     advertiser[#13]                                                                                                                                     |
    |     channel[#14]                                                                                                                                        |
    |     count(DISTINCT user_id)[#15]                                                                                                                        |
    |   PARTITION: HASH_PARTITIONED: advertiser_[#7], channel_[#8]                                                                                            |
    |                                                                                                                                                         |
    |   HAS_COLO_PLAN_NODE: true                                                                                                                              |
    |                                                                                                                                                         |
    |   VRESULT SINK                                                                                                                                          |
    |      MYSQL_PROTOCAL                                                                                                                                     |
    |                                                                                                                                                         |
    |   3:VAGGREGATE (merge finalize)(440)                                                                                                                    |
    |   |  output: bitmap_union_count(partial_bitmap_union_count(__bitmap_union_2)[#9])[#12]                                                                  |
    |   |  group by: advertiser_[#7], channel_[#8]                                                                                                            |
    |   |  sortByGroupKey:false                                                                                                                               |
    |   |  cardinality=1                                                                                                                                      |
    |   |  final projections: advertiser_[#10], channel_[#11], bitmap_union_count(__bitmap_union_2)[#12]                                                      |
    |   |  final project output tuple id: 4                                                                                                                   |
    |   |  distribute expr lists: advertiser_[#7], channel_[#8]                                                                                               |
    |   |                                                                                                                                                     |
    |   2:VEXCHANGE                                                                                                                                           |
    |      offset: 0                                                                                                                                          |
    |      distribute expr lists:                                                                                                                             |
    |                                                                                                                                                         |
    | PLAN FRAGMENT 1                                                                                                                                         |
    |                                                                                                                                                         |
    |   PARTITION: HASH_PARTITIONED: user_id[#6]                                                                                                              |
    |                                                                                                                                                         |
    |   HAS_COLO_PLAN_NODE: false                                                                                                                             |
    |                                                                                                                                                         |
    |   STREAM DATA SINK                                                                                                                                      |
    |     EXCHANGE ID: 02                                                                                                                                     |
    |     HASH_PARTITIONED: advertiser_[#7], channel_[#8]                                                                                                     |
    |                                                                                                                                                         |
    |   1:VAGGREGATE (update serialize)(430)                                                                                                                  |
    |   |  STREAMING                                                                                                                                          |
    |   |  output: partial_bitmap_union_count(__bitmap_union_2[#2])[#9]                                                                                       |
    |   |  group by: advertiser_[#0], channel_[#1]                                                                                                            |
    |   |  sortByGroupKey:false                                                                                                                               |
    |   |  cardinality=1                                                                                                                                      |
    |   |  distribute expr lists:                                                                                                                             |
    |   |                                                                                                                                                     |
    |   0:VOlapScanNode(425)                                                                                                                                  |
    |      TABLE: test_db.advertiser_view_record(advertiser_uv), PREAGGREGATION: ON                                                                           |
    |      partitions=1/1 (advertiser_view_record)                                                                                                            |
    |      tablets=10/10, tabletList=266637,266639,266641 ...                                                                                                 |
    |      cardinality=1, avgRowSize=0.0, numNodes=1                                                                                                          |
    |      pushAggOp=NONE                                                                                                                                     |
    |                                                                                                                                                         |
    |                                                                                                                                                         |
    | ========== MATERIALIZATIONS ==========                                                                                                                  |
    |                                                                                                                                                         |
    | MaterializedView                                                                                                                                        |
    | MaterializedViewRewriteSuccessAndChose:                                                                                                                 |
    |   internal.test_db.advertiser_view_record.advertiser_uv chose,                                                                                          |
    |                                                                                                                                                         |
    | MaterializedViewRewriteSuccessButNotChose:                                                                                                              |
    |   not chose: none,                                                                                                                                      |
    |                                                                                                                                                         |
    | MaterializedViewRewriteFail:                                                                                                                            |
    |                                                                                                                                                         |
    |                                                                                                                                                         |
    | ========== STATISTICS ==========                                                                                                                        |
    | planed with unknown column statistics                                                                                                                   |
    +---------------------------------------------------------------------------------------------------------------------------------------------------------+
    
  8. 在 explain 的结果中,可以看到 internal.test_db.advertiser_view_record.advertiser_uv chose,说明查询直接扫描物化视图的数据,匹配成功。同时,对 user_id 字段的 count(distinct) 被改写为 bitmap_union_count(to_bitmap),通过 Bitmap 实现精确去重。

示例二:匹配不同前缀索引

业务场景:匹配前缀索引。

用户的原始表包含三列(k1、k2、k3),其中 k1 和 k2 被设置为前缀索引列。当查询条件中包含 where k1=1 and k2=2 时,可通过索引加速。然而 where k3=3 等条件无法命中前缀索引。为此,可创建一个以 k3 为第一列的物化视图。

步骤:

  1. 建表并插入数据:

    create table test_table
    (
        k1 int, 
        k2 int, 
        k3 int, 
        kx int
    ) 
    distributed by hash(k1) 
    properties("replication_num" = "1");
    
    insert into test_table values(1,1,1,1),(3,3,3,3);
    
  2. 创建以 k3 为前缀索引的物化视图:

    create materialized view mv_1 as SELECT k3 as k3_, k2 as k2_, k1 as k1_ FROM test_table;
    
  3. 使用 EXPLAIN 检查查询是否匹配物化视图:

    explain select k1, k2, k3 from test_table where k3=3;
    
  4. 输出结果如下:

    +----------------------------------------------------------+
    | Explain String(Nereids Planner)                          |
    +----------------------------------------------------------+
    | PLAN FRAGMENT 0                                          |
    |   OUTPUT EXPRS:                                          |
    |     k1[#7]                                               |
    |     k2[#8]                                               |
    |     k3[#9]                                               |
    |   PARTITION: HASH_PARTITIONED: k1_[#2]                   |
    |                                                          |
    |   HAS_COLO_PLAN_NODE: false                              |
    |                                                          |
    |   VRESULT SINK                                           |
    |      MYSQL_PROTOCAL                                      |
    |                                                          |
    |   0:VOlapScanNode(256)                                   |
    |      TABLE: test_db.test_table(mv_1), PREAGGREGATION: ON |
    |      PREDICATES: (mv_k3[#0] = 3)                         |
    |      partitions=1/1 (test_table)                         |
    |      tablets=10/10, tabletList=271177,271179,271181 ...  |
    |      cardinality=1, avgRowSize=0.0, numNodes=1           |
    |      pushAggOp=NONE                                      |
    |      final projections: k1_[#2], mv_k2[#1], mv_k3[#0]    |
    |      final project output tuple id: 2                    |
    |                                                          |
    |                                                          |
    | ========== MATERIALIZATIONS ==========                   |
    |                                                          |
    | MaterializedView                                         |
    | MaterializedViewRewriteSuccessAndChose:                  |
    |   internal.test_db.test_table.mv_1 chose,                |
    |                                                          |
    | MaterializedViewRewriteSuccessButNotChose:               |
    |   not chose: none,                                       |
    |                                                          |
    | MaterializedViewRewriteFail:                             |
    |                                                          |
    |                                                          |
    | ========== STATISTICS ==========                         |
    | planed with unknown column statistics                    |
    +----------------------------------------------------------+
    
  5. 在 EXPLAIN 结果中,可以看到 internal.test_db.test_table.mv_1 chose,表明查询成功命中了物化视图。

示例三:预先过滤和表达式计算加速查询

业务场景:需要提前过滤数据或加速表达式计算。

步骤:

  1. 建表并插入数据:

    create table d_table (
       k1 int null,
       k2 int not null,
       k3 bigint null,
       k4 date null
    )
    duplicate key (k1,k2,k3)
    distributed BY hash(k1) buckets 3
    properties("replication_num" = "1");
    
    insert into d_table select 1,1,1,'2020-02-20';
    insert into d_table select 2,2,2,'2021-02-20';
    insert into d_table select 3,-3,null,'2022-02-20';
    
  2. 创建两个物化视图,分别用于表达式预计算和数据预过滤:

    -- mv1 提前进行表达式计算
    create materialized view mv1 as 
    select 
        abs(k1)+k2+1,        
        sum(abs(k2+2)+k3+3) 
    from 
        d_table 
    group by 
        abs(k1)+k2+1;
    
    -- mv2 提前用 where 表达式过滤以减少物化视图中的数据量
    create materialized view mv2 as 
    select 
        year(k4),
        month(k4) 
    from 
        d_table 
    where 
        year(k4) = 2020;
    
  3. 验证物化视图命中情况:

    -- 命中 mv1
    select 
        abs(k1)+k2+1,
        sum(abs(k2+2)+k3+3) 
    from 
        d_table 
    group by 
        abs(k1)+k2+1;
        
    -- 命中 mv1
    select 
        bin(abs(k1)+k2+1),
        sum(abs(k2+2)+k3+3) 
    from 
        d_table 
    group by 
        bin(abs(k1)+k2+1);
    
    -- 命中 mv2
    select 
        year(k4) + month(k4) 
    from 
        d_table 
    where 
        year(k4) = 2020;
    
    -- 命中原始表 d_table,不会命中 mv2,因为 where 条件不匹配
    select 
        year(k4),
        month(k4) 
    from 
        d_table;
    

常见问题

Q1:物化视图创建后为什么没有改写成功?

原因:物化视图可能仍处于构建过程中。

排查命令:

show alter table materialized view from test_db;

说明:若 State 字段不是 FINISHED,需等待构建完成;状态变为 FINISHED 后物化视图才可被查询命中。此外,若基表无任何数据,也可能不触发命中。

Q2:从 2.x 升级到 3.0.0 后,之前的同步物化视图为什么不能命中了?

原因:自 3.0.0 版本起,默认使用基于 plan 结构信息的方式对同步物化视图进行透明改写。

解决方法:如果发现 2.x 能命中但 3.0.0 不能命中,可关闭如下开关(默认开启):

SET enable_sync_mv_cost_based_rewrite = false;

Q3:同步物化视图与异步物化视图有何区别?

对比项 同步物化视图 异步物化视图
数据一致性 与基表强一致,写入同步更新 异步刷新,存在延迟
支持语法 仅单表 SELECT 支持多表 JOIN 等复杂查询
直接查询 不支持,需通过基表查询自动改写 支持直接查询视图
维护成本 自动维护,无需人工干预 需配置刷新策略
适用场景 单表聚合/前缀索引/预过滤/表达式预计算 多表 JOIN 与跨表预计算

本文来自 Apache Doris 文档贡献者,按 Apache 2.0 整理版式与相对链接,保留正文与代码。图示请参阅原文。作者与贡献记录。

资料来源与适用范围

资料来源
Apache Doris 文档贡献者
适用范围
master 文档快照(2026-11-16)
内容语言
中文;命令、路径和错误标识保留技术原文
本地收录日期
2026-11-16
授权说明
Apache 2.0

正文与所需资源由本站本地存储。查看来源及更新记录 ↗

请按适用版本和实际日志确认原因;本站没有对每一种系统或设备逐项执行文中的操作。