• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    K—Means聚類算法在MapReduce框架下的實現(xiàn)

    2017-01-21 14:51:17楊健兵
    軟件導(dǎo)刊 2016年12期
    關(guān)鍵詞:聚類算法數(shù)據(jù)挖掘

    楊健兵

    摘 要:MapReduce是一種編程模型,這種編程模型編程簡單,不必關(guān)心底層實現(xiàn)細節(jié),可用于大規(guī)模數(shù)據(jù)集的并行計算。K-Means是一種簡單、基本的數(shù)據(jù)挖掘聚類方法,它將對象組織成多個互斥的組或簇。針對K-Means的特點,給出了MapReduce編程模型下K-Means的實現(xiàn)方法。實驗結(jié)果表明,MapReduce編程模型下的K-Means算法部署在Hadoop集群上運行具有較好的性能。

    關(guān)鍵詞:K-Means;MapReduce;數(shù)據(jù)挖掘;聚類算法

    DOIDOI:10.11907/rjdk.162043

    中圖分類號:TP311

    文獻標識碼:A文章編號:1672-7800(2016)012-0030-03

    0 引言

    伴隨著計算機技術(shù)的不斷進步和互聯(lián)網(wǎng)技術(shù)在各領(lǐng)域的深入發(fā)展,海量數(shù)據(jù)在各行業(yè)中不斷產(chǎn)生。由于傳統(tǒng)的數(shù)據(jù)挖掘算法往往運行在一臺普通的計算機上,但面對大量的數(shù)據(jù)尤其是海量數(shù)據(jù)時,傳統(tǒng)的計算機在計算能力、處理速度、存儲容量、帶寬速度等多個方面往往表現(xiàn)出力不從心。面對這些問題,云計算提出使得這些問題迎刃而解。云計算是基于網(wǎng)絡(luò)平臺上的一種計算模型,可以在多臺計算機上同時平行運行。它的模型可以由一系列普通計算機加上網(wǎng)絡(luò)組成,對計算機硬件要求相對較低,但其性能可達到普通計算機的若干倍以上。這種計算模型為數(shù)據(jù)挖掘領(lǐng)域開辟了一條新路徑。

    MapReduce模型[1]是美國谷歌公司提出的一種分布式并行編程模型,其主要功能是可以利用大量計算機處理海量的數(shù)據(jù)。對于MapReduce這種編程模型,Map和Reduce是其主要思想,通過Map和Reduce,編程人員可以在不通曉分布式并行編程的情況下,將自己的程序運行在分布式系統(tǒng)上。通過Apache開源社區(qū)Hadoop項目[2],程序設(shè)計人員實現(xiàn)了該模型,使得該模型進行分布式并行計算成為可能。

    根據(jù)文獻記載,多種數(shù)據(jù)挖掘算法已經(jīng)在云計算編程模型MapReduce上實現(xiàn)。冀素琴等[3]提出了基于MapReduce的K-Means聚類集成,謝雪蓮等[4]提出了基于云計算的并行K-Means聚類算法研究,黃斌等[5]提出了基于MapReduce 的數(shù)據(jù)挖掘平臺設(shè)計與實現(xiàn),毛典輝等[6]提出了基于MapReduce的Canopy-Kmeans改進算法。本文結(jié)合各自算法的思想與MapReduce 的運行機理,提出K-Means聚類算法在MapReduce框架下的實現(xiàn)。在MapReduce框架下,K-Means聚類算法的使用范圍由單機擴展到云計算平臺,在面對海量數(shù)據(jù)時,極大地減少了K-Means聚類算法的運行時間,顯著地提高了運行效率。

    1 MapReduce編程模型

    MapReduce編程模型采用分治法的思想,在主節(jié)點管理下,MapReduce編程模型將海量的數(shù)據(jù)分發(fā)給各分節(jié)點共同完成,各節(jié)點對中間結(jié)果進行分類、排序、整合并得到最終結(jié)果。簡言之,MapReduce就是任務(wù)分解與結(jié)果匯總。

    1.1 MapRedue集群結(jié)構(gòu)

    MapReduce任務(wù)需由幾個部分協(xié)作完成。它主要有4個部分組成:Client客戶端、JobTracker、TaskTracker以及分布式文件系統(tǒng)。

    1.2 MapReduce執(zhí)行過程

    在Hadoop中,有兩個機器角色用來執(zhí)行MapReduce任務(wù),一個是JobTracker,另一個是TaskTracker。JobTracker的作用是執(zhí)行調(diào)度工作,在Hadoop集群中有且只有一個,TaskTracker的作用是執(zhí)行任務(wù),在Hadoop集群中有若干個。圖1描述了MapReduce的運行機制,在數(shù)據(jù)輸入階段,輸入文件按照一定的標準進行分片;在Map階段,在JobTracker的統(tǒng)一調(diào)度下,多個TaskTracker完成Map運算任務(wù)并生成中間結(jié)果;在Shuffle階段完成中間計算結(jié)果的排序和分類;在Reduce階段,在JobTracker統(tǒng)一調(diào)度下,多個TaskTracke完成Reduce任務(wù);Reduce任務(wù)完成后通知JobTracker以產(chǎn)生最后的輸出結(jié)果。

    2 K-Means聚類算法實現(xiàn)

    2.1 K-Means聚類算法

    K-Means算法是很典型的基于距離的聚類算法,它將對象組織成多個互斥的組或簇,一般采用歐式距離作為評價指標,即認為兩個對象的距離越近,其相似度就越大。假設(shè)數(shù)據(jù)集D包含n個歐式空間中的對象。聚類的目的是將D的對象分配到k個簇C1,…,Ck中,使得對于1≤i,j≤k,Ci∈D且Ci∩Cj=¢。聚類劃分以簇內(nèi)高相似性和簇間低相似性為目標。

    設(shè)p是空間中的點,表示給定的數(shù)據(jù)對象;ci是簇Ci的中心,其中p和ci都是多維數(shù)據(jù)。對象p∈Ci與該簇的代表ci之差用dist(p,ci)度量,其中dist(x,y)是兩個點x和y之間的歐式距離。簇Ci的質(zhì)量可以用簇內(nèi)變差度量,它是Ci中所有對象與中心ci之間的誤差平方和,定義為:

    E是數(shù)據(jù)集中所有對象的誤差平方和。

    根據(jù)給定的公式,K-Means算法的具體實現(xiàn)過程如下:在初始化過程中,在數(shù)據(jù)集中任意選擇k個對象,每個對象代表該簇的中心點,對于其余的每個對象,根據(jù)它們與各簇中心的距離,將該對象劃分到最近的簇。然后對于k個簇,重新計算其均值。更新后的均值作為該簇新的簇中心。迭代繼續(xù),直到分配穩(wěn)定。圖2為K-Means聚類算法的串行計算流程。

    K-mean均值的算法復(fù)雜度為O(nkt),其中n是對象總數(shù),k是用戶指定的簇數(shù),t為迭代次數(shù)。通常情況下k<

    2.2 算法實現(xiàn)

    K-Means聚類算法在MapReduce模型下處理的基本思路如下:對K-Means的串行計算過程執(zhí)行MapReduce計算,Map階段完成每個記錄到簇中心點距離的計算,并標記到每個記錄所屬的類別;在Reduce階段,根據(jù)Map函數(shù)得到的結(jié)果進行分類排序即可計算出新的聚類中心,供下一輪Map使用,如果本輪Reduce得到的聚類中心與上輪相比變化小于給定的閾值則算法結(jié)束,反之進行新一輪的MapReduce過程。

    2.2.1 Map函數(shù)設(shè)計

    Map階段的主要任務(wù)是通過計算每個記錄到簇中心點距離,并將該記錄標記所屬的簇。在進行Map計算之前,MapReduce會根據(jù)輸入文件計算輸入數(shù)據(jù)片分片,每個數(shù)據(jù)片針對一個Map任務(wù),輸入數(shù)據(jù)片存儲的并非數(shù)據(jù)本身,而是,key為行號,value為該記錄行的內(nèi)容。Map函數(shù)對輸入的每個記錄行計算其到所有簇中心的距離,并根據(jù)最小距離將該記錄標示到最近的簇中心,并作出新類別標記。輸出中間結(jié)果以對的形式展現(xiàn)。

    2.2.2 Reduce函數(shù)設(shè)計

    在Reduce階段,根據(jù)Map函數(shù)得到的中間結(jié)果將相同類別的數(shù)據(jù)組成一個簇,并計算出新的聚類中心,供下一輪Map使用。輸入數(shù)據(jù)以(key, value)對的形式展示,key為聚類所屬類別,value為該簇中記錄向量,所有key相同的數(shù)據(jù)送給一個Reduce任務(wù),累計計算key相同數(shù)據(jù)的均值,得到新的聚類中心。輸出結(jié)果,其中key為聚類類別,value是均值。Map和Reduce處理過程如圖3所示。

    2.3 算法時間復(fù)雜度分析

    在MapReduce框架下處理K-Means聚類算法,數(shù)據(jù)預(yù)處理階段,通過Hadoop平臺下的分布式文件系統(tǒng),把要處理的數(shù)據(jù)先存儲在其中,然后將數(shù)據(jù)根據(jù)分塊原則分別存儲在不同的節(jié)點上。在Map計算階段,通過將相應(yīng)的數(shù)據(jù)塊分配給Map任務(wù)進行計算。如果每個節(jié)點完成p個Map任務(wù),那么其時間復(fù)雜度為O(nkt/p)。這樣可大大提高計算效率和計算速度,節(jié)省算法運行時間。

    3 實驗結(jié)果

    通過實驗,對K-Means聚類方法在MapReduce框架下的實現(xiàn)效果進行了展示和評估。

    3.1 實驗環(huán)境

    該實驗在南京工業(yè)大學(xué)云平臺上進行,平臺由一系列IBM服務(wù)構(gòu)建。其中管理節(jié)點1個,計算機節(jié)點16個,網(wǎng)絡(luò)采用萬兆網(wǎng)絡(luò),操作系統(tǒng)采用RedHat Linux。在硬件配置上,每一個節(jié)點的CPU 采用Intel Xeon 2.0GCPU,8G內(nèi)存,100G硬盤,軟件配置Hadoop 。

    3.2 實驗結(jié)果

    單個樣本為15個整數(shù),分別生成106(54M)、107(540M)、108(5400M)個樣本作為數(shù)據(jù)集。K-Means算法的實驗結(jié)果如圖4、圖5、圖6所示。

    從圖4可看出,并行運行時間遠遠地大于單擊運行時間。這是由于MapReduce進行并行計算之初,其初始化過程需要一定的時間,耗費一定的機器性能。同時由于該文件只有54M,只需要分配給一個Map任務(wù)去執(zhí)行。因此對于數(shù)據(jù)量比較少的數(shù)據(jù),單機運行的效率反而高、時間耗費反而少。

    從圖5可看出,隨著數(shù)據(jù)量的增多,MapReduce的優(yōu)勢慢慢地凸顯出來。根據(jù)理論計算,540兆數(shù)據(jù)可以分為9個分片,通過分析,如果節(jié)點數(shù)量比較少的時候,MapReduce的優(yōu)勢不但不夠明顯,反而還不如單機K-Means計算,但是隨著節(jié)點逐漸增多,MapReduce的計算優(yōu)勢逐漸顯露起來,并且計算時間逐漸減少。但是當節(jié)點超過5個時,節(jié)點數(shù)目已經(jīng)飽和,所以運行時間基本保持不變。

    從圖6可看出,當數(shù)據(jù)量非常大時,MapReduce的絕對優(yōu)勢一覽無遺,并且隨著集群中節(jié)點數(shù)量的增加,運行時間逐漸減少。當節(jié)點到達一定數(shù)目時,MapReduce運行算法達到它的極限值,該任務(wù)的運行時間達到最小。

    4 結(jié)語

    隨著互聯(lián)網(wǎng)業(yè)務(wù)的不斷發(fā)展,每天都有大量的數(shù)據(jù)產(chǎn)生,對于產(chǎn)生的數(shù)據(jù)用數(shù)據(jù)挖掘的方法對它進行分析并提取有益的信息已經(jīng)成為大家關(guān)注的重點。在源源不斷的數(shù)據(jù)產(chǎn)生以后,可以在MapReduce框架下采用K-Means方法對這些數(shù)據(jù)進行聚類。

    本文提出了面對大量數(shù)據(jù)時如何使用MapReduce框架去處理這些數(shù)據(jù)的基本思路。實驗表明,該解決方法在處理大量數(shù)據(jù)時可以極大地提高運行速度和效率。

    參考文獻:

    [1] DEAN J,GHEMAWAT S.MapReduce simplified data processing on large cluster[J].Communication of the ACM,2006,51(1):107-113.

    [2] APACHE HADOOP. Hadoop[EB/OL].http://hadoop.apache.org.

    [3] 冀素琴,石洪波.面向海量數(shù)據(jù)的K-Means聚類優(yōu)化算法[J].計算工程與應(yīng)用,2014,50(14):143-147.

    [4] 謝雪蓮,李蘭友.基于云計算的并行K-Means聚類算法研究[J].計算機測量與控制,2014,22(5):1510-1512.

    [5] 黃斌,許舒人,蒲衛(wèi).基于MapReduce 的數(shù)據(jù)挖掘平臺設(shè)計與實現(xiàn)[J].計算機工程與設(shè)計,2013(2):495-501.

    (責(zé)任編輯:孫 娟)

    猜你喜歡
    聚類算法數(shù)據(jù)挖掘
    探討人工智能與數(shù)據(jù)挖掘發(fā)展趨勢
    基于并行計算的大數(shù)據(jù)挖掘在電網(wǎng)中的應(yīng)用
    電力與能源(2017年6期)2017-05-14 06:19:37
    數(shù)據(jù)挖掘算法性能優(yōu)化的研究與應(yīng)用
    基于K?均值與AGNES聚類算法的校園網(wǎng)行為分析系統(tǒng)研究
    基于改進的K_means算法在圖像分割中的應(yīng)用
    大規(guī)模風(fēng)電場集中接入對電力系統(tǒng)小干擾穩(wěn)定的影響分析
    科技視界(2016年8期)2016-04-05 18:39:39
    一種基于Hadoop的大數(shù)據(jù)挖掘云服務(wù)及應(yīng)用
    基于GPGPU的離散數(shù)據(jù)挖掘研究
    成人毛片a级毛片在线播放| 国产成人精品一,二区| 3wmmmm亚洲av在线观看| 精品人妻熟女毛片av久久网站| 亚洲精品美女久久av网站| 国产精品不卡视频一区二区| kizo精华| 日韩成人伦理影院| 不卡视频在线观看欧美| 亚洲性久久影院| 男人添女人高潮全过程视频| 亚洲三级黄色毛片| 亚洲精品国产av蜜桃| 人妻系列 视频| 成年人午夜在线观看视频| 丝袜脚勾引网站| 在现免费观看毛片| 免费观看的影片在线观看| 在线观看免费高清a一片| 欧美日韩视频高清一区二区三区二| 国产视频首页在线观看| 成人国产av品久久久| 亚洲中文av在线| 亚洲,欧美,日韩| 赤兔流量卡办理| 热99久久久久精品小说推荐| 久久婷婷青草| 日韩电影二区| 97超碰精品成人国产| 亚洲,欧美,日韩| 免费av不卡在线播放| 老司机影院毛片| 黑丝袜美女国产一区| 国产精品一区二区在线观看99| 成年女人在线观看亚洲视频| 国产淫语在线视频| 中文字幕久久专区| 成人综合一区亚洲| 国产精品国产av在线观看| 午夜免费观看性视频| 80岁老熟妇乱子伦牲交| 久久久久国产网址| 日韩电影二区| 青春草视频在线免费观看| 秋霞伦理黄片| 青春草视频在线免费观看| 久久久欧美国产精品| 国产不卡av网站在线观看| 91精品三级在线观看| 一个人看视频在线观看www免费| 国产白丝娇喘喷水9色精品| 精品一品国产午夜福利视频| 久久毛片免费看一区二区三区| 国国产精品蜜臀av免费| 久久人人爽人人爽人人片va| 在线观看三级黄色| av网站免费在线观看视频| 精品国产露脸久久av麻豆| 亚洲av日韩在线播放| 日韩人妻高清精品专区| 一区二区三区精品91| 欧美人与性动交α欧美精品济南到 | 十八禁高潮呻吟视频| 亚洲丝袜综合中文字幕| 亚洲精品一二三| 日日啪夜夜爽| 天天影视国产精品| 免费黄网站久久成人精品| 久久久久久人妻| av线在线观看网站| 少妇精品久久久久久久| 国产av一区二区精品久久| 亚洲,欧美,日韩| 国产精品一区二区在线观看99| 亚洲av日韩在线播放| 大香蕉久久成人网| 纵有疾风起免费观看全集完整版| 全区人妻精品视频| 九九在线视频观看精品| 国产女主播在线喷水免费视频网站| 91午夜精品亚洲一区二区三区| 在线观看免费日韩欧美大片 | 插阴视频在线观看视频| 在现免费观看毛片| 亚洲国产精品成人久久小说| 九色亚洲精品在线播放| 性色av一级| 亚洲国产欧美日韩在线播放| 精品亚洲成a人片在线观看| 成人综合一区亚洲| 日韩在线高清观看一区二区三区| 少妇高潮的动态图| 波野结衣二区三区在线| 色5月婷婷丁香| 在线精品无人区一区二区三| 岛国毛片在线播放| 少妇高潮的动态图| 天天操日日干夜夜撸| 在线观看免费日韩欧美大片 | 欧美亚洲日本最大视频资源| 自线自在国产av| 黄色欧美视频在线观看| 97超碰精品成人国产| 日韩熟女老妇一区二区性免费视频| 在线天堂最新版资源| 久久99蜜桃精品久久| 99热国产这里只有精品6| 色吧在线观看| 丰满迷人的少妇在线观看| 91精品国产国语对白视频| 国产亚洲精品久久久com| 大香蕉97超碰在线| 亚洲国产色片| 青春草国产在线视频| 亚洲图色成人| 久热这里只有精品99| 十八禁网站网址无遮挡| 国产成人精品久久久久久| 满18在线观看网站| 国产 一区精品| 一本—道久久a久久精品蜜桃钙片| xxxhd国产人妻xxx| 婷婷色综合www| 婷婷成人精品国产| 黄色欧美视频在线观看| 日日摸夜夜添夜夜添av毛片| 全区人妻精品视频| 精品国产乱码久久久久久小说| 日韩中文字幕视频在线看片| 国产视频首页在线观看| 国产精品久久久久成人av| 九色亚洲精品在线播放| 国产乱人偷精品视频| 99久久精品一区二区三区| 大香蕉久久网| 国产免费福利视频在线观看| 日本午夜av视频| 国产一区亚洲一区在线观看| 热re99久久国产66热| 亚洲欧美日韩另类电影网站| 日本91视频免费播放| 久久婷婷青草| 91精品三级在线观看| 成年美女黄网站色视频大全免费 | 国模一区二区三区四区视频| 97精品久久久久久久久久精品| 国产成人精品一,二区| 伊人久久精品亚洲午夜| 免费观看在线日韩| 国产 一区精品| 国产片内射在线| 2021少妇久久久久久久久久久| 日韩电影二区| 欧美变态另类bdsm刘玥| 看十八女毛片水多多多| freevideosex欧美| 黑人高潮一二区| 18禁在线无遮挡免费观看视频| 另类精品久久| 丝袜喷水一区| 成年人免费黄色播放视频| 欧美精品人与动牲交sv欧美| 日韩不卡一区二区三区视频在线| 中文字幕最新亚洲高清| 2021少妇久久久久久久久久久| 三上悠亚av全集在线观看| av专区在线播放| 99视频精品全部免费 在线| 成人黄色视频免费在线看| 女人精品久久久久毛片| 亚洲情色 制服丝袜| 大香蕉97超碰在线| 狠狠精品人妻久久久久久综合| h视频一区二区三区| 国产精品久久久久久久电影| 超色免费av| 我的女老师完整版在线观看| 一级片'在线观看视频| 一区二区三区免费毛片| 婷婷成人精品国产| 久久亚洲国产成人精品v| 午夜福利网站1000一区二区三区| 最新中文字幕久久久久| 国产日韩一区二区三区精品不卡 | 亚洲少妇的诱惑av| 少妇的逼水好多| 国产白丝娇喘喷水9色精品| 69精品国产乱码久久久| 国产成人精品婷婷| 最近手机中文字幕大全| 高清毛片免费看| 色5月婷婷丁香| 国产成人精品无人区| 又大又黄又爽视频免费| 国产亚洲最大av| 高清欧美精品videossex| 国产在线一区二区三区精| 麻豆成人av视频| 91国产中文字幕| 国产亚洲午夜精品一区二区久久| 午夜福利影视在线免费观看| 精品亚洲乱码少妇综合久久| 欧美激情 高清一区二区三区| a级毛片在线看网站| 一级a做视频免费观看| 国产亚洲精品久久久com| 成年av动漫网址| 亚洲精品美女久久av网站| 日韩一本色道免费dvd| 国产男女内射视频| 国产精品嫩草影院av在线观看| 伊人久久国产一区二区| 免费看光身美女| 日韩av在线免费看完整版不卡| 在线观看三级黄色| 人妻人人澡人人爽人人| 亚洲av在线观看美女高潮| 久久久久国产网址| 69精品国产乱码久久久| 久久久久久久精品精品| 99热这里只有是精品在线观看| 免费黄网站久久成人精品| 国产精品99久久久久久久久| 这个男人来自地球电影免费观看 | av一本久久久久| 一级黄片播放器| 少妇被粗大的猛进出69影院 | 色5月婷婷丁香| 亚洲精品久久久久久婷婷小说| 国产亚洲最大av| 少妇人妻精品综合一区二区| 男人添女人高潮全过程视频| 国产免费现黄频在线看| av免费观看日本| 中文字幕最新亚洲高清| 亚洲国产色片| 亚洲三级黄色毛片| 欧美日本中文国产一区发布| 亚洲av中文av极速乱| 亚洲内射少妇av| 精品人妻熟女av久视频| 另类亚洲欧美激情| 人成视频在线观看免费观看| 欧美bdsm另类| 免费观看性生交大片5| 妹子高潮喷水视频| 尾随美女入室| 免费观看a级毛片全部| 欧美少妇被猛烈插入视频| 51国产日韩欧美| 在线播放无遮挡| 亚洲av国产av综合av卡| 伦理电影免费视频| 国产一级毛片在线| 欧美最新免费一区二区三区| 国产国语露脸激情在线看| 久久国产亚洲av麻豆专区| 亚洲国产最新在线播放| 国产一区有黄有色的免费视频| 久久99一区二区三区| 亚洲精品乱久久久久久| 国产成人aa在线观看| 青春草视频在线免费观看| 亚洲一区二区三区欧美精品| av一本久久久久| 妹子高潮喷水视频| 不卡视频在线观看欧美| 久久精品国产自在天天线| 久久精品久久精品一区二区三区| 国产精品国产三级国产专区5o| 97超碰精品成人国产| 国产午夜精品久久久久久一区二区三区| 男女高潮啪啪啪动态图| 春色校园在线视频观看| 老女人水多毛片| 人成视频在线观看免费观看| 中国三级夫妇交换| 日本欧美国产在线视频| 日韩一区二区视频免费看| 我的老师免费观看完整版| 久久久精品94久久精品| 建设人人有责人人尽责人人享有的| 黄色配什么色好看| av播播在线观看一区| av在线播放精品| 欧美成人午夜免费资源| 夜夜看夜夜爽夜夜摸| 一边亲一边摸免费视频| 老司机影院成人| 久久久欧美国产精品| 成人黄色视频免费在线看| 午夜91福利影院| 成人综合一区亚洲| 亚洲精品乱码久久久久久按摩| 久久久久久久精品精品| 亚洲少妇的诱惑av| 国产免费一级a男人的天堂| 亚洲内射少妇av| 99热6这里只有精品| 看十八女毛片水多多多| 欧美日韩精品成人综合77777| 国产精品久久久久成人av| 人妻一区二区av| 一区在线观看完整版| 王馨瑶露胸无遮挡在线观看| videos熟女内射| 国产永久视频网站| 中国三级夫妇交换| 国产 精品1| 精品人妻熟女毛片av久久网站| 人人妻人人澡人人看| 国产亚洲精品久久久com| 亚洲精品一区蜜桃| 亚洲精华国产精华液的使用体验| 在线观看免费日韩欧美大片 | 尾随美女入室| av免费观看日本| 91久久精品国产一区二区成人| 国产深夜福利视频在线观看| 日本黄大片高清| 午夜激情久久久久久久| 亚洲精品av麻豆狂野| 国产乱人偷精品视频| 亚洲人成77777在线视频| 99久久中文字幕三级久久日本| 午夜久久久在线观看| 亚洲欧美日韩另类电影网站| 一级爰片在线观看| 久久这里有精品视频免费| 黄片无遮挡物在线观看| 美女内射精品一级片tv| 国产精品久久久久久久久免| 亚洲成色77777| 高清av免费在线| 欧美成人精品欧美一级黄| 国产av精品麻豆| 多毛熟女@视频| 丰满饥渴人妻一区二区三| 国产一区二区三区综合在线观看 | 又大又黄又爽视频免费| av不卡在线播放| 精品人妻在线不人妻| 久久热精品热| 天堂8中文在线网| 亚洲精品乱码久久久v下载方式| 午夜福利在线观看免费完整高清在| 亚洲欧洲日产国产| 中文字幕制服av| 夫妻性生交免费视频一级片| 少妇人妻久久综合中文| 狂野欧美激情性bbbbbb| 少妇高潮的动态图| 国产欧美日韩综合在线一区二区| 综合色丁香网| 久久久久久人妻| 色94色欧美一区二区| 亚洲精品乱久久久久久| 国产精品熟女久久久久浪| 国产av一区二区精品久久| 国产精品秋霞免费鲁丝片| 亚洲精品国产av成人精品| 考比视频在线观看| 哪个播放器可以免费观看大片| 嫩草影院入口| 一级毛片aaaaaa免费看小| 亚洲激情五月婷婷啪啪| 国产成人av激情在线播放 | 国产av一区二区精品久久| 亚洲综合色惰| 国产无遮挡羞羞视频在线观看| 亚洲欧美精品自产自拍| 日本vs欧美在线观看视频| 一级黄片播放器| 久久久久久久久久久免费av| 国国产精品蜜臀av免费| 精品99又大又爽又粗少妇毛片| 插逼视频在线观看| 成人影院久久| 国产乱人偷精品视频| 亚洲精品日韩在线中文字幕| videossex国产| 午夜视频国产福利| 精品久久久久久电影网| 亚洲国产色片| 亚洲人成77777在线视频| 国产视频首页在线观看| 丝瓜视频免费看黄片| 满18在线观看网站| 日日爽夜夜爽网站| av视频免费观看在线观看| 亚洲欧洲国产日韩| 日韩免费高清中文字幕av| 新久久久久国产一级毛片| 午夜av观看不卡| 欧美 亚洲 国产 日韩一| 亚洲国产日韩一区二区| 一本色道久久久久久精品综合| 久久精品久久久久久久性| 免费观看av网站的网址| 一二三四中文在线观看免费高清| 国产淫语在线视频| 精品久久久久久电影网| 午夜激情福利司机影院| 狠狠婷婷综合久久久久久88av| 久久久久久久精品精品| 国产成人精品一,二区| 少妇丰满av| 亚洲人与动物交配视频| 大陆偷拍与自拍| 人人澡人人妻人| 日日啪夜夜爽| 蜜臀久久99精品久久宅男| 毛片一级片免费看久久久久| 国产淫语在线视频| 日韩,欧美,国产一区二区三区| 国产伦精品一区二区三区视频9| 国产 精品1| 国产有黄有色有爽视频| 国产精品女同一区二区软件| 精品一区二区三卡| 26uuu在线亚洲综合色| 秋霞在线观看毛片| 日本黄大片高清| 王馨瑶露胸无遮挡在线观看| 久久这里有精品视频免费| 中国三级夫妇交换| 特大巨黑吊av在线直播| 日韩av不卡免费在线播放| 亚洲av免费高清在线观看| 成人免费观看视频高清| 国产男女内射视频| 国产欧美日韩一区二区三区在线 | 免费观看的影片在线观看| 亚洲中文av在线| 久久午夜综合久久蜜桃| 一个人免费看片子| 又大又黄又爽视频免费| 国产精品一二三区在线看| 亚洲第一区二区三区不卡| 国精品久久久久久国模美| 亚洲精品一二三| 中文精品一卡2卡3卡4更新| 亚洲av综合色区一区| 91午夜精品亚洲一区二区三区| 王馨瑶露胸无遮挡在线观看| 欧美+日韩+精品| 丰满乱子伦码专区| 亚洲国产毛片av蜜桃av| 久久精品国产自在天天线| 国产乱来视频区| 在线看a的网站| 国产精品久久久久成人av| 日韩,欧美,国产一区二区三区| 欧美另类一区| 在线观看人妻少妇| 亚洲人成77777在线视频| 日本av手机在线免费观看| 午夜免费观看性视频| 亚洲精品日韩av片在线观看| 日日摸夜夜添夜夜爱| 午夜福利,免费看| 国产亚洲最大av| 国产69精品久久久久777片| 精品国产露脸久久av麻豆| 日日摸夜夜添夜夜爱| 国产成人午夜福利电影在线观看| 大片电影免费在线观看免费| 精品亚洲成国产av| 日本wwww免费看| 18禁动态无遮挡网站| 免费人妻精品一区二区三区视频| 国产老妇伦熟女老妇高清| 精品视频人人做人人爽| 中文字幕av电影在线播放| 国产精品99久久久久久久久| 一级毛片电影观看| 亚洲少妇的诱惑av| 视频区图区小说| 亚洲国产成人一精品久久久| 18在线观看网站| 欧美日韩国产mv在线观看视频| 五月开心婷婷网| 国产黄片视频在线免费观看| a级片在线免费高清观看视频| 国产欧美另类精品又又久久亚洲欧美| 黑人巨大精品欧美一区二区蜜桃 | 婷婷色综合大香蕉| 少妇人妻精品综合一区二区| 在线看a的网站| av不卡在线播放| 永久网站在线| 一区二区三区免费毛片| 岛国毛片在线播放| 久久99热这里只频精品6学生| 国产精品不卡视频一区二区| 国国产精品蜜臀av免费| 亚洲欧美色中文字幕在线| 亚洲欧美成人综合另类久久久| 黄色视频在线播放观看不卡| 国产有黄有色有爽视频| 高清不卡的av网站| 亚洲,欧美,日韩| 人人澡人人妻人| 国产成人午夜福利电影在线观看| 精品久久国产蜜桃| 亚洲精品久久成人aⅴ小说 | 亚洲综合精品二区| 亚洲人成77777在线视频| 大片免费播放器 马上看| 亚洲成色77777| 国产免费视频播放在线视频| 久久精品国产亚洲av涩爱| 午夜免费鲁丝| 国产精品不卡视频一区二区| 国产片内射在线| 日韩精品免费视频一区二区三区 | a级毛片在线看网站| 国产精品久久久久久精品电影小说| 寂寞人妻少妇视频99o| 春色校园在线视频观看| 亚洲成人av在线免费| 免费观看性生交大片5| 国产在线视频一区二区| 黑人欧美特级aaaaaa片| 色5月婷婷丁香| 久久午夜综合久久蜜桃| 91精品一卡2卡3卡4卡| 男女边吃奶边做爰视频| 免费黄频网站在线观看国产| 亚洲综合色惰| 涩涩av久久男人的天堂| 亚洲美女搞黄在线观看| 亚洲av中文av极速乱| 在线观看www视频免费| 国产精品偷伦视频观看了| 丰满饥渴人妻一区二区三| 久久99精品国语久久久| 国产精品一区www在线观看| 美女大奶头黄色视频| 丝袜脚勾引网站| 大话2 男鬼变身卡| 国产片特级美女逼逼视频| 边亲边吃奶的免费视频| av女优亚洲男人天堂| 色网站视频免费| 美女cb高潮喷水在线观看| av有码第一页| 亚洲婷婷狠狠爱综合网| 国产av精品麻豆| 国产精品嫩草影院av在线观看| 亚洲欧美一区二区三区黑人 | 午夜福利网站1000一区二区三区| 99久国产av精品国产电影| 满18在线观看网站| 欧美日韩av久久| 一级,二级,三级黄色视频| 亚洲人与动物交配视频| 视频在线观看一区二区三区| 国产视频内射| 免费观看a级毛片全部| 18禁观看日本| 精品国产一区二区久久| 乱人伦中国视频| 色吧在线观看| 欧美精品高潮呻吟av久久| 啦啦啦在线观看免费高清www| 久久狼人影院| 亚洲精品国产色婷婷电影| 国产午夜精品一二区理论片| 国产视频首页在线观看| 欧美老熟妇乱子伦牲交| 人人妻人人添人人爽欧美一区卜| 99国产精品免费福利视频| 国产成人av激情在线播放 | av福利片在线| 99久久人妻综合| 国产欧美另类精品又又久久亚洲欧美| 日韩视频在线欧美| 伦理电影免费视频| 亚洲在久久综合| 精品卡一卡二卡四卡免费| 高清午夜精品一区二区三区| 亚洲四区av| 日韩一本色道免费dvd| 在线观看www视频免费| 日韩伦理黄色片| 久久久久久久大尺度免费视频| 国产伦精品一区二区三区视频9| 91成人精品电影| xxx大片免费视频| av视频免费观看在线观看| 黑人欧美特级aaaaaa片| 日本黄色日本黄色录像| 精品国产国语对白av| 国产免费一级a男人的天堂| 日韩 亚洲 欧美在线| 国产成人精品无人区| 99热6这里只有精品| 免费观看a级毛片全部| 伊人久久国产一区二区| 自拍欧美九色日韩亚洲蝌蚪91| 国产成人午夜福利电影在线观看| 午夜免费鲁丝| 亚洲成色77777| av国产久精品久网站免费入址| 你懂的网址亚洲精品在线观看| 丝袜脚勾引网站| 国产精品成人在线| 蜜桃久久精品国产亚洲av| 一本色道久久久久久精品综合| 大又大粗又爽又黄少妇毛片口| 制服人妻中文乱码| 成人免费观看视频高清| 我要看黄色一级片免费的| 日韩av不卡免费在线播放|