• <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av在线播放网站| 国产黄片美女视频| 国产不卡一卡二| 18禁在线播放成人免费| 简卡轻食公司| 黄色欧美视频在线观看| 你懂的网址亚洲精品在线观看| 亚洲国产精品sss在线观看| 国产一区二区亚洲精品在线观看| 中文乱码字字幕精品一区二区三区 | 午夜久久久久精精品| 日韩在线高清观看一区二区三区| 久久99蜜桃精品久久| 国产一区二区亚洲精品在线观看| 亚洲精品日本国产第一区| 在线观看人妻少妇| 看十八女毛片水多多多| 亚洲伊人久久精品综合| 最近手机中文字幕大全| 极品少妇高潮喷水抽搐| 午夜福利在线观看免费完整高清在| 精品久久久久久电影网| 亚洲va在线va天堂va国产| 国产69精品久久久久777片| 久久久欧美国产精品| 边亲边吃奶的免费视频| 精品一区在线观看国产| 麻豆av噜噜一区二区三区| 国产又色又爽无遮挡免| 91aial.com中文字幕在线观看| 久久久精品欧美日韩精品| 能在线免费观看的黄片| 97超碰精品成人国产| 久久精品人妻少妇| 免费看美女性在线毛片视频| 亚洲国产成人一精品久久久| 国产男女超爽视频在线观看| 亚洲国产av新网站| 欧美成人一区二区免费高清观看| 最近最新中文字幕大全电影3| 成人高潮视频无遮挡免费网站| 亚洲精品亚洲一区二区| 亚洲伊人久久精品综合| 欧美精品国产亚洲| 欧美xxⅹ黑人| 午夜日本视频在线| 亚洲精品色激情综合| 在线观看免费高清a一片| 日韩 亚洲 欧美在线| 国产乱人偷精品视频| 亚洲性久久影院| 国产精品久久久久久久电影| av免费观看日本| 国产成人福利小说| 能在线免费看毛片的网站| 亚洲最大成人手机在线| 最近2019中文字幕mv第一页| 国产精品久久久久久久久免| 人妻制服诱惑在线中文字幕| 成人亚洲精品一区在线观看 | 国产视频首页在线观看| 亚洲高清免费不卡视频| 少妇人妻精品综合一区二区| 日本三级黄在线观看| 免费看不卡的av| 欧美日韩综合久久久久久| 高清午夜精品一区二区三区| 国产熟女欧美一区二区| 男人舔奶头视频| 精品一区在线观看国产| 18禁动态无遮挡网站| 看免费成人av毛片| 99久久精品热视频| 插阴视频在线观看视频| av专区在线播放| 日韩一本色道免费dvd| 淫秽高清视频在线观看| 男人狂女人下面高潮的视频| 色网站视频免费| 日日撸夜夜添| 国产美女午夜福利| 久久久久久久久久成人| 七月丁香在线播放| 最近2019中文字幕mv第一页| 成人高潮视频无遮挡免费网站| 久久久久精品久久久久真实原创| 2021少妇久久久久久久久久久| 国产一区有黄有色的免费视频 | 久久97久久精品| 免费看日本二区| 男女那种视频在线观看| 小蜜桃在线观看免费完整版高清| 国产69精品久久久久777片| 天天躁夜夜躁狠狠久久av| 国产成人91sexporn| 嫩草影院精品99| 精品欧美国产一区二区三| 国产在视频线精品| 美女高潮的动态| 小蜜桃在线观看免费完整版高清| ponron亚洲| 国产一区亚洲一区在线观看| 最后的刺客免费高清国语| 日韩 亚洲 欧美在线| 中文在线观看免费www的网站| 欧美人与善性xxx| 欧美精品一区二区大全| 草草在线视频免费看| 日韩强制内射视频| 国产精品久久久久久精品电影小说 | 小蜜桃在线观看免费完整版高清| 精品国产一区二区三区久久久樱花 | 最近视频中文字幕2019在线8| 丝袜美腿在线中文| 最近的中文字幕免费完整| 免费黄色在线免费观看| 在线免费观看的www视频| 一边亲一边摸免费视频| 青春草亚洲视频在线观看| 六月丁香七月| 超碰97精品在线观看| 亚洲性久久影院| 91aial.com中文字幕在线观看| 亚洲精品乱久久久久久| 青青草视频在线视频观看| 天美传媒精品一区二区| 午夜福利视频精品| 天堂俺去俺来也www色官网 | 内射极品少妇av片p| 深夜a级毛片| 亚洲av福利一区| 18禁在线无遮挡免费观看视频| 青春草国产在线视频| 中文字幕久久专区| 亚洲色图av天堂| 国产一区二区在线观看日韩| 一二三四中文在线观看免费高清| 午夜精品国产一区二区电影 | 一级毛片aaaaaa免费看小| 不卡视频在线观看欧美| 天天躁夜夜躁狠狠久久av| 日韩av免费高清视频| 老司机影院成人| 久久这里有精品视频免费| 波野结衣二区三区在线| 国产真实伦视频高清在线观看| 亚州av有码| 亚洲国产最新在线播放| 亚洲精品一区蜜桃| 人妻制服诱惑在线中文字幕| 男的添女的下面高潮视频| 国产男人的电影天堂91| 国产精品精品国产色婷婷| 国产一级毛片在线| 国产伦理片在线播放av一区| 深夜a级毛片| 国产免费视频播放在线视频 | 国产欧美另类精品又又久久亚洲欧美| 最近中文字幕高清免费大全6| 免费观看的影片在线观看| 别揉我奶头 嗯啊视频| 看十八女毛片水多多多| 91aial.com中文字幕在线观看| 亚洲av一区综合| 欧美3d第一页| 亚洲人成网站在线观看播放| 亚洲性久久影院| 天天躁夜夜躁狠狠久久av| 亚洲美女视频黄频| 美女xxoo啪啪120秒动态图| 在线免费观看的www视频| 国产精品三级大全| 日韩欧美精品免费久久| 亚洲欧美中文字幕日韩二区| 国产精品日韩av在线免费观看| 久久久久九九精品影院| 干丝袜人妻中文字幕| 久久精品熟女亚洲av麻豆精品 | 国产免费一级a男人的天堂| 人体艺术视频欧美日本| 男人舔奶头视频| av免费观看日本| 国产伦精品一区二区三区视频9| 亚洲怡红院男人天堂| 搡老乐熟女国产| 欧美日韩视频高清一区二区三区二| 欧美精品国产亚洲| 国产亚洲最大av| 亚洲国产欧美在线一区| 美女xxoo啪啪120秒动态图| 国产精品一区www在线观看| 99热这里只有是精品50| 久久久久久久久久久免费av| 日日啪夜夜撸| 亚洲成人精品中文字幕电影| 国产黄a三级三级三级人| 久久精品久久精品一区二区三区| 国产黄色小视频在线观看| 久久99蜜桃精品久久| av国产免费在线观看| 国产免费视频播放在线视频 | 夜夜看夜夜爽夜夜摸| 五月伊人婷婷丁香| 亚洲精品国产成人久久av| 性色avwww在线观看| 色综合色国产| 国产午夜精品论理片| 午夜日本视频在线| or卡值多少钱| 三级国产精品片| 国产精品人妻久久久久久| 中文字幕av成人在线电影| 床上黄色一级片| 亚洲国产精品成人久久小说| 亚洲成人av在线免费| 国产视频首页在线观看| 国产色爽女视频免费观看| 国产黄频视频在线观看| 久久久久精品性色| 欧美激情久久久久久爽电影| 淫秽高清视频在线观看| 国产色婷婷99| 亚洲综合色惰| 午夜精品国产一区二区电影 | 亚洲熟女精品中文字幕| 亚洲精品第二区| 最近中文字幕2019免费版| 国产精品爽爽va在线观看网站| 亚洲图色成人| 街头女战士在线观看网站| 毛片女人毛片| 色网站视频免费| 国产精品精品国产色婷婷| 丝袜喷水一区| 搡女人真爽免费视频火全软件| 51国产日韩欧美| av天堂中文字幕网| 久久精品久久精品一区二区三区| 免费看不卡的av| 免费电影在线观看免费观看| 国产精品久久久久久久久免| 只有这里有精品99| 亚洲成人久久爱视频| 国产高清不卡午夜福利| 一二三四中文在线观看免费高清| 欧美+日韩+精品| 亚洲av福利一区| 精品久久久久久成人av| 精品人妻视频免费看| 男人和女人高潮做爰伦理| 欧美不卡视频在线免费观看| 欧美日韩视频高清一区二区三区二| 精品久久久噜噜| 国产不卡一卡二| 少妇人妻精品综合一区二区| 欧美精品一区二区大全| 性色avwww在线观看| 免费看光身美女| 有码 亚洲区| 国产乱人偷精品视频| 亚洲成人精品中文字幕电影| 免费在线观看成人毛片| 亚洲av日韩在线播放| 国产免费视频播放在线视频 | 欧美成人一区二区免费高清观看| 国产毛片a区久久久久| a级毛片免费高清观看在线播放| 99久久人妻综合| 免费看a级黄色片| 国产精品熟女久久久久浪| 大香蕉久久网| 亚洲精品久久午夜乱码| 久久久久免费精品人妻一区二区| 一级毛片电影观看| 国产伦精品一区二区三区四那| 日日撸夜夜添| 久久精品国产鲁丝片午夜精品| 国产精品无大码| 国产精品一区www在线观看| 人体艺术视频欧美日本| 国产精品久久视频播放| 看免费成人av毛片| 久久99热这里只频精品6学生| av专区在线播放| 在线免费观看的www视频| 熟妇人妻不卡中文字幕| 美女主播在线视频| 91精品国产九色| 亚洲精品亚洲一区二区| 亚洲成人久久爱视频| av.在线天堂| 国产精品久久久久久av不卡| 99久久九九国产精品国产免费| 一级二级三级毛片免费看| 成人欧美大片| 一级片'在线观看视频| 尤物成人国产欧美一区二区三区| 成人国产麻豆网| 色视频www国产| 国产爱豆传媒在线观看| 在线 av 中文字幕| 午夜福利在线观看免费完整高清在| 男女视频在线观看网站免费| 亚洲无线观看免费| 欧美性猛交╳xxx乱大交人| 联通29元200g的流量卡| 亚洲熟妇中文字幕五十中出| av在线老鸭窝| 亚洲一级一片aⅴ在线观看| 99热这里只有精品一区| 五月伊人婷婷丁香| 国产精品久久久久久久久免| 亚洲成人中文字幕在线播放| 麻豆成人午夜福利视频| 免费av毛片视频| 欧美极品一区二区三区四区| 日本午夜av视频| 三级国产精品片| 亚洲激情五月婷婷啪啪| 亚洲欧美中文字幕日韩二区| av网站免费在线观看视频 | 免费无遮挡裸体视频| 视频中文字幕在线观看| 成年女人在线观看亚洲视频 | 久久久久精品性色| 欧美xxⅹ黑人| 成年人午夜在线观看视频 | 在线观看免费高清a一片| 内射极品少妇av片p| av在线天堂中文字幕| 波多野结衣巨乳人妻| 亚洲av成人av| 精品一区二区三卡| 亚洲国产欧美人成| 联通29元200g的流量卡| 精品久久国产蜜桃| 欧美变态另类bdsm刘玥| 舔av片在线| 欧美变态另类bdsm刘玥| 舔av片在线| 18+在线观看网站| 日本猛色少妇xxxxx猛交久久| 亚洲人成网站高清观看| 国产欧美另类精品又又久久亚洲欧美| 国产免费又黄又爽又色| 天堂√8在线中文| 亚洲av成人精品一区久久| 亚洲av.av天堂| 国产乱人偷精品视频| 婷婷六月久久综合丁香| 高清毛片免费看| 久久精品夜夜夜夜夜久久蜜豆| 国产精品蜜桃在线观看| 久久精品夜夜夜夜夜久久蜜豆| 亚洲精品国产av蜜桃| 看非洲黑人一级黄片| 久久草成人影院| 街头女战士在线观看网站| 99热这里只有是精品在线观看| 亚洲精品久久久久久婷婷小说| 狂野欧美白嫩少妇大欣赏| 久久久亚洲精品成人影院| 国产老妇伦熟女老妇高清| 三级国产精品欧美在线观看| 国产精品久久久久久精品电影小说 | 尤物成人国产欧美一区二区三区| 最近最新中文字幕免费大全7| 日本三级黄在线观看| 国产精品av视频在线免费观看| 欧美成人午夜免费资源| 日日撸夜夜添| 国产免费又黄又爽又色| 欧美另类一区| 亚洲无线观看免费| 日韩成人av中文字幕在线观看| 亚洲,欧美,日韩| 超碰av人人做人人爽久久| av在线亚洲专区| 亚洲av一区综合| 十八禁网站网址无遮挡 | av在线蜜桃| 亚洲精品日本国产第一区| 永久免费av网站大全| 精品一区二区三区视频在线| 亚洲精品日韩在线中文字幕| 久久99热6这里只有精品| 亚洲自拍偷在线| 国产单亲对白刺激| 热99在线观看视频| av在线老鸭窝| 夫妻午夜视频| 91精品一卡2卡3卡4卡| 乱人视频在线观看| 欧美激情久久久久久爽电影| 丰满少妇做爰视频| 身体一侧抽搐| 一级黄片播放器| 人人妻人人澡欧美一区二区| 嘟嘟电影网在线观看| 欧美日韩精品成人综合77777| 精品久久久久久成人av| 色吧在线观看| 秋霞伦理黄片| 偷拍熟女少妇极品色| 国产探花极品一区二区| 午夜福利在线观看吧| 夜夜看夜夜爽夜夜摸| 在线 av 中文字幕| 亚洲精品久久久久久婷婷小说| 日本黄色片子视频| 国产一区二区在线观看日韩| 天堂影院成人在线观看| 2018国产大陆天天弄谢| 欧美高清成人免费视频www| 美女xxoo啪啪120秒动态图| 一个人看视频在线观看www免费| 亚洲aⅴ乱码一区二区在线播放| 黄色一级大片看看| 男插女下体视频免费在线播放| av在线蜜桃| 免费黄色在线免费观看| 亚洲精品成人久久久久久| 蜜桃久久精品国产亚洲av| 久久久久久伊人网av| 精品久久久噜噜| 欧美另类一区| 亚洲欧美日韩东京热| 国产免费视频播放在线视频 | 免费在线观看成人毛片| 精品久久久久久久久亚洲| av线在线观看网站| 亚洲国产欧美在线一区| 国产精品不卡视频一区二区| 亚洲国产精品成人综合色| 99久久九九国产精品国产免费| 丰满少妇做爰视频| 日韩欧美 国产精品| 97精品久久久久久久久久精品| 国产午夜精品久久久久久一区二区三区| 18禁动态无遮挡网站| 免费av毛片视频| 免费观看精品视频网站| 一级毛片久久久久久久久女| .国产精品久久| 亚洲最大成人手机在线| 国产极品天堂在线| 狠狠精品人妻久久久久久综合| 久久99热这里只有精品18| 国产成人精品一,二区| 国产精品日韩av在线免费观看| 国产成人一区二区在线| 成人亚洲精品av一区二区| 男女下面进入的视频免费午夜| 天堂影院成人在线观看| 国产亚洲午夜精品一区二区久久 | 黄片无遮挡物在线观看| 欧美成人精品欧美一级黄| www.色视频.com| 亚洲在线自拍视频| 色综合站精品国产| 久久久久国产网址| 日本欧美国产在线视频| 国产亚洲5aaaaa淫片| 18禁动态无遮挡网站| 日韩大片免费观看网站| 中文字幕av在线有码专区| 少妇裸体淫交视频免费看高清| 看十八女毛片水多多多| 成年人午夜在线观看视频 | 成人性生交大片免费视频hd| 日日啪夜夜撸| 亚洲图色成人| 亚洲国产欧美人成| 国产毛片a区久久久久| 午夜福利视频1000在线观看| 神马国产精品三级电影在线观看| 成人亚洲精品av一区二区| 亚洲精品乱久久久久久| 中国美白少妇内射xxxbb| 91精品伊人久久大香线蕉| 永久网站在线| 日本黄色片子视频| 亚洲av男天堂| kizo精华| 欧美xxxx黑人xx丫x性爽| 亚洲精品aⅴ在线观看| 国产亚洲一区二区精品| 七月丁香在线播放| 亚洲欧美成人精品一区二区| 亚洲精品影视一区二区三区av| 国产高潮美女av| 成人二区视频| 日韩三级伦理在线观看| 高清视频免费观看一区二区 | 一夜夜www| .国产精品久久| 熟女人妻精品中文字幕| 少妇丰满av| 日韩视频在线欧美| 一个人免费在线观看电影| 美女脱内裤让男人舔精品视频| 乱系列少妇在线播放| 免费观看a级毛片全部| 国产精品麻豆人妻色哟哟久久 | 久久久久久久久久久免费av| 乱系列少妇在线播放| 五月伊人婷婷丁香| 精品一区二区三卡| 91在线精品国自产拍蜜月| 国产午夜福利久久久久久| 色视频www国产| 日日撸夜夜添| 日韩成人伦理影院| 日韩欧美精品免费久久| 汤姆久久久久久久影院中文字幕 | 日本午夜av视频| 一级爰片在线观看| 综合色丁香网| 欧美xxⅹ黑人| 99久国产av精品| 亚洲自偷自拍三级| 成人午夜精彩视频在线观看| 国产精品日韩av在线免费观看| 久久久久久久久中文| 国产伦精品一区二区三区视频9| 久久国产乱子免费精品| 国产中年淑女户外野战色| 男的添女的下面高潮视频| 麻豆成人午夜福利视频| 国产一级毛片七仙女欲春2| 久久国内精品自在自线图片| 熟女电影av网| 午夜福利视频1000在线观看| 国产一级毛片七仙女欲春2| 久久久久网色| 22中文网久久字幕| 亚洲欧美一区二区三区国产| 22中文网久久字幕| 最近2019中文字幕mv第一页| 在线观看av片永久免费下载| 99热6这里只有精品| 日本与韩国留学比较| 免费看日本二区| 国内揄拍国产精品人妻在线| 别揉我奶头 嗯啊视频| 我的女老师完整版在线观看| 国产色婷婷99| 色综合站精品国产| 人妻一区二区av| 日日干狠狠操夜夜爽| 大香蕉久久网| 亚洲国产最新在线播放| 国产免费福利视频在线观看| 人妻少妇偷人精品九色| 蜜臀久久99精品久久宅男| 国产单亲对白刺激| 日韩不卡一区二区三区视频在线| videos熟女内射| 国产亚洲91精品色在线| 人人妻人人看人人澡| 嫩草影院新地址| 女人久久www免费人成看片| 国产片特级美女逼逼视频| 最新中文字幕久久久久| 久久精品熟女亚洲av麻豆精品 | 中文在线观看免费www的网站| 深爱激情五月婷婷| 亚洲第一区二区三区不卡| 如何舔出高潮| 色综合站精品国产| 熟女电影av网| 极品教师在线视频| 久久久久久国产a免费观看| 亚洲成人av在线免费| 欧美3d第一页| 高清av免费在线| 波野结衣二区三区在线| 久久精品久久久久久久性| 精品午夜福利在线看| 精品酒店卫生间| 少妇人妻精品综合一区二区| 亚洲一级一片aⅴ在线观看| 日韩,欧美,国产一区二区三区| 成人性生交大片免费视频hd| 国产精品久久久久久精品电影| 久久久久久久久久成人| 国产人妻一区二区三区在| 国产成人91sexporn| 内射极品少妇av片p| 能在线免费观看的黄片| 久久久久久久久大av| 国产探花极品一区二区| 最近2019中文字幕mv第一页| 亚洲一级一片aⅴ在线观看| 黄色配什么色好看| 亚洲精品成人av观看孕妇| 亚洲精品色激情综合| 黄色一级大片看看| 久久久久性生活片| 国产一区亚洲一区在线观看| 看十八女毛片水多多多| 色视频www国产| 床上黄色一级片| 国产老妇女一区| 晚上一个人看的免费电影| 91久久精品国产一区二区三区| 你懂的网址亚洲精品在线观看| 成人亚洲精品av一区二区| 最近视频中文字幕2019在线8| 国内精品美女久久久久久| 亚洲人成网站在线播| 中国国产av一级| 国内精品美女久久久久久| av线在线观看网站| 嫩草影院新地址|