• <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 ?

    一種基于Hadoop架構(gòu)的并行挖掘算法研究

    2018-01-20 18:44:45曾俊
    現(xiàn)代電子技術(shù) 2018年1期
    關(guān)鍵詞:決策樹

    曾俊

    摘 要: 基于Hadoop架構(gòu),提出一種并行的決策樹挖掘算法實現(xiàn)大數(shù)據(jù)集間的知識挖掘。通過MapReduce并行編程模式實現(xiàn)Hadoop架構(gòu)下SPRINT并行挖掘算法的頻繁項集,解決了大數(shù)據(jù)集挖掘效率低下,時間消耗量大的問題。SPRINT算法通過對原始數(shù)據(jù)集進行劃分,并將分塊數(shù)據(jù)發(fā)給不同Map進程并行計算,使系統(tǒng)存儲和計算資源得到有效利用,運用MapReduce各計算節(jié)點將挖掘結(jié)果數(shù)據(jù)匯聚,減少中間結(jié)果數(shù)據(jù)量,使并行挖掘時間顯著減少。SPRINT算法并行化實驗表明,Hadoop架構(gòu)下的SPRINT并行挖掘算法具有良好的可擴展性和集群加速比。

    關(guān)鍵詞: 挖掘算法; Hadoop架構(gòu); SPRINT; 并行化; 決策樹; MapReduce

    中圖分類號: TN911.1?34; TP311 文獻標識碼: A 文章編號: 1004?373X(2018)01?0117?03

    Abstract: A parallel decision tree mining algorithm based on Hadoop is proposed to realize the knowledge mining between large data sets. The frequent item sets of SPRINT parallel mining algorithm under the Hadoop architecture is realized with the MapReduce parallel programming mode to solve the problems of low efficiency and large time consumption for large data sets mining. The original data set is divided with SPRINT algorithm, and its block data is sent to different Map process for parallel computing, which can utilize the system storage and computing resources availably. The MapReduce is used to aggregate the mining results of each computing node, reduce the data quantity of the intermediate results, and decrease the parallel mining time significantly. The SPRINT parallel algorithm was verified with experiments. The experimental results show that the SPRINT parallel mining algorithm under Hadoop architecture has strong scalability and perfect speedup ratio.

    Keywords: mining algorithm; Hadoop architecture; SPRINT; parallelization; decision tree; MapReduce

    0 引 言

    數(shù)據(jù)挖掘是通過對數(shù)據(jù)的分析,在大量數(shù)據(jù)集中進行有價值信息尋找的技術(shù)。文獻[1]提出一種決策樹挖掘算法(SDT),SDT算法對未知數(shù)據(jù)集、已知數(shù)據(jù)集進行同時挖掘,并建立決策樹,從而快速對未知數(shù)據(jù)集進行理解,進而對未知數(shù)據(jù)集的特性進行關(guān)注。但SDT算法以傳統(tǒng)串行思想為基礎(chǔ),只能對小規(guī)模數(shù)據(jù)進行處理,對于規(guī)模大的數(shù)據(jù),挖掘效率比較低下,在進行決策樹的構(gòu)造時,時間會較長,同時還會因內(nèi)存限制,造成無法運行[2]。Hadoop從基礎(chǔ)構(gòu)架的角度來說屬于分布式,能夠在未知的條件下對分布式的應(yīng)用程序進行并行性的開發(fā),文件系統(tǒng)(HDFS)通過流式數(shù)據(jù)訪問模式,可進行超大文件的存儲[3]。本文基于Hadoop架構(gòu),提出一種并行的決策樹挖掘算法來實現(xiàn)大數(shù)據(jù)集間的知識挖掘。

    1 決策樹挖掘算法SPRINT算法

    SPRINT算法采用的屬性選擇度量為Gini指標,對于SPRINT而言,在數(shù)據(jù)集[D]中,條數(shù)據(jù)記錄分為[D1,][D2,]分別對應(yīng)包含的數(shù)據(jù)記錄為[m1]條,[m2]條,Gini指標計算公式:

    [GinisplitD=m1m2GiniD1+m1m2GiniD2] (1)

    1.1 并行化方案設(shè)計

    1.1.1 決策樹節(jié)點的并行

    在由拓撲結(jié)構(gòu)組成的決策樹中,通過各樹節(jié)點的不斷分裂,就生成了樹,從實際的角度上來說就是將數(shù)據(jù)集進行分裂。圖1為樹節(jié)點并行化,在圖1a)中,傳統(tǒng)SPRINT算法在分裂時將某個樹節(jié)點上的屬性列表看作整體,決策樹會在節(jié)點分裂時產(chǎn)生,主要是由不斷遞歸來完成的。在MapReduce的框架計算結(jié)構(gòu)當中,Map具有強大的映射處理功能,能夠借助于PatITioer完成函數(shù)的定義,將不同進行不同Reducer的對映射,之后進行進一步的處理。由于這樣的原因,相應(yīng)的Reducer上會反應(yīng)決策樹當中的節(jié)點屬性,最后進行并行處理,見圖1b)。在生成樹中,每層算法均一樣,只要執(zhí)行一次循環(huán),屬性列表的節(jié)點和分裂構(gòu)造就可實現(xiàn)。

    1.1.2 屬性選擇度量的并行

    SPRINT算法中,在進行節(jié)點的屬性度量中Gini主要進行一個可并行化的過程。圖2為節(jié)點屬性度的計算并行。在樹節(jié)點并行機制上,進行屬性列表的Gini指標計算的建立,在相同樹節(jié)點中,不同的節(jié)點在相應(yīng)的決策樹上都有其屬性。由于上面的原因,想要保證并行化的樹節(jié)點標記,在尋址階段應(yīng)當滿足上面提到的Patitioner規(guī)則。相同的屬性和樹節(jié)點在進行標記時,才能夠?qū)崿F(xiàn)Reducer的處理和實施。

    1.1.3 Gini指標排序的并行

    在SPRINT的一個算法當中,數(shù)據(jù)如果屬于一個連續(xù)性的屬性列表,在進行Gini指標的計算時需要尋找分裂點,因此,該連續(xù)值屬性列表需要進行排序。在數(shù)據(jù)集完全拆分成屬性列表后,SPRINT算法會進行連續(xù)值屬性列表的排序,當數(shù)據(jù)集規(guī)模非常龐大時,整個算法受設(shè)計的排序算法影響較大,可通過MapReduce框架的天然排序特性得到解決。

    2 基于Mapreduce框架的SPRINT算法具體實現(xiàn)

    2.1 決策樹根節(jié)點的創(chuàng)建與分裂

    兩個任務(wù)要在第一個階段來完成,基本的屬性列表都是要形成的,屬性列表是由拆分之后的數(shù)據(jù)集組成的,之后出現(xiàn)了決策樹的根節(jié)點;另一方面根據(jù)根節(jié)點分裂的情況,之后每個Job的作業(yè)控制由MRApp Master負責。

    2.1.1 Job1階段

    在Job1階段,Map過程負責拆分數(shù)據(jù)集,生成屬性列表,用來表征全部數(shù)據(jù)集的信息。Input Format組件實現(xiàn)MapReduce框架的讀取操作,在Input Format中,通過Record Reader由Input Split的多個鍵值對,由Map()函數(shù)對其進行處理,從HDFS上進行數(shù)據(jù)集中樣本對象的讀取,并進行Map操作。在SPRINT算法中,Reducer通過映射之后對已經(jīng)排序過的屬性列表進行處理。

    2.1.2 Job2階段

    Job2階段是判斷、匯總、執(zhí)行Job1的處理結(jié)果,Job1的輸出就是Job2的Map過程的輸入,由于根節(jié)點只有一個,因此全部屬性列表在一個Reduce上進行分發(fā)。在進行輸入時,包括每一個屬性的分裂點以及Gini的值,Gini對應(yīng)的屬性值為節(jié)點分裂最小的屬性值。

    2.2 決策樹主要階段的生成

    2.2.1 Job3階段

    Job3階段的任務(wù)目的和Job1類似,分裂出的子節(jié)點可作為下一輪分裂樹節(jié)點的“根節(jié)點”。在這里,實現(xiàn)屬性表的映射是Map的任務(wù)。在Hadoop MapReduce框架中,通過借助一定的組件,Map能夠從HDFS上面讀取一定的數(shù)據(jù)信息。在第一個階段中Patitioner進行時,Map根據(jù)情況的不同分發(fā)不同的數(shù)據(jù),因此能夠完成并行的機制。

    2.2.2 Job4階段

    該階段和Job2的目的有一定的相似性,能夠分割最佳的樹節(jié)點屬性,差別是Job4階段分裂的樹節(jié)點較多。Job4作業(yè)的Map過程是收集依附于某個樹節(jié)點的全部屬性列表數(shù)據(jù)。相對于第一階段Job2的Reduce來說,Job4作業(yè)的Reduce在選擇最佳分割屬性前,要判斷該節(jié)點是否有葉節(jié)點生成,也就是對其是否達到循環(huán)終止條件進行判斷。若達到終止條件,則不再分裂樹節(jié)點的所有屬性列表;反之,算法繼續(xù)執(zhí)行。

    2.3 決策樹結(jié)構(gòu)的完成

    決策樹是將上面得到的數(shù)據(jù)按照一定規(guī)則分配好后,將樹的基本構(gòu)造完成。三個階段的試驗方法完成之后,能夠?qū)PRINT串行算法運行在云計算平臺Hadoop上,進而完成在大量的數(shù)據(jù)中挖掘和提取數(shù)據(jù)的工作。

    3 SPRINT算法并行化實驗

    3.1 SPRINT準確率驗證

    實驗對比分析SPRINT算法的MapReduce模型和串行模型,對SPRINT算法的分類準確率進行測試。實驗數(shù)據(jù)樣本來源于UCI,在UCI中選取3個數(shù)據(jù)集,分類進行測試,具體如表1所示。其中35%樣本作為測試數(shù)據(jù),65%樣本作為訓練數(shù)據(jù)。Hadoop平臺共有3個計算節(jié)點數(shù)目。

    圖3為SPRINT算法的3個數(shù)據(jù)集的準確率比較,由圖3知,表1當中三個樣本集的并行和串行模型準確率都是非常接近的,能夠看到此算法對最后的準確率影響是比較小的。

    3.2 集群并行化的可擴展性和加速比

    實驗通過不同規(guī)模的集群計算節(jié)點、不同大小的數(shù)據(jù)集,對SPRINT算法并行的可擴展性效果和集群加速比進行驗證。實驗數(shù)據(jù)來源于UCI,根據(jù)3.1實驗數(shù)據(jù)集Adult的樣本,隨機生成規(guī)模不同的實驗樣本,具體見表2。圖4,圖5為可擴展比實驗結(jié)果。

    從圖4和圖5可以看出,SPRINT算法具有比較好的集群和可擴展性,能夠提升大規(guī)模數(shù)據(jù)計算的速度;可擴展性和集群加速比隨著集群節(jié)點的增加均有一定程度的下降,原因是由于并行化程度和對應(yīng)的數(shù)據(jù)集大小均已達到最大化,不能隨著集群的運算節(jié)點的增加而增長。

    4 結(jié) 語

    本文基于Hadoop架構(gòu),提出一種并行的決策樹挖掘算法實現(xiàn)大數(shù)據(jù)集間的知識挖掘。通過MapReduce并行編程模式實現(xiàn)Hadoop架構(gòu)下SPRINT并行挖掘算法的頻繁項集,解決了大數(shù)據(jù)集挖掘效率低下,時間消耗量大的問題。SPRINT算法通過對原始數(shù)據(jù)集進行劃分,并將分塊數(shù)據(jù)發(fā)給不同Map進程并行計算,使系統(tǒng)存儲和計算資源得到有效利用,運用MapReduce,各計算節(jié)點將挖掘結(jié)果數(shù)據(jù)匯聚,減少中間結(jié)果數(shù)據(jù)量,使并行挖掘時間顯著減少。SPRINT算法并行化實驗表明,Hadoop架構(gòu)下的SPRINT并行挖掘算法具有良好的可擴展性和集群加速比。

    參考文獻

    [1] DONG Guozhu, HAN Qian. Mining shared decision trees between datasets [R]. USA: Wright State University, 2010.

    [2] 周建華.一種基于Hadoop架構(gòu)的網(wǎng)絡(luò)輿情熱點話題挖掘方法[J].河北北方學院學報(自然科學版),2014,30(6):19?24.ZHOU Jianhua. A mining method for hot topics of network public opinion based on Hadoop architecture [J]. Journal of Hebei North University (natural science edition), 2014, 30(6): 19?24.

    [3] 張振友,孫燕,丁鐵凡,等.一種新型的基于Hadoop框架的分布式并行FP?Growth算法[J].河北工業(yè)科技,2016,33(2):169?178.

    ZHANG Zhenyou, SUN Yan, DING Tiefan, et al. A new distributed parallel FP?Growth algorithm based on Hadoop framework [J]. Hebei industrial science and technology, 2016, 33(2): 169?178.

    [4] 施亮,錢雪忠.基于Hadoop的并行FP?Growth算法的研究與實現(xiàn)[J].微電子學與計算機,2015,32(4):150?154.

    SHI Liang, QIAN Xuezhong. Research and implementation of FP?Growth algorithm based on parallel Hadoop [J]. Microelectronics & computer, 2015, 32(4): 150?154.

    [5] HAN jiawei, KAMBER M.數(shù)據(jù)挖掘:概念與技術(shù)[M].范明,孟小峰,譯.北京:機械工業(yè)出版社,2008.

    HAN Jiawei, KAMBER M. Data mining: concepts and techniques [M]. Translated by FAN Ming, MENG Xiaofeng. Beijing: Mechanical Industry Press, 2008.

    [6] ZAKI M J. Fast vertical mining using diffsets [R]. New York, USA: Rensselaer Polytechnic Institute, 2001.

    [7] Apache. Apache Hadoop [EB/OL]. [2012?12?03]. http://hadoop.apache.org/.

    [8] MAITREYA S, JHAB C K. MapReduce: simplified data analysis of big data [J]. Procedia computer science, 2015, 57: 563?571.

    [9] 李國杰,程學旗.大數(shù)據(jù)的研究現(xiàn)狀與科學思考[J].中國科學院院刊,2012,27(6):647?651.

    LI Guojie, CHENG Xueqi. Big data research status and scientific thinking [J]. Chinese Science Research Institute Journal, 2012, 27(6): 647?651.

    [10] NESI Paolo, PANTALEO Gianni, SANESI Gianmarco. A Hadoop based platform for natural language processing of Web pages and documents [J]. Journal of visual languages and computing, 2015, 31: 130?138.

    [11] WHITE T. Hadoop權(quán)威指南[M].華東師范大學數(shù)據(jù)科學與工程學院,譯.北京:清華大學出版社,2010.

    WHITE T. Hadoop authoritative guide [M]. Translated by the School of Data Science and Engineering, East China Normal University. Beijing: Tsinghua University Press, 2010.endprint

    猜你喜歡
    決策樹
    一種針對不均衡數(shù)據(jù)集的SVM決策樹算法
    決策樹和隨機森林方法在管理決策中的應(yīng)用
    電子制作(2018年16期)2018-09-26 03:27:06
    基于改進決策樹的故障診斷方法研究
    基于決策樹的出租車乘客出行目的識別
    基于決策樹的復(fù)雜電網(wǎng)多諧波源監(jiān)管
    電測與儀表(2016年2期)2016-04-12 00:24:40
    基于肺癌CT的決策樹模型在肺癌診斷中的應(yīng)用
    国产又黄又爽又无遮挡在线| 亚洲国产日韩欧美精品在线观看| 精品一区二区三区视频在线观看免费| 亚州av有码| 69av精品久久久久久| 麻豆成人午夜福利视频| 内地一区二区视频在线| 国语自产精品视频在线第100页| 日韩 亚洲 欧美在线| 国产91av在线免费观看| 国产伦一二天堂av在线观看| 美女大奶头视频| 女生性感内裤真人,穿戴方法视频| 男插女下体视频免费在线播放| 欧美中文日本在线观看视频| 天堂av国产一区二区熟女人妻| av在线蜜桃| 国产精品免费一区二区三区在线| 亚洲最大成人手机在线| 大又大粗又爽又黄少妇毛片口| 国产精品亚洲一级av第二区| 婷婷六月久久综合丁香| 俺也久久电影网| 久久久久久久久久久丰满| 国内精品一区二区在线观看| 男女下面进入的视频免费午夜| 搡老妇女老女人老熟妇| 欧美中文日本在线观看视频| 日韩精品中文字幕看吧| 一a级毛片在线观看| 日韩成人av中文字幕在线观看 | 人妻制服诱惑在线中文字幕| 最新中文字幕久久久久| videossex国产| 亚洲久久久久久中文字幕| 亚洲最大成人中文| 亚洲美女视频黄频| 18禁裸乳无遮挡免费网站照片| 欧美国产日韩亚洲一区| av.在线天堂| 亚洲av.av天堂| 亚洲精品影视一区二区三区av| 亚洲av不卡在线观看| 内射极品少妇av片p| 久久人人精品亚洲av| 舔av片在线| 少妇人妻精品综合一区二区 | 不卡视频在线观看欧美| 美女免费视频网站| 精品久久久久久久末码| 国产精品一区二区免费欧美| 国产一级毛片七仙女欲春2| 久久中文看片网| 最近手机中文字幕大全| 一级毛片aaaaaa免费看小| 亚洲成人久久性| 欧美精品国产亚洲| 久99久视频精品免费| 大又大粗又爽又黄少妇毛片口| 国产一级毛片七仙女欲春2| 国产高清视频在线观看网站| 久久精品夜色国产| 精品久久久久久久人妻蜜臀av| 国产精品综合久久久久久久免费| 最近视频中文字幕2019在线8| 国产日本99.免费观看| 亚洲成av人片在线播放无| 波多野结衣高清无吗| 91久久精品国产一区二区三区| 三级毛片av免费| 麻豆一二三区av精品| 日韩人妻高清精品专区| 少妇裸体淫交视频免费看高清| 啦啦啦啦在线视频资源| 人人妻人人澡人人爽人人夜夜 | 干丝袜人妻中文字幕| 国产成人一区二区在线| 国产精品av视频在线免费观看| 男女视频在线观看网站免费| 久久精品国产亚洲av天美| 一个人看的www免费观看视频| 亚洲美女视频黄频| 亚洲国产精品成人久久小说 | 日韩一本色道免费dvd| 丰满乱子伦码专区| 蜜桃亚洲精品一区二区三区| 三级男女做爰猛烈吃奶摸视频| 久久久成人免费电影| 午夜老司机福利剧场| 国产高清三级在线| 寂寞人妻少妇视频99o| 亚洲熟妇中文字幕五十中出| 麻豆精品久久久久久蜜桃| 色5月婷婷丁香| 精品人妻视频免费看| 岛国在线免费视频观看| 男女那种视频在线观看| 波多野结衣高清无吗| 成人漫画全彩无遮挡| 色视频www国产| 久久精品国产亚洲av涩爱 | 嫩草影院入口| 成人一区二区视频在线观看| 亚洲国产精品sss在线观看| 国产高清有码在线观看视频| 又黄又爽又刺激的免费视频.| av在线蜜桃| 欧美性猛交黑人性爽| 麻豆精品久久久久久蜜桃| 免费看光身美女| 色噜噜av男人的天堂激情| 午夜福利在线观看吧| 亚洲av电影不卡..在线观看| 亚洲国产精品合色在线| 天堂动漫精品| 啦啦啦啦在线视频资源| 成年版毛片免费区| 亚洲熟妇熟女久久| 欧美成人精品欧美一级黄| 伦理电影大哥的女人| 久久精品国产亚洲av香蕉五月| 高清毛片免费观看视频网站| 日韩在线高清观看一区二区三区| 男女做爰动态图高潮gif福利片| 亚洲av第一区精品v没综合| 国产麻豆成人av免费视频| 国产久久久一区二区三区| 国产成人freesex在线 | 麻豆成人午夜福利视频| 久久久久久久久久成人| 婷婷色综合大香蕉| 久久午夜亚洲精品久久| 亚洲中文日韩欧美视频| 人妻制服诱惑在线中文字幕| 亚洲av免费在线观看| 乱系列少妇在线播放| 尾随美女入室| 国产精品一及| 色视频www国产| 成人高潮视频无遮挡免费网站| 久久婷婷人人爽人人干人人爱| 亚洲欧美清纯卡通| 日韩成人伦理影院| 久久精品国产清高在天天线| 日本撒尿小便嘘嘘汇集6| 国产精品野战在线观看| 亚洲中文字幕日韩| 草草在线视频免费看| 男插女下体视频免费在线播放| 国产激情偷乱视频一区二区| 国产精品av视频在线免费观看| 亚洲av免费高清在线观看| 99久久精品一区二区三区| 亚洲精品一区av在线观看| av在线播放精品| 观看免费一级毛片| 美女大奶头视频| 在线观看午夜福利视频| 搡老熟女国产l中国老女人| 国产一区二区在线观看日韩| 国产人妻一区二区三区在| 久久久久免费精品人妻一区二区| 欧美bdsm另类| 国产人妻一区二区三区在| 内射极品少妇av片p| 久久婷婷人人爽人人干人人爱| 最近在线观看免费完整版| 在线播放无遮挡| 国产一区二区在线观看日韩| 51国产日韩欧美| 久久精品国产亚洲av涩爱 | 日本一二三区视频观看| 午夜视频国产福利| 国产成人91sexporn| 国产美女午夜福利| 欧美区成人在线视频| 精品久久久久久久久av| 国产av一区在线观看免费| 成人毛片a级毛片在线播放| 我要搜黄色片| 欧美最黄视频在线播放免费| 国产精品av视频在线免费观看| 国产片特级美女逼逼视频| 国产伦一二天堂av在线观看| 国产精品久久久久久精品电影| 最近2019中文字幕mv第一页| 久久鲁丝午夜福利片| 99热只有精品国产| 校园春色视频在线观看| 亚洲精品亚洲一区二区| 99国产精品一区二区蜜桃av| 成人精品一区二区免费| 高清日韩中文字幕在线| 蜜桃亚洲精品一区二区三区| 国产乱人视频| 久久国内精品自在自线图片| 成年版毛片免费区| 欧美一区二区亚洲| 精品国内亚洲2022精品成人| 精品一区二区免费观看| 干丝袜人妻中文字幕| 你懂的网址亚洲精品在线观看 | 少妇的逼好多水| 99久国产av精品| 全区人妻精品视频| 日日摸夜夜添夜夜爱| 日韩大尺度精品在线看网址| 国产高清激情床上av| 国产成人aa在线观看| 伦理电影大哥的女人| 国产黄a三级三级三级人| 国产v大片淫在线免费观看| 日本黄色视频三级网站网址| 91久久精品国产一区二区成人| 大又大粗又爽又黄少妇毛片口| 97人妻精品一区二区三区麻豆| 禁无遮挡网站| h日本视频在线播放| 亚洲精品粉嫩美女一区| 天堂影院成人在线观看| 日本色播在线视频| 午夜激情福利司机影院| 国产精品一区二区性色av| 狠狠狠狠99中文字幕| 成人一区二区视频在线观看| 免费电影在线观看免费观看| 精品久久久久久成人av| 国产精品无大码| 老司机影院成人| 人妻制服诱惑在线中文字幕| 成人特级av手机在线观看| 午夜福利成人在线免费观看| 国产三级在线视频| 简卡轻食公司| 成年女人看的毛片在线观看| 99久久无色码亚洲精品果冻| 成人一区二区视频在线观看| 亚洲美女视频黄频| 久久草成人影院| 国产精品一区二区性色av| 亚洲av熟女| 欧美潮喷喷水| 国产精品国产三级国产av玫瑰| 免费看av在线观看网站| 国产精品久久久久久亚洲av鲁大| 最近在线观看免费完整版| 少妇高潮的动态图| 欧美一区二区亚洲| 午夜免费男女啪啪视频观看 | 亚洲精华国产精华液的使用体验 | 午夜免费激情av| 色5月婷婷丁香| 欧美精品国产亚洲| 国产色爽女视频免费观看| 欧美日本亚洲视频在线播放| 三级毛片av免费| 夜夜看夜夜爽夜夜摸| 校园人妻丝袜中文字幕| 亚洲国产日韩欧美精品在线观看| 精品午夜福利在线看| 亚洲久久久久久中文字幕| 99国产极品粉嫩在线观看| 亚洲最大成人手机在线| 亚洲色图av天堂| 国产精品爽爽va在线观看网站| 99久久成人亚洲精品观看| 国产三级在线视频| 免费在线观看成人毛片| 午夜福利高清视频| 亚洲欧美日韩高清专用| 在线天堂最新版资源| 亚洲av第一区精品v没综合| 精品久久久久久久人妻蜜臀av| 免费电影在线观看免费观看| 亚洲第一电影网av| 深夜a级毛片| 国产麻豆成人av免费视频| 成人特级黄色片久久久久久久| 狠狠狠狠99中文字幕| 在线国产一区二区在线| 国产精品三级大全| 亚洲三级黄色毛片| 国产精品人妻久久久影院| 精品99又大又爽又粗少妇毛片| 午夜福利在线在线| 三级毛片av免费| 寂寞人妻少妇视频99o| 欧美成人a在线观看| 国产午夜精品论理片| 亚洲av美国av| 在线看三级毛片| 久久鲁丝午夜福利片| 91麻豆精品激情在线观看国产| 亚洲欧美中文字幕日韩二区| 亚洲内射少妇av| 欧美另类亚洲清纯唯美| 久久国产乱子免费精品| 成人鲁丝片一二三区免费| 日韩一本色道免费dvd| 亚洲欧美清纯卡通| 中文亚洲av片在线观看爽| 亚洲国产精品成人综合色| 伦精品一区二区三区| 亚洲精品粉嫩美女一区| 啦啦啦韩国在线观看视频| 国产精品,欧美在线| 欧美成人免费av一区二区三区| 蜜臀久久99精品久久宅男| 国产人妻一区二区三区在| 欧美三级亚洲精品| 99riav亚洲国产免费| 白带黄色成豆腐渣| 亚洲aⅴ乱码一区二区在线播放| 国产午夜精品论理片| a级毛片免费高清观看在线播放| 亚洲欧美日韩高清在线视频| 亚洲熟妇中文字幕五十中出| 久久久精品大字幕| 国产精品,欧美在线| 亚洲精品乱码久久久v下载方式| 午夜福利18| 精品无人区乱码1区二区| 国产老妇女一区| 深夜精品福利| 国产真实乱freesex| 国产激情偷乱视频一区二区| 99久久久亚洲精品蜜臀av| 国产精品,欧美在线| 国产亚洲精品久久久com| 成人欧美大片| 此物有八面人人有两片| 男女之事视频高清在线观看| 女的被弄到高潮叫床怎么办| 白带黄色成豆腐渣| 国产精品免费一区二区三区在线| 国产淫片久久久久久久久| 大又大粗又爽又黄少妇毛片口| 大型黄色视频在线免费观看| av在线天堂中文字幕| 特大巨黑吊av在线直播| 伦理电影大哥的女人| 丰满人妻一区二区三区视频av| 在线免费十八禁| 尾随美女入室| 婷婷六月久久综合丁香| 日韩 亚洲 欧美在线| 欧美激情国产日韩精品一区| 国产精品久久久久久精品电影| av女优亚洲男人天堂| 亚洲人成网站在线播放欧美日韩| 男女视频在线观看网站免费| 国产精品一区二区三区四区免费观看 | 日韩欧美三级三区| 日韩欧美国产在线观看| 国产午夜精品久久久久久一区二区三区 | 99热6这里只有精品| 欧美区成人在线视频| 成人午夜高清在线视频| 久久久久久久久久成人| 欧美性感艳星| 久久久欧美国产精品| 久久人人爽人人爽人人片va| 国产在视频线在精品| 18禁黄网站禁片免费观看直播| 少妇人妻精品综合一区二区 | 成人精品一区二区免费| 九色成人免费人妻av| 欧美高清性xxxxhd video| 神马国产精品三级电影在线观看| 亚洲成人久久爱视频| 亚洲人成网站在线播放欧美日韩| videossex国产| 大香蕉久久网| 六月丁香七月| 婷婷精品国产亚洲av| 免费看美女性在线毛片视频| av在线亚洲专区| 变态另类丝袜制服| 青春草视频在线免费观看| 99久久中文字幕三级久久日本| 国产单亲对白刺激| 日产精品乱码卡一卡2卡三| 乱系列少妇在线播放| 国产精品一区二区性色av| 免费观看的影片在线观看| 在线a可以看的网站| 免费搜索国产男女视频| 成人高潮视频无遮挡免费网站| 九九热线精品视视频播放| 欧美潮喷喷水| 男女边吃奶边做爰视频| 欧美潮喷喷水| 男女边吃奶边做爰视频| 日韩一区二区视频免费看| 99久久中文字幕三级久久日本| 色尼玛亚洲综合影院| 日韩中字成人| 校园春色视频在线观看| 日本 av在线| 精品日产1卡2卡| 久久热精品热| 97热精品久久久久久| 不卡视频在线观看欧美| 嫩草影院新地址| 亚洲av成人精品一区久久| 国产真实伦视频高清在线观看| 成年免费大片在线观看| 亚洲美女黄片视频| 久久精品国产99精品国产亚洲性色| 午夜福利在线在线| 麻豆av噜噜一区二区三区| 此物有八面人人有两片| 99热6这里只有精品| 又粗又爽又猛毛片免费看| 一级黄片播放器| 亚洲成人精品中文字幕电影| 午夜精品国产一区二区电影 | 国产男人的电影天堂91| 亚洲中文日韩欧美视频| 69人妻影院| 伦理电影大哥的女人| 午夜老司机福利剧场| 精品一区二区三区视频在线观看免费| 最近2019中文字幕mv第一页| 日韩欧美精品v在线| 欧美成人精品欧美一级黄| 搡女人真爽免费视频火全软件 | 男人舔女人下体高潮全视频| 老女人水多毛片| 亚洲熟妇中文字幕五十中出| 97超碰精品成人国产| 日本爱情动作片www.在线观看 | 熟女人妻精品中文字幕| 国产精品无大码| 99热这里只有精品一区| 亚洲av美国av| 日韩欧美在线乱码| 亚洲av熟女| 日本成人三级电影网站| 99久久精品国产国产毛片| 久久久久久九九精品二区国产| 在线免费观看不下载黄p国产| 亚洲乱码一区二区免费版| 亚洲欧美精品综合久久99| www.色视频.com| 亚洲在线观看片| 一级毛片电影观看 | 国产aⅴ精品一区二区三区波| 日本 av在线| 十八禁国产超污无遮挡网站| 精品久久久久久久久av| 中文字幕av在线有码专区| 一夜夜www| .国产精品久久| 免费观看的影片在线观看| 久久热精品热| 成年免费大片在线观看| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲va在线va天堂va国产| 99久久久亚洲精品蜜臀av| 97超级碰碰碰精品色视频在线观看| 日韩中字成人| 精品一区二区三区av网在线观看| 国产精品爽爽va在线观看网站| 天天一区二区日本电影三级| 18禁在线无遮挡免费观看视频 | 桃色一区二区三区在线观看| 日本 av在线| 久久久精品大字幕| 欧美一区二区亚洲| 欧美日韩综合久久久久久| 麻豆成人午夜福利视频| 97碰自拍视频| 亚洲人成网站在线播| 日本精品一区二区三区蜜桃| 97超碰精品成人国产| 欧美zozozo另类| 亚洲人成网站在线播放欧美日韩| 午夜激情福利司机影院| 午夜a级毛片| 亚洲欧美日韩高清在线视频| 日韩欧美免费精品| 国产精品亚洲一级av第二区| 三级毛片av免费| 一级a爱片免费观看的视频| 精品久久久久久久久久久久久| 麻豆国产97在线/欧美| 欧美绝顶高潮抽搐喷水| 午夜福利视频1000在线观看| 波多野结衣高清无吗| 亚洲成a人片在线一区二区| 久久久午夜欧美精品| 免费在线观看成人毛片| 久久婷婷人人爽人人干人人爱| 精品人妻一区二区三区麻豆 | 国产成人aa在线观看| 五月伊人婷婷丁香| 精品久久久噜噜| 露出奶头的视频| 婷婷亚洲欧美| 午夜爱爱视频在线播放| 久久精品国产自在天天线| 精品一区二区三区av网在线观看| 一级毛片久久久久久久久女| 99视频精品全部免费 在线| 最近的中文字幕免费完整| 亚洲精品成人久久久久久| 国产在线精品亚洲第一网站| 免费大片18禁| 中文亚洲av片在线观看爽| 久久精品国产亚洲网站| 国产蜜桃级精品一区二区三区| 日日摸夜夜添夜夜添小说| 一夜夜www| 国产极品精品免费视频能看的| 夜夜夜夜夜久久久久| 香蕉av资源在线| 欧美高清成人免费视频www| 性插视频无遮挡在线免费观看| 国产高潮美女av| 中出人妻视频一区二区| 深夜精品福利| 久久精品国产亚洲av涩爱 | 联通29元200g的流量卡| 一个人免费在线观看电影| 欧美区成人在线视频| 在线看三级毛片| 亚洲av.av天堂| 国产亚洲精品av在线| 有码 亚洲区| 久久久久久久久久成人| 给我免费播放毛片高清在线观看| 久久人人精品亚洲av| 久久草成人影院| 久久亚洲精品不卡| 最近最新中文字幕大全电影3| 精品国产三级普通话版| 免费黄网站久久成人精品| 一进一出好大好爽视频| 亚洲av成人精品一区久久| 精品久久国产蜜桃| 久久久久免费精品人妻一区二区| 我要搜黄色片| 人妻制服诱惑在线中文字幕| 色播亚洲综合网| 免费av不卡在线播放| 插阴视频在线观看视频| 日本-黄色视频高清免费观看| 久久九九热精品免费| 色哟哟哟哟哟哟| 国产精品一区www在线观看| 国内少妇人妻偷人精品xxx网站| 日韩 亚洲 欧美在线| 亚洲真实伦在线观看| 欧美丝袜亚洲另类| 亚洲成人精品中文字幕电影| 国产v大片淫在线免费观看| 一区福利在线观看| 天堂影院成人在线观看| 精品午夜福利在线看| 午夜视频国产福利| 国产精品女同一区二区软件| 国产精品乱码一区二三区的特点| 两个人视频免费观看高清| .国产精品久久| 久久午夜亚洲精品久久| 国内少妇人妻偷人精品xxx网站| 久久久久性生活片| 18禁黄网站禁片免费观看直播| 欧美高清性xxxxhd video| 97超视频在线观看视频| 青春草视频在线免费观看| or卡值多少钱| 大香蕉久久网| 菩萨蛮人人尽说江南好唐韦庄 | 99久久九九国产精品国产免费| 18禁在线无遮挡免费观看视频 | 高清毛片免费看| 色哟哟·www| 波野结衣二区三区在线| 欧美xxxx性猛交bbbb| av免费在线看不卡| 国产精品亚洲美女久久久| 国产精品久久视频播放| 亚洲乱码一区二区免费版| 黄色欧美视频在线观看| 国产成人a∨麻豆精品| 日产精品乱码卡一卡2卡三| 亚洲av成人精品一区久久| av视频在线观看入口| 日韩精品青青久久久久久| 日韩欧美国产在线观看| 日本a在线网址| 日韩av不卡免费在线播放| 亚洲天堂国产精品一区在线| 一夜夜www| 日韩av不卡免费在线播放| 中文在线观看免费www的网站| 日韩欧美免费精品| 91久久精品电影网| 精品久久久久久久久久久久久| 午夜亚洲福利在线播放| 免费在线观看影片大全网站| 成年av动漫网址| 俄罗斯特黄特色一大片| 国产女主播在线喷水免费视频网站 | 久久亚洲精品不卡| 尾随美女入室| 国产淫片久久久久久久久| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲av不卡在线观看| 国产精品爽爽va在线观看网站| 国产一级毛片七仙女欲春2| 欧洲精品卡2卡3卡4卡5卡区| 俄罗斯特黄特色一大片|