• <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 ?

    從Hadoop到Spark技術(shù)的革新

    2019-05-23 10:44:48權(quán)趙恒李嘉迪
    電腦知識與技術(shù) 2019年8期
    關(guān)鍵詞:大數(shù)據(jù)技術(shù)大數(shù)據(jù)

    權(quán)趙恒 李嘉迪

    摘要:隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展,人類社會逐漸進入了大數(shù)據(jù)的時代。海量數(shù)據(jù)的產(chǎn)生給現(xiàn)代人類帶來了新的挑戰(zhàn),促使人們研究發(fā)現(xiàn)新的技術(shù)和手段去解決大數(shù)據(jù)帶來的各種難題。Hadoop和Spark技術(shù)就是在這樣的背景下產(chǎn)生的,目前在人們生活的各個領(lǐng)域,都離不開這兩種技術(shù)的支持。本文主要以這兩種技術(shù)為主,按照技術(shù)產(chǎn)生的時間順序,分析了這兩種技術(shù)的發(fā)展以及存在的問題。

    關(guān)鍵詞:大數(shù)據(jù);大數(shù)據(jù)技術(shù);Hadoop;Spark

    中圖分類號:TP3 文獻標識碼:A

    文章編號:1009-3044(2019)08-0265-04

    From Hadoop to Spark Technology Innovation

    QUAN Zhao-heng,LI Jia-di

    (School of Computer Science, Southwest Petroleum University, Chengdu 610500, China)

    Abstract: With the rapid development of Internet technology, human society has gradually entered the era of big data. The generation of massive data has brought new challenges to modern humans. Encourage people to research and discover new technologies and means to solve the problems brought by big data. Hadoop and Spark technology are produced in this context, and currently in the various fields of people's lives, they are inseparable from the support of these two technologies. This paper mainly focuses on these two technologies, and analyzes the development and problems of these two technologies according to the time sequence of technology generation.

    Key words: big data; big data technology; hadoop; spark

    1 引言

    我們生活在數(shù)據(jù)的時代,我們每天在手機或者電腦上瀏覽的網(wǎng)頁、收到的各種消息以及看的視頻、聽的音樂都會產(chǎn)生數(shù)據(jù),都會存儲在我們的電腦或者手機上。數(shù)據(jù)的產(chǎn)生是相當容易的,但對于大量數(shù)據(jù)的存儲與處理,發(fā)現(xiàn)其中的價值,為社會創(chuàng)造更多的價值卻是我們正在面臨的問題。

    隨著互聯(lián)網(wǎng)等信息技術(shù)的發(fā)展,越來越多的TB、PB甚至FB級別的數(shù)據(jù)產(chǎn)生,Hadoop與Spark作為當今大數(shù)據(jù)處理的主流平臺,已經(jīng)在各個領(lǐng)域廣泛使用[1, 2]。Hadoop作為最早的大數(shù)據(jù)處理框架,像MapReduce、HDFS等Hadoop生態(tài)圈的開源項目至今仍然是處理大數(shù)據(jù)的必不可少的工具,但是隨著越來越多機器學習、圖計算等應(yīng)用的出現(xiàn),大數(shù)據(jù)平臺不僅要求能夠處理大規(guī)模的數(shù)據(jù),還對效率有了一定的要求,因此Spark就由此而生[3, 4]。

    2 Hadoop

    Hadoop作為最早的大數(shù)據(jù)處理框架,在大數(shù)據(jù)領(lǐng)域一直沿用至今,說明它有自身天然的優(yōu)點。Hadoop主要由MapReduce計算模型與HDFS存儲模型兩部分組成,優(yōu)點主要有低成本、高可靠、可擴展等,低成本主要是因為Hadoop集群主要是部署在那些價格低廉的普通PC機上;Hadoop可以通過配置文件決定數(shù)據(jù)的存儲副本,當由于某些原因?qū)е聰?shù)據(jù)丟失時,Hadoop集群可以自動恢復(fù),這個保證了它的高可靠性;可擴展就是集群的節(jié)點可以根據(jù)實際需求不斷地擴展。相比優(yōu)點,Hadoop的缺點也是非常明顯的,MapReduce計算模型是一種基于數(shù)據(jù)集的計算模型,它的數(shù)據(jù)輸入輸出方式是從物理存儲上加載數(shù)據(jù),然后操作數(shù)據(jù),最后再寫入物理存儲設(shè)備,如果有一個復(fù)雜的作業(yè),這樣頻繁的磁盤寫入寫出會使得效率特別的低,甚至導致作業(yè)執(zhí)行失敗。因此,Hadoop主要應(yīng)用在那些對效率要求不高的批處理作業(yè)。

    2.1 Hadoop1.0

    Hadoop 1.0指的是版本為Apache Hadoop 0.20.x、1.x或者CDH3系列的Hadoop,由分布式存儲系統(tǒng)HDFS和分布式計算模型MapReduce組成,其中HDFS由一個管理節(jié)點NameNode和多個物理存儲節(jié)點DataNode組成,MapReduce由一個JobTracker和多個TaskTracker組成[5]。

    2.1.1 MapReduce計算模型

    在Hadoop1.0中,MapReduce由兩個階段組成:Map階段和Reduce階段,對于一個作業(yè),不管其簡單或復(fù)雜,都可以將其轉(zhuǎn)換為一個或多個MapReduce來完成。一次MapReduce需要從物理存儲設(shè)備進行一次讀出寫入,MapReduce由map()和reduce()兩個函數(shù)組成,map()函數(shù)以key-value的格式從物理存儲設(shè)備上讀入源文件,并以key-value的格式輸出,reduce()函數(shù)以同樣的形式從map()函數(shù)中讀取數(shù)據(jù),并最終將處理后的數(shù)據(jù)以key-value的格式將數(shù)據(jù)寫入到物理存儲設(shè)備,這里所說的物理存儲設(shè)備就是隨后要說的分布式文件系統(tǒng)HDFS[6-8]。

    如圖1是Hadoop1.0中MapReduce計算模型的整體框架圖:

    2.1.2 HDFS分布式存儲系統(tǒng)

    分布式文件系統(tǒng)HDFS是Hadoop大數(shù)據(jù)計算框架的一個重要組成部分,在目前的大多數(shù)新出現(xiàn)的大數(shù)據(jù)框架中也沿用了HDFS這種價格低、可擴展、高可靠的持久層工具。Hadoop1.0中,HDFS由一個NameNode管理節(jié)點和一個或多個DataNode存儲節(jié)點組成,NameNode節(jié)點是整個HDFS分布式文件系統(tǒng)的管理節(jié)點,上面存儲著DataNode節(jié)點存儲數(shù)據(jù)的元數(shù)據(jù)信息,它接收用戶的請求,并向DataNode發(fā)出請求,完成相關(guān)操作;除此之外,它還保證了整個HDFS系統(tǒng)的高可靠性。HDFS中還有一個SecondaryNameNode節(jié)點,它的主要作用是協(xié)助NameNode節(jié)點,來完成將用戶修改內(nèi)容保存到磁盤中[9]。

    2.2 Hadoop2.0

    Hadoop 2.0指的是版本為Apache Hadoop 0.23.x、2.x或者CDH4系列的Hadoop,主要由分布式文件系統(tǒng)HDFS、計算模型MapReduce和資源管理器YARN三個部分組成,Hadoop2.0的出現(xiàn)改善了Hadoop1.0中存在的一些問題,使得Hadoop大數(shù)據(jù)框架更加完善,這也是Hadoop框架沿用至今的原因[10]。

    2.2.1 Hadoop1.0存在的問題

    在Hadoop1.0中,HDFS只有一個NameNode節(jié)點,對于Hadoop集群來說,NameNode管理著整個文件系統(tǒng),如果由于一些原因使得NameNode掛掉的話,整個HDFS分布式文件系統(tǒng)就會徹底癱瘓了,這就是Hadoop1.0中存在的NameNode單點故障問題;NameNode是整個HDFS分布式文件系統(tǒng)的管理節(jié)點,負責與用戶的交互,它里面存儲著整個文件系統(tǒng)的元數(shù)據(jù)信息,隨著互聯(lián)網(wǎng)時代的快速發(fā)展,數(shù)據(jù)的產(chǎn)生量也日益增長,這也使得集群的規(guī)模不斷擴大,當我們的NameNode無法在內(nèi)存中加載全部元數(shù)據(jù)信息的時候,集群也就會出現(xiàn)各種各樣的問題,我們將這條概括為NameNode的內(nèi)存容量不足的問題;MapReduce1.0中采用基于slot的粗粒度的資源分配模型,分為Map slot和Reduce slot,而且這兩者是不可以相互共享的,我們都知道MapReduce作業(yè)是有先后順序的,因此在執(zhí)行Map步驟時,Reduce slot資源是閑置的,相反,在執(zhí)行Reduce步驟時,Map slot又是閑置的,這樣就使得資源利用率低,造成資源浪費;對于Hadoop1.0,MapReduce中JobTracker職責過多,既需要分配資源,又需要跟蹤監(jiān)控每一個Job下的tasks的運行情況,這往往造成了內(nèi)存以及資源的極大浪費,對于實時性的作業(yè)和批處理作業(yè),在Hadoop1.0中需要搭建不同的集群環(huán)境,每個集群環(huán)境運行不同的作業(yè)類型,這往往導致了集群的資源利用率并不高,在實際的業(yè)務(wù)中,MapReduce處理的主要業(yè)務(wù)為有些延遲的批處理的作業(yè),也就是說由于1.0中MapReduce的設(shè)計導致集群資源利用率并不高。

    2.2.2 內(nèi)存限制問題的解決

    針對Hadoop1.0中單個NameNode存在內(nèi)存壽險的問題,在Hadoop2.0中提出NameNode聯(lián)邦的概念,也就是NameNode Federation,這樣原來由一個NameNode管理的系統(tǒng),現(xiàn)在由多個NameNode來管理,不僅解決了內(nèi)存限制問題,也使得數(shù)據(jù)的安全性進一步得到保證[11]。

    2.2.3 單點故障問題的解決

    針對1.0中NameNode的單點故障問題,在2.0中引入了新的HA機制:即如果Active的NameNode節(jié)點掛掉,處于Standy的NameNode節(jié)點將替換掉它繼續(xù)工作[12]。

    2.3 新一代資源管理框架Yarn

    Yarn是Hadoop2.0中的資源管理系統(tǒng),它是一個通用的資源管理模塊,可為各類應(yīng)用程序進行資源管理和調(diào)度。Yarn不僅限于MapReduce一種框架的使用,也可以供其他框架使用,比如Tez、Spark、Storm等,它的引入大大提高了集群的利用率[13, 14]。

    2.3.1 Yarn產(chǎn)生的背景

    針對MapReduce1.0中出現(xiàn)的資源利用率低和集群擴展性差的問題,在Hadoop2.0中引入了Yarn來替代JobTracker,將它原有的資源管理和任務(wù)調(diào)度分別由ResourceManager、ApplicationMaster這兩個工具來分擔[15, 16]。

    2.3.2 YARN的基本組成

    Yarn的整體結(jié)構(gòu)延續(xù)了Hadoop生態(tài)圈一貫的風格,仍然采用的是主從結(jié)構(gòu),下面是它的組件及功能:

    (1)ResourceManager充當master的角色,負責整個集群的資源管理和調(diào)度以及ApplicationMaster的啟動;

    (2)NodeManager充當slave的角色,負責單個從節(jié)點的資源管理和任務(wù)執(zhí)行;

    (3)ApplicationMaster是對于每個App而言的,負責應(yīng)用程序執(zhí)行時的資源獲取以及任務(wù)分配;

    (4)Container是Yarn中的資源的抽象,它是對Hadoop1.0中slot的改進,它封裝了集群中的多維度資源,例如內(nèi)存、CPU、磁盤、網(wǎng)絡(luò)等。

    如圖5所示,是Yarn的整體框架圖:

    3 Spark大數(shù)據(jù)計算模型

    Apache Spark是在Hadoop MapReduce計算模型基礎(chǔ)上發(fā)展而來的一種基于內(nèi)存的大數(shù)據(jù)計算框架[2, 17]。

    3.1 Spark計算模型產(chǎn)生的背景

    Spark的出現(xiàn)是為了改善Hadoop MapReduce在實際應(yīng)用中出現(xiàn)的這樣或那樣的問題,MapReduce在執(zhí)行一個App時,既要寫Map,又要寫Reduce和驅(qū)動類,當需求發(fā)生變動時需要大規(guī)模修改代碼;MapReduce基于進程,進程的啟動和銷毀要花費時間;頻繁的寫入寫出磁盤,不適合做迭代處理;每個階段都必須排序;只適合離線計算,不適合做實時處理。

    3.2 Spark快的原因

    Spark是基于內(nèi)存的計算模型,有一個誤區(qū),Spark 是基于內(nèi)存的計算,所以快,這不是主要原因,Spark在其他方面的優(yōu)化也起到了很大的作用。

    3.2.1 基于內(nèi)存的計算模型

    Spark與MapReduce計算模型在執(zhí)行任務(wù)計算時都是在內(nèi)存中進行的,區(qū)別是Spark會將作業(yè)執(zhí)行時的中間數(shù)據(jù)緩存到內(nèi)存中,而MapReduce是將中間數(shù)據(jù)持久化的磁盤中,在一個基于大數(shù)據(jù)平臺計算的作業(yè),巨大的數(shù)據(jù)量從內(nèi)存中讀取與從磁盤中讀取,對于速度來說完全不是一個等級的[18]。

    3.2.2 DAG計算模型更加高效

    Spark將每個作業(yè)都抽象為一個DAG圖,通過DAG,Spark可以對整個作業(yè)的計算流程進行優(yōu)化,對于不需要進行shuffle的計算,可以進行操作合并;對于shuffle操作,在DAG內(nèi)部進行了stage的劃分,這樣使得資源的使用更加高效合理,避免了因為資源等待造成的效率上的降低[19, 20]。

    3.2.3 基于粗粒度的資源調(diào)度

    在資源申請和調(diào)度方面,Spark是基于粗粒度的,而Mapreduce是基于細粒度的。Spark的粗粒度資源申請是在App執(zhí)行完之前就將所有資源申請完畢了,task執(zhí)行時不需要自己去申請資源,這樣task執(zhí)行的相對較快,整體的速度也提高了;MapReduce的細粒度資源申請一開始不會將資源申請完畢,而是由task執(zhí)行時,自己申請資源,task執(zhí)行完畢后資源立即釋放,這樣task執(zhí)行的較慢,整體的速度也就相對較慢。

    3.2.4 JVM優(yōu)化

    在MapReduce計算模型中,每啟動一個task便會啟動一次JVM,也就是啟動了一個進程;而Spark是將一個TaskSet提交給Executor執(zhí)行的,啟動一個Executor時啟動了一次JVM,在Executor維護這一個線程池,每個task是交給一個線程執(zhí)行的。每次啟動JVM時就需要幾秒到幾十秒的時間,那么在大多數(shù)大數(shù)據(jù)平臺下的作業(yè)中,task的數(shù)量是很多的,這樣在效率上這兩種計算模型就會差很多。

    4 結(jié)論

    目前大數(shù)據(jù)技術(shù)在各個領(lǐng)域已經(jīng)有了具體的應(yīng)用,經(jīng)過這么多年技術(shù)的不斷發(fā)展與進步,大數(shù)據(jù)技術(shù)已經(jīng)有了很大的改善。本文主要以Hadoop與Spark兩種大數(shù)據(jù)技術(shù)為代表,介紹了它們之間的相互聯(lián)系以及它們的發(fā)展歷程,使我們可以清楚地看到技術(shù)發(fā)展的一個歷程。但是,隨著社會的發(fā)展和新鮮事物的不斷涌出,新的大數(shù)據(jù)技術(shù)難題會不斷出現(xiàn),新的技術(shù)也會不斷產(chǎn)生。相信在未來的生活中,大數(shù)據(jù)技術(shù)會為人類創(chuàng)造出更多的財富。

    參考文獻:

    [1] 周敏奇, 王曉玲, 金澈清, 等. Hadoop權(quán)威指南[M]. 清華大學出版社, 2011.

    [2] 王磊, 時亞文. 基于Spark的大數(shù)據(jù)計算模型[J]. 電腦知識與技術(shù), 2016,12(20):7-8.

    [3] 郝樹魁. Hadoop HDFS和MapReduce架構(gòu)淺析[J]. 郵電設(shè)計技術(shù), 2012(7):37-42.

    [4] White T. Hadoop: The Definitive Guide[M]. 2011.

    [5] 堯煒, 馬又良. 淺析Hadoop 1.0與2.0設(shè)計原理[J]. 郵電設(shè)計技術(shù), 2014(7):37-42.

    [6] DEAN, Jeffrey, GHEMAWAT, et al. MapReduce: A Flexible Data Processing Tool[J]. Communications of the Acm, 2010,53(1):72-77.

    [7] 董西成. 深入解析MapReduce架構(gòu)設(shè)計與實現(xiàn)原理[M]. 機械工業(yè)出版社, 2013.

    [8] 金偉健, 王春枝. 適于進化算法的迭代式MapReduce框架[J]. 計算機應(yīng)用, 2013,33(12):3591-3595.

    [9] Liu J, Li B, Song M. THE optimization of HDFS based on small files: IEEE International Conference on Broadband Network & Multimedia Technology, 2011[C].

    [10] Thusoo A, Sarma J S, Jain N, et al. Hive - a petabyte scale data warehouse using Hadoop: IEEE International Conference on Data Engineering, 2010[C].

    [11] Mackey G, Sehrish S, Wang J. Improving metadata management for small files in HDFS: IEEE International Conference on Cluster Computing & Workshops, 2009[C].

    [12] 蔡斌, 陳湘萍. 深入解析Hadoop Common和HDFS架構(gòu)設(shè)計與實現(xiàn)原理[M]. 機械工業(yè)出版社, 2013.

    [13] Murthy A. Apache Hadoop YARN: Moving Beyond MapReduce and Batch Processing with Apache Hadoop 2, 2014[C].

    [14] 周維. Hadoop 2.0-YARN核心技術(shù)實踐[M]. 清華大學出版社, 2015.

    [15] 董春濤, 李文婷, 沈晴霓, 等. Hadoop YARN大數(shù)據(jù)計算框架及其資源調(diào)度機制研究[J]. 信息通信技術(shù), 2015(1):77-84.

    [16] 董西成. Hadoop技術(shù)內(nèi)幕:深入解析YARN架構(gòu)設(shè)計與實現(xiàn)原理[M]. 機械工業(yè)出版社, 2013.

    [17] Zaharia M, Chowdhury M, Franklin M J, et al. Spark: cluster computing with working sets: Usenix Conference on Hot Topics in Cloud Computing[C], 2010.

    [18] 孟紅濤, 余松平, 劉芳, 等. Spark內(nèi)存管理及緩存策略研究[J]. 計算機科學, 2017,44(6):31-35.

    [19] 廖彬, 張?zhí)眨?于炯, 等. Spark DAG優(yōu)化MapReduce協(xié)同過濾算法[J]. 中山大學學報(自然科學版), 2017,56(3):46-56.

    [20] 殷榮. 基于DAG模型的離線數(shù)據(jù)處理引擎的設(shè)計與實現(xiàn)[D]. 哈爾濱工業(yè)大學, 2016.

    【通聯(lián)編輯:梁書】

    猜你喜歡
    大數(shù)據(jù)技術(shù)大數(shù)據(jù)
    論大數(shù)據(jù)技術(shù)在智能電網(wǎng)中的應(yīng)用
    高校檔案管理信息服務(wù)中大數(shù)據(jù)技術(shù)的應(yīng)用
    大數(shù)據(jù)技術(shù)在電氣工程中的應(yīng)用探討
    大數(shù)據(jù)技術(shù)在商業(yè)銀行中的應(yīng)用分析
    基于大數(shù)據(jù)背景下的智慧城市建設(shè)研究
    科技視界(2016年20期)2016-09-29 10:53:22
    国产精品国产三级国产专区5o | 精品人妻偷拍中文字幕| 99热这里只有是精品在线观看| 亚洲精品色激情综合| 欧美最新免费一区二区三区| 亚洲四区av| 九九热线精品视视频播放| 神马国产精品三级电影在线观看| 又黄又爽又刺激的免费视频.| 男人的好看免费观看在线视频| 男人舔奶头视频| 久久精品国产亚洲av涩爱| 老司机福利观看| 99久国产av精品国产电影| 久久6这里有精品| 免费av毛片视频| 一级黄色大片毛片| 黄色一级大片看看| 成人午夜精彩视频在线观看| 国产高清三级在线| 乱系列少妇在线播放| 天天躁日日操中文字幕| 国产高清国产精品国产三级 | 热99re8久久精品国产| 国产一区亚洲一区在线观看| 自拍偷自拍亚洲精品老妇| h日本视频在线播放| 成人一区二区视频在线观看| 国产成人aa在线观看| 成人漫画全彩无遮挡| 国产精品,欧美在线| 国产爱豆传媒在线观看| 亚洲国产精品国产精品| 韩国高清视频一区二区三区| 老司机影院成人| 欧美性感艳星| 日本色播在线视频| 波多野结衣高清无吗| 天堂网av新在线| 国产日韩欧美在线精品| 十八禁国产超污无遮挡网站| 高清毛片免费看| 如何舔出高潮| 人妻系列 视频| 三级国产精品片| av女优亚洲男人天堂| 国产精品久久久久久av不卡| 久久久久久大精品| 我的女老师完整版在线观看| 久久99蜜桃精品久久| 男女啪啪激烈高潮av片| 欧美三级亚洲精品| 国产探花极品一区二区| 国产激情偷乱视频一区二区| 亚洲国产成人一精品久久久| 久久99热6这里只有精品| 麻豆成人午夜福利视频| 97热精品久久久久久| 日韩av在线大香蕉| 好男人视频免费观看在线| videossex国产| 色哟哟·www| 97超视频在线观看视频| 菩萨蛮人人尽说江南好唐韦庄 | 亚洲av.av天堂| 五月伊人婷婷丁香| av播播在线观看一区| 在线观看av片永久免费下载| 1000部很黄的大片| 亚洲中文字幕日韩| 99久久九九国产精品国产免费| 麻豆一二三区av精品| 久久久久久久国产电影| 成人二区视频| 韩国高清视频一区二区三区| 韩国高清视频一区二区三区| 男人狂女人下面高潮的视频| 99久国产av精品国产电影| 免费搜索国产男女视频| 亚洲熟妇中文字幕五十中出| 亚洲一级一片aⅴ在线观看| 少妇丰满av| 国产午夜精品久久久久久一区二区三区| 波多野结衣高清无吗| 日本免费一区二区三区高清不卡| 最近中文字幕2019免费版| 美女脱内裤让男人舔精品视频| 欧美激情久久久久久爽电影| 国产精品人妻久久久久久| 午夜视频国产福利| kizo精华| 亚洲人成网站在线观看播放| 国产伦在线观看视频一区| 欧美一级a爱片免费观看看| 亚洲在线自拍视频| 国产69精品久久久久777片| 国产精品一区www在线观看| 精品欧美国产一区二区三| 视频中文字幕在线观看| 国产免费视频播放在线视频 | 午夜福利在线观看免费完整高清在| 欧美最新免费一区二区三区| 国产精品久久久久久久电影| 波野结衣二区三区在线| 不卡视频在线观看欧美| www.av在线官网国产| www.av在线官网国产| 白带黄色成豆腐渣| 日本熟妇午夜| 亚洲,欧美,日韩| 九草在线视频观看| 国产成人freesex在线| 听说在线观看完整版免费高清| 网址你懂的国产日韩在线| 欧美激情久久久久久爽电影| 国产在线男女| 国产色婷婷99| 久久精品国产鲁丝片午夜精品| 亚洲人成网站在线播| 亚洲图色成人| 成人综合一区亚洲| .国产精品久久| 小说图片视频综合网站| av在线蜜桃| 日韩av不卡免费在线播放| 日本与韩国留学比较| 哪个播放器可以免费观看大片| 亚洲精品自拍成人| 91av网一区二区| av播播在线观看一区| 久久亚洲精品不卡| 丰满人妻一区二区三区视频av| 少妇被粗大猛烈的视频| 国产一区亚洲一区在线观看| 日本免费a在线| 亚洲精品影视一区二区三区av| 国产在视频线精品| 国产成人aa在线观看| 久久99热6这里只有精品| 国产成人aa在线观看| 一级av片app| 国产在视频线在精品| 国产在线男女| 免费看光身美女| 全区人妻精品视频| 日韩av在线免费看完整版不卡| 天天躁夜夜躁狠狠久久av| 黄片无遮挡物在线观看| 色综合亚洲欧美另类图片| 亚洲18禁久久av| 综合色丁香网| 美女内射精品一级片tv| 插阴视频在线观看视频| 韩国高清视频一区二区三区| 午夜久久久久精精品| 小蜜桃在线观看免费完整版高清| 日韩在线高清观看一区二区三区| 两性午夜刺激爽爽歪歪视频在线观看| 国产黄片美女视频| 国产女主播在线喷水免费视频网站 | 插逼视频在线观看| 国产女主播在线喷水免费视频网站 | 日本一二三区视频观看| 少妇熟女欧美另类| 久久99热6这里只有精品| 黄色欧美视频在线观看| 亚洲,欧美,日韩| 看黄色毛片网站| 久久久久久久久久久免费av| 日本黄色视频三级网站网址| 久久久久久九九精品二区国产| 在线天堂最新版资源| 寂寞人妻少妇视频99o| 精品一区二区三区人妻视频| 最近中文字幕2019免费版| 1000部很黄的大片| 欧美日韩精品成人综合77777| 男人舔奶头视频| av播播在线观看一区| 午夜a级毛片| 99久久中文字幕三级久久日本| 美女黄网站色视频| 亚洲国产欧美在线一区| 五月玫瑰六月丁香| 中文字幕熟女人妻在线| 欧美成人一区二区免费高清观看| 插阴视频在线观看视频| 免费看日本二区| 乱码一卡2卡4卡精品| 国产伦精品一区二区三区四那| 天天一区二区日本电影三级| 纵有疾风起免费观看全集完整版 | 国产v大片淫在线免费观看| 免费黄网站久久成人精品| 日韩一区二区视频免费看| 夫妻性生交免费视频一级片| 国产精品1区2区在线观看.| 你懂的网址亚洲精品在线观看 | 亚洲欧美日韩卡通动漫| 国产亚洲精品久久久com| 晚上一个人看的免费电影| 日韩在线高清观看一区二区三区| 不卡视频在线观看欧美| 国产爱豆传媒在线观看| 99久久精品热视频| av在线播放精品| 热99re8久久精品国产| 最近最新中文字幕大全电影3| 97超碰精品成人国产| 两个人的视频大全免费| 3wmmmm亚洲av在线观看| 亚洲国产欧美在线一区| 成人午夜高清在线视频| 一本一本综合久久| 国产成人91sexporn| 成人毛片60女人毛片免费| 久久国产乱子免费精品| 亚洲熟妇中文字幕五十中出| 一级毛片电影观看 | 欧美xxxx黑人xx丫x性爽| 韩国av在线不卡| 国产黄色视频一区二区在线观看 | 国产精品野战在线观看| 人人妻人人看人人澡| 久久精品91蜜桃| 国产不卡一卡二| or卡值多少钱| av国产久精品久网站免费入址| 久久精品国产99精品国产亚洲性色| 久久精品熟女亚洲av麻豆精品 | 日本欧美国产在线视频| 亚洲av不卡在线观看| 中文资源天堂在线| 国产高潮美女av| 亚洲熟妇中文字幕五十中出| 91精品伊人久久大香线蕉| 午夜福利成人在线免费观看| 国产伦精品一区二区三区四那| 最近中文字幕2019免费版| 精品国产三级普通话版| 亚洲欧美日韩卡通动漫| 精品无人区乱码1区二区| 久久久国产成人精品二区| 亚洲人成网站高清观看| 国内精品一区二区在线观看| 婷婷色麻豆天堂久久 | 国产69精品久久久久777片| 久久精品熟女亚洲av麻豆精品 | 久热久热在线精品观看| 18+在线观看网站| 国产高潮美女av| 精品午夜福利在线看| videossex国产| 亚洲不卡免费看| 三级经典国产精品| 97人妻精品一区二区三区麻豆| 又粗又硬又长又爽又黄的视频| 久久韩国三级中文字幕| 欧美高清性xxxxhd video| 伦理电影大哥的女人| 中文欧美无线码| 国产亚洲最大av| 午夜激情福利司机影院| 直男gayav资源| av天堂中文字幕网| 国产伦精品一区二区三区视频9| 少妇裸体淫交视频免费看高清| 熟女人妻精品中文字幕| 国产综合懂色| www.av在线官网国产| 内射极品少妇av片p| 成人亚洲欧美一区二区av| 一级黄色大片毛片| 三级国产精品欧美在线观看| 18+在线观看网站| 最近中文字幕2019免费版| 麻豆成人av视频| 人妻系列 视频| 99热这里只有是精品50| 国产黄片美女视频| 美女大奶头视频| 日韩成人av中文字幕在线观看| 精品欧美国产一区二区三| 日本三级黄在线观看| 国产黄片美女视频| 欧美日韩精品成人综合77777| av在线天堂中文字幕| 国产人妻一区二区三区在| 国产精品电影一区二区三区| 夜夜看夜夜爽夜夜摸| 最新中文字幕久久久久| 欧美激情在线99| 欧美xxxx性猛交bbbb| 亚洲欧美成人精品一区二区| 男的添女的下面高潮视频| 国产av不卡久久| 国产亚洲av嫩草精品影院| 又爽又黄a免费视频| 精品不卡国产一区二区三区| 亚洲欧美精品专区久久| 亚洲aⅴ乱码一区二区在线播放| 韩国高清视频一区二区三区| 在线播放无遮挡| 五月伊人婷婷丁香| 97热精品久久久久久| 国产精品麻豆人妻色哟哟久久 | 少妇熟女aⅴ在线视频| 亚洲成人精品中文字幕电影| 舔av片在线| 成人亚洲精品av一区二区| 亚洲色图av天堂| 亚洲av.av天堂| 国产淫片久久久久久久久| 午夜精品一区二区三区免费看| 小说图片视频综合网站| av免费在线看不卡| 成人性生交大片免费视频hd| 国产 一区 欧美 日韩| 午夜福利高清视频| 精品久久国产蜜桃| 三级国产精品片| 国产免费男女视频| 哪个播放器可以免费观看大片| 欧美性感艳星| 麻豆精品久久久久久蜜桃| 天天一区二区日本电影三级| 一级av片app| 久久久久国产网址| 色综合亚洲欧美另类图片| 国产黄片视频在线免费观看| 一卡2卡三卡四卡精品乱码亚洲| 久久鲁丝午夜福利片| 婷婷六月久久综合丁香| 日本免费a在线| 麻豆乱淫一区二区| 中文字幕av在线有码专区| 国产精品国产三级专区第一集| 国产极品天堂在线| 97在线视频观看| 国产麻豆成人av免费视频| 国产午夜精品一二区理论片| 一级毛片aaaaaa免费看小| 天堂中文最新版在线下载 | 国产真实伦视频高清在线观看| 一级二级三级毛片免费看| 亚洲av不卡在线观看| www.av在线官网国产| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 最近手机中文字幕大全| 亚洲精品一区蜜桃| 成年女人看的毛片在线观看| 国产男人的电影天堂91| 水蜜桃什么品种好| 18+在线观看网站| 村上凉子中文字幕在线| 99热网站在线观看| 99久国产av精品国产电影| 国产在线男女| 少妇丰满av| 91精品伊人久久大香线蕉| 天堂影院成人在线观看| 久久久a久久爽久久v久久| 身体一侧抽搐| av在线蜜桃| 嫩草影院精品99| 三级国产精品片| 国语自产精品视频在线第100页| 亚洲欧洲国产日韩| 日本一二三区视频观看| 国产在视频线在精品| 久久久亚洲精品成人影院| 少妇的逼好多水| 桃色一区二区三区在线观看| 国产精品电影一区二区三区| 欧美最新免费一区二区三区| 国产成年人精品一区二区| 狠狠狠狠99中文字幕| 久久人妻av系列| 国产白丝娇喘喷水9色精品| 97超视频在线观看视频| 免费黄色在线免费观看| 久久久久久久久久成人| 亚洲欧美日韩无卡精品| 日韩三级伦理在线观看| 久久久国产成人免费| 免费看光身美女| 爱豆传媒免费全集在线观看| 久久99热6这里只有精品| 国产黄片美女视频| 亚洲精品色激情综合| 熟女人妻精品中文字幕| 97超碰精品成人国产| 久久亚洲精品不卡| 成人av在线播放网站| 中文在线观看免费www的网站| 国产 一区 欧美 日韩| 边亲边吃奶的免费视频| 色哟哟·www| 久久精品国产亚洲网站| 欧美激情久久久久久爽电影| 欧美日韩在线观看h| 在线免费观看的www视频| 一区二区三区四区激情视频| 最近最新中文字幕大全电影3| 欧美区成人在线视频| 淫秽高清视频在线观看| 久久久久久久国产电影| 久久精品91蜜桃| 色综合站精品国产| 91精品国产九色| 亚洲中文字幕一区二区三区有码在线看| 又粗又硬又长又爽又黄的视频| 久久精品国产亚洲网站| 精品酒店卫生间| 精品久久国产蜜桃| 亚洲久久久久久中文字幕| 边亲边吃奶的免费视频| 女人十人毛片免费观看3o分钟| 99久久成人亚洲精品观看| 久久久久久九九精品二区国产| av在线天堂中文字幕| 亚洲久久久久久中文字幕| ponron亚洲| 精品免费久久久久久久清纯| 亚洲av电影不卡..在线观看| 中文亚洲av片在线观看爽| 国产一区二区亚洲精品在线观看| 三级毛片av免费| 国产精品国产高清国产av| av又黄又爽大尺度在线免费看 | 国产乱人偷精品视频| 午夜福利网站1000一区二区三区| 国国产精品蜜臀av免费| 欧美另类亚洲清纯唯美| 欧美精品一区二区大全| 一区二区三区四区激情视频| 国产亚洲av片在线观看秒播厂 | 亚洲欧美精品综合久久99| 你懂的网址亚洲精品在线观看 | 高清在线视频一区二区三区 | 五月伊人婷婷丁香| 99久久精品国产国产毛片| 亚洲性久久影院| 一区二区三区高清视频在线| 欧美精品国产亚洲| 啦啦啦啦在线视频资源| 纵有疾风起免费观看全集完整版 | 最近最新中文字幕免费大全7| 亚洲欧美一区二区三区国产| 人人妻人人看人人澡| 1000部很黄的大片| 亚洲精品影视一区二区三区av| 欧美日本视频| 成人综合一区亚洲| 网址你懂的国产日韩在线| 国产精品日韩av在线免费观看| 国产一级毛片在线| 午夜日本视频在线| 插阴视频在线观看视频| 国产免费男女视频| 国产男人的电影天堂91| 亚洲美女搞黄在线观看| 国产三级在线视频| 春色校园在线视频观看| 欧美激情久久久久久爽电影| 欧美性猛交黑人性爽| 午夜精品国产一区二区电影 | 一夜夜www| 国产午夜精品一二区理论片| 日韩三级伦理在线观看| 国产一级毛片在线| 亚洲真实伦在线观看| 美女cb高潮喷水在线观看| 亚洲国产精品合色在线| 国产成人精品婷婷| 十八禁国产超污无遮挡网站| 亚洲欧洲国产日韩| 男人狂女人下面高潮的视频| 日韩人妻高清精品专区| 亚洲四区av| 成人亚洲欧美一区二区av| 国产黄片视频在线免费观看| 国产精品野战在线观看| 成人三级黄色视频| 国产真实乱freesex| 一级黄色大片毛片| 91久久精品国产一区二区成人| 看片在线看免费视频| 国产成人免费观看mmmm| 欧美高清性xxxxhd video| 亚洲成人精品中文字幕电影| 麻豆成人午夜福利视频| 夫妻性生交免费视频一级片| 女人十人毛片免费观看3o分钟| 国产伦精品一区二区三区四那| 久久99热这里只有精品18| 亚洲成人久久爱视频| 插逼视频在线观看| 亚洲五月天丁香| 久久久久免费精品人妻一区二区| 亚洲自偷自拍三级| 久久久a久久爽久久v久久| www.色视频.com| 又爽又黄a免费视频| 日本午夜av视频| 99热全是精品| 亚洲精品自拍成人| 1024手机看黄色片| 三级经典国产精品| 99国产精品一区二区蜜桃av| 日韩成人伦理影院| 成人特级av手机在线观看| 国产淫语在线视频| 国产男人的电影天堂91| 九九爱精品视频在线观看| 亚洲精品成人久久久久久| 亚洲一区高清亚洲精品| 成人毛片60女人毛片免费| 亚洲欧美清纯卡通| av福利片在线观看| 欧美激情在线99| 岛国毛片在线播放| 日日摸夜夜添夜夜爱| 日本熟妇午夜| 综合色av麻豆| 波多野结衣巨乳人妻| 免费不卡的大黄色大毛片视频在线观看 | 国产 一区精品| 青春草国产在线视频| 日韩av在线免费看完整版不卡| 亚洲四区av| 欧美三级亚洲精品| 99久久无色码亚洲精品果冻| 欧美人与善性xxx| 一个人免费在线观看电影| 日韩国内少妇激情av| 国产精品女同一区二区软件| 国产伦在线观看视频一区| 长腿黑丝高跟| 国产大屁股一区二区在线视频| 男女下面进入的视频免费午夜| 干丝袜人妻中文字幕| 欧美日韩在线观看h| 蜜桃亚洲精品一区二区三区| 精品人妻视频免费看| 免费看日本二区| 午夜福利在线在线| 成人av在线播放网站| 亚洲av日韩在线播放| 18禁裸乳无遮挡免费网站照片| 成人高潮视频无遮挡免费网站| 亚洲av一区综合| 国产探花极品一区二区| 青春草亚洲视频在线观看| 97超碰精品成人国产| 深爱激情五月婷婷| 国产午夜精品论理片| 搡老妇女老女人老熟妇| 亚洲人成网站在线观看播放| 男女边吃奶边做爰视频| 亚洲人成网站在线观看播放| 一级毛片电影观看 | 熟女电影av网| 午夜福利在线观看吧| 美女脱内裤让男人舔精品视频| 嫩草影院入口| 国产av码专区亚洲av| 国产精华一区二区三区| 你懂的网址亚洲精品在线观看 | 99久久九九国产精品国产免费| 一级毛片久久久久久久久女| 国产探花极品一区二区| 99国产精品一区二区蜜桃av| 伦理电影大哥的女人| 日韩欧美精品免费久久| 午夜福利在线观看免费完整高清在| 一本久久精品| 1000部很黄的大片| 欧美xxxx性猛交bbbb| 日韩欧美精品v在线| 内地一区二区视频在线| 七月丁香在线播放| 大又大粗又爽又黄少妇毛片口| 爱豆传媒免费全集在线观看| 99热精品在线国产| 亚洲欧洲日产国产| 美女高潮的动态| 黄片无遮挡物在线观看| 中文字幕亚洲精品专区| 日韩制服骚丝袜av| 国产免费又黄又爽又色| 变态另类丝袜制服| 国产淫语在线视频| 日韩强制内射视频| 久久久久国产网址| 亚洲国产最新在线播放| 免费观看在线日韩| 少妇人妻精品综合一区二区| 国产精品福利在线免费观看| 成人亚洲精品av一区二区| www日本黄色视频网| 精品99又大又爽又粗少妇毛片| 免费播放大片免费观看视频在线观看 | 我要搜黄色片| 久久这里有精品视频免费| av在线天堂中文字幕| 高清在线视频一区二区三区 | 听说在线观看完整版免费高清| 国产精品人妻久久久久久| 69人妻影院| 在线观看66精品国产| 亚洲国产精品成人久久小说| 亚洲精品日韩在线中文字幕| 中文字幕亚洲精品专区| 黑人高潮一二区|