• <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
    男人的好看免费观看在线视频| 亚洲精品一区av在线观看| 国产色婷婷99| 女人被狂操c到高潮| 日本a在线网址| 国产精品免费一区二区三区在线| 一区二区三区激情视频| 午夜免费男女啪啪视频观看 | 黄色视频,在线免费观看| 97人妻精品一区二区三区麻豆| 亚洲国产高清在线一区二区三| 亚洲成av人片在线播放无| 久久伊人香网站| 操出白浆在线播放| 69av精品久久久久久| 亚洲熟妇中文字幕五十中出| 丁香欧美五月| 成年女人看的毛片在线观看| 国产伦一二天堂av在线观看| 精品久久久久久久久久久久久| 在线看三级毛片| 午夜老司机福利剧场| 极品教师在线免费播放| 国产高清激情床上av| 91久久精品电影网| 日韩国内少妇激情av| 一级毛片女人18水好多| 人妻久久中文字幕网| 亚洲人与动物交配视频| 一个人观看的视频www高清免费观看| 天堂√8在线中文| www日本黄色视频网| 免费在线观看影片大全网站| 久久精品国产亚洲av涩爱 | 国产精品三级大全| 国产真实伦视频高清在线观看 | tocl精华| 欧美成人性av电影在线观看| 九色成人免费人妻av| 宅男免费午夜| 久久精品国产自在天天线| 精品人妻偷拍中文字幕| 亚洲人成网站在线播放欧美日韩| 久久久久久久久中文| 日本一本二区三区精品| 婷婷丁香在线五月| 少妇人妻精品综合一区二区 | av片东京热男人的天堂| or卡值多少钱| 亚洲av美国av| 亚洲精品日韩av片在线观看 | 丰满人妻一区二区三区视频av | 俄罗斯特黄特色一大片| 国产精品,欧美在线| 一区二区三区激情视频| 又黄又粗又硬又大视频| 小蜜桃在线观看免费完整版高清| 精品久久久久久成人av| 久久久国产成人免费| 99riav亚洲国产免费| 天美传媒精品一区二区| 久久久久久久久久黄片| www日本黄色视频网| 国产爱豆传媒在线观看| 老司机在亚洲福利影院| 一本综合久久免费| 日韩大尺度精品在线看网址| 欧美一级毛片孕妇| 一进一出抽搐动态| 欧美色视频一区免费| 18美女黄网站色大片免费观看| 午夜福利免费观看在线| 欧美黑人欧美精品刺激| 啦啦啦免费观看视频1| 在线观看av片永久免费下载| 黄色成人免费大全| 在线十欧美十亚洲十日本专区| 免费av观看视频| 成人欧美大片| 免费在线观看日本一区| 亚洲第一电影网av| 国产v大片淫在线免费观看| av女优亚洲男人天堂| 亚洲精品久久国产高清桃花| 女人十人毛片免费观看3o分钟| 色综合站精品国产| 美女高潮喷水抽搐中文字幕| 男人舔女人下体高潮全视频| 人人妻人人澡欧美一区二区| 亚洲 国产 在线| 国产午夜福利久久久久久| 在线a可以看的网站| 成人国产综合亚洲| 一本综合久久免费| 好看av亚洲va欧美ⅴa在| netflix在线观看网站| 人妻丰满熟妇av一区二区三区| 黑人欧美特级aaaaaa片| 人妻久久中文字幕网| 欧美3d第一页| 精品熟女少妇八av免费久了| 午夜福利在线观看吧| 欧美性感艳星| 国产成年人精品一区二区| 亚洲成人中文字幕在线播放| 欧美一区二区精品小视频在线| 成人国产综合亚洲| 亚洲成av人片在线播放无| 久久久精品大字幕| 欧美国产日韩亚洲一区| 女人被狂操c到高潮| 麻豆国产av国片精品| 老鸭窝网址在线观看| 免费观看人在逋| 床上黄色一级片| 久久精品国产清高在天天线| 亚洲欧美日韩无卡精品| 成人av一区二区三区在线看| 日本成人三级电影网站| 欧美乱色亚洲激情| 少妇的逼水好多| 日本一本二区三区精品| 亚洲精品乱码久久久v下载方式 | 一区二区三区激情视频| 成年版毛片免费区| 一个人看视频在线观看www免费 | 色噜噜av男人的天堂激情| 欧美+亚洲+日韩+国产| 国内精品美女久久久久久| 亚洲av二区三区四区| 亚洲欧美日韩东京热| 午夜免费男女啪啪视频观看 | 久久人妻av系列| 欧美丝袜亚洲另类 | 色综合欧美亚洲国产小说| 国产欧美日韩一区二区精品| a在线观看视频网站| 欧美在线一区亚洲| 国产精品女同一区二区软件 | 色综合欧美亚洲国产小说| 精品无人区乱码1区二区| 精品一区二区三区视频在线 | 成人精品一区二区免费| 亚洲在线自拍视频| av片东京热男人的天堂| 18禁黄网站禁片午夜丰满| 性色avwww在线观看| 国产黄色小视频在线观看| 天天添夜夜摸| 国产一区二区在线av高清观看| 日本精品一区二区三区蜜桃| 欧美午夜高清在线| 国产伦精品一区二区三区视频9 | 亚洲av成人av| 国模一区二区三区四区视频| 日韩欧美在线二视频| 亚洲在线自拍视频| 成人高潮视频无遮挡免费网站| 手机成人av网站| 亚洲人成网站在线播放欧美日韩| 少妇丰满av| 天天添夜夜摸| 欧美在线一区亚洲| 老司机午夜福利在线观看视频| x7x7x7水蜜桃| 51国产日韩欧美| 狂野欧美白嫩少妇大欣赏| 在线观看日韩欧美| av女优亚洲男人天堂| 男人和女人高潮做爰伦理| 俄罗斯特黄特色一大片| 国产一区二区三区在线臀色熟女| 亚洲无线在线观看| 舔av片在线| 99国产综合亚洲精品| 乱人视频在线观看| 少妇裸体淫交视频免费看高清| 欧美一区二区亚洲| 99riav亚洲国产免费| 操出白浆在线播放| 国产亚洲av嫩草精品影院| 亚洲精品久久国产高清桃花| 99riav亚洲国产免费| 中亚洲国语对白在线视频| 亚洲国产精品成人综合色| 色播亚洲综合网| 久久天躁狠狠躁夜夜2o2o| 18禁裸乳无遮挡免费网站照片| 99riav亚洲国产免费| 久久九九热精品免费| 一级作爱视频免费观看| 国产成人aa在线观看| 在线看三级毛片| 美女高潮的动态| 欧美成人免费av一区二区三区| 成熟少妇高潮喷水视频| 蜜桃久久精品国产亚洲av| 欧美中文综合在线视频| 国产高清videossex| 国产又黄又爽又无遮挡在线| 99热这里只有是精品50| 淫妇啪啪啪对白视频| av专区在线播放| 国产亚洲精品一区二区www| 成人高潮视频无遮挡免费网站| 国产精品98久久久久久宅男小说| 小说图片视频综合网站| 国产一区二区三区视频了| 一进一出抽搐gif免费好疼| 日韩人妻高清精品专区| 国产精品久久视频播放| 一区二区三区激情视频| 国产老妇女一区| 一区二区三区高清视频在线| 日韩欧美国产一区二区入口| 亚洲自拍偷在线| www日本黄色视频网| 香蕉av资源在线| 国产高清视频在线观看网站| 国产精品日韩av在线免费观看| av在线天堂中文字幕| 国产黄色小视频在线观看| 天天躁日日操中文字幕| 国产精品久久视频播放| 成年人黄色毛片网站| 女警被强在线播放| 免费看日本二区| 中文在线观看免费www的网站| 一级毛片女人18水好多| netflix在线观看网站| 激情在线观看视频在线高清| 在线天堂最新版资源| 亚洲成人久久性| 亚洲美女黄片视频| 久久精品国产亚洲av香蕉五月| 97超视频在线观看视频| 久久精品综合一区二区三区| 性色av乱码一区二区三区2| 精品久久久久久久末码| 成人av在线播放网站| 女人被狂操c到高潮| 中文在线观看免费www的网站| 天堂av国产一区二区熟女人妻| 无限看片的www在线观看| 欧美区成人在线视频| 亚洲 国产 在线| 国内揄拍国产精品人妻在线| 免费高清视频大片| 叶爱在线成人免费视频播放| 亚洲精华国产精华精| 国产真实乱freesex| 亚洲第一欧美日韩一区二区三区| 高清在线国产一区| 中文字幕av在线有码专区| 久久久久国产精品人妻aⅴ院| 动漫黄色视频在线观看| 亚洲精品一区av在线观看| 亚洲激情在线av| 亚洲av电影在线进入| 中亚洲国语对白在线视频| 女警被强在线播放| 欧美中文综合在线视频| 国产精品电影一区二区三区| 亚洲欧美日韩东京热| 国产一区二区三区视频了| 国产真实伦视频高清在线观看 | 成年女人毛片免费观看观看9| 日韩欧美国产在线观看| 欧美日本视频| 在线观看免费视频日本深夜| 午夜福利高清视频| 3wmmmm亚洲av在线观看| 美女黄网站色视频| 我要搜黄色片| 好男人在线观看高清免费视频| 女人被狂操c到高潮| 国内精品久久久久精免费| 两性午夜刺激爽爽歪歪视频在线观看| 999久久久精品免费观看国产| 波多野结衣高清无吗| 91麻豆精品激情在线观看国产| 18禁在线播放成人免费| 国产亚洲精品久久久com| 久久草成人影院| 啦啦啦观看免费观看视频高清| 内射极品少妇av片p| 99久久久亚洲精品蜜臀av| 最新中文字幕久久久久| 长腿黑丝高跟| 老鸭窝网址在线观看| 很黄的视频免费| 国产精品一区二区免费欧美| 国产午夜精品论理片| 日本黄大片高清| 亚洲成人中文字幕在线播放| 亚洲国产欧美人成| 成人无遮挡网站| 两人在一起打扑克的视频| 久久久久久久亚洲中文字幕 | 日日夜夜操网爽| 国语自产精品视频在线第100页| 神马国产精品三级电影在线观看| 他把我摸到了高潮在线观看| 欧美一区二区亚洲| 99精品久久久久人妻精品| 中文字幕人妻熟人妻熟丝袜美 | 国产三级黄色录像| 日韩欧美精品免费久久 | 亚洲成a人片在线一区二区| 最近最新中文字幕大全电影3| 欧美绝顶高潮抽搐喷水| 久久久久久人人人人人| 他把我摸到了高潮在线观看| 亚洲av第一区精品v没综合| 18禁黄网站禁片午夜丰满| 国产综合懂色| 成人国产综合亚洲| 精品国产三级普通话版| 久久精品91无色码中文字幕| 国产欧美日韩一区二区精品| 亚洲五月婷婷丁香| 69av精品久久久久久| tocl精华| 1024手机看黄色片| 欧美另类亚洲清纯唯美| 搡老熟女国产l中国老女人| 三级国产精品欧美在线观看| 嫩草影院精品99| 99riav亚洲国产免费| 熟女少妇亚洲综合色aaa.| 欧美高清成人免费视频www| 老汉色∧v一级毛片| 精品国产三级普通话版| 午夜亚洲福利在线播放| 99热6这里只有精品| 国产色婷婷99| 熟女电影av网| 99久久精品热视频| 日日干狠狠操夜夜爽| 99久久精品国产亚洲精品| 啦啦啦观看免费观看视频高清| 欧美日韩综合久久久久久 | 免费观看人在逋| 亚洲人成伊人成综合网2020| av专区在线播放| 欧美日韩黄片免| 国产精品久久久久久精品电影| 一个人免费在线观看电影| 少妇人妻精品综合一区二区 | 97碰自拍视频| 国产成人福利小说| 国产亚洲av嫩草精品影院| 高清在线国产一区| 欧美不卡视频在线免费观看| 搡老岳熟女国产| 一个人免费在线观看电影| xxxwww97欧美| 中文字幕av在线有码专区| 精品电影一区二区在线| 国产欧美日韩精品亚洲av| 久久久色成人| 淫妇啪啪啪对白视频| 一区二区三区激情视频| 久久久久久久久大av| 亚洲精品影视一区二区三区av| 老司机福利观看| 日韩精品中文字幕看吧| 亚洲精品成人久久久久久| 日本免费a在线| 两人在一起打扑克的视频| 久久精品国产综合久久久| 此物有八面人人有两片| 久久久久久大精品| 久99久视频精品免费| 99久久精品一区二区三区| 欧美一区二区精品小视频在线| 国产国拍精品亚洲av在线观看 | 日本在线视频免费播放| 一个人看的www免费观看视频| 最新中文字幕久久久久| 亚洲aⅴ乱码一区二区在线播放| 色av中文字幕| 国产精品一区二区三区四区免费观看 | 久久久久久久精品吃奶| 国产v大片淫在线免费观看| 日韩国内少妇激情av| 91av网一区二区| 欧美激情在线99| 欧美中文综合在线视频| 国产精品99久久99久久久不卡| 久久这里只有精品中国| 老鸭窝网址在线观看| 在线播放国产精品三级| 99视频精品全部免费 在线| 在线免费观看的www视频| 嫁个100分男人电影在线观看| 最近最新中文字幕大全电影3| 成年女人看的毛片在线观看| 十八禁网站免费在线| 熟女人妻精品中文字幕| 国产亚洲精品综合一区在线观看| 午夜免费成人在线视频| 免费大片18禁| 人妻久久中文字幕网| 婷婷精品国产亚洲av| 香蕉av资源在线| 午夜精品在线福利| 丁香六月欧美| 午夜免费成人在线视频| 日本免费a在线| 欧洲精品卡2卡3卡4卡5卡区| 波野结衣二区三区在线 | 最近最新中文字幕大全免费视频| 国产成人啪精品午夜网站| 久久香蕉精品热| 国产欧美日韩精品亚洲av| bbb黄色大片| 内射极品少妇av片p| 婷婷六月久久综合丁香| 禁无遮挡网站| 午夜视频国产福利| 亚洲欧美日韩无卡精品| 欧美成人a在线观看| 国产在线精品亚洲第一网站| 我的老师免费观看完整版| 国产精品日韩av在线免费观看| 成年免费大片在线观看| 国产精品一区二区三区四区免费观看 | 欧美乱色亚洲激情| 亚洲美女视频黄频| 国产亚洲精品久久久com| 真人做人爱边吃奶动态| 日韩成人在线观看一区二区三区| 亚洲欧美日韩卡通动漫| 精品久久久久久久久久久久久| 免费在线观看成人毛片| 亚洲中文日韩欧美视频| 午夜福利在线在线| av视频在线观看入口| 中文字幕人妻熟人妻熟丝袜美 | 精品久久久久久久末码| 啦啦啦观看免费观看视频高清| 国产精品久久久久久亚洲av鲁大| 日本a在线网址| 国产 一区 欧美 日韩| 久久精品人妻少妇| 日日干狠狠操夜夜爽| 国产高清三级在线| 国产三级中文精品| 成人午夜高清在线视频| 男女那种视频在线观看| 国产伦一二天堂av在线观看| 亚洲美女黄片视频| 一个人免费在线观看电影| 中出人妻视频一区二区| 网址你懂的国产日韩在线| 国产精品av视频在线免费观看| 国产精品 国内视频| 日本一本二区三区精品| 国内少妇人妻偷人精品xxx网站| 久久香蕉国产精品| 免费在线观看亚洲国产| 无限看片的www在线观看| 男人舔女人下体高潮全视频| 日韩高清综合在线| 脱女人内裤的视频| 亚洲精品在线观看二区| 最近最新中文字幕大全免费视频| 在线播放国产精品三级| 老汉色∧v一级毛片| 亚洲狠狠婷婷综合久久图片| 免费看日本二区| 三级男女做爰猛烈吃奶摸视频| 88av欧美| 非洲黑人性xxxx精品又粗又长| 国产免费男女视频| 久久99热这里只有精品18| 亚洲五月婷婷丁香| 国产午夜精品论理片| 成年女人永久免费观看视频| 99久久成人亚洲精品观看| 人人妻人人澡欧美一区二区| 别揉我奶头~嗯~啊~动态视频| 女同久久另类99精品国产91| 日本 欧美在线| 又紧又爽又黄一区二区| 18禁裸乳无遮挡免费网站照片| 在线观看免费视频日本深夜| 一夜夜www| netflix在线观看网站| 亚洲av日韩精品久久久久久密| 国产又黄又爽又无遮挡在线| 国产精品一及| www.熟女人妻精品国产| 国产蜜桃级精品一区二区三区| 法律面前人人平等表现在哪些方面| 一区福利在线观看| 国产精品永久免费网站| 国内揄拍国产精品人妻在线| 成年免费大片在线观看| 97碰自拍视频| 亚洲av免费高清在线观看| 欧美绝顶高潮抽搐喷水| 亚洲av成人av| 内地一区二区视频在线| 日韩欧美国产一区二区入口| 亚洲精品久久国产高清桃花| 久久久久免费精品人妻一区二区| 97超视频在线观看视频| 99久国产av精品| 伊人久久大香线蕉亚洲五| 最后的刺客免费高清国语| 国产伦在线观看视频一区| www.999成人在线观看| 亚洲av不卡在线观看| 亚洲精品亚洲一区二区| 俺也久久电影网| 欧美绝顶高潮抽搐喷水| 女生性感内裤真人,穿戴方法视频| 国产av一区在线观看免费| 亚洲美女黄片视频| 好男人在线观看高清免费视频| 亚洲色图av天堂| av在线天堂中文字幕| 免费观看精品视频网站| 国产精品久久久人人做人人爽| 美女高潮的动态| 日本免费一区二区三区高清不卡| 久久亚洲真实| 国产午夜精品论理片| 少妇的逼好多水| 久久久久久久亚洲中文字幕 | 欧美bdsm另类| 久久久久性生活片| 身体一侧抽搐| 中国美女看黄片| 在线十欧美十亚洲十日本专区| 成人特级av手机在线观看| 真实男女啪啪啪动态图| 色噜噜av男人的天堂激情| 欧美色欧美亚洲另类二区| 国产高潮美女av| 免费看十八禁软件| 亚洲国产精品合色在线| 国产精品精品国产色婷婷| 免费在线观看日本一区| 国产精品,欧美在线| 欧美中文综合在线视频| 成人三级黄色视频| 很黄的视频免费| 黑人欧美特级aaaaaa片| avwww免费| 欧美一级毛片孕妇| 免费看a级黄色片| av女优亚洲男人天堂| 亚洲中文字幕日韩| 色播亚洲综合网| 老司机深夜福利视频在线观看| 90打野战视频偷拍视频| 日日夜夜操网爽| 男女床上黄色一级片免费看| 久久久久精品国产欧美久久久| 最新中文字幕久久久久| 蜜桃亚洲精品一区二区三区| 男人舔奶头视频| 亚洲人成电影免费在线| 精品一区二区三区人妻视频| 一边摸一边抽搐一进一小说| 国产黄片美女视频| 亚洲黑人精品在线| 欧美精品啪啪一区二区三区| 欧美日韩乱码在线| 国产伦在线观看视频一区| 亚洲av电影在线进入| 韩国av一区二区三区四区| 亚洲av第一区精品v没综合| 日本熟妇午夜| 99久久无色码亚洲精品果冻| 国产精品国产高清国产av| 夜夜爽天天搞| 变态另类成人亚洲欧美熟女| 久久精品91无色码中文字幕| 亚洲专区国产一区二区| 欧美成人一区二区免费高清观看| 在线观看66精品国产| 一边摸一边抽搐一进一小说| 亚洲中文日韩欧美视频| 国产一区二区激情短视频| 在线观看舔阴道视频| 乱人视频在线观看| 国产午夜精品论理片| 国产伦人伦偷精品视频| 老司机深夜福利视频在线观看| 日韩欧美免费精品| 欧美乱码精品一区二区三区| 黄色视频,在线免费观看| 欧美乱码精品一区二区三区| 欧美日韩乱码在线| 精品福利观看| 日韩高清综合在线| 精品一区二区三区视频在线观看免费| 好男人在线观看高清免费视频| 91久久精品电影网| 少妇人妻精品综合一区二区 | 黄色视频,在线免费观看| 国产熟女xx| 国产黄色小视频在线观看| 免费看光身美女| 欧美激情在线99| 精品不卡国产一区二区三区| tocl精华| 亚洲专区中文字幕在线| 一级黄片播放器| 日本与韩国留学比较| 99久国产av精品|