对pyspark中RDD的元素求和和除法
在pyspark中，RDD（弹性分布式数据集）是一种基本的数据结构，用于在分布式环境中进行并行计算。对于RDD的元素求和和除法操作，可以通过以下方式实现：
- 元素求和：
- 首先，使用
reduce函数对RDD中的元素进行累加操作。reduce函数接受一个二元操作函数作为参数，用于将RDD中的元素两两进行操作，直到得到一个最终结果。 - 例如，对于一个包含整数的RDD，可以使用以下代码对其元素求和：
- 例如，对于一个包含整数的RDD，可以使用以下代码对其元素求和：
- 输出结果为：15
- 首先，使用
- 元素除法：
- 首先，使用
reduce函数对RDD中的元素进行累积除法操作。需要注意的是，除法操作需要自定义一个二元操作函数，用于将RDD中的元素两两进行除法操作。 - 例如，对于一个包含浮点数的RDD，可以使用以下代码对其元素进行除法操作：
- 例如，对于一个包含浮点数的RDD，可以使用以下代码对其元素进行除法操作：
- 输出结果为：10.0
- 首先，使用
需要注意的是，以上代码仅为示例，实际应用中需要根据具体情况进行调整。
对于pyspark中RDD的元素求和和除法操作，腾讯云提供了适用于大数据处理的云计算产品TencentDB for Apache Spark，它提供了强大的分布式计算能力和高性能的数据处理引擎，可用于处理大规模数据集。您可以通过以下链接了解更多关于TencentDB for Apache Spark的信息：TencentDB for Apache Spark产品介绍
请注意，以上答案仅供参考，具体的实现方式和推荐产品可能会因实际需求和环境而有所不同。
相关·内容
1回答
我有一张这样的桌子
+------+------------+
| fruit|fruit_number|
+------+------------+
| apple| 20|
|orange| 33|
| pear| 27|
| melon| 31|
| plum| 8|
|banana| 4|
+------+------------+
我想生成每一行的百分比，但当我对百分比列求和时，我无法获得100%。这里是我在p
浏览 0提问于2016-10-20得票数 2
3回答
我们有一个蜂巢仓库，并希望使用spark来完成各种任务(主要是分类)。有时，将结果写回为配置子表。例如，我们编写了以下python函数来查找按original_table第一列分组的第二列original_table的总和。该函数可以工作，但我们担心它的效率很低，特别是转换为键-值对和字典版本的映射。函数组合器，mergeValue，mergeCombiner在其他地方定义，但工作正常。
from pyspark import HiveContext
rdd = HiveContext(sc).sql('from original_table select *')
#con
浏览 0提问于2015-02-09得票数 7
我用火花放电来处理数据。数据如下：
8611060350280948828b33be803 4363 2017-10-01
8611060350280948828b33be803 4363 2017-10-02
4e5556e536714363b195eb8f88becbf8 365 2017-10-01
4e5556e536714363b195eb8f88becbf8 365 2017-10-02
4e5556e536714363b195eb8f88becbf8 365 2017-10-03
4e5556e536714363b195eb8f88becbf8
浏览 4提问于2017-12-01得票数 0
1回答
我试图从rdd中筛选值为"01-10-2019“的
print("\n ### Remove duplicates in merged RDD:")
insuredata = insuredatamerged_cache.distinct()
print("insuredata: ",type(insuredata))
print("\n ### Increase partition to 8 in merged RDD:")
insuredata.getNumPartitions()
insuredatarepart = insu
浏览 5提问于2020-02-08得票数 1
回答已采纳
我正在将一个dataframe转换成一个管道分隔的值，并将其写入shell (scala)中的一个文件中。但我在PySpark方面毫无头绪。会很感激你的帮助。
尤其是我不知道如何用“\”来连接每个列
这是scala版本
scala> val stgDF = spark.read.table("tbl")
stgDF: org.apache.spark.sql.DataFrame = [name: string, num: int]
scala> stgDF.map(line => line.mkString("|")).take(2) //H
浏览 3提问于2017-10-30得票数 4
回答已采纳
1回答
我有一个DataFrame (转换为RDD)，并希望重新分区，以便每个键(第一列)都有自己的分区。这是我所做的：
# Repartition to # key partitions and map each row to a partition given their key rank
my_rdd = df.rdd.partitionBy(len(keys), lambda row: int(row[0]))
但是，当我试图将它映射回DataFrame或保存它时，我得到了这个错误：
Caused by: org.apache.spark.api.python.PythonException:
浏览 0提问于2015-11-21得票数 5
在PySpark (v1.6.2)中，当使用指定的模式将RDD转换为DataFrame时，值类型与模式中声明的值类型不匹配的字段将转换为null。
from pyspark import SparkContext
from pyspark.sql import SQLContext
from pyspark.sql.types import StructType, StructField, DoubleType
sc = SparkContext()
sqlContext = SQLContext(sc)
schema = StructType([
StructField("
浏览 27提问于2016-07-27得票数 0
回答已采纳
我有一个字典的RDD，我想得到一个只包含不同元素的RDD。但是，当我试图打电话给
rdd.distinct()
PySpark给出了以下错误
TypeError: unhashable type: 'dict'
at org.apache.spark.api.python.PythonRunner$$anon$1.read(PythonRDD.scala:166)
at org.apache.spark.api.python.PythonRunner$$anon$1.<init>(PythonRDD.scala:207)
at org.ap
浏览 5提问于2016-02-19得票数 2
回答已采纳
我的初始RDD如下所示：
RDD_int.collect() = [("a", 0, LabeledPoint(0, f01, f02, ..., f0n)), ("a", 1, LabeledPoint(0, f11, f12, ..., f1n)), ..., ("a", m, LabeledPoint(0, fm1, fm2, ..., fmn))]
我尝试这个操作：
RDD.filter(lambda x : "LabeledPoint" in x[2])
它不起作用。
我希望得到这一条：
RDD.collect() =
浏览 0提问于2021-05-01得票数 1
我是很新的火花编程。我正在尝试将地图和reduceByKey实现到以下15个字段的数据集。
rdd=sc.parallelize([
("West", "Apple", 2.0, 10,2.0, 10,2.0, 10,2.0, 10,2.0, 10,2.0,2.0, 10),
("West", "Apple", 3.0, 10,2.0, 10,2.0, 10,2.0, 10,2.0, 10,2.0, 10,2.0])
这是我的map函数，在这里我试图创建一个包含多个键和值的元组。
rdd1 = rdd.map(lambda
浏览 1提问于2015-08-27得票数 1
我有两个Spark1.4.1 PipelineRDD (我不知道这是什么对象:-s：
1) ids列表(ids_alsaciens RDD)
2)人员名单(人员RDD)
'Personnes‘RDD有4个字段，都是json格式，键是"id“。对于这个表中的同一个人，我可能有几行( id是相同的)。
我想获取'personnes‘RDD上的所有行，该id包含在'alsacien’表中。
我怎么能在火花中这样做呢？
>type(ids_alsaciens)
pyspark.rdd.PipelinedRDD
>type(personnes)
pyspark
浏览 0提问于2015-08-24得票数 1
回答已采纳
我有以下代码:对于每个my_id，我尝试根据timestamp字段对amount字段进行排序：
output_rdd = my_df.rdd.map(lambda r: (r['my_id'], [r['timestamp'],[r['amount']]]))\
.reduceByKey(lambda a, b: sorted(a+b, key=(a+b)[0]))\
.map(lambda r: r[1])
但是，我得到了以下错误：
Py4JJava
浏览 14提问于2016-09-28得票数 0
回答已采纳
我正尝试在我的服务器上运行一个简单的pandas UDF示例。来自
为了运行这段代码，我创建了一个全新的环境。
(PySparkEnv) $ conda list
# packages in environment at /home/shekhar/.conda/envs/PySparkEnv:
#
# Name Version Build Channel
arrow-cpp 0.10.0 py36h70250a7_0 conda-forge
blas
浏览 4提问于2018-09-14得票数 5
我读到具有相同分区的RDDs将被放在同一位置。这对我来说很重要，因为我想连接几个未分区的大型Hive表。我的理论是，如果我可以对它们进行分区(通过一个名为date_day的字段)并将它们放在一起，那么我就可以避免混洗。
下面是我尝试为每个表做的事情：
def date_day_partitioner(key):
return (key.date_day - datetime.date(2017,05,01)).days
df = sqlContext.sql("select * from hive.table")
rdd = df.rdd
rdd2 = rdd.parti
浏览 2提问于2017-11-05得票数 5
我正在尝试将pandas.DataFrame代码转换为等效的pyspark DataFrame。我有一个以下格式的RDD。
myRdd = [[1, 'a', {'a':[1, 2]}],
[2, 'b', {'c': 1, 'd':3}],
[3, 'c', {}]]
columnNames = ['sl', 'name', 'params']
内部列表中的第三个元素没有特定的结构。在pandas数据帧中，我可以
浏览 1提问于2018-04-07得票数 1
1回答
如您所知，我对使用Pyspark相当陌生，我的RDD设置如下：(ID、名字、姓氏、地址) (ID、名字、姓氏、地址)--无论如何，我可以数一数我在RDD中存储的这些记录中的多少，例如RDD中的所有ID。这样输出结果就会告诉我我有5个。我尝试过使用RDD.count()，但这似乎只是返回了我的数据集中共有多少项。
浏览 0提问于2018-11-25得票数 0
1回答
在PySpark中创建类的
、、、、
我必须将Scala代码转换为python。
scala代码将字符串的RDD转换为case类的RDD。守则如下：
case class Stock(
stockName: String,
dt: String,
openPrice: Double,
highPrice: Double,
lowPrice: Double,
closePrice: Double,
浏览 1提问于2020-06-03得票数 1
回答已采纳
下面的代码片段试图将一个简单的函数应用于一个PySpark RDD对象：
import pyspark
conf = pyspark.SparkConf()
conf.set('spark.dynamicAllocation.minExecutors', 5)
sc = SparkContext(appName="tmp", conf=conf)
sc.setLogLevel('WARN')
fn = 'my_csv_file'
rdd = sc.textFile(fn)
rdd = rdd.map(lambda line: l
浏览 3提问于2016-03-20得票数 1
回答已采纳
假设我在pyspark工作。我有一个RDD，rdd = sc.Textfile(file.txt)，我调用rdd.persist()，然后重新分配它：rdd = rdd.filter(lambda x: 'hi' in x)。
现在是将sc.Textfile(file.txt)持久化在内存中，还是将rdd.filter(lambda x: 'hi' in x)持久化？
浏览 0提问于2018-02-20得票数 0
1回答
我有一台ipython笔记本，上面有pyspark代码，它在我的机器上运行得很好，但当我试图在另一台机器上运行它时，它在下面这一行(rdd3行)抛出错误：
rdd2 = sc.parallelize(list1)
rdd3 = rdd1.zip(rdd2).map(lambda ((x1,x2,x3,x4), y): (y,x2, x3, x4))
list = rdd3.collect()
我得到的错误是：
ValueError Traceback (most recent call last)
<ipyt
浏览 1提问于2015-08-19得票数 1
1回答
在了解了Apache文档之后，我尝试使用mapPartition模块进行实验。在下面的代码中，我希望看到初始的RDD，就像在函数myfunc中一样，我只是在打印值之后返回迭代器。但是，当我在RDD上执行collect时，它是空的。
from pyspark import SparkConf
from pyspark import SparkContext
def myfunc(it):
print(it.next())
return it
def fun1(s
浏览 0提问于2017-03-23得票数 1
回答已采纳
我正在查看RDD的分区
>>> rdd = sc.parallelize(range(10), 5)
>>> rdd.collect()
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> rdd.glom().collect()
[[0, 1], [2, 3], [4, 5], [6, 7], [8, 9]]
>>> rdd.mapPartitions(lambda x: [x]).collect()
[range(0, 2), range(2, 4), range(4, 6), range(6
浏览 2提问于2018-06-28得票数 1
在客户端模式下启动火花放电。bin/pyspark --master yarn-client --num-executors 60，shell上的导入numpy很好，但是在kmeans中失败了。不知怎么的，执行者们没有安装过，这是我的感觉。我在任何地方都找不到好的解决办法，让工人们知道“无生气”的事。我试着设置PYSPARK_PYTHON，但这也不起作用。
import numpy
features = numpy.load(open("combined_features.npz"))
features = features['arr_0']
features.
浏览 7提问于2016-02-05得票数 19
回答已采纳
1回答
我正在尝试使用pyspark来实现一个点产品，以学习pyspark的语法。
我目前已经实现了如下所示的点产品：
import operator as op
from functools import reduce
def inner(rdd, rdd2):
return (rdd.zip(rdd2)
.map(lambda x: reduce(op.mul, x))
.reduce(lambda x,y: x + y)
)
我的解决方案感觉不优雅(特别是我的lambda函数)。我想知道是否会有一种更“平庸”的方式来写这个。
此外，对于这个问题，
浏览 0提问于2016-01-20得票数 3
回答已采纳
1回答
我试图用CDH在纱线上运行电火花，在这个生火的主程序中，有一条类似于rdd.pipe("XXX.sh")的语句，每次我运行它时，都会弹出一个被拒绝的错误，我该怎么办来解决这个错误呢？谢谢。
错误日志信息是blow：
文件"/data/yarn/nm/usercache/work/appcache/application_1495632173402_0079/container_1495632173402_0079_01_000001/pyspark.zip/pyspark/rdd.py"，第2346行，pipeline_func文件"/data/yarn
浏览 3提问于2017-05-25得票数 0
1回答
我有一个pyspark RDD，它有大约200万个元素。我不能一次收集它们，因为它会导致OutOfMemoryError异常。 如何批量采集？ 这是一个潜在的解决方案，但我怀疑还有更好的方法:收集一个批处理(使用take、https://spark.apache.org/docs/3.1.2/api/python/reference/api/pyspark.RDD.take.html#pyspark.RDD.take)，然后从该批处理中的RDD中删除所有元素(使用filter、https://spark.apache.org/docs/3.1.2/api/python/reference/a
浏览 29提问于2021-10-12得票数 0
回答已采纳
我已经编写了一个模块，其中包含了在PySpark DataFrames上工作的函数。它们对DataFrame中的列进行转换，然后返回一个新的DataFrame。下面是代码的一个示例，缩短为只包含其中一个函数：
from pyspark.sql import functions as F
from pyspark.sql import types as t
import pandas as pd
import numpy as np
metadta=pd.DataFrame(pd.read_csv("metadata.csv")) # this contains metad
浏览 6提问于2016-03-10得票数 7
回答已采纳
我正试着从我的RDD中阅读，但得到的错误。请给我建议。该文件存在于HDFS中。我使用hadoop文件系统命令将文件移动到HDFS。
代码：
baby_names = sc.textFile("/user/rahul/baby_names.csv")
rows = baby_names.map(lambda line:line.split(","))
for row in rows.take(rows.count()):print(row[1])
错误：
Py4JJavaError Traceback (
浏览 3提问于2017-02-14得票数 0
我无法将RDD对象传递给PySpark logistic回归模型。我用的是火花2.0.1。任何帮助都将不胜感激。
>>> from pyspark import SparkContext, HiveContext
>>> from pyspark.mllib.regression import LabeledPoint
>>> from pyspark.mllib.classification import LogisticRegressionWithLBFGS
>>> from pyspark.mllib.util im
浏览 1提问于2017-06-07得票数 2
我正在查找数据中所有列的“模式”，并将它们存储在列表中。计算每个列的我的模式的代码：
from pyspark.sql.functions import *
#calculating mode value
mode_val = []
for i in df_num.columns :
cnts = df_num.groupBy(i).count()
mode = cnts.join(
cnts.agg(max("count").alias("max_")), col("count") == col(&#
浏览 0提问于2018-04-03得票数 2
回答已采纳
PySpark文档描述了两个功能：
mapPartitions(f，preservesPartitioning=False)通过向这个RDD的每个分区应用一个函数来返回一个新的RDD。>>> rdd = sc.parallelize(1，2，3，4，2) >>> def (迭代器)：产量和(迭代器) >>> rdd.mapPartitions(f).collect() 3，7
还有..。
mapPartitionsWithIndex(f，preservesPartitioning=False)通过向这个RDD的每个分区应用一个函数
浏览 2提问于2015-11-11得票数 16
回答已采纳
我目前正在自学Spark programming，并试图用PySpark重新编写一个现有的Python应用程序。然而，我仍然对如何在PySpark中使用常规Python对象感到困惑。
我了解Spark中的分布式数据结构，如RDD、DataFrame、Datasets、vector等。Spark有自己的转换操作和动作操作，如.map()、.reduceByKey()来操作这些对象。但是，如果我在PySpark中创建传统的Python数据对象，比如数组、列表、元组或字典，会怎么样呢？它们将只存储在我的驱动程序节点的内存中，对吗？如果我把它们转换成RDD，我还能用典型的Python函数做操作吗？
如
浏览 34提问于2017-03-01得票数 1
回答已采纳
我的lambda函数通过boto3 glue.start_job_run触发胶水作业。
这是我的胶水作业脚本
from awsglue.utils import getResolvedOptions
import sys
from pyspark import SparkConf, SparkContext
from pyspark.sql import SparkSession
from operator import add
from pyspark.sql.functions import col, regexp_extract, max
conf = SparkConf().setA
浏览 3提问于2022-03-20得票数 3
回答已采纳
我是刚接触过Pyspark的人，我实际上是在尝试用Pyspark对象构建一个平面图。但是，根据文档，即使这个函数显然存在于吡火花RDD类中，我也无法使用它并得到以下错误：
AttributeError: 'RDD' object has no attribute 'flatmap'
我在下面一行中调用后一个函数：
my_rdd = my_rdd.flatmap(lambda r: (r[5].split('|')))
进口商品如下：
from pyspark.sql import *
from pyspark.sql.functions impo
浏览 2提问于2018-10-28得票数 4
回答已采纳
2回答
我试图在数据库中读取csv文件，在这种情况下，它用混合列代替A、B、C，它会像C、A、B一样随机排列，我尝试使用map()，它会抛出错误‘不能选择'_thread.RLock’对象‘
我需要正确地使用databricks中的pyspark来重新调整列。我引用了中的示例，它无助于我，因为我通过读取csv文件创建了数据
from pyspark.sql import SparkSession
from pyspark.sql.functions import *
appName = "AddColumnUsingMap"
spark = SparkSession.Buil
浏览 25提问于2022-06-27得票数 0
我试图在dynamoDB中插入200万项(WCU = 40,000)。但是当我使用星图时，它是抛出的错误。
%livy.pyspark
import shutil
from typing import Text, List
from pyspark.sql import SparkSession, DataFrame
import boto3
from urllib.parse import urlparse
from boto3.dynamodb.conditions import Key
dynamodb = boto3.resource('dynamodb', reg
浏览 6提问于2021-02-27得票数 0
我是卡夫卡和斯帕克的新手。我已经通过Kafka生产者传递了消息，并试图在spark流中读取，但在main方法中遇到错误。代码如下所示。
spark-submit --packages org.apache.spark:spark-streaming-kafka-0-8_2.11:2.4.7 Streaming Example.py
from pyspark import SparkContext
from pyspark.sql import SparkSession
from pyspark.streaming import StreamingContext
from pyspar
浏览 15提问于2021-05-27得票数 0
如何解析嵌套列表中的JSON字符串以激发pyspark中的数据帧？
输入数据框架：
+-------------+-----------------------------------------------+
|url |json |
+-------------+-----------------------------------------------+
|https://url.a|[[1572393600000, 1.000],[1572480000000, 1.007]]|
|h
浏览 1提问于2021-02-08得票数 2
回答已采纳
局部模式运行
计算机内存：16‘s
计算机可用磁盘空间：500‘s
输入文件大小：50
错误消息：java.lang.OutOfMemoryError: Java堆空间
代码:在命令窗口中使用.\pyspark后，输入到windows命令提示符中的
码
from pyspark import SparkConf, SparkContext
import pyspark
rdd = sc.textFile('file:///myBigFile.xml')
rdd.persist(pyspark.StorageLevel.DISK_ONLY)
r
浏览 2提问于2019-01-31得票数 0
1回答
我有个疑问。在Pyspark中，当我们需要基于(Key，Value)获得总计(SUM)时，我们的查询如下：
RDD1 = RDD.reduceByKey(lambda x , y: x + y)
当我们需要为(Key，Value)查找MAX / MIN值时，我们的查询内容如下
RDD1 = RDD.reduceByKey(lambda x , y: x if x[1] >= y[1] else y)
为什么我们不使用x[1]、Y[1]对数据进行求和，对于MAX /MIN使用相同的数据？请澄清这个疑问。
Rgd's
浏览 2提问于2016-12-31得票数 1
我试图在datalakeGen2中将一个简单的字符串存储为文本文件，编写在Synapse记事本上的python代码。但它似乎并不是直接的。
我试图将文本转换为rdd，然后存储：
from pyspark import SparkConf
from pyspark import SparkContext
sc = SparkContext.getOrCreate(SparkConf().setMaster("local[*]"))
str = "test string"
text_path = adls_path + 'test.xml'
rd
浏览 2提问于2021-06-29得票数 0
回答已采纳
由于我是星火社区的新手，任何人都能解释如何从数据库表创建PySpark RDD吗？我可以使用PySpark方法的textFile()方法从CSV文件创建SparkContext RDD。但我不知道从数据库表中创建PySpark RDD。
浏览 0提问于2018-02-10得票数 1
回答已采纳
1回答
我是Python和Spark的新手。我有一对包含(key，List)的RDD，但是有些值是重复的。RDD是表单(zipCode，streets)，我想要一对不包含重复项的RDD。我正在尝试使用python来实现它。有人能帮忙吗。
(邮编，街道)
streetsGroupedByZipCode = zipCodeStreetsPairTuple.groupByKey()
dayGroupedHosts.take(2)
[(123456, <pyspark.resultiterable.ResultIterable at 0xb00518ec>),
(523900, <pys
浏览 2提问于2015-06-16得票数 0
回答已采纳
1回答
我对Spark完全陌生，目前我正在尝试使用Python编写一段简单的代码，对一组数据执行KMeans操作。
from pyspark import SparkContext, SparkConf
from pyspark.sql import SQLContext
import re
from pyspark.mllib.clustering import KMeans, KMeansModel
from pyspark.mllib.linalg import DenseVector
from pyspark.mllib.linalg import SparseVector
from nump
浏览 2提问于2017-03-02得票数 5
回答已采纳
我使用itertools.groupby编写了一个映射函数来聚合数据，我所做的如下所示。
驱动程序代码
pair_count = df.mapPartitions(lambda iterable: pair_func_cnt(iterable))
pair_count.collection()
映射函数
def pair_func_cnt(iterable):
from itertools import groupby
ls = [[1,2,3],[1,2,5],[1,3,5],[2,4,6]]
grp1 = [(k,g) for k,g in groupby(ls,
浏览 2提问于2016-08-05得票数 0
我的train_rdd和(('a',1),('b',2),('c',3))一样。我使用以下方法将其转换为DataFrame
from pyspark.sql import Row
train_label_df = train_rdd.map(lambda x: (Row(**dict(x)))).toDF()
但也许某些RDDS中缺少了一些钥匙。所以错误就会发生。
File
"/mnt/hadoop/yarn/local/usercache/hdfs/appcache/application_/container_05_000017/py
浏览 8提问于2020-07-07得票数 1
回答已采纳
1回答
在实践中火花放电
from pyspark import SparkConf, SparkContext
conf = SparkConf().setMaster("local").setAppName("PopularMovies_Repartition")
sc = SparkContext.getOrCreate(conf)
def f(x,y) :
return x[0]+y[0]
sumRating = ratingRdd.reduceByKey(f) # (movie id , (sum of rating,count of rati
浏览 3提问于2022-01-18得票数 0
2回答
使用PySpark 1.6.3，我试图将RDD转换为Dataframe。这是在齐柏林飞艇笔记本上运行的测试代码。感兴趣的是rdd_ret。
>>> from pyspark.sql import Row
>>> rdd_ret.count()
9301
>>> rddofrows = rdd_ret.map(lambda x: Row(**x))
>>> things = rddofrows.take(10000)
>>> len(things)
9301
>>> [type(x) fo
浏览 0提问于2018-06-21得票数 2
我试图通过循环遍历该数据的每一行来打印数据。然后，我使用对dataframe的RDD的map()转换来应用lambda函数，并尝试将其转换回dataframe。我通过conda env在木星笔记本上运行这个程序。我的猜测是，在应用rlike()函数时存在一些问题，因为没有rlike()函数，映射工作得很好。下面的代码如下：
from pyspark.sql import SparkSession
import pyspark.sql.functions as F
from pyspark.sql.window import Window
spark = SparkSession.bui
浏览 14提问于2022-09-19得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
云直播
对象存储活动推荐
腾讯云开发者
