这是我参与8月更文应战的第8天，活动概略查看：8月更文应战

正文

1、watermark的效果

watermark是用于处理乱序作业的，而正确的处理乱序Google作业，一般用watermark机制结合window来结束。
咱们知道，流处理从作业发生，到流经source，再到operator，中心是有一个进程和时刻的。虽然大部分情况下，流到operatorscala长处的数据都是按照作业发生的时刻次第来的，可是也不扫除由于网络、背压等原因，导致乱序的发生（out-of-or数据处理包含数据的搜集加工和输出der或许说late数据处理的常用办法有哪些 element）。
可是关于late element，咱们又不能无限期的等下去，有必要要有个机制来确保一个特定的时刻后，有必要触发window数据处理包含哪些内容去进行核算了。这个特别的机制，便是watermark。

2、watermark处理迟到的数据

实时系统中，由于各种原因构java初学成的延时，构成某些音讯发到flink的时刻延时googleplay安卓版下载于作业发生的时刻。假定根据event time构建window，可是关于late element，咱们又不能无限期的等下去，有必要要有个机制来确保一个特定的时刻数据处理工程师后googleplay，有必要触发window去进行核算了。这个特别的机制appearance，便是watermark。

Watermarks(水位线)便是来处理这种问题的机制

参阅google的DataFlow规划scalability。
是event time处理google谷歌查找主页进度的标志。
表明java初学比watermark更早(更老)的作业都现已抵达(没有比水位线更低的数据 )。
根据watermark来进行窗口触发核算的判断。

有序的数据流watermark：

在某些情况下，根据Event Timscalare的数据流是有续的(数据处理包含数据的搜集加工和输出相对event time数据处理软件)。在有序流中，watermark便是一个简略的周期性标记。

无序的数据数据处理办法有哪些流watermark：

在更多数据处理员是干什么的场景下，根据Event Time的数据流是无续的(相对event time)。
在无序流中，watermark至关重要，java模拟器她告知operator比watermark更早(更老/时刻戳java言语更小)的作业现已抵达， operator能够将内部作业时刻提前到watermark的时刻戳(能够触发wscalability是什么意思indow核算啦)

并行流傍边的watermark：

一般情况下， watermar数据处理包含数据的搜集加工和输出k在source函数中生成，可是也能够在source后任何阶段，假定指定屡次 watermark，后边指定的 watermarker会掩盖前面的值。 source的每个sub task独立生成水印。
watermark经过operator时会推进operators处的其时event time，一同operators会为下流生成一个新的watermark。
多输入operator(union、 keyBy、 parScalatition)的其时event time是其数据处理办法有哪些输入流event time的最小值。
留心：多并行度的情况下，watermark对齐会取全部channel最小的watermark

3、watermark怎样生成

一般，在接纳到source的数据后，应该马上生成watermark；可是，也能够在source后，使用简略的map或许filter操作，然后再生成watermark。

生成waterm数据处理是什么ark的办法主要有2大类：

With PGoogleeriodic Watermarjava调集ks
With数据处理办法有哪些 Punctuated Watermarks

第一种能够界说一个最大Scala容许乱序的时刻，这种情况使用较多。
咱们主要来盘绕Pegoogle浏览器riodijava初学c Watermarks来阐明，下面是生成periodic watermark的java调集办法：

4、watermark处理次第数据

需求：界说一个窗口为10s，经过数据的event t数据处理包含哪些内容ime时刻结合watermark结束推延10s的数据也能够正确核算
咱们经过数据的evappleentTime来向前推10s，得到数据的watermarkjava言语，
代码结束：

packjava难学吗age com.shockanggoogleplay安卓版下载.study.bigdata.flink.watermark
import orapplicationg.apache.fjava调集link.api.java.tuple.Tuple
import org.apache.flink.streaming.api.TimgoogleplayeCharacteristic
import org.apache.flink.streaming.api.functiogoogle浏览器ns.AssignerW数据处理包含哪些内容ithPeriodicWatermarks
import org.apache.fappearancelijava怎样读nk.streaming.数据处理是什么api.scala.function.WindowFunction
import org.apache.flink.streaming.api.app是什么意思scala.{DataStream, StreamExecutionEnvironment}
import org.apache.flink.stre数据处理的常用办法有哪些aming.api.watermark.Watermark
import org.apache.flgoogle空间ink.streaming.api.windowing.assigners.TumblingEventTimeWindows
import org.apache.flink.streaming.api.windowing.time.Time
import org.apache.flink.streaming.api.windowingoogle地球g.scalablewindows.TimeWindow
import org.apache.flink.util.Collector
import java.textGoogle.SimpleDateFormat
import scala.collection.mutable.ArrayBuffer
import scala.util.Sorting
object FlinkWaterMark2 {
def main(argsGoogle: Array[String]): Unit = {
val env = StreamExecutionEnvironment.getExecutionEnvironment
import org.scalableapache.flink.api.scala._
//设置flink的数据处理时app是什么意思间为eventTime
env.setStreamTimeCharacteristic(TimeCharacteristic.EventTime)
envjava面试题.setParallelism(1)
val tupleStream: DataSscalability是什么意思tream[数据处理包含数据的(String, Long)] = env.socketTextStream("node01", 9000).map(x => {
valAPP strings: Array[String] = x.split(" ")
(strings(0), strings(1).toLong)
})
//注册咱们的水印
val waterMark数据处理包含数据的搜集加工和输出Stream: DataStream[(String, Ljava工作培训班ong)] = tupleStream.assignTimestampsAndWatermarks(new AssignerWithPeriodicWatermarks[(String, Long)] {
var currentTimemillis: Long = 0L
var timeDiff: Long = 10000L
val sdf = new SimpleDateFormat("yyyy-MM-java难学吗dd HH:mm:ss.SSS");
/* //获取其时数据的waterMark
override def getNext: Watermark = {
}*/
override def getCurrentWatermark: Watermark = {
val watermark = new Watermark(currentTimemillis - timeDiff)
wa数据处理termark
}google商铺
//抽取数据的eventTime
override def eAPPxtractTimapproachestamp(element: (String, Long), l: Long): Long = {
val enventTime = element._2
currentTimemillis = Math.max(envescala教程ntTime, currentTimemillis)
val id = Thread.currentThread().getId
println("currentThreadId:" + id + ",key:" + element._1 + ",eventti数据处理员是干什么的me:[" + element._2 + "|" + sdf.format(element._2) + "],curre数据处理包含数据的ntMaxTimestamp:[" + currentTimemillis + "|" + sdf.format(currentTimeappearmillis数据处理办法有哪些) + "],watermark:[" + this.getCurrentWatermark.getTimestamp + "apple|" + sdf.format(this.getCurrentscala长处Watermark.getTimesjava难学吗tamp) + "]")
egoogleplaynventTime
}
})
waterMarkStream.keygoogle空间By(0)
.window(TumblingEgoogle空间veappreciatentscalability是什么意思TimeWindows.of(Time.seconds(10)))
.apply(new MyWindowFunction2).print()数据处理员是干什么的
env.execute()
}
}
class MyWindowFunction2 extends WindowFunction[(String, Long), Strgoogle商铺ing, Tuple, TimeWindow] {
override def apply(key: Tuplejava开发, window: TimeWindow, input: Iterable[(String, Long)],
out: Collect数据处理or[String]): Uni数据处理t = {
val keyStr = key.toString
val arrBuf = ArrayBuffegoogle地球r[Long]()
val ite = input.iterator
while (ite.hasNext) {
val tup2 = ite.next()
arrBuf.appendapp是什么意思(tup2._2)
}
val arr = arrBuf.toArray
Sorting.quickSort(arr) //对数据进数据处理员是干什么的行排序，按照eventTime进行排序
val sdfgoogle浏览器 = new SiAPPm数据处理员是干什么的pleDateFormat("yyyy-MM-dd HH:mm:ss.SSS");
v数据处理包含哪些内容al result = "聚合数据的key为：" + keyStr + "," + "窗口傍边数据的条数为：" + arr.length + "," + "窗口傍边第一条数据为：" +scalability是什么意思 sdf.format(arr.head) + "," + "窗口傍边终究一条数据为：" + sdf.format(arr.last) + "," + "窗口开端时刻为：" + sdf.fscala长处ormat(window.getStart) + "," + "窗口结束时刻为：" + sdf.format(window.getEnd) + "！！！！！看到这个效果，就证明窗口现已工作了"
out.collect(result)
}
}

输入查验数据

留心：假定需求触发flink的窗口调用，有必要满足两个条件
1：waterMarkTime > eventTime
2：窗口内有数据approach

数据输入查验：

按照十秒钟核算一次app是什么意思，咱们程序会将时刻划分成为以下时刻间隔段
2019-10-01 10:11:00  到  2019-10-01 10:11:10
2019-10-01 10:11:10  到  2019-10-01 10:11:20
201java怎样读9-10-01 10:11:20  到  2019-10-01 10:11:30
2019-10-01 10:11:30  到  2019-10-01 10:11:40
2019-10-01 10:java工作培训班11:40  到  2019-10-01 10:11:scalar50
201appointment9-10-01 10:11:50  到  2019-10-01 10:12:00
次第核算：
触发数据核算的条件根据为两个
第一个waterMark时刻appstore大于数据的eventTime时刻，第二个窗口之内有数据
咱们这儿的wa数据处理员是干什么的terMark直接appstore使用eventTime的数据处理最大值减去10秒钟
0001 1569895882000	 数据eventTime为：2scala长处019-10-01 10:11:22  数据waterMark为  2019-10-01 10:11:12
0001 1569895885000	 数据eventTime为：2019-10-01 10:11:25  数据waterMark为  2019-10-01 10:11:15
0001 1569895888000	 数据eventTime为：application2019-10-01 10:11:28  数据waterMark为  2019-10-01 10:11:18
0001 1569895890000	 数据evengoogle商铺tTime为：2019-10-01 1scala言语是强类型仍是弱类型0:11:google服务结构30  数据waterMark为  2019-10-appreciate01 10:11:2google浏览器0
0001 15698application95891000	 数据eventTime为：2019-10-01 10:11:31  数据waterMark为  2019-10-01 10:11:21
0001 1569895895approve000	 数据eventappointmentTime为：2019-10-01 10:11:35  数据waterMark为  2019-10-01 10:11:25
0001 1569895898000	 数据eventTime为：2019-10-01 10:11:38  数据waterMark为appstore  2019-10-01 10:11:28
0001 1569895900000	 数据eventTime为appearance：2019-10-01 10:11:40  数据waterMark为  2019-10-01 10:11:3google谷歌查找主页0  触发第一条到第三条数据核算，数据包前不包后，不会核算2019-10-01 10:11:30 这条java开发数据
0001 1569895911000	 数据eventTime为：2019-10-01 10:11:51  数据java言语waterMscala怎样读ark为  2019-10-01 10:11:41  触发2019-10-01 10:11:20到2019-10-01 10:11:28时刻段的额数据核算，数据数据处理软件包前不包后，不会触发2019-10-01 10:11:30这条数据的核算

5、watermark处理乱序数据

输入查验数据
接着持续输入以下java怎样读乱序数据，验证flink乱序数据的问题是否能够处理

乱序数据
0001 1569895948000	 数据eventTime为：2019-10-01 10:12:28  数据waterMark为  2019-10-01 10:12:18appearance
0001 15698959google谷歌查找主页45000	 数据eventTime为：2019-10-01 10:12:25  数据watergoogleplay安卓版下载Mark为  2019-10-01 10:12:18
0001 1569895947000	 数据eventT数据处理是什么ime为：2019-10-01 10:12:27  数据waapp是什么意思terMark为approach  2019-10-01 10:12:18
0001 156appointment9895950000	 数据eventTime为：2019-10-01 10:12:java难学吗30  数据waterMark为  2019-10-01 10:1数据处理员是干什么的2:20
0001 1569895960000	 数据eventTime数据处理软件为：2019-10-01 10:12:40  数据waterMark为  2019-10-01 10:12:30  触发数据处理是什么核算 waterMark > eventTime 而且窗口内有数据，触发 2019-10-01 10:12:28到2019-10-01 10:12:27 这三条数据的核算，数据包前不包后，不会触发2019-10-01 10:12:30 这条数据的java工作培训班核算
0001 1569895949000	 数据eventTime数据处理是什么为：2019-10-01 10:12:29  数据waterMark为  2019-10-01 10:12:30  迟到太多的数据数据处理员是干什么的，flink直接丢掉，能够设置flink将java模拟器这些迟到太多的数据保存起来，便于排查问题

6、比wa数据处理的最小单位是termark更晚的数据怎样处理

假定咱们设置数据的watermark为每条数据的eventtime往后必定的时刻approach，例如数据的evappearenttime为2019-08-20 15:30:30，程序的window窗口为10s，然后咱们设置的watermark为2019-08-20 15:30:40，
那么假定某一条数据eappearanceventtime为2019-08-20 15:30:32，抵达flink程数据处理办法有哪些序的时刻为2019-08-20 15:30:45 该怎样办，这条数据比窗口的watermark时刻还要晚了5S钟该怎样办？关于这种比watermark还要晚的数据，flink有三种处理办法

1、直接丢掉

咱们输入一个乱序许多的（其实只需 Event Time < watermark 时数据处理包含数据的搜集加工和输出间）数据来查验下：输入：【输入两条内容】
late element
0001 1569895948数据处理的最小单位是000 数据eventTime为：2019-10-01 10:12:28 数据直接丢掉
0001 1569895application945000 数据eventTime为：2019-10-01 10:12:25 数据直接app是什么意思丢掉
留心：此刻并没有触发 window。由于输入的数据所在的窗口现已实施过了，flink 默许对这些迟到的数据的处理方案便是丢掉。

2、allowedLateness 指数据处理工程师定容许数据推延的时刻

在某些情况下，咱们希望对迟到的数据再供应一个宽恕的时刻。
Flink 供应了 allowedLateness 办法能够结束对迟到的数据设置一个推延时刻，在指定推延时刻内抵达的数据仍是能够触发 window 实施的。

修正代码：

waterMarkStrjava言语eam
.keyBy(0)
.window(TumblingEventTimeWindows.of(Time.sscala怎样读econds(3))).google商铺allowedLateness(Time.seconds(2))/google空间/容许数scalability据迟到2S
//function: (K, W, Iterable[T], Collector[R]) => Unit
.apply(new MyWindoAPPwFunction).print()

验证数据迟到性：
输入数据：

更改代码之后重启咱们的程序，然后appstore从头输入之前的数据

0001 1569895882000
0001 1569895885000
0001 1569java面试题89scalability是什么意思5888000
0001 1569895890000
0001 1569895891000
0001 1569895895000
0001 1569895898000
0001 15698959scala教程00000
0001 1569895911000
0001 1569895948000
0001 156989java模拟器5945000
0001 1569895947000
0001 1569895950000
0001数据处理工程师 1569895960000
0001 1569895949000

验证数据的推延性：界说数据只是推延2Sscalar是什么意思的数据从头接纳，从头核算

0001 1569895948000	 数据eventTime为：2019-10-01appointment 10:1Google2:28  触发数据核算  数据waterMark为  2019-10-01 10:12数据处理工程师:30
0001 15698959javascript45000	 数据eventTime为：2019-10-01 10:12:25  触发数据核算  数据waterMark为  2019-appear10-01 10:12:30

0001 1569895958000	 数据eventTime为：java怎样读2019-10-01 10:12:38  不会触发数据核算 数据waterMark为google浏览器  2019-10-01 10:12:30  waterMa数据处理是什么rkTime  <  eventTime，所以不会触发核算

将数据的waterMark调整为41秒就能够触发上面这条数据的核算了

0001 1569数据处理员是干什么的895971000	 数据eventTime为：2019-10-01 10:12:51  数据watergoogle谷歌查找主页Mark为  2019-10-01 10:12:41

又会持续触发0001 1569895958000 这条数据的核算了

3、sideOutputLateData 搜集迟到的数据

经过 sideOutputLateData 能够把迟到的数据一致搜集，一致存储，便当后期排查问题。

需求先调整代码：

package com.shockang.stugoogle商铺dy.bigdata.flink.watermark
import org.apache数据处理的常用办法有哪些.flink.api.javscalablea.tuple.Tuple
import org.apache.flink.streaming.api.TimeCha数据处理包含数据的ra数据处理软件cteristic
import org.apache.flink.streaming.api.functions.AssignerWithPunctuatedWatermaJavarks
import org.apache.flink.streaming.api.scala.function.Windscala言语owFunction
import org.agoogle翻译pache.flink.streaming.api.scala.{DataStream, OutputTag, StreamExecutionEnv数据处理包含哪些内容ironment}
import org.apac数据处理软件he.flink.streaming.api.watermark.Watermark
import org.apache.flink.streaming.api.windjava模拟器owing.asscala怎样读signers.TumblingEventTimeW数据处理的常用办法有哪些indows
import org.apache.flink.streaming.api.windowing.time.Tgoogleplay安卓版下载ime
import org.apache.flink.streaming.api.windowing.windows.TimeWindow
import org.apache.flinkjava工作培训班.util.Collector
import java.text.SimpleDateFormat
import scala.collection.mutable.ArrayBuffer
import scala.util.Sorting
object FlinkWaterMark {
def main(args: Array[String])approve: Unit = {
val env = StreamExecutionEnvirongoogle浏览器ment.getExecutionEnvironment
import org.apache.flink.api.scala._
//设置time类型为evjava模拟器enttime
env.setStreamTimeCharacteristijava怎样读c(TimeCharacteristic.EventTime)
//暂时界说并行度为1
env.setParallelism(1)
val text = env.socketTextStream("node01", 9000)
val inputMap: DataStream[(Strgoogle地球ing, Lojava怎样读ng)] = text.map(line => {
val arr = line.split(" ")
(arr(0), arr(1).toLong)
})
//给咱们appstore的数据注google浏览器册waterMark
val waterMarkStream: DataStream[(Striscalability是什么意思ng, Long)] = inputMap
.assignTimestampsAndWatermarks(new AssignerWgoogleithPunctuatedWatermarks[(String, Long)] {
var currentMaxTimestamp = 0L
//watermark根据eventTime向后推延1数据处理的最小单位是0秒钟，容许音讯最scalability是什么意思大乱序时刻为10s
val waterMarkDiff: Long = 10000L
val sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss.SSSJava");
//获取下一个水印
override def checkAndGetNextWatermark(t: (String, Long), l: Long): Watermark = {
val watermark = new Watermark(currentMaxTijava模拟器mestamp - waterMarkDiff)
watermark
}
//抽取其时数据scala教程的时刻作为eventTime
over数据处理包含数据的r数据处理包含哪些内容ide def extract数据处理包含数据的搜集加工和输出Timestampscala长处(element: (String, Long), l: Long): Long = {
val eventTime = element._2
currentMaxTimestamp = Math.max(eventTime, currentMaxTimestamp)
val id = Thread.currentThread().gscala教程etId
println("currentThjava调集readId:" + id + ",数据处理包含哪些内容key:" + elementscalability._1 + ",eventtime:[" + element._2 + "|" + sdf.format(elegoogle商铺ment._2) + "],currentMaxTimestamp:[" + currentMaxTimestamp + "|" + sdf.format(currentMaxTimestamp) + "],watermark:[" + thjava开发is数据处理的常用办法有哪些.checkAndGetNextWatermark(element, l).getTimestampscala长处 + "|" + sdf.format(this.checkAndGe数据处理包含哪些内容tNextWatermark(elescalarment, l).getTimestamp) +google翻译 "]")
eventTime
}
})
val outputTag:scala怎样读 OutputTag[(String, Long)] = njava调集ewapprove OutputTag[(Stringjava初学, Long)]("late_data")
val outputWindow: DataStream[String] = waterMa数据处理rkStream
.keyBy(0)
.window(TumblingEventTimeWindows.of(Time.seconds(3)))
// .allowedLateness(Time.appreciateseconds(2))//容许数据迟java难学吗到2S
.sideOutputLateData(outputTag)
//function: (K, W, Iterable[T], Collector[R]) => Unit
.apply(new MyWinjava调集dowFuncapprovetion)
val sideOuptut: DataStream[(String, Long)] = outpGoogleutWindow.getSideOutput(outpscala言语utTag)
sideOuptut.print()
outputWindow.print()
//实施程序
env.execuscala言语是强类型仍是弱类型te()
}
}
class MyWindowFunction extends WindowFunction[(String, Long), String, Tuple, TimeWindow]javascript {
override def apply(key: Tuple, window: TimeWindow, inpugoogle谷歌查找主页t: Itergoogleplay安卓版下载able[(StriScalang, Long)], out: Collector数据处理包含数据的[String]): Unit = {
val keyStr = key.toString
val arrBuf = ArrayBuffer[Long]()
val ite = input.iterator
while (ite.hasNext) {
val tup2 = ite.next()
arrBuf.append(tup2._2)
}
val arr = arrBuf.toArray
Sorting.quickSort(arr)
val sdfgoogle谷歌查找主页 = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss.SSS");
val result =java难学吗 keyStr + "," + arr.length + "," + sdf.format(arr.hea数据处理包含数据的d) + "," + sdf.format(arr.last) + "," +数据处理软件 sdf.format(window.getStart) + "," + sdjava难学吗f.format(window.gescalar是什么意思tEnd)
out.collect(result)
}
}

咱们来appointment输入一些数据验证一下输入

0001 1569895882000
0001 1569895885000
0001 1569895888000
0001 1569895890000
0001 1569895891000
0001 156989scalability是什么意思5895000
0001 1569895898000
0001 1569895900000
0001 1569895911000
0001 1569895948000
0001 1569895945000
0001 1569895947000
0001 1569895950000
0001 1569895960000
0001 1569895949000
输入两条迟到的数据，会被搜集起来
0001 156989594javascript8000
0001 156989approve5945000

此刻，针对这几条迟到的数据，都经过 sideOutputLateData 保存数据处理包含哪些内容到了 outputTag 中。

7、多并行度的watermargoogleplayk机制

前面代码中设java工作培训班置了并行度为 1

env.setapp是什么意思Parallelism(1);

假定这appearance儿不设置的话，代码在工作的时分会默许读取本机 CPU 数量设置并行度。把代码的并行度代码注释掉

//env.setParallelism(1)

然后在输出内容前面加上线程 id数据处理包含哪些内容

会出现如下数据：输入如下几行内容：

输出：

会发现 window 没有被触发。

由于此刻，google谷歌查找主页这 7 条数据都scala言语是被不同的线程处理的。每个线程都有一个 watermark。

由于在多并行度的情况scala教程下，watermark 对齐会取全部 channel 最小的 wscalability是什么意思atermark 可是咱们现在默许有 8 个并行度，这 7 条数据都被不同的线程所处理，到现在还没获取到最小的 watermark，所以 window 无法被触发实施。

下面咱们来验证一下，把app是什么意思代码中的并行度调整为 2.

env.setParallelism(2)

输入如下内容：

0001 1569895890000
0001 1569895903000
0001 1569895908000

输出：

此刻会发现，当第三条数据输入完往后，[10:11:30,1google空间0:11:33)这个 window 被触发了。

前两条数据输入之后，获取到的最小 watermark 是 10:11:20，这个时分对应的 w数据处理工程师indow 中没有数据。

第三条数据输入之后，获取到的数据处理包含哪些内容最小 watermark 是 10:11:33，这个时分对应的窗口便是 [10:11:30,10:11:33)。所以就触发了。

一篇文章搞懂 Flink 的 watermark 机制

正文

1、watermark的效果

2、watermark处理迟到的数据

有序的数据流watermark：

无序的数据数据处理办法有哪些流watermark：

并行流傍边的watermark：

3、watermark怎样生成

4、watermark处理次第数据

输入查验数据

5、watermark处理乱序数据

6、比wa数据处理的最小单位是termark更晚的数据怎样处理

1、直接丢掉

2、allowedLateness 指数据处理工程师定容许数据推延的时刻

3、sideOutputLateData 搜集迟到的数据

7、多并行度的watermargoogleplayk机制

作者信息

一篇文章搞懂 Flink 的 watermark 机制

正文

1、watermark的效果

2、watermark处理迟到的数据

有序的数据流watermark：

无序的数据数据处理办法有哪些流watermark：

并行流傍边的watermark：

3、watermark怎样生成

4、watermark处理次第数据

输入查验数据

5、watermark处理乱序数据

6、比wa数据处理的最小单位是termark更晚的数据怎样处理

1、直接丢掉

2、allowedLateness 指数据处理工程师定容许数据推延的时刻

3、sideOutputLateData 搜集迟到的数据

7、多并行度的watermargoogleplayk机制

相关文章

马斯克的Twitter迎来严重危机，我国的超级App模式是否能拯救？

一个高效的Android终端日志过滤工具

JVM怎么使用native memory（How the Java runtime uses native memory）

ChatGPT编程秀-6： 我们还需要那么多库吗

作者信息

ChatGPT编程秀-6：我们还需要那么多库吗