先進(jìn)性技術(shù)專題講座報(bào)告-大數(shù)據(jù)云計(jì)算及分布式_第1頁
先進(jìn)性技術(shù)專題講座報(bào)告-大數(shù)據(jù)云計(jì)算及分布式_第2頁
先進(jìn)性技術(shù)專題講座報(bào)告-大數(shù)據(jù)云計(jì)算及分布式_第3頁
先進(jìn)性技術(shù)專題講座報(bào)告-大數(shù)據(jù)云計(jì)算及分布式_第4頁
先進(jìn)性技術(shù)專題講座報(bào)告-大數(shù)據(jù)云計(jì)算及分布式_第5頁
已閱讀5頁,還剩3頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、精選優(yōu)質(zhì)文檔-傾情為你奉上大數(shù)據(jù)、云計(jì)算及分布式淺析先進(jìn)性技術(shù)專題報(bào)告目錄摘要:大數(shù)據(jù)(big data science)和云計(jì)算(cloud computing)是當(dāng)今信息時(shí)代下,最具發(fā)展前景的熱門領(lǐng)域,無疑是信息工業(yè)革命中的又一次令人興奮的技術(shù)浪潮,該領(lǐng)域的迅猛發(fā)展將會在相關(guān)的項(xiàng)目領(lǐng)域帶來概念以及技術(shù)上的顛覆性改變,同時(shí)也會對人類的生活方式和對信息的認(rèn)知模式帶來巨大的沖擊。分布式(distributed system)的發(fā)展為大數(shù)據(jù)與云計(jì)算在技術(shù)上奠定了實(shí)現(xiàn)的基礎(chǔ),大數(shù)據(jù)的處理分析需要龐大的計(jì)算能力,云計(jì)算為此提供強(qiáng)有力的支持,而云計(jì)算的本質(zhì)就是分布式系統(tǒng),將無數(shù)在空間上分離的計(jì)算機(jī)資源匯

2、聚到一起,形成一個(gè)巨大的資源池,用戶根據(jù)自己的需要從中獲取所需的云平臺資源,這一過程運(yùn)用到了虛擬化技術(shù)(virtualization),將無數(shù)物理上隔離的并且計(jì)算能力有限的計(jì)算機(jī)虛擬化成了一個(gè)計(jì)算能力相當(dāng)可觀的資源池,對于用戶而言這些物理計(jì)算機(jī)是透明的,他們只需要關(guān)心自己實(shí)際獲取到的資源。事實(shí)上這也正是阿里巴巴在去IOE化過程中應(yīng)用的技術(shù),采用開源軟件在水平方向上進(jìn)行拆分和分布式部署,具有很強(qiáng)的實(shí)際參考意義。1 大數(shù)據(jù)大數(shù)據(jù)由巨型數(shù)據(jù)集組成,這些數(shù)據(jù)集大小常超出人類在可接受時(shí)間下的收集、庋用、管理和處理能力。大數(shù)據(jù)的大小經(jīng)常改變,截至2012年,單一數(shù)據(jù)集的大小從數(shù)太字節(jié)(TB)至數(shù)十兆億字節(jié)

3、(PB)不等。在一份2001年的研究與相關(guān)的演講中,麥塔集團(tuán)(META Group,現(xiàn)為高德納)分析員道格·萊尼(Doug Laney)指出數(shù)據(jù)增長的挑戰(zhàn)和機(jī)遇有三個(gè)方向:量(Volume,數(shù)據(jù)大?。?、速(Velocity,數(shù)據(jù)輸入輸出的速度)與多變(Variety,多樣性),合稱“3V”或“3Vs”。高德納與現(xiàn)在大部分大數(shù)據(jù)產(chǎn)業(yè)中的公司,都繼續(xù)使用3V來描述大數(shù)據(jù)。高德納于2012年修改對大數(shù)據(jù)的定義:“大數(shù)據(jù)是大量、高速、及/或多變的信息資產(chǎn),它需要新型的處理方式去促成更強(qiáng)的決策能力、洞察力與最優(yōu)化處理?!绷硗猓袡C(jī)構(gòu)在3V之外定義第4個(gè)V:真實(shí)性(Veracity)為第四特點(diǎn)。

4、大數(shù)據(jù)必須借由計(jì)算機(jī)對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)、比對、解析方能得出客觀結(jié)果。美國在2012年就開始著手大數(shù)據(jù),奧巴馬更在同年投入2億美金在大數(shù)據(jù)的開發(fā)中,更強(qiáng)調(diào)大數(shù)據(jù)會是之后的未來石油。大數(shù)據(jù),或稱巨量數(shù)據(jù)、海量數(shù)據(jù)、大資料,指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無法通過人工,在合理時(shí)間內(nèi)達(dá)到截取、管理、處理、并整理成為人類所能解讀的形式的信息。在總數(shù)據(jù)量相同的情況下,與個(gè)別分析獨(dú)立的小型數(shù)據(jù)集(data set)相比,將各個(gè)小型數(shù)據(jù)集合并后進(jìn)行分析可得出許多額外的信息和數(shù)據(jù)關(guān)系性,可用來察覺商業(yè)趨勢、判定研究質(zhì)量、避免疾病擴(kuò)散、打擊犯罪或測定實(shí)時(shí)交通路況等;這樣的用途正是大型數(shù)據(jù)集盛行的原因。截至2012年,技

5、術(shù)上可在合理時(shí)間內(nèi)分析處理的數(shù)據(jù)集大小單位為艾字節(jié)(exabytes)。在許多領(lǐng)域,由于數(shù)據(jù)集過度龐大,科學(xué)家經(jīng)常在分析處理上遭遇限制和阻礙;這些領(lǐng)域包括氣象學(xué)、基因組學(xué)、神經(jīng)網(wǎng)絡(luò)體學(xué)、復(fù)雜的物理模擬,以及生物和環(huán)境研究。這樣的限制也對網(wǎng)絡(luò)搜索、金融與經(jīng)濟(jì)信息學(xué)造成影響。數(shù)據(jù)集大小增長的部分原因來自于信息持續(xù)從各種來源被廣泛收集,這些來源包括搭載感測設(shè)備的移動設(shè)備、高空感測科技(遙感)、軟件記錄、相機(jī)、麥克風(fēng)、無線射頻辨識(RFID)和無線感測網(wǎng)絡(luò)。自1980年代起,現(xiàn)代科技可存儲數(shù)據(jù)的容量每40個(gè)月即增加一倍;截至2012年,全世界每天產(chǎn)生2.5艾字節(jié)(2.5×1018字節(jié))的數(shù)據(jù)

6、。大數(shù)據(jù)幾乎無法使用大多數(shù)的數(shù)據(jù)庫管理系統(tǒng)處理,而必須使用“在數(shù)十、數(shù)百甚至數(shù)千臺服務(wù)器上同時(shí)平行運(yùn)行的軟件”。大數(shù)據(jù)的定義取決于持有數(shù)據(jù)組的機(jī)構(gòu)之能力,以及其平常用來處理分析數(shù)據(jù)的軟件之能力?!皩δ承┙M織來說,第一次面對數(shù)百GB的數(shù)據(jù)集可能讓他們需要重新思考數(shù)據(jù)管理的選項(xiàng)。對于其他組織來說,數(shù)據(jù)集可能需要達(dá)到數(shù)十或數(shù)百兆字節(jié)才會對他們造成困擾?!彪S著大數(shù)據(jù)被越來越多的提及,有些人驚呼大數(shù)據(jù)時(shí)代已經(jīng)到來了,2012年紐約時(shí)報(bào)的一篇專欄中寫到,“大數(shù)據(jù)”時(shí)代已經(jīng)降臨,在商業(yè)、經(jīng)濟(jì)及其他領(lǐng)域中,決策將日益基于數(shù)據(jù)和分析而作出,而并非基于經(jīng)驗(yàn)和直覺。但是并不是所有人都對big data感興趣,有些人

7、甚至認(rèn)為這是商學(xué)院或咨詢公司用來嘩眾取寵的buzzword,看起來很新穎,但只是把傳統(tǒng)重新包裝,之前在學(xué)術(shù)研究或者政策決策中也有海量數(shù)據(jù)的支撐,大數(shù)據(jù)并不是一件新興事物。1.1 數(shù)據(jù)挖掘(Data Mining)數(shù)據(jù)挖掘(Data mining),又譯為資料探勘、數(shù)據(jù)挖掘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫知識發(fā)現(xiàn)(英文:Knowledge-Discovery in Databases,縮寫:KDD)中的一個(gè)步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中自動搜索隱藏于其中的有著特殊關(guān)系性(屬于Association rule learning)的信息的過程。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān),并通過統(tǒng)計(jì)、在線分析處理、情報(bào)

8、檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)(依靠過去的經(jīng)驗(yàn)法則)和模式識別等諸多方法來實(shí)現(xiàn)上述目標(biāo)。數(shù)據(jù)挖掘有以下這些不同的定義:“從數(shù)據(jù)中提取出隱含的過去未知的有價(jià)值的潛在信息”“一門從大量數(shù)據(jù)或者數(shù)據(jù)庫中提取有用信息的科學(xué)?!北M管通常數(shù)據(jù)挖掘應(yīng)用于數(shù)據(jù)分析,但是像人工智能一樣,它也是一個(gè)具有豐富含義的詞匯,可用于不同的領(lǐng)域。 它與KDD的關(guān)系是:KDD是從數(shù)據(jù)中辨別有效的、新穎的、潛在有用的、最終可理解的模式的過程;而數(shù)據(jù)挖掘是KDD通過特定的算法在可接受的計(jì)算效率限制內(nèi)生成特定模式的一個(gè)步驟。 事實(shí)上,在現(xiàn)今的文獻(xiàn)中,這兩個(gè)術(shù)語經(jīng)常不加區(qū)分的使用。數(shù)據(jù)挖掘的方法包括監(jiān)督式學(xué)習(xí)、非監(jiān)督式學(xué)習(xí)、關(guān)系分組(Af

9、finity Grouping,作關(guān)系性的分析)與購物籃分析(Market Basket Analysis)或者稱為關(guān)聯(lián)規(guī)則分析、聚類(Clustering)與描述(Description)。監(jiān)督式學(xué)習(xí)包括:分類、估計(jì)、預(yù)測。數(shù)據(jù)挖掘是因?yàn)楹A坑杏脭?shù)據(jù)快速增長的產(chǎn)物。使用計(jì)算機(jī)進(jìn)行歷史數(shù)據(jù)分析,1960年代數(shù)字方式采集數(shù)據(jù)已經(jīng)實(shí)現(xiàn)。1980年代,關(guān)系數(shù)據(jù)庫隨著能夠適應(yīng)動態(tài)按需分析數(shù)據(jù)的結(jié)構(gòu)化查詢語言發(fā)展起來。數(shù)據(jù)倉庫開始用來存儲大量的數(shù)據(jù)。因?yàn)槊媾R處理數(shù)據(jù)庫中大量數(shù)據(jù)的挑戰(zhàn),于是數(shù)據(jù)挖掘應(yīng)運(yùn)而生,對于這些問題,它的主要方法是數(shù)據(jù)統(tǒng)計(jì)分析和人工智能搜索技術(shù)。1.2 機(jī)器學(xué)習(xí)(Machine Le

10、arning)機(jī)器學(xué)習(xí)是近20多年興起的一門多領(lǐng)域交叉學(xué)科,涉及概率論、統(tǒng)計(jì)學(xué)、逼近論、凸分析、計(jì)算復(fù)雜性理論等多門學(xué)科。機(jī)器學(xué)習(xí)理論主要是設(shè)計(jì)和分析一些讓計(jì)算機(jī)可以自動“學(xué)習(xí)”的算法。機(jī)器學(xué)習(xí)算法是一類從數(shù)據(jù)中自動分析獲得規(guī)律,并利用規(guī)律對未知數(shù)據(jù)進(jìn)行預(yù)測的算法。因?yàn)閷W(xué)習(xí)算法中涉及了大量的統(tǒng)計(jì)學(xué)理論,機(jī)器學(xué)習(xí)與推斷統(tǒng)計(jì)學(xué)聯(lián)系尤為密切,也被稱為統(tǒng)計(jì)學(xué)習(xí)理論。算法設(shè)計(jì)方面,機(jī)器學(xué)習(xí)理論關(guān)注可以實(shí)現(xiàn)的,行之有效的學(xué)習(xí)算法。很多推論問題屬于無程序可循難度,所以部分的機(jī)器學(xué)習(xí)研究是開發(fā)容易處理的近似算法。機(jī)器學(xué)習(xí)已廣泛應(yīng)用于數(shù)據(jù)挖掘、計(jì)算機(jī)視覺、自然語言處理、生物特征識別、搜索引擎、醫(yī)學(xué)診斷、檢測信用

11、卡欺詐、證券市場分析、DNA序列測序、語音和手寫識別、戰(zhàn)略游戲和機(jī)器人等領(lǐng)域。機(jī)器學(xué)習(xí)有下面幾種定義: “機(jī)器學(xué)習(xí)是一門人工智能的科學(xué),該領(lǐng)域的主要研究對象是人工智能,特別是如何在經(jīng)驗(yàn)學(xué)習(xí)中改善具體算法的性能”。 “機(jī)器學(xué)習(xí)是對能通過經(jīng)驗(yàn)自動改進(jìn)的計(jì)算機(jī)算法的研究”。 “機(jī)器學(xué)習(xí)是用數(shù)據(jù)或以往的經(jīng)驗(yàn),以此優(yōu)化計(jì)算機(jī)程序的性能標(biāo)準(zhǔn)?!?一種經(jīng)常引用的英文定義是:A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P,

12、if its performance at tasks in T, as measured by P, improves with experience E.機(jī)器學(xué)習(xí)可以分成下面幾種類別:監(jiān)督學(xué)習(xí)從給定的訓(xùn)練數(shù)據(jù)集中學(xué)習(xí)出一個(gè)函數(shù),當(dāng)新的數(shù)據(jù)到來時(shí),可以根據(jù)這個(gè)函數(shù)預(yù)測結(jié)果。監(jiān)督學(xué)習(xí)的訓(xùn)練集要求是包括輸入和輸出,也可以說是特征和目標(biāo)。訓(xùn)練集中的目標(biāo)是由人標(biāo)注的。常見的監(jiān)督學(xué)習(xí)算法包括回歸分析和統(tǒng)計(jì)分類。無監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)相比,訓(xùn)練集沒有人為標(biāo)注的結(jié)果。常見的無監(jiān)督學(xué)習(xí)算法有聚類。半監(jiān)督學(xué)習(xí)介于監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)之間。增強(qiáng)學(xué)習(xí)通過觀察來學(xué)習(xí)做成如何的動作。每個(gè)動作都會對環(huán)境有所影響,學(xué)習(xí)對象

13、根據(jù)觀察到的周圍環(huán)境的反饋來做出判斷。具體的機(jī)器學(xué)習(xí)算法有:構(gòu)造條件概率:回歸分析和統(tǒng)計(jì)分類人工神經(jīng)網(wǎng)絡(luò)決策樹高斯過程回歸線性判別分析最近鄰居法感知器徑向基函數(shù)核支持向量機(jī)通過再生模型構(gòu)造概率密度函數(shù):最大期望算法graphical model:包括貝葉斯網(wǎng)和Markov隨機(jī)場Generative Topographic Mapping近似推斷技術(shù):馬爾可夫鏈蒙特卡羅方法變分法最優(yōu)化:大多數(shù)以上方法,直接或者間接使用最優(yōu)化算法。2 云計(jì)算云計(jì)算(英語:Cloud Computing),是一種基于互聯(lián)網(wǎng)的計(jì)算方式,通過這種方式,共享的軟硬件資源和信息可以按需求提供給計(jì)算機(jī)和其他設(shè)備。云計(jì)算是繼1

14、980年代大型計(jì)算機(jī)到客戶端-服務(wù)器的大轉(zhuǎn)變之后的又一種巨變。用戶不再需要了解“云”中基礎(chǔ)設(shè)施的細(xì)節(jié),不必具有相應(yīng)的專業(yè)知識,也無需直接進(jìn)行控制。云計(jì)算描述了一種基于互聯(lián)網(wǎng)的新的IT服務(wù)增加、使用和交付模式,通常涉及通過互聯(lián)網(wǎng)來提供動態(tài)易擴(kuò)展而且經(jīng)常是虛擬化的資源。在“軟件即服務(wù)(SaaS)”的服務(wù)模式當(dāng)中,用戶能夠訪問服務(wù)軟件及數(shù)據(jù)。服務(wù)提供者則維護(hù)基礎(chǔ)設(shè)施及平臺以維持服務(wù)正常運(yùn)作。SaaS常被稱為“隨選軟件”,并且通常是基于使用時(shí)數(shù)來收費(fèi),有時(shí)也會有采用訂閱制的服務(wù)。推廣者認(rèn)為,SaaS使得企業(yè)能夠借由外包硬件、軟件維護(hù)及支持服務(wù)給服務(wù)提供者來降低IT營運(yùn)費(fèi)用。另外,由于應(yīng)用程序是集中供應(yīng)

15、的,更新可以實(shí)時(shí)的發(fā)布,無需用戶手動更新或是安裝新的軟件。SaaS的缺陷在于用戶的數(shù)據(jù)是存放在服務(wù)提供者的服務(wù)器之上,使得服務(wù)提供者有能力對這些數(shù)據(jù)進(jìn)行未經(jīng)授權(quán)的訪問。用戶通過瀏覽器、桌面應(yīng)用程序或是移動應(yīng)用程序來訪問云的服務(wù)。推廣者認(rèn)為云計(jì)算使得企業(yè)能夠更迅速的部署應(yīng)用程序,并降低管理的復(fù)雜度及維護(hù)成本,及允許IT資源的迅速重新分配以因應(yīng)企業(yè)需求的快速改變。云計(jì)算依賴資源的共享以達(dá)成規(guī)模經(jīng)濟(jì),類似基礎(chǔ)設(shè)施(如電力網(wǎng))。服務(wù)提供者集成大量的資源供多個(gè)用戶使用,用戶可以輕易的請求(租借)更多資源,并隨時(shí)調(diào)整使用量,將不需要的資源釋放回整個(gè)架構(gòu),因此用戶不需要因?yàn)槎虝杭夥宓男枨缶唾徺I大量的資源,僅

16、需提升租借量,需求降低時(shí)便退租。服務(wù)提供者得以將目前無人租用的資源重新租給其他用戶,甚至依照整體的需求量調(diào)整租金。基本特征:互聯(lián)網(wǎng)上匯聚的計(jì)算資源、存儲資源、數(shù)據(jù)資源和應(yīng)用資源正隨著互聯(lián)網(wǎng)規(guī)模的擴(kuò)大而不斷增加,互聯(lián)網(wǎng)正在從傳統(tǒng)意義的通信平臺轉(zhuǎn)化為泛在、智能的計(jì)算平臺。與計(jì)算機(jī)系統(tǒng)這樣的傳統(tǒng)計(jì)算平臺比較,互聯(lián)網(wǎng)上還沒有形成類似計(jì)算機(jī)操作系統(tǒng)的服務(wù)環(huán)境,以支持互聯(lián)網(wǎng)資源的有效管理和綜合利用。在傳統(tǒng)計(jì)算機(jī)中已成熟的操作系統(tǒng)技術(shù),已不再能適用于互聯(lián)網(wǎng)環(huán)境,其根本原因在于:互聯(lián)網(wǎng)資源的自主控制、自治對等、異構(gòu)多尺度等基本特性,與傳統(tǒng)計(jì)算機(jī)系統(tǒng)的資源特性存在本質(zhì)上的不同。為了適應(yīng)互聯(lián)網(wǎng)資源的基本特性,形成

17、承接互聯(lián)網(wǎng)資源和互聯(lián)網(wǎng)應(yīng)用的一體化服務(wù)環(huán)境,面向互聯(lián)網(wǎng)計(jì)算的虛擬計(jì)算環(huán)境(Internet-based Virtual Computing Environment,iVCE)的研究工作,使用戶能夠方便、有效地共享和利用開放網(wǎng)絡(luò)上的資源。互聯(lián)網(wǎng)上的云計(jì)算服務(wù)特征和自然界的云、水循環(huán)具有一定的相似性,因此,云是一個(gè)相當(dāng)貼切的比喻。根據(jù)美國國家標(biāo)準(zhǔn)和技術(shù)研究院的定義,云計(jì)算服務(wù)應(yīng)該具備以下幾條特征:隨需應(yīng)變自助服務(wù)。隨時(shí)隨地用任何網(wǎng)絡(luò)設(shè)備訪問。多人共享資源池??焖僦匦虏渴痨`活度??杀槐O(jiān)控與量測的服務(wù)。一般認(rèn)為還有如下特征:基于虛擬化技術(shù)快速部署資源或獲得服務(wù)。減少用戶終端的處理負(fù)擔(dān)。降低了用戶對于I

18、T專業(yè)知識的依賴。2.1 虛擬技術(shù)在計(jì)算機(jī)科學(xué)中,虛擬技術(shù)是一種通過組合或分區(qū)現(xiàn)有的計(jì)算機(jī)資源(CPU、內(nèi)存、磁盤空間等),使得這些資源表現(xiàn)為一個(gè)或多個(gè)操作環(huán)境,從而提供優(yōu)于原有資源配置的訪問方式的技術(shù)。由于目前信息技術(shù)領(lǐng)域的很多企業(yè)都曾在宣傳中將該企業(yè)的某種技術(shù)稱為虛擬技術(shù),這些技術(shù)涵蓋的范圍可以從Java虛擬機(jī)技術(shù)到系統(tǒng)管理軟件,這就使得準(zhǔn)確的界定虛擬技術(shù)變得困難。因此各種相關(guān)學(xué)術(shù)論文在談到虛擬技術(shù)時(shí)常常提到的便是如前面所提到的那個(gè)不嚴(yán)格的定義。應(yīng)用領(lǐng)域:服務(wù)器集成沙盒(Sandboxing)多運(yùn)行環(huán)境多操作系統(tǒng)測試和性能監(jiān)視應(yīng)用集成虛擬硬件軟件移植系統(tǒng)可管理性測試/質(zhì)量保證3 分布式在計(jì)算機(jī)科學(xué)中,分布式計(jì)算(英語:Distributed computing),又譯為分散式運(yùn)算。這個(gè)研究領(lǐng)域,主要研究分布式系統(tǒng)(Distributed system)如何進(jìn)行計(jì)算。分布式系統(tǒng)是一組電腦(computer),通過網(wǎng)絡(luò)相互鏈接傳遞消息與通訊

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論