使用Eclipse编译运行MapReduce程序 Hadoop2.6.0_Ubuntu/CentOS

秒速五厘米 2021-09-20 17:40 231阅读 0赞

>         本教程介绍的是如何在 Ubuntu/CentOS 中使用 Eclipse 来开发 MapReduce 程序，在 Hadoop 2.6.0 下验证通过。虽然我们可以[使用命令行编译打包运行自己的][Link 1][MapReduce][Link 1][程序][Link 1]，但毕竟编写代码不方便。使用 Eclipse，我们可以直接对 HDFS 中的文件进行操作，可以直接运行代码，省去许多繁琐的命令。
> 
>         注：本教程引用于 [厦门大学数据库实验室][Link 2]。

**一、环境**

本教程在 Hadoop 2.6.0 下验证通过，适用于 Ubuntu/CentOS 系统，理论上可用于任何原生 Hadoop 2 版本，如 Hadoop 2.4.1，Hadoop 2.7.1。

本教程主要测试环境：

*  Ubuntu 14.04
 *  Hadoop 2.6.0（伪分布式）
 *  Eclipse 3.8

此外，本教程在 CentOS 6.4 系统中也验证通过，对 Ubuntu 与 CentOS 的不同配置之处有作出了注明。

二、**安装**** ****Eclipse**

在 Ubuntu 和 CentOS 中安装 Eclipse 的方式有所不同，但之后的配置和使用是一样的。

在 Ubuntu 中安装 Eclipse，可从 Ubuntu 的软件中心直接搜索安装，在桌面左侧任务栏，点击“Ubuntu软件中心”。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70][]

Ubuntu软件中心

在右上角搜索栏中搜索 eclipse，在搜索结果中单击 eclipse，并点击安装。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 1][]

**安装Eclipse**

等待安装完成即可，Eclipse 的默认安装目录为：/usr/lib/eclipse。

在 CentOS 中安装 Eclipse，需要下载安装程序，我们选择 Eclipse IDE for Java Developers 版：

*  32位: [http://eclipse.bluemix.net/packages/mars.1/?JAVA-LINUX32][http_eclipse.bluemix.net_packages_mars.1_JAVA-LINUX32]
 *  64位: [http://eclipse.bluemix.net/packages/mars.1/?JAVA-LINUX64][http_eclipse.bluemix.net_packages_mars.1_JAVA-LINUX64]

下载后执行如下命令，将 Eclipse 安装至 /usr/lib 目录中：

sudo tar -zxf ~/下载/eclipse-java-mars-1-linux-gtk*.tar.gz -C /usr/lib

**Shell 命令**

解压后即可使用。在 CentOS 中可以为程序创建桌面快捷方式，如下图所示，点击桌面右键，选择创建启动器，填写名称和程序位置（/usr/lib/eclipse/eclipse）：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 2][]

**安装Eclipse**

三、**安装**** ****Hadoop-Eclipse-Plugin**

要在 Eclipse 上编译和运行 MapReduce 程序，需要安装 hadoop-eclipse-plugin，可下载 Github 上的 [hadoop2x-eclipse-plugin][]（备用下载地址：[http://pan.baidu.com/s/1i4ikIoP][http_pan.baidu.com_s_1i4ikIoP]）。

下载后，将 release 中的 hadoop-eclipse-kepler-plugin-2.6.0.jar （还提供了 2.2.0 和 2.4.1 版本）复制到 Eclipse 安装目录的 plugins 文件夹中，运行 eclipse -clean 重启 Eclipse 即可（添加插件后只需要运行一次该命令，以后按照正常方式启动就行了）。

unzip -qo ~/下载/hadoop2x-eclipse-plugin-master.zip -d ~/下载    
    # 解压到 ~/下载 中
    sudo cp ~/下载/hadoop2x-eclipse-plugin-master/release/hadoop-eclipse-plugin-2.6.0.jar /usr/lib/eclipse/plugins/    
    # 复制到 eclipse 安装目录的 plugins 目录下
    /usr/lib/eclipse/eclipse -clean    
    # 添加插件后需要用这种方式使插件生效 第一个eclipse是文件夹，第二个是软件

**Shell 命令**

四、**配置**** ****Hadoop-Eclipse-Plugin**

**Java**** ****RunTime**** ****Environment**** (****JRE****)** **or**** ****Java**** ****Development**** Kit (JDK) must be available in order to run Eclipse. No** **java**** virtual machine was found after searching the following locations:…**  
  
**解决办法是在终端进入你的eclipse目录****，****然后输入：**

mkdir jre
    cd jre
    
    ln -s 你的JDK目录/bin bin

**在继续配置前请确保已经开启了**** ****Hadoop****。**

启动 Eclipse 后就可以在左侧的Project Explorer中看到 DFS Locations（若看到的是 welcome 界面，点击左上角的 x 关闭就可以看到了。CentOS 需要切换 Perspective 后才能看到，即接下来配置步骤的第二步）。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 3][]安装好Hadoop-Eclipse-Plugin插件后的效果

插件需要进一步的配置。

第一步：选择 Window 菜单下的 Preference。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 4][]

打开Preference

此时会弹出一个窗体，窗体的左侧会多出 Hadoop Map/Reduce 选项，点击此选项，选择 Hadoop 的安装目录（如/usr/local/hadoop，Ubuntu不好选择目录，直接输入就行）。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 5][]

选择 Hadoop 的安装目录

第二步：切换 Map/Reduce 开发视图，选择 Window 菜单下选择 Open Perspective -> Other（CentOS 是 Window -> Perspective -> Open Perspective -> Other），弹出一个窗体，从中选择 Map/Reduce 选项即可进行切换。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 6][]

切换 Map/Reduce 开发视图

第三步：建立与 Hadoop 集群的连接，点击 Eclipse软件右下角的 Map/Reduce Locations 面板，在面板中单击右键，选择 New Hadoop Location。

![20190927114937117.png][]

建立与 Hadoop 集群的连接

在弹出来的 General 选项面板中，General 的设置要与 Hadoop 的配置一致。一般两个 Host 值是一样的，如果是伪分布式，填写 localhost 即可，另外我使用的[Hadoop][][伪分布式配置][Hadoop]，设置 fs.defaultFS 为 hdfs://localhost:9000，则 DFS Master 的 Port 要改为 9000。Map/Reduce(V2) Master 的 Port 用默认的即可，Location Name 随意填写。

最后的设置如下图所示：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 7][]

Hadoop Location 的设置

Advanced parameters 选项面板是对 Hadoop 参数进行配置，实际上就是填写 Hadoop 的配置项(/usr/local/hadoop/etc/hadoop中的配置文件)，如我配置了 hadoop.tmp.dir ，就要进行相应的修改。但修改起来会比较繁琐，我们可以通过复制配置文件的方式解决（下面会说到）。

总之，我们只要配置 General 就行了，点击 finish，Map/Reduce Location 就创建好了。

五、**在**** ****Eclipse** **中操作**** ****HDFS** **中的文件**

配置好后，点击左侧 Project Explorer 中的 MapReduce Location （点击三角形展开）就能直接查看 HDFS 中的文件列表了（HDFS 中要有文件，如下图是 WordCount 的输出结果），双击可以查看内容，右键点击可以上传、下载、删除 HDFS 中的文件，无需再通过繁琐的 hdfs dfs -ls 等命令进行操作了。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 8][]

使用Eclipse查看HDFS中的文件内容

如果无法查看，可右键点击 Location 尝试 Reconnect 或重启 Eclipse。

> **Tips**
> 
> HDFS 中的内容变动后，Eclipse 不会同步刷新，需要右键点击 Project Explorer中的 MapReduce Location，选择 Refresh，才能看到变动后的文件。

六、**在**** ****Eclipse** **中创建**** ****MapReduce** **项目**

点击 File 菜单，选择 New -> Project…:

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 9][]

创建Project

选择 Map/Reduce Project，点击 Next。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 10][]

创建MapReduce项目

填写 Project name 为 WordCount 即可，点击 Finish 就创建好了项目。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 11][]

填写项目名

此时在左侧的 Project Explorer 就能看到刚才建立的项目了。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 12][]

项目创建完成

接着右键点击刚创建的 WordCount 项目，选择 New -> Class

![20190927115550445.png][]

新建Class

需要填写两个地方：在 Package 处填写 org.apache.hadoop.examples；在 Name 处填写 WordCount。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 13][]

填写Class信息

创建 Class 完成后，在 Project 的 src 中就能看到 WordCount.java 这个文件。将如下 WordCount 的代码复制到该文件中。

package org.apache.hadoop.examples;
    
    
    
    import java.io.IOException;
    
    import java.util.StringTokenizer;
    
    
    
    
    
    import org.apache.hadoop.conf.Configuration;
    
    import org.apache.hadoop.fs.Path;
    
    import org.apache.hadoop.io.IntWritable;
    
    import org.apache.hadoop.io.Text;
    
    import org.apache.hadoop.mapreduce.Job;
    
    import org.apache.hadoop.mapreduce.Mapper;
    
    import org.apache.hadoop.mapreduce.Reducer;
    
    import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
    
    import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
    
    import org.apache.hadoop.util.GenericOptionsParser;
    
    
    
    public class WordCount {
    
    
    
      public static class TokenizerMapper
    
           extends Mapper<Object, Text, Text, IntWritable>{
    
    
    
        private final static IntWritable one = new IntWritable(1);
    
        private Text word = new Text();
    
    
    
        public void map(Object key, Text value, Context context
    
                        ) throws IOException, InterruptedException {
    
          StringTokenizer itr = new StringTokenizer(value.toString());
    
          while (itr.hasMoreTokens()) {
    
            word.set(itr.nextToken());
    
            context.write(word, one);
    
          }
    
        }
    
      }
    
    
    
      public static class IntSumReducer
    
           extends Reducer<Text,IntWritable,Text,IntWritable> {
    
        private IntWritable result = new IntWritable();
    
    
    
        public void reduce(Text key, Iterable<IntWritable> values,
    
                           Context context
    
                           ) throws IOException, InterruptedException {
    
          int sum = 0;
    
          for (IntWritable val : values) {
    
            sum += val.get();
    
          }
    
          result.set(sum);
    
          context.write(key, result);
    
        }
    
      }
    
    
    
      public static void main(String[] args) throws Exception {
    
        Configuration conf = new Configuration();
    
        String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    
        if (otherArgs.length != 2) {
    
          System.err.println("Usage: wordcount <in> <out>");
    
          System.exit(2);
    
        }
    
        Job job = new Job(conf, "word count");
    
        job.setJarByClass(WordCount.class);
    
        job.setMapperClass(TokenizerMapper.class);
    
        job.setCombinerClass(IntSumReducer.class);
    
        job.setReducerClass(IntSumReducer.class);
    
        job.setOutputKeyClass(Text.class);
    
        job.setOutputValueClass(IntWritable.class);
    
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
    
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
    
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    
      }
    
    }

**Java**

七、**通过**** ****Eclipse** **运行**** ****MapReduce**

在运行 MapReduce 程序前，还需要执行一项重要操作（也就是上面提到的通过复制配置文件解决参数设置问题）：将 /usr/local/hadoop/etc/hadoop 中将**有修改过的配置文件**（如伪分布式需要 core-site.xml 和 hdfs-site.xml），以及 log4j.properties 复制到 WordCount 项目下的 src 文件夹（~/workspace/WordCount/src）中：

cp /usr/local/hadoop/etc/hadoop/core-site.xml ~/workspace/WordCount/src
    cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml ~/workspace/WordCount/src
    cp /usr/local/hadoop/etc/hadoop/log4j.properties ~/workspace/WordCount/src

Shell 命令

没有复制这些文件的话程序将无法正确运行，本教程最后再解释为什么需要复制这些文件。

复制完成后，务必右键点击 WordCount 选择 refresh 进行刷新（不会自动刷新，需要手动刷新），可以看到文件结构如下所示：

![20190927115841313.png][]

WordCount项目文件结构

点击工具栏中的 Run 图标，或者右键点击 Project Explorer 中的 WordCount.java，选择 Run As -> Run on Hadoop，就可以运行 MapReduce 程序了。不过由于没有指定参数，运行时会提示 “Usage: wordcount “，需要通过Eclipse设定一下运行参数。

右键点击刚创建的 WordCount.java，选择 Run As -> Run Configurations，在此处可以设置运行时的相关参数（如果 Java Application 下面没有 WordCount，那么需要先双击 Java Application）。切换到 “Arguments” 栏，在 Program arguments 处填写 “hdfs://localhost:9000/data/input hdfs://localhost:9000/data/output” 就可以了。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 14][]

设置程序运行参数

或者也可以直接在代码中设置好输入参数。可将代码 main() 函数的 String\[\] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); 改为：

// String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
    String[] otherArgs=new String[]{"input","output"}; /* 直接设置输入参数 */

**Java**

设定参数后，再次运行程序，可以看到运行成功的提示，刷新 DFS Location 后也能看到输出的 output 文件夹。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 15][]

WordCount 运行结果

至此，你就可以使用 Eclipse 方便的进行 MapReduce程序的开发了。

八、**在**** ****Eclipse** **中运行**** ****MapReduce** **程序会遇到的问题**

在使用 Eclipse 运行 MapReduce 程序时，会读取 Hadoop-Eclipse-Plugin 的 Advanced parameters 作为 Hadoop 运行参数，如果我们未进行修改，则默认的参数其实就是单机（非分布式）参数，因此程序运行时是读取本地目录而不是 HDFS 目录，就会提示 Input 路径不存在。

Exception in thread "main" 
    org.apache.hadoop.mapreduce.lib.input.InvalidInputException: Input 
    path does not exist: 
    file:/home/hadoop/workspace/WordCountProject/input

所以我们要么修改插件参数，要么将配置文件复制到项目中的 src 目录来覆盖参数，才能让程序能够正确运行。

此外，log4j 用于记录程序的输出日记，需要 log4j.properties 这个配置文件，如果没有复制该文件到项目中，运行程序后在 Console 面板中会出现警告提示：

log4j:WARN No appenders could be found for logger 
    (org.apache.hadoop.metrics2.lib.MutableMetricsFactory).
    
    log4j:WARN Please initialize the log4j system properly.
    
    log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.

虽然不影响程序的正确运行的，但程序运行时无法看到任何提示消息（只能看到出错信息）。

[Link 1]: http://www.powerxing.com/hadoop-build-project-by-shell/
[Link 2]: http://dblab.xmu.edu.cn/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70]: /images/20210920/883c85ed3a2c47e6828ea032ceb78962.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 1]: /images/20210920/156c96dffbe3436083b1f430df08b888.png
[http_eclipse.bluemix.net_packages_mars.1_JAVA-LINUX32]: http://eclipse.bluemix.net/packages/mars.1/?JAVA-LINUX32
[http_eclipse.bluemix.net_packages_mars.1_JAVA-LINUX64]: http://eclipse.bluemix.net/packages/mars.1/?JAVA-LINUX64
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 2]: /images/20210920/b60b10eefa4c4a1592a70fbfdf628906.png
[hadoop2x-eclipse-plugin]: https://github.com/winghc/hadoop2x-eclipse-plugin
[http_pan.baidu.com_s_1i4ikIoP]: http://pan.baidu.com/s/1i4ikIoP
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 3]: /images/20210920/be226ffe5853457aa673cd1a5110abb7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 4]: /images/20210920/e2e1a51ebab445698496c3a408f4c128.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 5]: /images/20210920/cde644a32e874ca99a2c177689f7aae0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 6]: /images/20210920/b2836c06f23f48ca9132fdd8cf439186.png
[20190927114937117.png]: /images/20210920/aafb71548d5e457fbb4bae4e0e5ca8a5.png
[Hadoop]: http://www.powerxing.com/install-hadoop/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 7]: /images/20210920/25623ce32dfe48618c38f947a9f68bac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 8]: /images/20210920/1ab44aa024aa4df3ab0f16562040c00c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 9]: /images/20210920/bb6fe2e9cc424d6eacb36a223280ea64.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 10]: /images/20210920/9af2f4dcefac40e5970053533dd1a9e0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 11]: /images/20210920/b0dc60936996422aa32c06aaef325230.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 12]: /images/20210920/119aaabf6dda4bcca7745c875fb63bae.png
[20190927115550445.png]: /images/20210920/870d360c3bf04762bfa1a77b5fe07572.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 13]: /images/20210920/895ec0c4cd474d3e85e60db0b3b59763.png
[20190927115841313.png]: /images/20210920/e9837d28496e4b88a7fc0e4dbe4348c3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 14]: /images/20210920/40c3b78ecca143ff9e4332b8053541d0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JhaWR1XzQxNjY2MTk4_size_16_color_FFFFFF_t_70 15]: /images/20210920/fcd858268e0c473ab040568b3bd1580b.png