掌握 Kafka，看这篇就足够了

你的名字 2022-09-14 09:29 310阅读 0赞

![8c9518bba5383a81d8f4244a46e7b027.png][]

Kafka 官网：http://kafka.apache.org/

![55c005ddf48d579babb49c1301a7cf3e.png][]

Kafka 架构体系如下图：

![dd8c4fad5d8b6c4a1af242ee47879fe1.png][]

Kafka 的应用场景非常多, 下面我们就来举几个我们最常见的场景：

①用户的活动跟踪：用户在网站的不同活动消息发布到不同的主题中心，然后可以对这些消息进行实时监测、实时处理。

当然，也可以加载到 Hadoop 或离线处理数据仓库，对用户进行画像。像淘宝、天猫、京东这些大型电商平台，用户的所有活动都要进行追踪的。

②日志收集如下图：

![44169ffdd8e2d0bff1eea2b2eb5899d9.png][]

③限流削峰如下图：

![1aeae4664958b48d5630be75691e91d8.png][]

④高吞吐率实现：Kafka 与其他 MQ 相比，最大的特点就是高吞吐率。为了增加存储能力，Kafka 将所有的消息都写入到了低速大容量的硬盘。

按理说，这将导致性能损失，但实际上，Kafka 仍然可以保持超高的吞吐率，并且其性能并未受到影响。

其主要采用如下方式实现了高吞吐率：

*  顺序读写：Kafka 将消息写入到了分区 Partition 中，而分区中的消息又是顺序读写的。顺序读写要快于随机读写。
 *  零拷贝：生产者、消费者对于 Kafka 中的消息是采用零拷贝实现的。
 *  批量发送：Kafka 允许批量发送模式。
 *  消息压缩：Kafka 允许对消息集合进行压缩。

Kafka的优点如下：

![9859787c89979839fd89d6ad08cbc151.png][]

使用消息队列能够使关键组件顶住突发的访问压力，而不会因为突发的超负荷的请求而完全崩溃。

⑤可恢复性：系统的一部分组件失效时，不会影响到整个系统。消息队列降低了进程间的耦合度，所以即使一个处理消息的进程挂掉，加入队列中的消息仍然可以在系统恢复后被处理。

⑥顺序保证：在大多使用场景下，数据处理的顺序都很重要。大部分消息队列本来就是排序的，并且能保证数据会按照特定的顺序来处理。Kafka 保证一个 Partition 内的消息的有序性。

⑦缓冲：在任何重要的系统中，都会有需要不同的处理时间的元素。例如，加载一张图片比应用过滤器花费更少的时间。

消息队列通过一个缓冲层来帮助任务最高效率的执行，写入队列的处理会尽可能的快速。该缓冲有助于控制和优化数据流经过系统的速度。

⑧异步通信：很多时候，用户不想也不需要立即处理消息。消息队列提供了异步处理机制，允许用户把一个消息放入队列，但并不立即处理它。想向队列中放入多少消息就放多少，然后在需要的时候再去处理它们。

Kafka 与其他 MQ 对比如下：

![7c4386874555006a335a98a804444c80.png][]

ZeroMQ 能够实现 RabbitMQ 不擅长的高级/复杂的队列，但是开发人员需要自己组合多种技术框架，技术上的复杂度是对这 MQ 能够应用成功的挑战。

ZeroMQ 具有一个独特的非中间件的模式，你不需要安装和运行一个消息服务器或中间件，因为你的应用程序将扮演这个服务器角色。

你只需要简单的引用 ZeroMQ 程序库，可以使用 NuGet 安装，然后你就可以愉快的在应用程序之间发送消息了。

但是 ZeroMQ 仅提供非持久性的队列，也就是说如果宕机，数据将会丢失。其中，Twitter 的 Storm 0.9.0 以前的版本中默认使用 ZeroMQ 作为数据流的传输（Storm 从 0.9 版本开始同时支持 ZeroMQ 和 Netty 作为传输模块）。

④ActiveMQ：ActiveMQ 是 Apache 下的一个子项目。类似于 ZeroMQ，它能够以代理人和点对点的技术实现队列。同时类似于 RabbitMQ，它少量代码就可以高效地实现高级应用场景。

⑤Kafka/Jafka：Kafka 是 Apache 下的一个子项目，是一个高性能跨语言分布式发布/订阅消息队列系统，而 Jafka 是在 Kafka 之上孵化而来的，即 Kafka 的一个升级版。

![20bd41756fb20c0f2b5b26f60cdbbbfa.png][]

Kafka 的磁盘结构可以很好地扩展使用-无论服务器上有 50KB 还是 50TB 的持久数据，Kafka 都将执行相同的操作。

由于认真对待存储并允许客户端控制其读取位置，因此您可以将 Kafka 视为一种专用于高性能，低延迟提交日志存储，复制和传播的专用分布式文件系统。

②Kafka 作为消息传递系统：Kafka 的流概念与传统的企业消息传递系统相比如何？

传统上，消息传递具有两种模型：排队和发布订阅。在队列中，一组使用者可以从服务器中读取内容，并且每条记录都将转到其中一个。

在发布-订阅记录中广播给所有消费者。这两个模型中的每一个都有优点和缺点。

排队的优势在于，它允许您将数据处理划分到多个使用者实例上，从而扩展处理量。

![f3d92ca0731708d319f3de4533b9a82a.png][]![c8c013f52132b14955fdbdf9d9b431ef.png][]

通过这样做，我们确保使用者是该分区的唯一读取器，并按顺序使用数据。由于存在许多分区，因此仍然可以平衡许多使用者实例上的负载。但是请注意，使用者组中的使用者实例不能超过分区。

③Kafka 用作流处理：仅读取，写入和存储数据流是不够的，目的是实现对流的实时处理。

在 Kafka 中，流处理器是指从输入主题中获取连续数据流，对该输入进行一些处理并生成连续数据流以输出主题的任何东西。

例如，零售应用程序可以接受销售和装运的输入流，并输出根据此数据计算出的重新订购和价格调整流。

可以直接使用生产者和消费者 API 进行简单处理。但是，对于更复杂的转换，Kafka 提供了完全集成的 Streams API。

这允许构建执行非重要处理的应用程序，这些应用程序计算流的聚合或将流连接在一起。

该功能有助于解决此类应用程序所面临的难题：处理无序数据，在代码更改时重新处理输入，执行状态计算等。

流 API 建立在 Kafka 提供的核心原语之上：它使用生产者和使用者 API 进行输入，使用 Kafka 进行状态存储，并使用相同的组机制来实现流处理器实例之间的容错。

Kafka 中的关键术语解释

![d101244905194ed65e321a66cab50049.png][]

Topic：主题。在 Kafka 中，使用一个类别属性来划分消息的所属类，划分消息的这个类称为

![96b41bfb17970b363a4262941888d5c5.png][]

在实际生产环境中，尽量避免这种情况的发生，这种情况容易导致 Kafka 集群数据不均衡。

Producer：生产者。即消息的发布者，生产者将数据发布到他们选择的主题。

生产者负责选择将哪个记录分配给主题中的哪个分区。即：生产者生产的一条消息，会被写入到某一个 Partition。

Consumer：消费者。可以从 Broker 中读取消息。一个消费者可以消费多个 Topic 的消息；一个消费者可以消费同一个 Topic 中的多个 Partition 中的消息；一个 Partiton 允许多个 Consumer 同时消费。

Consumer Group：Consumer Group 是 Kafka 提供的可扩展且具有容错性的消费者机制。

组内可以有多个消费者，它们共享一个公共的 ID，即 Group ID。组内的所有消费者协调在一起来消费订阅主题 的所有分区。

Kafka 保证同一个 Consumer Group 中只有一个 Consumer 会消费某条消息。

实际上，Kafka 保证的是稳定状态下每一个 Consumer 实例只会消费某一个或多个特定的 Partition，而某个 Partition 的数据只会被某一个特定的 Consumer 实例所消费。

下面我们用官网的一张图, 来标识 Consumer 数量和 Partition 数量的对应关系。

![18e7dee64376da70000cab9055d99b46.png][]

由两台服务器组成的 Kafka 群集，其中包含四个带有两个使用者组的分区（P0-P3）。消费者组 A 有两个消费者实例，组 B 有四个。

![2254a3461e72ed7fb450d023be134a9f.png][]

ISR：

*  ISR，In-Sync Replicas，是指副本同步列表。ISR 列表是由 Leader 负责维护。
 *  AR，Assigned Replicas，指某个 Partition 的所有副本, 即已分配的副本列表。
 *  OSR，Outof-Sync Replicas，即非同步的副本列表。
 *  AR=ISR+OSR

![cddaba25a31e48b5aad035670bcde13b.png][]

![cb09b60f3a6d96c27db35d522fc9186c.png][]

Kafka的工作原理和过程

![e878b4be28eeb48b9792df70eda7ca7e.png][]

**消息写入算法**

![cde6bdcd59847f46b86939bd9af3b440.png][]

*  若 Partition 和 Key 都未指定，则使用轮询算法选出一个 Partition。

**HW 截断机制**

如果 Partition Leader 接收到了新的消息， ISR 中其它 Follower 正在同步过程中，还未同步完毕时 Leader 宕机。

此时就需要选举出新的 Leader。若没有 HW 截断机制，将会导致 Partition 中 Leader 与 Follower 数据的不一致。

当原 Leader 宕机后又恢复时，将其 LEO 回退到其宕机时的 HW，然后再与新的 Leader 进行数据同步，这样就可以保证老 Leader 与新 Leader 中数据一致了，这种机制称为 HW 截断机制。

**消息发送的可靠性**

![7de125be95786a5524a156d85f5496cc.png][]

但是，即使收到了 ACK，也不能保证消息一定就发送成功了。故，这种情况，也可能会发生消息丢失的情况。

\-1 值：同步发送。生产者发送消息给 Kafka，Kafka 收到消息后要等到 ISR 列表中的所有副本都 同步消息完成后，才向生产者发送成功 Ack。

如果一直未收到 Kafka 的 Ack，则认为消息发送 失败，会自动重发消息。该方式会出现消息重复接收的情况。

**消费者消费过程解析**

![1c88b07d0051681872d668c3053ddfba.png][]

True：在 ISR 列表中没有副本的情况下，可以选择任意一个没有宕机的主机作为新的 Leader，该策略可用性高，但可靠性没有保证。

**重复消费问题的解决方案**

同一个 Consumer 重复消费：当 Consumer 由于消费能力低而引发了消费超时，则可能会形成重复消费。

![eb4ce1720397d54143d62c424e85c429.png][]

下图表明了这种方案：

![729c4c44bf09a96556bd7aca5f5a89a3.png][]

方案二：利用幂等

![763dae990577a20724ad42ef5287e12f.png][]

![b66917f6827a099ed5e0e9539bf53379.png][]

这个表有三个字段：转账单 ID、账户 ID 和变更金额，然后给转账单 ID 和账户 ID 这两个字段联合起来创建一个唯一约束，这样对于相同的转账单 ID 和账户 ID，表里至多只能存在一条记录。

这样，我们消费消息的逻辑可以变为：“在转账流水表中增加一条转账记录，然后再根据转账记录，异步操作更新用户余额即可。”

在转账流水表增加一条转账记录这个操作中，由于我们在这个表中预先定义了“账户 ID 转账单 ID”的唯一约束，对于同一个转账单同一个账户只能插入一条记录，后续重复的插入操作都会失败，这样就实现了一个幂等的操作。

![28330eb9cb334fd4b636bd8c012ad8b4.png][]

![ed0b6a62d859f44accbee4f872f7d5d3.png][]

![c66d210de0cb7f220285bda393c04e86.png][]

Kafka 集群搭建

![1ee17f15486181c5aad916161a2dc426.png][]

我们在工作中，为了保证环境的高可用，防止单点，Kafka 都是以集群的方式出现的，下面就带领大家一起搭建一套 Kafka 集群环境。

我们在官网下载 Kafka，下载地址为：http://kafka.apache.org/downloads，下载我们需要的版本，推荐使用稳定的版本。

搭建集群

①下载并解压

![3156847c5074d8da02356bdc9ff042c3.png][]

②修改配置文件

Kafka 的配置文件 $KAFKA\_HOME/config/server.properties，主要修改一下下面几项：

![5863e44cc534c0b9753b88dba1abf455.png][]

因为我自己是本机做实验，所有使用的是一个主机的不同端口，在线上，就是不同的机器，大家参考即可。

我们这里使用 Kafka 的 ZooKeeper，只启动一个节点，但是正真的生产过程中，是需要 Zookeeper 集群，自己搭建就好，后期我们也会出 Zookeeper 的教程，大家请关注就好了。

③拷贝 3 份配置文件

![3c5204c99c0973ed259924f7a8817eb7.png][]

④修改不同端口对应的文件

![e97fa63dd7190daa89b85f277ef1d6b5.png][]

修改 ZooKeeper 的配置文件：

dataDir=/data/servers/zookeeper
    server.1=192.168.51.128:2888:3888

然后创建 ZooKeeper 的 myid 文件

#创建对应的日志目录
    mkdir -p /data/servers/kafka_2.11-2.4.0/logs/9092
    mkdir -p /data/servers/kafka_2.11-2.4.0/logs/9093
    mkdir -p /data/servers/kafka_2.11-2.4.0/logs/9094
     #拷贝三份配置文件
    cp server.properties server_9092.properties
    cp server.properties server_9093.properties
    cp server.properties server_9094.properties

④修改不同端口对应的文件

#9092的id为0, 9093的id为1, 9094的id为2
     broker.id=0
    # 配置服务端的监控地址, 分别在不通的配置文件中写入不同的端口
     listeners=PLAINTEXT://192.168.51.128:9092
    # kafka 日志目录, 目录也是对应不同的端口
     log.dirs=/data/servers/kafka_2.11-2.4.0/logs/9092
    # kafka设置的partitons的个数
     num.partitions=1
    # ZooKeeper 的连接地址, 如果有自己的 ZooKeeper 集群, 请直接使用自己搭建的 ZooKeeper 集群
     zookeeper.connect=192.168.51.128:2181

修改 ZooKeeper 的配置文件：

dataDir=/data/servers/zookeeper
    server.1=192.168.51.128:2888:3888

然后创建 ZooKeeper 的 myid 文件：

echo "1"> /data/servers/zookeeper/myid

⑤启动 ZooKeeper

使用 Kafka 内置的 ZooKeeper：

cd /data/servers/kafka_2.11-2.4.0/bin
    zookeeper-server-start.sh -daemon ../config/zookeeper.properties
    netstat -anp |grep 2181

启动 Kafka：

./kafka-server-start.sh -daemon ../config/server_9092.properties
    ./kafka-server-start.sh -daemon ../config/server_9093.properties
    ./kafka-server-start.sh -daemon ../config/server_9094.properties

**Kafka 的操作**

①Topic

![4b55b6a700619e9bb696024245b06413.png][]

示例：

cd /data/servers/kafka_2.11-2.4.0/bin
    # 创建topic  test1
    kafka-topics.sh --create --bootstrap-server=192.168.51.128:9092,10.231.128.96:9093,192.168.51.128:9094 --replication-factor 1 --partitions 1 --topic test1
    # 创建topic test2
    kafka-topics.sh --create --bootstrap-server=192.168.51.128:9092,10.231.128.96:9093,192.168.51.128:9094 --replication-factor 1 --partitions 1 --topic test2
    # 查看topic
    kafka-topics.sh --list --bootstrap-server=192.168.51.128:9092,10.231.128.96:9093,192.168.51.128:9094

**②**自动创建 Topic

我们在工作中，如果我们不想去管理 Topic，可以通过 Kafka 的配置文件来管理。

我们可以让 Kafka 自动创建 Topic，需要在我们的 Kafka 配置文件中加入如下

配置文件：

auto.create.topics.enable=true

如果删除 Topic 想达到物理删除的目的，也是需要配置的：

delete.topic.enable=true

**③**发送消息

他们可以通过客户端的命令生产消息，先来看看 kafka-console-producer.sh 常用的几个参数吧：

![0edc011b93465c792e76b1dd01a1a732.png][]

kafka-console-consumer.sh --bootstrap-server 192.168.51.128:9092,192.168.51.128:9093,192.168.51.128:9094 --topic test1 ---beginning

![596cbcef04780d491d38621e8795d4e1.png][]

**Kafka 的日志**

![9445f914e3626ab39bca08e0a1fae9e2.png][]

定义自己的生产者：

![113852dfbee6e3c7519bfb36208efd73.png][]

![07a01420bdb1ab170b73e00b631e6558.png][]

定义生产者发送成功的回调函数：

![5e7f222801dc5f108c5e2f8faa05f16c.png][]

生产者测试类：在生产者测试类中，自己遇到一个坑，就是最后自己没有加 sleep，就是怎么检查自己的代码都没有问题，但是最后就是没法发送成功消息，最后加了一个 sleep 就可以了。

因为主函数 main 已经执行完退出，但是消息并没有发送完成，需要进行等待一下。当然，你在生产环境中可能不会遇到这样问题，呵呵！

代码如下：

import static java.lang.Thread.sleep;
    /**
     * @ClassName MyKafkaProducerTest
     * @Description TODO
     * @Author lingxiangxiang
     * @Date 3:46 PM
     * @Version 1.0
     **/
    public class MyKafkaProducerTest {
        public static void main(String[] args) throws InterruptedException {
            MyKafkaProducer producer = new MyKafkaProducer();
            boolean result = producer.sendMsg();
            System.out.println("send msg " + result);
            sleep(1000);
        }
    }

消费者类：

![2ce4e0af5cf4e9591ebfc3eba4f2e8b2.png][]

![10cc36913c209a0ef5dbbab6ab93fbb8.png][]

消费者的测试类：

/**
     * @ClassName MyConsumerTest
     * @Description TODO
     * @Author lingxiangxiang
     * @Date 4:23 PM
     * @Version 1.0
     **/
    public class MyConsumerTest {
        public static void main(String[] args) {
            MyKafkaConsumer consumer = new MyKafkaConsumer();
            consumer.start();
            System.out.println("==================");
        }
    }

![fbfa8bc041026c76b02afdb63f35a6c7.png][]

![a060d60504d5d90286ffd57c48d16c13.png][]

![59a78e3c3748b04128c53cae65f8a523.png][]

![81411c183c7afa7eecccb3a7cd68926f.png][]

**③**消费者异步手工提交

手动同步提交方式需要等待 Broker 的成功响应，效率太低，影响消费者的吞吐量。

异步提交方式是，消费者向 Broker 提交 Offset 后不用等待成功响应，所以其增加了消费者的吞吐量。

![11f7fced5b4ac7999b4a0be708b607de.png][]

![49a1f9b8a30bf5c8fa5f77f23e7b2f42.png][]

**Spring Boot 使用 Kafka**

现在大家的开发过程中，很多都用的是 Spring Boot 的项目，直接启动了，如果还是用原生的 API，就是有点 Low 了啊，那 Kafka 是如何和 Spring Boot 进行联合的呢？

maven 配置：

<dependency>
          <groupId>org.apache.kafka</groupId>
          <artifactId>kafka-clients</artifactId>
          <version>2.1.1</version>
        </dependency>

添加配置文件，在 application.properties 中加入如下配置信息：

Kafka 连接地址：

spring.kafka.bootstrap-servers = 192.168.51.128:9092,10.231.128.96:9093,192.168.51.128:9094

![42f418ce064ae97d7c080fe9a914b28e.png][]

生产者：

![9a21e04bbd1777fa82423023a80bda9f.png][]

消费者：

![acc1210ff1705474e257fc407d4fe390.png][]

[8c9518bba5383a81d8f4244a46e7b027.png]: /images/20220828/af7db55b19a64f4498e3f6830d5e40e3.png
[55c005ddf48d579babb49c1301a7cf3e.png]: /images/20220828/b757f3966e724aae84b4e15b7c9786e6.png
[dd8c4fad5d8b6c4a1af242ee47879fe1.png]: /images/20220828/a48b3d0e713a40eb8f6f0832cd474aaa.png
[44169ffdd8e2d0bff1eea2b2eb5899d9.png]: /images/20220828/3503e8d355a84d04819f4919b2b86c0b.png
[1aeae4664958b48d5630be75691e91d8.png]: /images/20220828/a1705f1f96904dc0a47c5a266886ac37.png
[9859787c89979839fd89d6ad08cbc151.png]: /images/20220828/68a55204f561405db95c5e984cd180cf.png
[7c4386874555006a335a98a804444c80.png]: /images/20220828/1baf55f5e69c4c96b4c73df8ca02b3a4.png
[20bd41756fb20c0f2b5b26f60cdbbbfa.png]: /images/20220828/6ea18671b7784f33acaf6bdb6467f689.png
[f3d92ca0731708d319f3de4533b9a82a.png]: https://img-blog.csdnimg.cn/img_convert/f3d92ca0731708d319f3de4533b9a82a.png
[c8c013f52132b14955fdbdf9d9b431ef.png]: /images/20220828/a5aed9cd846e47a2a51e979dc519db2b.png
[d101244905194ed65e321a66cab50049.png]: /images/20220828/68fbf9d2fd654c02b6e1cf591da8f8e3.png
[96b41bfb17970b363a4262941888d5c5.png]: /images/20220828/b67e6587e5b54b5bad460b8e2c7496be.png
[18e7dee64376da70000cab9055d99b46.png]: /images/20220828/131480b6e9eb45489705128b027618c1.png
[2254a3461e72ed7fb450d023be134a9f.png]: /images/20220828/8abb9c143bef4cd5a8b370426467a476.png
[cddaba25a31e48b5aad035670bcde13b.png]: /images/20220828/cbe12e92edd6442cba8e2c2ff9f22964.png
[cb09b60f3a6d96c27db35d522fc9186c.png]: /images/20220828/06e52131fe2d4a878524cc8363964e0c.png
[e878b4be28eeb48b9792df70eda7ca7e.png]: /images/20220828/bdf8aa3871854503a136a42961dd82de.png
[cde6bdcd59847f46b86939bd9af3b440.png]: /images/20220828/709c12b83c124e78a4358959850e6db2.png
[7de125be95786a5524a156d85f5496cc.png]: /images/20220828/47db82a4feb14aefbb8f82b3e07b97be.png
[1c88b07d0051681872d668c3053ddfba.png]: /images/20220828/cc8e8e843b46487b97d79c9e4ba08310.png
[eb4ce1720397d54143d62c424e85c429.png]: /images/20220828/af19c2d363d3444285311e99f252e9fa.png
[729c4c44bf09a96556bd7aca5f5a89a3.png]: /images/20220828/f716f8f20eed48229957b9b2e1252538.png
[763dae990577a20724ad42ef5287e12f.png]: /images/20220828/564183136e274eb08df903c414ad7255.png
[b66917f6827a099ed5e0e9539bf53379.png]: /images/20220828/1a38609671774142848dd142f4a44ce9.png
[28330eb9cb334fd4b636bd8c012ad8b4.png]: /images/20220828/e4b3a0b28469448381aacfe8bd38556f.png
[ed0b6a62d859f44accbee4f872f7d5d3.png]: /images/20220828/9a6283c8721942129257704c03ea274a.png
[c66d210de0cb7f220285bda393c04e86.png]: /images/20220828/5f46916d8f42457b90c755f008d5e18e.png
[1ee17f15486181c5aad916161a2dc426.png]: /images/20220828/b3a65a1f33d64436bc52d6e857bc0d39.png
[3156847c5074d8da02356bdc9ff042c3.png]: /images/20220828/22a34f16025e4e68b03a2e41df139e9d.png
[5863e44cc534c0b9753b88dba1abf455.png]: /images/20220828/caed22b07d2e4862b5dac1f834ebe14e.png
[3c5204c99c0973ed259924f7a8817eb7.png]: /images/20220828/3b66ae322df74f08a71ea00da270ea76.png
[e97fa63dd7190daa89b85f277ef1d6b5.png]: /images/20220828/17b5257190714901826e1c23ad73b913.png
[4b55b6a700619e9bb696024245b06413.png]: /images/20220828/50ee38cb835a4403b56cd221e281066f.png
[0edc011b93465c792e76b1dd01a1a732.png]: /images/20220828/4c02c6a90bdd45bb95fd4dbf49eb8251.png
[596cbcef04780d491d38621e8795d4e1.png]: /images/20220828/6690a43399a34a35aa07880a04e7e9c0.png
[9445f914e3626ab39bca08e0a1fae9e2.png]: /images/20220828/6170939929cd4e918fd16c1657db5e15.png
[113852dfbee6e3c7519bfb36208efd73.png]: /images/20220828/d99403e6d9d44e569e277440befebe7c.png
[07a01420bdb1ab170b73e00b631e6558.png]: /images/20220828/d638dd3a4be94e4baf3d35a53fd8f590.png
[5e7f222801dc5f108c5e2f8faa05f16c.png]: /images/20220828/33b8851fd05f45dd98bf1880c43484f6.png
[2ce4e0af5cf4e9591ebfc3eba4f2e8b2.png]: /images/20220828/342d0217696a404b9306b956e48358f6.png
[10cc36913c209a0ef5dbbab6ab93fbb8.png]: /images/20220828/c2be41f6e1034e0e86f90c32524eef6c.png
[fbfa8bc041026c76b02afdb63f35a6c7.png]: /images/20220828/8e2eb2d83dee444a90b6edf35d9eb783.png
[a060d60504d5d90286ffd57c48d16c13.png]: /images/20220828/3e377e05df9a4437a0bdb3266d995944.png
[59a78e3c3748b04128c53cae65f8a523.png]: /images/20220828/8b7f687ff8dc4c9b9131336b68f13eb0.png
[81411c183c7afa7eecccb3a7cd68926f.png]: /images/20220828/a85237506f11449bace028b07ce63298.png
[11f7fced5b4ac7999b4a0be708b607de.png]: /images/20220828/462bc6cdbbf245ea9f0cf55da7409bb4.png
[49a1f9b8a30bf5c8fa5f77f23e7b2f42.png]: /images/20220828/51c867fcbe054a1dbbe547ae03c22811.png
[42f418ce064ae97d7c080fe9a914b28e.png]: /images/20220828/7d880f33184646e38420b2b5621b303a.png
[9a21e04bbd1777fa82423023a80bda9f.png]: /images/20220828/4b57500a9a4949e0bcd9822556f355c8.png
[acc1210ff1705474e257fc407d4fe390.png]: /images/20220828/2627a2944c394433832d424ad9a351b9.png