分布式新闻项目实战 - 12.热点文章-实时计算(kafkaStream)
死海效应： 公司发展到一定阶段后，工作能力强的员工，就会离职，因为他无法容忍公司的某些行为，即使辞职也很快会找到好工作；工作能力差的员工，却赖着不走，因为辞职以后也不太好找工作，在公司时间久了就变成了中高层。
好员工像死海的淡水一样蒸发掉，然后死海盐度就变得很高，正常生物不容易存活。
系列文章目录
- 项目搭建
- App登录及网关
- App文章
- 自媒体平台（博主后台）
- 自媒体文章审核
- 延迟任务
- kafka及文章上下架
- App端文章搜索
- 后台系统管理
- Long类型精度丢失问题
- 定时计算热点文章（xxl-Job）
- 热点文章-实时计算(kafkaStream)
- 项目部署_持续集成(Jenkins)
文章目录
- 系列文章目录
- 一、实时流式计算
- 1. 概述
- 1.1 概念
- 1.2 应用场景
- 1.3 技术方案选型
- 1.4 Kafka Stream
- 1.4.1 概述
- 1.4.2 Kafka Streams的关键概念
- 1.4.3 KStream
- 2. 入门案例
- 2.1 需求分析
- 2.2 pom依赖
- 2.3 流式处理
- 2.4 生产者
- 2.5 消费者
- 2.6 测试
- 3. SpringBoot集成
- 3.1 自定配置参数
- 3.2 自定义配置
- 3.3 配置类
- 3.4 测试
- 二、app端热点文章计算
- 1. 思路分析
- 2. 功能实现
- 2.1 配置
- 2.1.1 集成kafka生产者配置
- 2.1.2 topic常量类
- 2.2 发送消息
- 2.2.3 点赞
- 2.2.4 阅读
- 2.3 流式处理
- 2.3.1 聚合流式处理
- 2.3.2 格式化消息
- 2.4 测试
- 2.5 监听器
- 2.6 更新文章分值
- 2.7 综合测试
一、实时流式计算
1. 概述
1.1 概念
一般流式计算会与批量计算相比较。在流式计算模型中，输入是持续的，可以认为在时间上是无界的，也就意味着，永远拿不到全量数据去做计算。
同时，计算结果是持续输出的，也即计算结果在时间上也是无界的。
流式计算一般对实时性要求较高，同时一般是先定义目标计算，然后数据到来之后将计算逻辑应用于数据。
同时为了提高计算效率，往往尽可能采用增量计算代替全量计算。
流式计算就相当于上图的右侧扶梯，是可以源源不断的产生数据，源源不断的接收数据，没有边界。
1.2 应用场景
- 日志分析： 网站的用户访问日志进行实时的分析，计算访问量，用户画像，留存率等等，实时的进行数据分析，帮助企业进行决策
- 大屏看板统计： 可以实时的查看网站注册数量，订单数量，购买数量，金额等。
- 公交实时数据： 可以随时更新公交车方位，计算多久到达站牌等
- 实时文章分值计算： 头条类文章的分值计算，通过用户的行为实时文章的分值，分值越高就越被推荐。
1.3 技术方案选型
-
Hadoop： Hadoop是一个分布式系统基础架构。充分利用集群的威力进行高速运算和存储。Hadoop实现了一个分布式文件系统（ Distributed File System），其中一个组件是HDFS（Hadoop Distributed File System）。HDFS为海量的数据提供了存储，而MapReduce则为海量的数据提供了计算。
-
Apche Storm： Storm 是一个分布式实时大数据处理系统，可以帮助我们方便地处理海量数据，具有高可靠、高容错、高扩展的特点。是流式框架，有很高的数据吞吐能力。
-
Kafka Stream： 可以轻松地将其嵌入任何Java应用程序中，并与用户为其流应用程序所拥有的任何现有打包，部署和操作工具集成。
1.4 Kafka Stream
1.4.1 概述
Kafka Stream是Apache Kafka从0.10版本引入的一个新Feature。它是提供了对存储于Kafka内的数据进行流式处理和分析的功能。
Kafka Stream的特点如下：
- Kafka Stream提供了一个非常简单而轻量的Library，它可以非常方便地嵌入任意Java应用中，也可以任意方式打包和部署
- 除了Kafka外，无任何外部依赖
- 充分利用Kafka分区机制实现水平扩展和顺序性保证
- 通过可容错的state store实现高效的状态操作（如windowed join和aggregation）
- 支持正好一次处理语义
- 提供记录级的处理能力，从而实现毫秒级的低延迟
- 支持基于事件时间的窗口操作，并且可处理晚到的数据（late arrival of records）
- 同时提供底层的处理原语Processor（类似于Storm的spout和bolt），以及高层抽象的DSL（类似于Spark的map/group/reduce）
1.4.2 Kafka Streams的关键概念
- 源处理器（Source Processor）：源处理器是一个没有任何上游处理器的特殊类型的流处理器。它从一个或多个kafka主题生成输入流。通过消费这些主题的消息并将它们转发到下游处理器。
- Sink处理器：sink处理器是一个没有下游流处理器的特殊类型的流处理器。它接收上游流处理器的消息发送到一个指定的Kafka主题。
1.4.3 KStream
数据结构类似于map,如下图，key-value键值对
KStream
KStream数据流（data stream），即是一段顺序的，可以无限长，不断更新的数据集。
数据流中比较常记录的是事件，这些事件可以是一次鼠标点击（click），一次交易，或是传感器记录的位置数据。
KStream负责抽象的，就是数据流。与Kafka自身topic中的数据一样，类似日志，每一次操作都是向其中插入（insert）新数据。
为了说明这一点，让我们想象一下以下两个数据记录正在发送到流中：
（“ alice”，1）->（“” alice“，3）
如果您的流处理应用是要总结每个用户的价值，它将返回4了alice。为什么？因为第二条数据记录将不被视为先前记录的更新。（insert）新数据
2. 入门案例
2.1 需求分析
2.2 pom依赖
编辑 heima-leadnews-test\kafka-demo\pom.xml 文件：
<dependency><groupId>org.apache.kafkagroupId><artifactId>kafka-streamsartifactId><exclusions><exclusion><artifactId>connect-jsonartifactId><groupId>org.apache.kafkagroupId>exclusion><exclusion><groupId>org.apache.kafkagroupId><artifactId>kafka-clientsartifactId>exclusion>exclusions>dependency>
2.3 流式处理
新建 heima-leadnews-test\kafka-demo\src\main\java\com\heima\kafka\sample\KafkaStreamQuickStart.java 文件：
/*** 流式处理*/public class KafkaStreamQuickStart {public static void main(String[] args) {// kafka的配置信息Properties prop = new Properties();prop.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.200.130:9092");prop.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());prop.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());prop.put(StreamsConfig.APPLICATION_ID_CONFIG, "streams-quickstart");//stream 构建器StreamsBuilder streamsBuilder = new StreamsBuilder();//流式计算streamProcessor(streamsBuilder);//创建kafkaStream对象KafkaStreams kafkaStreams = new KafkaStreams(streamsBuilder.build(), prop);//开启流式计算kafkaStreams.start();}/*** 流式计算** @param streamsBuilder*/private static void streamProcessor(StreamsBuilder streamsBuilder) {//创建KStream对象，同时指定从那个topic中接收消息KStream<String, String> stream = streamsBuilder.stream("itcast-topic-input");/*** 处理消息的value*/stream.flatMapValues(new ValueMapper<String, Iterable<String>>() {@Overridepublic Iterable<String> apply(String value) {return Arrays.asList(value.split(" "));}})//按照value进行聚合处理.groupBy((key, value) -> value)//时间窗口.windowedBy(TimeWindows.of(Duration.ofSeconds(10)))//统计单词的个数.count()//转换为kStream.toStream().map((key, value) -> {System.out.println("key:" + key + ",value:" + value);return new KeyValue<>(key.key().toString(), value.toString());})//发送消息.to("itcast-topic-out");}
}
2.4 生产者
新建 heima-leadnews-test\kafka-demo\src\main\java\com\heima\kafka\sample\ProducerStreamQuickStart.java 文件：
/*** 生产者*/
public class ProducerStreamQuickStart {public static void main(String[] args) throws ExecutionException, InterruptedException {// 1. kafka链接配置信息Properties prop = new Properties();prop.put(ProducerConfig.BOOTSTRAP_SERVERS_CONFIG, "192.168.200.130:9092");prop.put(ProducerConfig.KEY_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");prop.put(ProducerConfig.VALUE_SERIALIZER_CLASS_CONFIG, "org.apache.kafka.common.serialization.StringSerializer");prop.put(ProducerConfig.ACKS_CONFIG, "all");prop.put(ProducerConfig.RETRIES_CONFIG, 10);prop.put(ProducerConfig.COMPRESSION_TYPE_CONFIG, "snappy");// 2. 创建生产者KafkaProducer<String, String> producer = new KafkaProducer<String, String>(prop);// 3. 发送消息 流式处理for (int i = 0; i < 5; i++) {ProducerRecord<String, String> kvProducerRecord = new ProducerRecord<String, String>("itcast-topic-input", "hello kafka");producer.send(kvProducerRecord);}// 4. 关闭消息通道(必须关闭,否则信息发送不成功)producer.close();}
}
2.5 消费者
编辑 heima-leadnews-test\kafka-demo\src\main\java\com\heima\kafka\sample\ConsumerQuickStart.javal 文件：
// 3. 订阅主题//consumer.subscribe(Collections.singletonList("topic-first"));// 流式计算consumer.subscribe(Collections.singletonList("itcast-topic-out"));
2.6 测试
启动 ConsumerQuickStart(监听器)、 KafkaStreamQuickStart(流式处理)，执行 ProducerStreamQuickStart(生产者) 方法：
3. SpringBoot集成
3.1 自定配置参数
新建 heima-leadnews-test\kafka-demo\src\main\java\com\heima\kafka\config\KafkaStreamConfig.java 文件：
/*** 通过重新注册KafkaStreamsConfiguration对象，设置自定配置参数*/@Setter
@Getter
@Configuration
@EnableKafkaStreams
@ConfigurationProperties(prefix="kafka")
public class KafkaStreamConfig {private static final int MAX_MESSAGE_SIZE = 16* 1024 * 1024;private String hosts;private String group;@Bean(name = KafkaStreamsDefaultConfiguration.DEFAULT_STREAMS_CONFIG_BEAN_NAME)public KafkaStreamsConfiguration defaultKafkaStreamsConfig() {Map<String, Object> props = new HashMap<>();props.put(StreamsConfig.BOOTSTRAP_SERVERS_CONFIG, hosts);props.put(StreamsConfig.APPLICATION_ID_CONFIG, this.getGroup()+"_stream_aid");props.put(StreamsConfig.CLIENT_ID_CONFIG, this.getGroup()+"_stream_cid");props.put(StreamsConfig.RETRIES_CONFIG, 10);props.put(StreamsConfig.DEFAULT_KEY_SERDE_CLASS_CONFIG, Serdes.String().getClass());props.put(StreamsConfig.DEFAULT_VALUE_SERDE_CLASS_CONFIG, Serdes.String().getClass());return new KafkaStreamsConfiguration(props);}
}
3.2 自定义配置
编辑 heima-leadnews-test\kafka-demo\src\main\resources\application.yml 文件：
kafka:hosts: 192.168.200.130:9092group: ${spring.application.name}
3.3 配置类
新建 heima-leadnews-test\kafka-demo\src\main\java\com\heima\kafka\stream\KafkaStreamHelloListener.java 文件：
@Configuration
@Slf4j
public class KafkaStreamHelloListener {@Beanpublic KStream<String, String> kStream(StreamsBuilder streamsBuilder) {//创建kstream对象，同时指定从那个topic中接收消息KStream<String, String> stream = streamsBuilder.stream("itcast-topic-input");stream.flatMapValues(new ValueMapper<String, Iterable<String>>() {@Overridepublic Iterable<String> apply(String value) {return Arrays.asList(value.split(" "));}})//根据value进行聚合分组.groupBy((key, value) -> value)//聚合计算时间间隔.windowedBy(TimeWindows.of(Duration.ofSeconds(10)))//求单词的个数.count().toStream()//处理后的结果转换为string字符串.map((key, value) -> {System.out.println("key:" + key + ",value:" + value);return new KeyValue<>(key.key().toString(), value.toString());})//发送消息.to("itcast-topic-out");return stream;}
}
3.4 测试
启动 ConsumerQuickStart(监听器)、 KafkaStreamHelloListener(启动类)，执行 ProducerStreamQuickStart(生产者) 方法：
二、app端热点文章计算
1. 思路分析
2. 功能实现
（阅读量，评论，点赞，收藏）发送消息，以阅读和点赞为例
2.1 配置
2.1.1 集成kafka生产者配置
修改nacos leadnews-behavior：
spring:application:name: leadnews-behaviorkafka:bootstrap-servers: 192.168.200.130:9092producer:retries: 10key-serializer: org.apache.kafka.common.serialization.StringSerializervalue-serializer: org.apache.kafka.common.serialization.StringSerializer
2.1.2 topic常量类
新建 heima-leadnews-common\src\main\java\com\heima\common\constants\BehaviorConstants.java 文件：
public class BehaviorConstants {public static final String LIKE_BEHAVIOR="LIKE-BEHAVIOR-";public static final String UN_LIKE_BEHAVIOR="UNLIKE-BEHAVIOR-";public static final String COLLECTION_BEHAVIOR="COLLECTION-BEHAVIOR-";public static final String READ_BEHAVIOR="READ-BEHAVIOR-";public static final String APUSER_FOLLOW_RELATION="APUSER-FOLLOW-";public static final String APUSER_FANS_RELATION="APUSER-FANS-";
}
2.2 发送消息
2.2.3 点赞
编辑 heima-leadnews-service\heima-leadnews-behavior\src\main\java\com\heima\behavior\service\impl\ApLikesBehaviorServiceImpl.java 文件：
@Autowiredprivate KafkaTemplate<String,String> kafkaTemplate;...UpdateArticleMess mess = new UpdateArticleMess();mess.setArticleId(dto.getArticleId());mess.setType(UpdateArticleMess.UpdateArticleType.LIKES);//3.点赞 保存数据...//发送消息，数据聚合kafkaTemplate.send(HotArticleConstants.HOT_ARTICLE_SCORE_TOPIC,JSON.toJSONString(mess));...
2.2.4 阅读
编辑 heima-leadnews-service\heima-leadnews-behavior\src\main\java\com\heima\behavior\service\impl\ApReadBehaviorServiceImpl.java 文件：
@Autowiredprivate KafkaTemplate<String,String> kafkaTemplate;...// 保存当前key...//发送消息，数据聚合UpdateArticleMess mess = new UpdateArticleMess();mess.setArticleId(dto.getArticleId());mess.setType(UpdateArticleMess.UpdateArticleType.VIEWS);mess.setAdd(1);kafkaTemplate.send(HotArticleConstants.HOT_ARTICLE_SCORE_TOPIC,JSON.toJSONString(mess));...
2.3 流式处理
2.3.1 聚合流式处理
新建 heima-leadnews-service\heima-leadnews-article\src\main\java\com\heima\article\stream\HotArticleStreamHandler.java 文件：
@Configuration
@Slf4j
public class HotArticleStreamHandler {@Beanpublic KStream<String,String> kStream(StreamsBuilder streamsBuilder){//接收消息KStream<String,String> stream = streamsBuilder.stream(HotArticleConstants.HOT_ARTICLE_SCORE_TOPIC);//聚合流式处理stream.map((key,value)->{UpdateArticleMess mess = JSON.parseObject(value, UpdateArticleMess.class);//重置消息的key:1234343434 和 value: likes:1return new KeyValue<>(mess.getArticleId().toString(),mess.getType().name()+":"+mess.getAdd());})//按照文章id进行聚合.groupBy((key,value)->key)//时间窗口.windowedBy(TimeWindows.of(Duration.ofSeconds(10)))/*** 自行的完成聚合的计算*/.aggregate(new Initializer<String>() {/*** 初始方法，返回值是消息的value* @return*/@Overridepublic String apply() {return "COLLECTION:0,COMMENT:0,LIKES:0,VIEWS:0";}/*** 真正的聚合操作，返回值是消息的value*/}, new Aggregator<String, String, String>() {@Overridepublic String apply(String key, String value, String aggValue) {if(StringUtils.isBlank(value)){return aggValue;}String[] aggAry = aggValue.split(",");int col = 0,com=0,lik=0,vie=0;for (String agg : aggAry) {String[] split = agg.split(":");/*** 获得初始值，也是时间窗口内计算之后的值*/switch (UpdateArticleMess.UpdateArticleType.valueOf(split[0])){case COLLECTION:col = Integer.parseInt(split[1]);break;case COMMENT:com = Integer.parseInt(split[1]);break;case LIKES:lik = Integer.parseInt(split[1]);break;case VIEWS:vie = Integer.parseInt(split[1]);break;}}/*** 累加操作*/String[] valAry = value.split(":");switch (UpdateArticleMess.UpdateArticleType.valueOf(valAry[0])){case COLLECTION:col += Integer.parseInt(valAry[1]);break;case COMMENT:com += Integer.parseInt(valAry[1]);break;case LIKES:lik += Integer.parseInt(valAry[1]);break;case VIEWS:vie += Integer.parseInt(valAry[1]);break;}String formatStr = String.format("COLLECTION:%d,COMMENT:%d,LIKES:%d,VIEWS:%d", col, com, lik, vie);System.out.println("文章的id:"+key);System.out.println("当前时间窗口内的消息处理结果："+formatStr);return formatStr;}}, Materialized.as("hot-atricle-stream-count-001")).toStream().map((key,value)->{return new KeyValue<>(key.key().toString(),formatObj(key.key().toString(),value));})//发送消息.to(HotArticleConstants.HOT_ARTICLE_INCR_HANDLE_TOPIC);return stream;}
}
2.3.2 格式化消息
新建 heima-leadnews-model\src\main\java\com\heima\model\mess\ArticleVisitStreamMess.java 文件：
@Data
public class ArticleVisitStreamMess {/*** 文章id*/private Long articleId;/*** 阅读*/private int view;/*** 收藏*/private int collect;/*** 评论*/private int comment;/*** 点赞*/private int like;
}
编辑 heima-leadnews-service\heima-leadnews-article\src\main\java\com\heima\article\stream\HotArticleStreamHandler.java 文件：
/*** 格式化消息的value数据* @param articleId* @param value* @return*/public String formatObj(String articleId,String value){ArticleVisitStreamMess mess = new ArticleVisitStreamMess();mess.setArticleId(Long.valueOf(articleId));//COLLECTION:0,COMMENT:0,LIKES:0,VIEWS:0String[] valAry = value.split(",");for (String val : valAry) {String[] split = val.split(":");switch (UpdateArticleMess.UpdateArticleType.valueOf(split[0])){case COLLECTION:mess.setCollect(Integer.parseInt(split[1]));break;case COMMENT:mess.setComment(Integer.parseInt(split[1]));break;case LIKES:mess.setLike(Integer.parseInt(split[1]));break;case VIEWS:mess.setView(Integer.parseInt(split[1]));break;}}log.info("聚合消息处理之后的结果为:{}",JSON.toJSONString(mess));return JSON.toJSONString(mess);}
2.4 测试
启动 ArticleApplication、 BehaviorApplication、 UserApplication、 AppGatewayApplication 微服务，以及 nginx，查看App端首页文章列表 http://localhost:8801：
开启两个浏览器，不同用户对同一文章取消点赞：
2.5 监听器
新建 heima-leadnews-service\heima-leadnews-article\src\main\java\com\heima\article\listener\ArticleIncrHandleListener.java 文件：
@Component
@Slf4j
public class ArticleIncrHandleListener {@Autowiredprivate ApArticleService apArticleService;@KafkaListener(topics = HotArticleConstants.HOT_ARTICLE_INCR_HANDLE_TOPIC)public void onMessage(String mess){if(StringUtils.isNotBlank(mess)){System.out.println(mess);}}
}
2.6 更新文章分值
新建 heima-leadnews-model\src\main\java\com\heima\model\mess\ArticleVisitStreamMess.java 文件：
@Data
public class ArticleVisitStreamMess {/*** 文章id*/private Long articleId;/*** 阅读*/private int view;/*** 收藏*/private int collect;/*** 评论*/private int comment;/*** 点赞*/private int like;
}
编辑 heima-leadnews-service\heima-leadnews-article\src\main\java\com\heima\article\service\ApArticleService.java 文件：
/*** 更新文章分值, 同时更新缓存中的热点文章数据* @param mess*/public void updateScore(ArticleVisitStreamMess mess);
编辑 heima-leadnews-service\heima-leadnews-article\src\main\java\com\heima\article\service\impl\ApArticleServiceImpl.java 文件：
/*** 更新文章分值, 同时更新缓存中的热点文章数据* @param mess*/@Overridepublic void updateScore(ArticleVisitStreamMess mess) {//1.更新文章的阅读、点赞、收藏、评论的数量ApArticle apArticle = updateArticle(mess);//2.计算文章的分值Integer score = computeScore(apArticle);score = score * 3;//3.替换当前文章对应频道的热点数据replaceDataToRedis(apArticle, score, ArticleConstants.HOT_ARTICLE_FIRST_PAGE + apArticle.getChannelId());//4.替换推荐对应的热点数据replaceDataToRedis(apArticle, score, ArticleConstants.HOT_ARTICLE_FIRST_PAGE + ArticleConstants.DEFAULT_TAG);}/*** 替换数据并且存入到redis* @param apArticle* @param score* @param s*/private void replaceDataToRedis(ApArticle apArticle, Integer score, String s) {String articleListStr = cacheService.get(s);if (StringUtils.isNotBlank(articleListStr)) {List<HotArticleVo> hotArticleVoList = JSON.parseArray(articleListStr, HotArticleVo.class);boolean flag = true;//如果缓存中存在该文章，只更新分值for (HotArticleVo hotArticleVo : hotArticleVoList) {if (hotArticleVo.getId().equals(apArticle.getId())) {hotArticleVo.setScore(score);flag = false;break;}}//如果缓存中不存在，查询缓存中分值最小的一条数据，进行分值的比较，如果当前文章的分值大于缓存中的数据，就替换if (flag) {if (hotArticleVoList.size() >= 30) {hotArticleVoList = hotArticleVoList.stream().sorted(Comparator.comparing(HotArticleVo::getScore).reversed()).collect(Collectors.toList());HotArticleVo lastHot = hotArticleVoList.get(hotArticleVoList.size() - 1);if (lastHot.getScore() < score) {hotArticleVoList.remove(lastHot);HotArticleVo hot = new HotArticleVo();BeanUtils.copyProperties(apArticle, hot);hot.setScore(score);hotArticleVoList.add(hot);}} else {HotArticleVo hot = new HotArticleVo();BeanUtils.copyProperties(apArticle, hot);hot.setScore(score);hotArticleVoList.add(hot);}}//缓存到redishotArticleVoList = hotArticleVoList.stream().sorted(Comparator.comparing(HotArticleVo::getScore).reversed()).collect(Collectors.toList());cacheService.set(s, JSON.toJSONString(hotArticleVoList));}}/*** 更新文章行为数量* @param mess*/private ApArticle updateArticle(ArticleVisitStreamMess mess) {ApArticle apArticle = getById(mess.getArticleId());apArticle.setCollection(apArticle.getCollection()==null?0:apArticle.getCollection()+mess.getCollect());apArticle.setComment(apArticle.getComment()==null?0:apArticle.getComment()+mess.getComment());apArticle.setLikes(apArticle.getLikes()==null?0:apArticle.getLikes()+mess.getLike());apArticle.setViews(apArticle.getViews()==null?0:apArticle.getViews()+mess.getView());updateById(apArticle);return apArticle;}/*** 计算文章的具体分值* @param apArticle* @return*/private Integer computeScore(ApArticle apArticle) {Integer score = 0;if(apArticle.getLikes() != null){score += apArticle.getLikes() * ArticleConstants.HOT_ARTICLE_LIKE_WEIGHT;}if(apArticle.getViews() != null){score += apArticle.getViews();}if(apArticle.getComment() != null){score += apArticle.getComment() * ArticleConstants.HOT_ARTICLE_COMMENT_WEIGHT;}if(apArticle.getCollection() != null){score += apArticle.getCollection() * ArticleConstants.HOT_ARTICLE_COLLECTION_WEIGHT;}return score;}
2.7 综合测试
启动 ArticleApplication、 BehaviorApplication、 UserApplication、 AppGatewayApplication 微服务，以及 nginx，查看App端首页文章列表 http://localhost:8801：
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！