1回答
我正在从spark应用程序连接到一个MySql DB (星火-2.0.0-bin-hadoop2.7)。当连接时，我得到以下错误。
这是我的代码：
def main(args: Array[String]) {
val conf = new SparkConf()
.setAppName("LoadMySql")
.setMaster("local[*]")
.set("spark.sql.warehouse.dir", "file:///C:/temp")
val spark = Sp
浏览 1提问于2018-09-25得票数 0
是分布式文件存储(HDFS/Cassandra/S3等)是否强制spark在群集模式下运行？若有，原因为何？
Spark是用于计算海量数据的分布式数据处理引擎。假设我在mysql中存储了大量数据，我想对这些数据进行处理。Spark从mysql读取数据，并在集群节点本身上执行内存(或磁盘)计算。我仍然不能理解为什么在集群模式下运行spark需要分布式文件存储？
浏览 3提问于2021-03-25得票数 0
1回答
我的用例如下:我们正在使用Spark从HDFS读取和转换数据。转换后的数据应保存在memsql中。
有没有使用Spark写入memsql的最佳实践？也就是说，在使用数据帧进行大规模(并行)写入时，确保写入性能和可伸缩性的最佳方法是什么？
首选的解决方案是:使用memsql/Spark连接器()还是DataFrame的“写”方法(与MySQL JDBC驱动程序结合使用)。
长话短说: Spark scale如何写入memsql？
浏览 4提问于2016-01-15得票数 1
我正在尝试设置一条从mysql binlogs到redshift的数据管道。我正在从Mysql binlogs(使用一个工具- cannedbeer，来自mypipe的fork )向kafka写入数据，然后使用spark streaming将这些消息写入到使用spark redshift connector.The的Redshift中。我面临的问题是，由于Dstream .Can的foreachRDD方法(写入Redshift的副作用)中的作业失败，相同的消息被多次写入到redshift.Is这是因为这个问题以及如何提前解决it.Thanks。
浏览 1提问于2015-11-12得票数 1
在SparkSQL中可以加入mysql和Oracle数据库中的数据吗？我试图加入他们，但在SPARK_CLASSPATH中设置多个jars (用于mysql和Oracle的jdbc驱动程序)时遇到了一些问题。这是我的代码：
import os
import sys
os.environ['SPARK_HOME']="/home/x/spark-1.5.2"
sys.path.append("/home/x/spark-1.5.2/python/")
try:
from pyspark import SparkContext, Spar
浏览 2提问于2015-12-30得票数 1
当我为表同步运行spark应用程序时，错误消息如下所示：
19/10/16 01:37:40 ERROR Executor: Exception in task 0.0 in stage 3.0 (TID 51)
com.mysql.cj.jdbc.exceptions.CommunicationsException: Communications link failure
The last packet sent successfully to the server was 0 milliseconds ago. The driver has not received any packet
浏览 3提问于2019-10-16得票数 0
回答已采纳
目前，我正在使用JDBC驱动程序将数据从MySQL数据库导入到spark中，使用以下命令：
dataframe_mysql = sqlctx
.read
.format("jdbc")
.option("url", "jdbc:mysql://<IP-ADDRESS>:3306/<DATABASE>")
.option("driver", "com.mysql.jdbc.Driver")
.option("dbtable", "
浏览 4提问于2017-08-11得票数 3
1回答
我试图从Azure事件中心读取数据，并以火花流模式将此数据存储到Mysql表中。
下面是我的电火花代码
from pyspark.sql import SparkSession
from pyspark.sql.functions import *
from pyspark.sql.types import *
import json
from datetime import datetime as dt
from pyspark.sql import DataFrameWriter
try:
session = SparkSession.builder.master("lo
浏览 10提问于2021-12-22得票数 1
回答已采纳
在Scala中用MySQL将数据火花流存储到foreachRDD()中
请有人给我一个函数示例，说明如何使用Scala中的MySQL foreachRDD()来保存流到foreachRDD()的Spark。我有下面的代码，但它不起作用。我只需要一个简单的例子，而不是正法或理论。
谢谢!
package examples
import org.apache.spark.{SparkConf, SparkContext}
import org.apache.spark._
import org.apache.spark.storage.StorageLevel
import org.apache.
浏览 1提问于2017-05-20得票数 4
回答已采纳
我试图弄清楚如何使用新的DataFrameWriter将数据写回JDBC数据库。我似乎找不到这方面的任何文档，尽管看一下源代码，它似乎是可能的。
下面是我正在尝试的一个简单的例子：
sqlContext.read.format("jdbc").options(Map(
"url" -> "jdbc:mysql://localhost/foo", "dbtable" -> "foo.bar")
).select("some_column", "another_column
浏览 0提问于2015-09-16得票数 7
我们通过EMR使用Apache Spark(2.4.5)作业，它读取存储桶前缀{ S3 }/{ prefix }/*.json，执行一些数据消息，然后在覆盖模式下通过Spark作业save()将其重写回相同的{bucket}/{prefix}。我的问题是，如果Spark作业在将数据重写到S3前缀分区时失败，那么我们是否有办法以任何原子/事务方式恢复该前缀分区中的数据。spark/EMR/S3中的任何/所有这些都支持它吗？
浏览 11提问于2020-10-02得票数 0
我试图开发几个数据管道使用Apache气流与预定的火花作业。
对于这些管道之一，我试图将数据从PySpark DataFrame写入MySQL，并且一直遇到一些问题。这只是我的代码现在看起来的样子，但是我确实想在将来添加更多的转换，
df_tsv = spark.read.csv(tsv_file, sep=r'\t', header=True)
df_tsv.write.jdbc(url=mysql_url, table=mysql_table, mode="append", properties={"user":mysql_user,
浏览 2提问于2021-10-28得票数 1
回答已采纳
我有一个火花作业，它在第一次运行时在5分钟内运行，然后需要几分钟..more，而在随后的运行中需要20-30分钟。我正在读取一个拼花文件一次，然后创建数据格式并以.json格式编写。在代码中的任何地方，我都没有使用缓存()、持久化()或未持久化()。这是本地实例。有什么问题吗？
配置参数
val spark = SparkSession
.builder()
.appName("example")
.config("spark.sql.warehouse.dir", warehouseLocation)
.config("spark
浏览 2提问于2017-07-28得票数 0
1回答
我目前正在尝试通过Spark SQL将一个非常大的MySQL表的内容批量迁移到一个parquet文件中。但是当我这样做的时候，我很快就会耗尽内存，即使是在驱动程序的内存限制设置得更高的时候(我在本地模式下使用spark )。示例代码：
Dataset<Row> ds = spark.read()
.format("jdbc")
.option("url", url)
.option("driver", "com.mysql.jdbc.Driver")
.option("dbtab
浏览 12提问于2016-08-20得票数 7
回答已采纳
当试图将JDBC加载到Spark中时，我遇到了非常奇怪的问题。
我尝试了几个星团-纱线，独立的集群和伪分布式模式在我的笔记本电脑。它在星火1.3.0和1.3.1上都是可复制的。这个问题既发生在spark-shell中，也发生在用spark-submit执行代码时。我尝试过MySQL &MySQL驱动程序，但没有成功。
考虑以下样本：
val driver = "com.mysql.jdbc.Driver"
val url = "jdbc:mysql://localhost:3306/test"
val t1 = {
sqlContext.load(
浏览 2提问于2015-04-28得票数 13
回答已采纳
2回答
我是一个使用Spark的新手。我遵循了DataBricks：的在线指南
我可以成功地获得到MySQL实例的连接并从中读取。但是，我一直从Spark中获得NoTableFound或NoDatabaseFound错误的变体。下面是我的整个测试类的样子：
import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.SQLContext;
import org.a
浏览 4提问于2017-05-01得票数 0
回答已采纳
我设计了一个简单的工作，可以从MySQL读取数据，并将其保存在使用Spark的Elasticsearch中。
以下是代码：
JavaSparkContext sc = new JavaSparkContext(
new SparkConf().setAppName("MySQLtoEs")
.set("es.index.auto.create", "true")
.set("es.nodes", "127.0.0.1:9200")
浏览 0提问于2015-09-19得票数 7
回答已采纳
我正在尝试运行这样一个PySpark应用程序：
with SparkSession.builder.appName(f"Spark App").getOrCreate() as spark:
dataframe_mysql = spark.read.format('jdbc').options(
url="jdbc:mysql://.../...",
driver='com.mysql.cj.jdbc.Driver',
dbtable='my_table',
浏览 3提问于2022-08-12得票数 0
回答已采纳
我正试图给TIDB (Spark2.3)写一条电火花数据(百万行)。
df.write.format('jdbc').options(
url='jdbc:mysql://<host>:<port>/<table>',
driver='com.mysql.jdbc.Driver',
dbtable='<tablename>',
user='<username>',
password='<password>',
浏览 5提问于2019-12-29得票数 0
回答已采纳
1回答
我的目标是使用Spark结构化流将转换后的数据从MongoDB集合写入Neo4j。根据Neo4j文档，这在"“版本4.1.2中是可能的。
到目前为止，批处理查询工作正常。但是，通过下面的示例，我遇到了一条错误消息：
spark-shell --packages org.mongodb.spark:mongo-spark-connector:10.0.2,org.neo4j:neo4j-connector-apache-spark_2.12:4.1.2_for_spark_3
val dfTxn = spark.readStream.format("mongodb")
.
浏览 17提问于2022-06-27得票数 0
我正在写一份spark工作，根据学生日期过滤最新的学生记录。但当我尝试使用数十万条记录时，它工作得很好。但是，当我使用大量记录运行它时，我的sparkjob返回下面的错误。
我猜这个错误是因为我从表中加载了所有数据并将int放入了RDD中。因为我的表包含大约420万条记录。如果是这样的话，有没有更好的方法来有效地加载这些数据并成功地继续我的操作？
请任何人帮我解决这个问题
WARN TaskSetManager: Lost task 0.0 in stage 1.0 (TID 1, 10.10.10.10): java.lang.OutOfMemoryError: GC overhead li
浏览 22提问于2017-03-10得票数 1
我希望将数据保存到MySQL中，覆盖某些字段中的重复行，并将挂起的数据不包含的数据保存在MySQL中。我试过的Mode.Overwrite/Mode.append仍然不能满足我的需求。因此，我尝试从MySQL加载现有数据并找到行。但是，当将数据保存到MySQL中时，获得的DataFrame变为空。
在此过程中，我尝试了两种方法：
查找挂起的数据中不存在的数据，然后使用UNION将这两个部分连接起来。最后，使用Mode.Overwrite进行保存。
查找挂起的数据中不存在的数据。使用Mode.Overwrite保存挂起的DataFrame和Mode.append以保存获得的DF。
浏览 1提问于2017-11-07得票数 3
回答已采纳
1)我正在阅读Postgres的表格，如下所示，并创建了一个dataframe
df = spark.read.format("jdbc").option("url", url). \
option("query", "SELECT * FROM test_spark"). \
load()
2)更新dataframe df中的一个值。
newDf = df.withColumn('id',F.when(df[&
浏览 4提问于2020-06-19得票数 0
我在MySQL中有一个test表，其id和名称如下：
+----+-------+
| id | name |
+----+-------+
| 1 | Name1 |
+----+-------+
| 2 | Name2 |
+----+-------+
| 3 | Name3 |
+----+-------+
我使用Spark读取这些数据(使用JDBC)并修改数据，如下所示
Dataset<Row> modified = sparkSession.sql("select id, concat(name,' - new') as name from
浏览 0提问于2017-01-26得票数 8
回答已采纳
我想把输出数据导入mysql数据库，但是发生以下错误，我不会将数组转换成所需的字符串类型，能帮我吗？
val Array(trainingData, testData) = msgDF.randomSplit(Array(0.9, 0.1))
val pipeline = new Pipeline().setStages(Array(labelIndexer, word2Vec, mlpc, labelConverter))
val model = pipeline.fit(trainingData)
val predictionResultDF = model.tr
浏览 0提问于2018-05-06得票数 2
回答已采纳
我想用Python (PySpark)实现从Kafka源代码到MariaDB (PySpark)的Spark结构化流(Spark2.4.x)。
我想使用流式星火数据，而不是静态或潘达斯的数据。
似乎必须使用foreach或foreachBatch，因为根据，流数据没有可能的数据库接收器。
以下是我的尝试：
from pyspark.sql import SparkSession
import pyspark.sql.functions as F
from pyspark.sql.types import StructField, StructType, StringType, DoubleTy
浏览 3提问于2019-11-08得票数 7
回答已采纳
1回答
我正在使用Pyspark从mysql中提取数据，并试图使用pyspark上传相同的数据。虽然这样做，它需要5-7分钟来上传一块100 K的记录。
这一过程将需要几个月的数据拉出，因为源中大约有3,108,700,000 recs。是否有更好的方法可以改善S3上传过程。
注意:数据拉取一次100 K只需20-30秒，这仅仅是S3上传造成的问题。
下面是我如何为S3编写DF。
df = spark.read.format("jdbc").
option('url', jdbcURL).
option('driver', drive
浏览 3提问于2022-06-24得票数 0
回答已采纳
1回答
上下文:我有一个使用SQl查询的数据文件。在这个查询中，我使用spark上的熊猫保存到一个数据文件中。现在，经过一些转换后，我想将这个新的dataframe保存在给定数据库的新表上。
示例：
spark = SparkSession.builder.appName('transformation').getOrCreate()
df_final = spark.sql("SELECT * FROM table")
df_final = ps.DataFrame(df_final)
## Write Frame out as Table
spark_df_fina
浏览 13提问于2022-11-18得票数 0
回答已采纳
我有一个类似下面的pyspark脚本。在这个脚本中，我遍历表名的input文件并执行代码。
现在，我想在每次迭代函数mysql_spark时分别收集日志。
例如：
input file
table1
table2
table3
现在，当我执行pyspark脚本时，我将所有三个表的日志保存在一个文件中。
What I want is 3 separate log files 1 for each table
Pyspark脚本：
#!/usr/bin/env python
import sys
from pyspark import SparkContext, SparkConf
from py
浏览 1提问于2017-07-29得票数 0
回答已采纳
1回答
我试图使用下面的代码将存储在Azure数据湖Gen2上的json文档导入Server数据库，但遇到以下错误。但是，当我从Server读取数据时，jdbc连接可以工作。
错误消息： The driver could not open a JDBC connection.
代码：
df = spark.read.format('json').load("wasbs://<file_system>@<storage-account-name>.blob.core.windows.net/empDir/data";)
val blobStorag
浏览 3提问于2020-08-21得票数 0
回答已采纳
我正在尝试使用pyspark将一个数据帧追加到redshift表中。 我做错了什么？ 该表已经存在，并且已经包含一些数据。 myDf.write \
.format("com.databricks.spark.redshift") \
.option("url", JDBC_REDSHIFT) \
.option('forward_spark_s3_credentials', "true") \
.option("dbtable", MY_TABLE) \
.option("tempdir",&#
浏览 22提问于2019-01-16得票数 3
嗯，我使用的是PySpark，我有一个Spark dataframe，我使用它将数据插入到mysql表中。
url = "jdbc:mysql://hostname/myDB?user=xyz&password=pwd"
df.write.jdbc(url=url, table="myTable", mode="append")
我希望通过列值和特定数字的总和来更新列值(不在主键中)。
我尝试过不同的模式(追加、覆盖) DataFrameWriter.jdbc()函数。
我的问题是，我们如何像在mysql中使用ON DUPLICATE K
浏览 4提问于2015-09-16得票数 12
2回答
我有一个DSE集群，集群中的每个节点都在运行spark和Cassandra。
当我从Cassandra加载数据到spark rdd并在Rdd上执行一些操作时，我知道数据将分布到多个节点中。在我的例子中，我想把这些rdds从每个节点直接写到它的本地Cassandra dB表中，有没有办法做到这一点。
如果我执行普通的rdd收集，来自spark节点的所有数据将被合并，并返回到带有驱动程序的节点。我不希望发生这种情况，因为从节点返回到驱动程序节点的数据可能需要很长时间，我希望数据直接保存到本地节点，以避免数据跨spark节点移动。
浏览 3提问于2020-10-20得票数 1
2回答
首先，我构建了scala应用程序，使用这一行代码从apache中的mysql表中读取数据。
val spark = SparkSession.builder().master("local").appName("Fuzzy Match Analysis").config("spark.sql.warehouse.dir","file:///tmp/spark-warehouse").getOrCreate()
import spark.implicits._
var df = spark.read.format("jdbc
浏览 2提问于2017-10-02得票数 1
我试图使用Spark、DataFrames和JDBC连接在MySql上插入和更新一些数据。
我已经成功地使用SaveMode.Append插入了新数据。是否有方法从Spark更新MySql表中已经存在的数据？
我要插入的代码是：
myDataFrame.write.mode(SaveMode.Append).jdbc(JDBCurl,mySqlTable,connectionProperties)
如果我更改为SaveMode.Overwrite，它将删除完整的表并创建一个新的表，我正在寻找类似于MySql中可用的“关于重复键更新”的内容
浏览 11提问于2016-02-25得票数 32
回答已采纳
我从设置hive.metastore.uris的metastore启动spark应用程序中读取表统计数据。但是，我需要将数据写入另一个配置单元。 我已经尝试清理活动会话和默认会话，使用新的metastore uri构建另一个会话，但spark继续尝试写入第一个hive的表。 val spark = SparkSession.builder()
.appName(appName)
.enableHiveSupport()
.config("hive.metastore.uris", FIRST_METASTORE)
浏览 9提问于2019-04-11得票数 0
我正在获取mongoDB文档，然后在处理之后，我想使用Bson.Document库将其存储到Hbase中
将流媒体方法从spark kafkastreaming改为结构化流媒体，因此早期使用kafkaUtils的方法产生了DstreamDocument
在结构化流媒体中，我得到了DatasetDocument
scala> val stream = spark.readStream.format("kafka").option("kafka.bootstrap.servers","brokerList").option("subsc
浏览 15提问于2019-11-09得票数 2
我使用MySQL作为我的存储引擎来保存Spark SQL中的表。我的桌子看起来像
+-------------+----------+
| count| date|
+-------------+----------+
| 72|2017-09-08|
| 84|2017-09-08|
+-------------+----------+
我希望通过使用GROUP by添加计数并删除单个行来更新表。所以我的输出应该是这样的
+-------------+----------+
| count| date
浏览 3提问于2017-09-10得票数 2
1回答
我有一个spark作业，它从mysql读取一个表，但出于某种原因，spark将int列定义为布尔值。如何在表读取期间强制数据类型？
火花会议：
spark = (SparkSession.builder
.config("spark.sql.autoBroadcastJoinThreshold", -1)
.config("spark.sql.adaptive.enabled", "true")
.config("spark.jars.packages", "mysql:mysql-connector-java:8.0.
浏览 10提问于2022-10-10得票数 1
回答已采纳
1回答
从阅读下面的内容
I/O与S3
将数据附加到现有数据集的时间更长，尤其是所有星火作业都已经完成，但您的命令尚未完成，，这是因为驱动程序节点将任务的输出文件从作业临时目录逐个移动到最终目标，这在云存储(例如S3)中非常慢。
启用此优化: spark.hadoop.mapreduce.fileoutputcommitter.algorithm.version=2
我想检查粗体语句是否为真。我从未听说过火花驱动程序使用S3编写文件/控件。当然，不是HDFS集群，而Spark驱动程序在从S3读取数据时是必需的。据我所知，即使在AWS上运行Spark，执行者也会将数据写入rest (或KAF
浏览 8提问于2022-12-04得票数 0
1回答
我正面临一个问题，在这个问题中，我无法查看来自Hive的某些数据。重现问题的步骤。创建一个表 drop table if exists hive_parquet_nulls_test ;
create table hive_parquet_nulls_test (
name String
)
partitioned by (report_date DATE)
stored as PARQUET; 然后创建一个具有新列的数据框并加载它们 import java.sql.Date
import org.apache.spark.sql._
import org.apache.spark.s
浏览 30提问于2019-12-21得票数 3
回答已采纳
我正在编写一个Spark结构的流媒体应用程序，其中使用Spark处理的数据需要沉没到弹性搜索。
这是我的开发环境，因此我有一个独立的Elastic search。
我尝试了以下两种方法将DataSet中的数据汇聚到ES中。
1.ds.writeStream().format("org.elasticsearch.spark.sql").start("spark/orders"); 2.ds.writeStream().format("es").start("spark/orders");
在这两种情况下，我都会得到以下错误：
由以
浏览 1提问于2017-09-26得票数 3
1回答
我有一个性能问题，写一个蒙戈火花连接器。
我想以字符串和十六进制二进制(4kB)的形式通过Mongo火花连接器编写0.3M数据。
spark = create_c3s_spark_session(app_name, spark_config=[
("spark.executor.cores", "1"),
("spark.executor.memory", "6g"),
("spark.executor.instances", "50"), # (&
浏览 3提问于2022-01-29得票数 0
1回答
我是新来的火花。我正在尝试开发一个应用程序，使用Spark1.6将json数据保存到一个Hive表中。这是我的代码：
val rdd = sc.parallelize(Seq(arr.toString)) //arr is the Json array
val dataframe = hiveContext.read.json(rdd)
dataframe.registerTempTable("RiskRecon_tmp")
hiveContext.sql("DROP TABLE IF EXISTS RiskRecon_TOES")
hiveConte
浏览 7提问于2017-07-12得票数 0
回答已采纳
我们正在使用Apache Livy 0.6.0-孵化，并使用其REST API通过/batches/ API调用自定义spark jar。
自定义spark代码从HDFS读取数据并进行一些处理。这段代码是成功的，REST响应也是“成功”。我们希望数据返回给客户端，就像/session/ API返回数据的方式一样。有没有办法做到这一点？
注意:/session/ API只能接受spark scala代码。
浏览 0提问于2019-07-15得票数 2
最终，我想从Vertica DB获取数据到Spark，训练机器学习模型，进行预测，并将这些预测存储到另一个Vertica DB中。
当前的问题是识别流的最后一部分中的瓶颈:从Spark存储Vertica DB中的值。在Vertica DB中存储63k行数据大约需要38分钟。相比之下，当我将相同的数据从Spark传输到MySQL数据库时，需要10秒。
我不知道为什么有这么大的差别。
我有名为VerticaContext和MySQLContext的类，分别用于Vertica和MySQL连接。两个类都使用来使用jdbc格式读取条目。
df = self._sqlContext.read.format
浏览 3提问于2016-04-19得票数 0
目前，我们的数据库托管在其他数据库中。我们正在考虑使用JDBC连接器在SPARK中执行流程。是否可以在连接数据源之后使用SPARK.SQL语句，还是必须加载数据才能使用spark.sql查询？
浏览 3提问于2022-08-11得票数 -1
我正在尝试构建一些技术组合，以在我的工作中实现一个解决方案。由于我对他们中的大多数都是新手，有时我会被卡住，但我可以找到解决我面临的一些问题的方法。现在，这两个对象都在Spark上运行，但我似乎不能确定为什么流不工作。 也许是redis在写入流端时实现它的接收器的方式，也可能是我尝试做这项工作的方式。我在流媒体上找到的几乎所有示例都与Spark samples有关，比如文本流媒体或TCP，而我在关系数据库上找到的唯一解决方案是基于Kafka connect的，我现在不能使用它，因为该公司没有在kafka上使用CDC的Oracle选项。 我的场景如下。构建一个Oracle Stream -&g
浏览 21提问于2020-08-12得票数 2
我正在尝试从用户管理的朱庇特笔记本实例中读取一些BigQuery数据(ID：my-project.mydatabase.mytable原始名称受保护)，在工作台中。我尝试的是中的灵感，更具体地说，代码是(请阅读一些关于代码本身的附加注释)：
from pyspark.sql import SparkSession
from pyspark.sql.functions import udf, col
from pyspark.sql.types import IntegerType, ArrayType, StringType
from google.cloud import bigquery
浏览 15提问于2022-08-09得票数 1
回答已采纳
我正在研究一个显示实时仪表板的要求，基于对输入数据计算的一些聚合。
我刚刚开始探索Spark/Spark Streaming，我看到我们可以使用Spark Integration进行实时计算，并将其提供给UI Dashboard。
我的问题是，如果在Spark Integration作业启动后的任何时候，它被停止/或崩溃，当它出现时，它将如何从上次处理的位置恢复。据我所知，Spark维护着一个内部状态，我们会为我们收到的每一个新数据更新这个状态。但是，当它重新启动时，这种状态不是已经消失了吗？
我觉得我们可能必须定期保存运行的total/result，以便Spark在重新启动时能够通过从那里获
浏览 0提问于2017-08-01得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
