MySQL 相关项目
摘要：通过上一篇的内容，我们对 MySQL 索引的基础知识有了一个大致的了解，知道了如何创建与使用索引了，但是这些内容还不足以让我们用好索引，接下来我们将继续深入了解索引的其他知识点。
上篇回顾：解密 MySQL：索引—优化数据库性能的关键（一）
一、执行计划
1 、什么是执行计划？
执行计划（ Execution Plan ）是数据库管理系统（ DBMS ）在执行一个查询时生成的一种计划或路线图。这个计划描述了 DBMS 如何获取所需数据并执行查询，包括了操作的顺序、访问表的方式、索引的使用，以及连接操作等信息。执行计划是数据库查询优化器生成的，它的目标是使查询尽可能高效地执行，减少资源消耗和响应时间。
执行计划通常以树形结构的形式表示，被称为执行计划树。这颗树包含了一系列执行操作，每个操作都代表了一个步骤，从中获取或处理数据，然后将数据传递给下一个步骤。这些操作可以包括表扫描、索引扫描、连接操作、排序、过滤等等。
数据库查询优化器负责生成最优的执行计划，它会分析查询语句、表结构、索引的可用性等因素，以确定如何最有效地执行查询。生成的执行计划会被 DBMS 执行引擎用于实际执行查询操作。
2 、如何生成和解释 MySQL 查询的执行计划？
在 MySQL 中，您可以使用 EXPLAIN 语句来生成和解释查询的执行计划。
在 MySQL 命令行或查询工具中，输入您要分析的查询语句，然后在查询语句之前加上 EXPLAIN 关键字。例如：
EXPLAIN SELECT column1, column2 FROM your_table WHERE condition;
# 例：
EXPLAIN SELECT * FROM user_info WHERE id > 1;
执行上述 EXPLAIN 语句。MySQL 将返回一个描述查询执行计划的表格，其中包括有关查询的各种信息，如操作顺序、表、索引、连接类型等。
以下是执行计划中常见字段的含义：
- id：操作的唯一标识符，按照查询执行的顺序分配的。通常，id 值越小，操作越先执行。
-
select_type：操作的类型，表示操作的性质。常见的值包括：
- SIMPLE：简单的 SELECT 查询，不包含子查询或 UNION 。
- PRIMARY：最外层查询。
- SUBQUERY：子查询。
- DERIVED：派生表，通常用于嵌套查询。
- UNION：UNION 操作的第二个查询。
- table：操作涉及的表的名称。这是指在查询中被访问的表。
- partitions：指定分区的名称，如果查询涉及分区表。
-
type：查询的连接类型，描述了如何访问表的数据。常见的值包括：
- system：仅有一行数据（常用于系统表）。
- const：使用主键或唯一键访问一个行。
- eq_ref：使用索引查找，通常用于连接操作。
- ref：使用非唯一索引查找。
- range：在索引范围内查找。
- index：全表扫描索引。
- all：全表扫描。
- possible_keys：可以用于查询的潜在索引的列表。这些是查询优化器认为可能用于查询的索引。
- key：实际选择用于查询的索引。这是实际用于查询的索引名称。
- key_len：索引键的长度，表示在索引中使用的字节数。
- ref：表示查询中使用的索引的比较值，通常与索引列和常数值相关。
- rows：估计的匹配行数，指示查询期望扫描的行数。
- filtered：对行的过滤百分比，即查询的结果集中的行数占估计行数的百分比。
- Extra：包含其他有关查询执行的附加信息，例如是否使用了临时表、文件排序、临时文件等。
这些字段提供了有关查询执行计划的详细信息，可以帮忙我们了解查询是如何执行的，是否使用了索引，连接类型是什么，以及是否存在潜在的性能瓶颈。通过分析这些字段，我们可以更好地优化查询和数据库性能。
我们在后面的内容中，会频繁使用 EXPLAIN 语句，用于验证索引是否被正确使用。
二、最左匹配原则
1 、什么是最左匹配原则
在 MySQL 建立联合索引时会遵守最左前缀匹配原则，即最左优先，在检索数据时从联合索引的最左边开始匹配。
我们在上篇文章 解密 MySQL：索引—优化数据库性能的关键（一） 中，我们已经了解了索引的底层数据结构是一颗 B+树。
由于构建一棵 B+树只能根据一个值来确定索引关系，所以数据库依赖联合索引最左的字段来构建。
举例：创建一个（ a,b ）的联合索引，那么它的索引树就是下图的样子。
可以看到 a 的值是有顺序的，1 ，1 ，2 ，2 ，3 ，3 ，而 b 的值是没有顺序的 1 ，2 ，1 ，4 ，1 ，2 。
但是我们又可发现 a 在等值的情况下，b 值又是按顺序排列的，但是这种顺序是相对的。
这是因为 MySQL 创建联合索引的规则是首先会对联合索引的最左边第一个字段排序，在第一个字段的排序基础上，然后在对第二个字段进行排序。
所以 b=2 这种查询条件没有办法利用索引。
2 、使用场景分析
场景：user_info 表有一个（ a ，b ）的索引，下面的 sql 语句是否会走到这个索引：
# sql1
SELECT * FROM user_info WHERE a = '张三' AND b = '三年级';
# sql2
SELECT * FROM user_info WHERE b = '三年级' AND a = '张三';
# sql3
SELECT * FROM user_info WHERE b = '三年级' OR a = '张三';
# sql4
SELECT * FROM user_info WHERE a = '张三' AND b LIKE '三%';
# sql5
SELECT * FROM user_info WHERE a = '张三';
# sql6
SELECT * FROM user_info WHERE b = '三年级';
# sql7 ，这里假设 b 字段，为出生日期
SELECT * FROM user_info WHERE a = '张三' AND YEAR(b) = 2000;
-
sql1
- 是否会走到（ a ，b ）索引：会
- 分析：这个查询条件正好按照索引的顺序（ a ，b ）进行，因此可以充分利用这个索引。
-
sql2
- 是否会走到（ a ，b ）索引：会
- 分析：这个查询条件并不按照索引列的顺序，但是列都被索引包括，大多数
数据库优化器能够重新排序条件，使其与索引相匹配。因此，也会走索引。
-
sql3
- 是否会走到（ a ，b ）索引：不会
- 分析：对于 OR 条件，大多数情况下数据库优化器可能不会选择使用联合索引。这是因为联合索引对于 OR 条件的优化并不是很高效。它更适合处理前缀匹配或范围查询。在这种情况下，可能会选择全表扫描而不是使用该联合索引。
-
sql4
- 是否会走到（ a ，b ）索引：会
- 分析：在这种情况下可以被使用，但是可能无法充分利用整个联合索引。通常情况下，索引 (a, b) 对于 a = '张三' 部分可以使用，但 b LIKE '三%' 可能会导致无法有效使用索引。在这种情况下，可能会先使用索引筛选 a = '张三'，然后再对结果集进行后续过滤，这可能会导致较慢的查询性能。
-
sql5
- 是否会走到（ a ，b ）索引：会
- 分析：a = '张三' 与索引 (a, b) 的第一个列 a 完全匹配。这种情况下，MySQL 查询优化器通常会选择使用索引 (a, b)，因为它可以快速定位到所有具有匹配值 '张三' 的行，而不需要全表扫描。
-
sql6
- 是否会走到（ a ，b ）索引：不会
- 分析：b = '三年级'涉及到索引 (a, b) 的第二个列 b ，而不涉及第一个列 a ，不符合最左匹配原则，所以不会走到该索引。
-
sql7
- 是否会走到（ a ，b ）索引：不会
- 分析：在这种情况下，函数 YEAR(b) 可能会阻止索引的使用，因为它涉及到列 b 的运算，导致无法直接使用索引来完成查询。
3 、创建索引的一些建议
创建联合索引的时候应该注意的问题：
-
1 、选择合适的列：
- 选择在查询中频繁一起出现的列来创建联合索引，以提高查询性能。
- 避免在不常用于查询条件的列上创建索引，以免增加不必要的索引和维护成本。
-
2 、列的顺序：
- 确保列的顺序根据查询中的最常见顺序选择，使得索引能最有效地支持常见的查询条件。
- 对于涉及范围查询的情况，索引列的顺序可能会影响查询性能。
-
3 、避免过度索引：
- 避免创建过多和过于具体的索引，这可能会导致维护成本增加，而不一定能提高所有查询的性能。
-
4 、考虑覆盖索引（下一小节内容会具体介绍）：
- 对于特定查询，考虑创建包含所需查询的所有列的覆盖索引，以避免额外的访问实际数据行。
-
5 、数据类型和长度：
- 考虑索引列的数据类型和长度，过长的索引列可能会增加索引的大小和降低索引效率。
-
6 、频繁更新的列：
- 对于频繁更新的列，索引可能会增加维护成本。在此情况下，需要权衡索引的收益和维护成本。
创建联合索引还是多个单列索引：
- 1 、如果 a ，b ，c 经常作为单独的查询条件, 则可考虑分别为 a ，b ，c 创建单个索引
- 2 、如果 a ，b ，c 经常按 a ，b ，c 联合形式查询, 则创建组合索引 (a ，b ，c), 这里包含索引: (a)，(a ，b)，(a ，b ，c)，满足最左匹配原则
- 3 、如果 a ，b ，c 经常按 a ，b 联合形式查询和单独查询 c ，则可考虑创建组合索引 (a ，b) 和 单独索引(c)
三、前缀索引
1 、什么是前缀索引？
前缀索引是一种特殊的索引，它只针对索引列的前若干个字符创建索引，而不是整个列。通常用于处理文本类型的数据列。
MySQL 数据库支持在字符串类型的列上创建前缀索引，语法如下:
# 这里 length 表示创建索引的前缀长度。
CREATE INDEX index_name ON table_name (column_name(length));
# 例子
CREATE INDEX idx_title_prefix ON article (title(10));
前缀索引的特点如下:
- 只针对字符串类型的列创建，且必须指定前缀长度。
- 只索引列的前 length 个字符，可以大幅缩小索引大小。
- 查询时只能使用索引列的前 length 个字符进行匹配查找。
- InnoDB 引擎要求长度不能超过 767 字节。
- 更适合查找重复度不高的静态数据列。
- 可以优化 LIKE 查询的匹配速度。
根据上面的特点，我们可以发现前缀索引更适用于查找变化较小的文本列，如名称、标题等静态信息。需要注意避免前缀值重复太多导致过滤效果不明显。总之，前缀索引是处理文本字段的重要手段，可以有效缩减索引体积，提升文本查找速度。
四、回表（ Index Lookups ）
在 MySQL 中，回表（ Index Lookups ）是指在使用非聚簇索引进行查询时，MySQL 需要根据该索引的键值去聚簇索引中查找对应的数据行的过程。
举例来说：
假设有一个包含学号（主键索引）、姓名和年龄的表，并在姓名字段上创建了非聚簇索引。当使用姓名索引进行查询时，MySQL 会首先在该索引中定位到满足条件的记录的主键值，然后再根据这些主键值去聚簇索引（通常是主键索引）中查找对应的数据行。这个额外的查找聚簇索引的过程就是回表。
在 解密 MySQL：索引—优化数据库性能的关键（一） 文章中，我们了解到在 InnoDB 存储引擎中，非聚簇索引的 data 域存储相应记录主键的值而不是地址。所以导致在利用非聚簇索引进行查询时，需要进行回表。
回表操作可能导致额外的 IO 开销，影响查询性能，特别是当查询的列不包含在非聚簇索引中时，具体造成的影响如下所示：
- 性能下降：回表操作涉及额外的 IO 操作，需要访问聚簇索引来获取完整的数据行，导致查询性能下降。特别是在大规模数据表上或高并发的查询场景下，回表操作可能会成为性能瓶颈。
- 增加数据库负载：回表操作会引起额外的数据库负载，包括磁盘读取和内存消耗。当频繁进行回表操作时，可能会导致数据库服务器的负载过高，影响整体性能。
- 降低查询效率：由于回表需要额外的 IO 访问，查询的速度变慢，从而降低了查询效率，影响了用户体验。
- 增加网络开销：如果数据库服务器和应用服务器位于不同的节点或机器上，回表操作会增加网络开销，进一步影响查询性能。
为了优化查询性能，一般可以使用覆盖索引和索引条件下推来避免回表操作，提高查询效率。
五、覆盖索引
1 、什么是覆盖索引
覆盖索引是指一个索引包含了查询所需的所有列，从而数据库可以直接使用索引返回查询结果，而不需要再去访问实际的数据行。
举例：如果有一个包含列 A 和列 B 的表，并且创建了 (A, B) 的联合索引，如果某个查询仅仅需要使用列 A ，并且 A 已经包含在了索引中，那么查询就会利用到覆盖索引，直接从索引中获取所需的数据，而无需再访问实际数据行。
覆盖索引的优势：
- 减少磁盘 I/O 操作：因为不再需要访问实际的数据行，只需要通过索引即可获取所需的数据，从而提高了查询的性能。
- 减少 CPU 和内存的使用：直接使用索引获取数据减少了数据库引擎处理数据的开销，从而提高了效率。
- 提高查询性能：特别是在大型表和频繁查询的情况下，覆盖索引可以显著提高查询的性能。
覆盖索引在以下情况下会被使用到：
- 查询仅需要索引列：当查询中只涉及到覆盖索引中包含的列，数据库引擎可以直接使用覆盖索引返回结果，而无需再访问实际数据行。
- 索引覆盖查询条件：如果查询条件匹配了索引中的列，覆盖索引可能会被使用。
- 索引覆盖排序和聚合：当查询涉及排序或聚合操作时，如果覆盖索引包含了排序或聚合所需的列，数据库可能会使用覆盖索引来满足查询需求。
2 、使用场景分析
假设有一个 user_info 表，其中包括一个联合索引 (a, b) 和一个主键索引 (a)。下面的 sql 语句是否会使用覆盖索引：
# sql1—仅需主键列的查询
SELECT a FROM user_info WHERE a = 100;
# sql2—范围查询涉及联合索引的第一个列
SELECT a FROM user_info WHERE a > 100 AND a < 200;
# sql3—基于联合索引的查询，只选择包含在索引中的列
SELECT a, b FROM user_info WHERE a = 100;
# sql4—按联合索引的第一个列进行排序
SELECT * FROM user_info ORDER BY a;
# sql5—使用聚合函数，仅涉及索引列
SELECT COUNT(a) FROM user_info WHERE a > 50;
# sql6—覆盖索引列满足查询条件
SELECT a, b FROM table_name WHERE a = 100 AND b = 'other_value';
# sql7—查询需要不在索引中的列
SELECT a, c FROM table_name WHERE a = 100;
# sql8—or
SELECT a, b FROM table_name WHERE a = 100 OR b = 'other_value';
-
sql1
- 是否会使用覆盖索引：会。
- 分析：因为只查询了索引列 a 。
-
sql2
- 是否会使用覆盖索引：会。
- 分析：因为只查询了索引列 a 。
-
sql3
- 是否会使用覆盖索引：会。
- 分析：因为只查询了联合索引中的列 a 和 b 。
-
sql4
- 是否会使用覆盖索引：不会。
- 分析：因为查询了所有列，而不是仅索引列。
-
sql5
- 是否会使用覆盖索引：不会。
- 分析：因为使用了聚合函数 COUNT()，无法仅从索引中获取结果。
-
sql6
- 是否会使用覆盖索引：会。
- 分析：因为条件只涉及联合索引中的列 a 和 b 。
-
sql7
- 是否会使用覆盖索引：不会。
- 分析：因为查询了不在索引中的列 c 。
-
sql8
- 是否会使用覆盖索引：不会。
- 分析：因为 OR 条件会导致联合索引失效。
使用覆盖索引的要点总结:
- 只访问索引包含的列
- 避免使用聚合函数
- 使用符合最左前缀规则的条件表达式
- 注意条件中不要包含 or
- 尽量使用索引列进行排序
六、ICP (Index Condition Pushdown)
1 、什么是 ICP （ Index Condition Pushdown ）？
索引条件下推（ Index Condition Pushdown ，ICP ）是一种数据库查询优化技术，其主要作用是在查询执行过程中利用索引预先过滤数据，减少读取的数据量。
通过 解密 MySQL：一条 SQL 语句的执行过程 文章，我们可以很容易的想到，索引条件下推是在 sql 执行的优化阶段进行的。但是想弄明白索引条件下推是什么，我们还需要了解一下，MySQL 的组成，具体如下图所示：
从上图我们可以看出 MySQL 从上至下分为以下几层：
- MySQL 服务层：包括 NoSQL 和 SQL 接口、查询解析器、优化器、缓存等组件。
- 存储引擎层：各种插件式的表格存储引擎，实现事务、索引等各种存储引擎相关的特性。
- 文件系统层: 读写物理文件。
MySQL 服务层负责 SQL 语法解析、触发器、视图、内置函数、binlog 、生成执行计划等，并调用存储引擎层去执行数据的存储和检索。“索引下推”的“下”其实就是指将部分上层（服务层）负责的事情，交给了下层（存储引擎）去处理。
其大致执行流程如下:
- 在查询优化阶段，数据库查询优化器分析查询语句，找出其中可以利用索引过滤数据的条件。
- 将这些过滤条件传递给存储引擎，让存储引擎在索引中应用这些条件进行预过滤。
- 存储引擎使用索引按条件过滤数据，只返回符合条件的记录。
- 数据库引擎接受过滤后的记录结果集，进一步处理查询。
这样可以避免全表扫描，锁定需要读取的数据范围，有效利用索引提升查询效率。
优点总结如下:
- 减少存储引擎需要扫描的记录数。
- 减少存储引擎需要读取的块数。
- 减少在存储引擎与数据库引擎之间传输的记录数。
2 、场景举例
有一张 products 表，如下所示：
CREATE TABLE products (
id int(10) primary key,
name varchar(100),
price int(10),
cate varchar(50),
sold int(10)
);
CREATE INDEX idx_name ON products(name);
CREATE INDEX idx_cate_sold ON products(cate, sold);
假设我们需要执行下面这条 sql：
select * from products
where name like 'iphone%'
and cate = 'phone'
and sold > 10000;
不使用 ICP 的情况，执行计划如下所示：
通过执行计划，我们可以发现 MySQL 进行了全表扫描 all rows 和 Where 条件过滤。
使用 ICP 的情况，执行计划如下所示：
通过执行计划，我们可以发现 MySQL 利用索引 idx_name 和 idx_cate_sold 分别过滤，记录数降低，效率提高了。
所以正确使用索引条件下推可以显著优化查询计划，减少无效记录访问。
3 、支持索引下推的 MySQL 版本和存储引擎
MySQL 中支持索引条件下推(ICP)的版本和存储引擎如下:
版本方面：
- MySQL 5.6 开始支持 ICP 。
- MySQL 5.7 对 ICP 进行了增强和优化。
- MySQL 8.0 继续改进了 ICP 的查询计划选择。
所以建议使用 MySQL 5.6 及以上版本,可以利用 ICP 带来的查询性能提升。
存储引擎方面：
- InnoDB 引擎从 5.6 版本开始支持 ICP 。
- MyISAM 不支持 ICP 。
InnoDB 是 MySQL 的默认存储引擎，因此大多数情况下，只要使用 MySQL 5.6+ 版本与 InnoDB 引擎组合，就可以直接使用 ICP 。MyISAM 不支持 ICP 也是其逐步被 InnoDB 取代的一个重要原因之一。
七、MRR (Multi-Range Read)
1 、什么是 MRR
在 MySQL （ 5.6 及更高版本，且使用 InnoDB 存储引擎） 中的 MRR 指的是 Multi-Range Read ，即多范围读取。MRR 是一种优化查询的技术，它可以在读取多个索引范围时减少磁盘 I/O 和 CPU 消耗。
通常情况下，在执行查询时，MySQL 会遍历整个索引树，以找到所有匹配的行。但是，对于大型数据集，这种方式可能会导致性能下降，因为它需要大量的磁盘 I/O 和 CPU 资源。
MRR 通过将索引分成多个范围并在内存中缓存结果来避免这种情况。在使用 MRR 时，MySQL 会尝试将查询范围分成多个不重叠的部分，并使用范围扫描技术来查找每个部分中的匹配行。这种方式可以有效地减少磁盘 I/O 和 CPU 消耗，从而提高查询性能。
简单说：MRR 通过把「随机磁盘读」，转化为「顺序磁盘读」，从而提高了索引查询的性能。需要注意的是，MRR 适用于某些类型的查询，例如使用等于、大于、小于等操作符的查询。对于使用 LIKE 操作符的模糊查询，则不适合使用 MRR 。
2 、MRR 开启与关闭
通过参数 optimizer_switch 的标记来控制是否使用 MRR 。
当设置 mrr=on 时，表示启用 MRR 优化。mrr_cost_based 表示是否通过 cost base 基于成本的方式来启用 MRR 。
如果选择 mrr=on,mrr_cost_based=off 则表示总是开启 MRR 优化，参数 read_rnd_buffer_size 用来控制键值缓冲区的大小。
默认情况下：mrr=on,mrr_cost_based=on
3 、原理分析
在不使用 MRR 时，优化器需要根据二级索引返回的记录来进行回表，这个过程一般会有较多的随机 I/O 。
使用 MRR 时，SQL 语句的执行过程是这样的：
- 1 ）优化器将二级索引查询到的记录放到一块缓冲区中；
- 2 ）如果二级索引扫描到文件的末尾或者缓冲区已满，则使用快速排序对缓冲区中的内容按照主键进行排序；
- 3 ）用户线程调用 MRR 接口取聚簇索引，然后根据聚簇索引取行数据；
- 4 ）当根据缓冲区中的聚簇索引取完数据，则继续调用过程 2 ） 3 ），直至扫描结束；
通过上述过程，优化器将二级索引随机的 I/O 进行排序，转化为主键的有序排列，从而实现了随机 I/O 到顺序 I/O 的转化，提升性能。
八、BNL （ Block Nested-Loop ）与 BKA （ Batched Key Access ）
1 、BNL
MySQL 5.5 版本前，MySQL 本身只支持一种表间关联方式，就是嵌套循环（ Nested-Loop ）。如果关联表的数据量很大，则 join 关联的执行时间会非常长。
在 5.5 版本中，MySQL 通过引入 BNL （ Block Nested-Loop Join ）算法来优化嵌套执行。BNL 将外层循环的行/结果集存入到 join buffer ，然后每次遍历被驱动表都与 join buffer 中的数据进行比较，以此来减少全表扫描的次数。
例如，下面这个语句：
select *
from t1 straight_join t2
on t1.a = t2.b;
假设字段 b 上是没有建立索引的。这时候，被驱动表上没有可用的索引，流程如下所示：
- 1 、把表 t1 的数据读入线程内存 join_buffer 中，由于我们这个语句中写的是 select *，因此是把整个 t1 表放入了内存；
- 2 、扫描表 t2 ，把表 t2 中的每一行取出来，跟 join_buffer 中的数据做对比，满足 join 条件的，作为结果集的一部分返回。
虽然 BNL 算法是全表扫描，但是是在内存中进行的判断操作，速度上会快很多。
join_buffer 的大小是由参数 join_buffer_size 设定的，默认值是 256k 。如果放不下表 t1 的所有数据话，则会进行分批处理，流程如下所示：
- 1 ）顺序读取数据行放入 join_buffer 中，直到 join_buffer 满了。
- 2 ）扫描被驱动表跟 join_buffer 中的数据做对比，满足 join 条件的，作为结果集的一部分返回。
- 3 ）清空 join_buffer ，重复上述步骤。
虽然分成多次放入 join_buffer ，但是判断等值条件的次数还是不变的。
2 、BKA
MySQL 在 5.6 版本开始增加了提高表 join 性能的算法：Batched Key Access (BKA)，即批量索引访问。
BKA 其实就等价于 MRR + INLJ （ Index Nested-Loops Join ，基于索引的嵌套循环联接）。
使用 BKA 的表的 JOIN 过程如下：
- 1 ）将外部表中相关的列放入 join_buffer 中。
- 2 ）批量的将 Key （索引键值）发送到 Multi-Range Read （ MRR ）接口。
- 3 ） Multi-Range Read （ MRR ）通过收到的 Key ，根据其对应的 row_id 进行排序，然后再进行数据的读取操作。
- 4 ）返回结果集给客户端。
可以看出，BKA 将有序主建投递到存储引擎是通过 MRR 的接口的调用来实现的，所以 BKA 依赖 MRR 。
BNL 和 BKA 都是批量的提交一部分行给被 join 的表，从而减少访问的次数，那么它们有什么区别呢？
- BKA 主要适用于 join 的表上有索引可利用时，无索引只能使用 BNL 。
- BKA 主要是指在被 join 表上有索引可以利用，那么就在行提交给被 join 的表之前，对这些行按照索引字段进行排序，因此减少了随机 I/O 。
参考资料
- 高性能 MySQL(第三版)
- MySQL 官方手册
原文链接：解密 MySQL：索引—优化数据库性能的关键（二）
微信公众号：啊杰在拱趴
求关注！！！！
Select Language