程序博客网 > 无标度网络的度分布

Hadoop2.2.0 HA + Jdk1.8.0 + Zookeeper3.4.5 + Hbase0.98 集群搭建详细过程（服务器集群）

来源：互联网 发布：无标度网络的度分布 编辑：程序博客网 时间：2024/06/12 00:54

一、前言

    过完年在外实习，实习中的一部分主要工作就是关于hadoop的搭建和维护。其实hadoop的搭建本身并不是什么难题，主要是当一些之前没怎么用过linux、没怎么用到java的可怜的孩纸们来搞hadoop的时候会相当的揪心，非常不巧我也是的。因此可以说，学hadoop的过程是一个很痛苦但是也很有成就感的过程。
    先说一下我学习hadoop的过程，由于之前没有用过linux，java也就一知半解基本没用过，因此在学hadoop的前，我补了一段时间的基础知识，主要针对linux。hadoop的环境主要在linux上，在学hadoop之前最好具备一定的linux基础知识，大体上有这么一些（当然不止这么多，只能说如果这些都不具备，会相当痛苦的）：基本的本件操作指令（mkdir、rm、scp、mv这一类），还有关于环境变量的配置、网络设置、权限、安装软件等等，不是很多，但是学起来也不少。由于hadoop是用java编写，因此最好自己写过一些java程序，不然在hadoop运行或者搭建的过程中报的java错误可能就会让你很迷惑。
    啰嗦一点，顺便说一下自己学hadoop时的心情吧。最初学hadoop感觉相当的新奇，认为自己学了hadoop出来工作基本不愁，充满了自信。随着学习的深入，发现hadoop的水还是比较深的，这时候我就开始反思自己对hadoop的认识了，我不能确定hadoop就是一个非常适合自己的工作，或者说我是在接触更多知识后对自己的一种怀疑，因为很多大公司貌似已经不用hadoop了，而且有出现了很多的框架storm、spark等，这个时期我比较迷茫，而且在学习的时候也遇到了很多的困难，发现hadoop的运维也是相当的难熬的。现在的话，对待hadoop和之前又不相同了，我不知道对错，但是现在对hadoop的理解是一个工具，我没有太多的想法想钻研hadoop，仅仅作为一个工具使用，类似于mysql，Python这些工具和语言，知识适用于不同的环境而已。学hadoop最美好的回忆是在学习的时候我难以自拔地喜欢了一个女生，那段时间是我动力最大的时期，也是我最卖命度过hadoop最痛苦的一段时期。

二、集群搭建

    我所搭建的hadoop平台是在十多台的服务器上，操作系统为scientific linux，按以下的操作步骤可以完成搭建，其中很多配置项是在运行程序出问题后经过调整后最终配置内容。

1.注意

    1.所有使用root权限的操作必须慎重，hadoop所有的配置过程中必须谨慎！    2.所有软件的安装位置：Jdk在/usr/java/jdk1.8.0下；Hadoop在/home/hadoop/hadoop2.2.0下;Zookeeper3.4.5在/home/hadoop/hadoop-2.2.0/zookeeper-3.4.5下；hbase-0.98在/home/hadoop/hadoop-2.2.0/hbase-0.98下    3.Hadoop2.2官方提供32位，自己提供的64位版本。可以自己编译，可以下载。

2.准备工作

[plain] view plaincopy
  1. 1.防火墙（所有机器）（root用户）     
  2. /etc/init.d/iptables stop   //关闭防火墙  
  3. chkconfig iptables off   //关闭开机启动  
  4. 2.时间（所有机器）（root用户）  
  5. date -s "2014-5-13 09:56:33"//设置日期  
  6. 3.用户（所有机器）（root用户）  
  7. useradd hadoop  //创建hadoop用户  
  8. passwd hadoop   //密码  
  9. vim /etc/sudoers <span style="font-family: Arial, Helvetica, sans-serif;">  //加入sudoers：vim /etc/sudoers ，在root下一行写入 </span><span style="font-family: Arial, Helvetica, sans-serif;">hadoop   ALL=(ALL)   ALL</span>  
[plain] view plaincopy
  1. 4.主机名（所有机器）（root用户）  
  2. hostname  192.168.80.19   //暂时修改主机名  
  3. vim /etc/sysconfig/network  //永久修改  
  4. 5.hosts文件（所有机器）（root用户）  
  5. vim /etc/hosts  //在hosts文件中写入整个集群的主机信息：  
  6. 192.168.60.98 bigdata07.ihep.ac.cn bigdata07  
  7. 192.168.60.97 bigdata06.ihep.ac.cn bigdata06  

3.JDK1.8安装（所有机器）（root用户）

[plain] view plaincopy
  1. 1.查看java状况：rpm -qa |grep java  
  2. 2.查看jdk状况：rpm -qa |grep jdk  
  3. 3.卸载上两步显示的程序：rpm -e --nodeps java-###  
  4. 4.安装jdk：将jdk-8-linux-x64.rpm放入任意目录，执行rpm -ivh jdk-8-linux-x64.rpm  
  5. 5.修改环境变量：vim /etc/profile,加入如下几行：  
  6.     export JAVA_HOME=/usr/java/jdk1.8.0  
  7.     export JRE_HOME=/usr/java/jdk1.8.0/jre  
  8.     export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$PATH  
  9.     export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar  
  10. 6.生效：source /etc/profile  
  11. 7.验证：java –version、echo $JAVA_HOME  

4.SSH无密码登录（所有机器）（root用户+hadoop用户）

[plain] view plaincopy
  1. 1.修改配置文件：vim /etc/ssh/sshd_config,将以下三行去掉注释  
  2.     RSAAuthentication yes  
  3.     PubkeyAuthentication yes  
  4.     AuthorizedKeysFile      .ssh/authorized_keys  
  5. 2.重启ssh：service sshd restart  
  6. 以下步骤全部在hadoop用户下操作，首先需要保证所有主机能够ping通  
  7. 3.生成密钥：ssh-keygen –t dsa（然后一直按回车，会自动生成.ssh文件夹，内有两个文件）  
  8. 4.生成authorized_keys：cat id_dsa.pub  >>  authorized_keys  
  9. 5.赋权限：chmod 600 authorized_keys  
  10. 6.生成公有的密钥，包括所有主机的信息：  
  11.     6.1.将第一台主机的authorized_keys发送至第二台主机，替换掉之前的authorized_keys：  
  12.         scp authorized_keys hadoop@192.168.60.92：/home/hadoop/.ssh  
  13.     6.2.将第二台主机的id_dsa.pub追加入authorized_keys（追加后的应有两台主机的信息）  
  14.         cat id_dsa.pub  >>  authorized_keys  
  15.     6.3.重复前两步，直到把所有主机的id_dsa.pub追加入authorized_keys  
  16.     6.4.将最后一个authorized_keys分发回给所有主机：  
  17.         scp authorized_keys hadoop@192.168.60.92：/home/hadoop/.ssh  
  18. 7.验证登陆：ssh ip地址或者主机名  

5.Zookeeper3.4.5搭建（部分主机）（hadoop用户）

[plain] view plaincopy
  1. 1.注意事项：  
  2.     1.1.Zookeeper分布的主机数必须是奇数，不用使用全部主机，挑选出部分即可  
  3.     1.2.配置文件分发给所有主机后必须记得修改myid  
  4. 2.配置文件：  
  5.     2.1.zoo.cfg：  
  6.         dataDir=/home/hadoop/hadoop-2.2.0/zookeeper-3.4.5/data      ##Zookeeper存放数据  
  7.         dataLogDir=/home/hadoop/hadoop-2.2.0/zookeeper-3.4.5/logs   ##存放log日志  
  8.         server.1=192.168.60.92:2888:3888    ##所有安装Zookeeper的主机。server.ID，ID写入每台主机的/data/myid中  
  9.         server.2=192.168.60.93:2888:3888  
  10.         server.3=192.168.60.94:2888:3888  
  11. 3.创建/data和/logs两个文件夹  

6.hadoop2.2 HA（所有主机）（hadoop用户）

[plain] view plaincopy
  1. 1.注意：  
  2.         1.1.hadoop2.2 HA设置两个namenode，一个active，一个standby  
  3.     2.配置文件（顺序从上往下）  
  4.         2.1.core-site.xml文件  
  5.             <configuration>  
  6.             <property>        
  7.             <name>fs.defaultFS</name>        
  8.             <value>hdfs://cluster</value>   
  9.             <description>对应hdfs中的集群名称</description>   
  10.             </property>    
  11.                                    
  12.             <property>        
  13.             <name>hadoop.tmp.dir</name>       
  14.             <value>/home/hadoop/hadoop-2.2.0/tmp</value>   
  15.             <description>自己设置tmp，默认位置会被定期清除</description>             
  16.             </property>    
  17.                                      
  18.             <property>        
  19.             <name>ha.zookeeper.quorum</name>        
  20.             <value>192.168.60.92:2181,192.168.60.93:2181,192.168.60.94:2181,</value>       
  21.             </property>  
  22.             <description>这里是ZooKeeper集群的地址和端口。注意，数量一定是奇数，且不少于三个节点</description>  
  23.             </configuration>  
  24.         2.2.hadoop-env.sh文件     //一般的教程中不设置这个文件，但是设置这些文件能让你更能理解hadoop一些原理  
  25.             export JAVA_HOME=/usr/java/jdk1.8.0     
  26.             export HADOOP_PID_DIR=/home/hadoop/hadoop-2.2.0/tmp  
  27.             export HADOOP_SECURE_DN_PID_DIR=/home/hadoop/hadoop-2.2.0/tmp  
  28.         2.3.hdfs-site.xml文件  
  29.             <configuration>  
  30.             <property>  
  31.             <name>dfs.name.dir</name>  
  32.             <value>/hadoopnamenode/name</value>  
  33.             </property>  
  34.               
  35.             <property>  
  36.             <name>dfs.data.dir</name>  
  37.             <value>/data/hadoop/data</value>  
  38.             </property>  
  39.               
  40.             <property>  
  41.             <name>dfs.replication</name>    
  42.             <value>3</value>  
  43.             <description>dfs备份数量</description>    
  44.             </property>    
  45.   
  46.             <property>    
  47.             <name>dfs.permissions.enabled</name>    
  48.             <value>false</value>  
  49.             <description>默认为true，但是还不知道具体功能，设为false</description>  
  50.             </property>    
  51.   
  52.             <property>        
  53.             <name>dfs.nameservices</name>      
  54.             <value>cluster</value>   
  55.             <description>集群的逻辑名称，自己任意取</description>       
  56.             </property>    
  57.   
  58.             <property>    
  59.             <name>dfs.ha.namenodes.cluster</name>    
  60.             <value>nn1,nn2</value>  
  61.             <description>两个namenode的逻辑名称，自己任意取</description>   
  62.             </property>    
  63.   
  64.             <property>    
  65.             <name>dfs.namenode.rpc-address.cluster.nn1</name>    
  66.             <value>192.168.60.98:9000</value>    
  67.             </property>    
  68.                      
  69.             <property>        
  70.             <name>dfs.namenode.http-address.cluster.nn1</name>        
  71.             <value>192.168.60.98:50070</value>        
  72.             </property>        
  73.   
  74.             <property>        
  75.             <name>dfs.namenode.rpc-address.cluster.nn2</name>        
  76.             <value>192.168.60.126:9000</value>        
  77.             </property>    
  78.   
  79.             <property>        
  80.             <name>dfs.namenode.http-address.cluster.nn2</name>        
  81.             <value>192.168.60.126:50070</value>       
  82.             </property>  
  83.             <property>  
  84.             <name>dfs.namenode.servicerpc-address.cluster.nn1</name>    
  85.             <value>192.168.60.98:53310</value>    
  86.             </property>  
  87.   
  88.             <property>    
  89.             <name>dfs.namenode.servicerpc-address.cluster.nn2</name>    
  90.             <value>192.168.60.126:53310</value>    
  91.             </property>  
  92.                 
  93.             <property>      
  94.             <name>dfs.ha.automatic-failover.enabled.cluster</name>      
  95.             <value>true</value>   
  96.             <description>指定cluster是否自动故障恢复，当NameNode出故障时，是否自动切换到另一台NameNode</description>     
  97.             </property>       
  98.                  
  99.             <!--指定JournalNode -->    
  100.             <property>    
  101.             <name>dfs.namenode.shared.edits.dir</name>         
  102.             <value>qjournal://192.168.60.92:8485;192.168.60.93:8485;192.168.60.94:8485;192.168.60.95:8485;192.168.60.96:8485;192.168.60.97:8485;192.168.60.98:8485;192.168.60.125:8485;192.168.60.126:8485;192.168.60.127:8485;192.168.60.128:8485/cluster</value>   
  103.             <description>指定cluster的两个NameNode共享edits文件目录时，使用的JournalNode集群信息</description>    
  104.             </property>    
  105.   
  106.             <property>    
  107.             <name>dfs.client.failover.proxy.provider.cluster</name>         
  108.             <value>org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider</value>  
  109.             <description>指定cluster1出故障时，哪个实现类负责执行故障切换</description>    
  110.             </property>    
  111.                  
  112.             <property>        
  113.             <name>dfs.journalnode.edits.dir</name>        
  114.             <value>/home/hadoop/hadoop-2.2.0/journal</value>        
  115.             </property>  
  116.                 
  117.             <property>        
  118.             <name>dfs.ha.fencing.methods</name>        
  119.             <value>sshfence</value>        
  120.             </property>    
  121.                     
  122.             <property>        
  123.             <name>dfs.ha.fencing.ssh.private-key-files</name>        
  124.             <value>/home/hadoop/.ssh/id_rsa</value>        
  125.             </property>    
  126.                   
  127.             <property>    
  128.             <name>dfs.ha.fencing.ssh.connect-timeout</name>    
  129.             <value>5000</value>    
  130.             </property>  
  131.                 
  132.             <property>    
  133.             <name>dfs.namenode.handler.count</name>    
  134.             <value>100</value>    
  135.             </property>   
  136.                
  137.             </configuration>  
  138.         2.4.mapred-env.sh文件  
  139.             export JAVA_HOME=/usr/java/jdk1.8.0  
  140.             export HADOOP_MAPRED_PID_DIR=/home/hadoop/hadoop-2.2.0/tmp  
  141.         2.5.mapred-site.xml文件  
  142.             <configuration>  
  143.             <property>    
  144.             <name>mapreduce.framework.name</name>    
  145.             <value>yarn</value>    
  146.             </property>  
  147.   
  148.             <property>  
  149.             <name>mapreduce.job.maps</name>  
  150.             <value>6</value>  
  151.             <description>每个job使用的map tasks个数</description>  
  152.             </property>  
  153.   
  154.             <property>  
  155.             <name>mapreduce.job.reduces</name>  
  156.             <value>6</value>  
  157.             <description>每个job使用的reduce tasks个数</description>  
  158.             </property>  
  159.   
  160.             <property>  
  161.             <name>mapreduce.tasktracker.map.tasks.maximum</name>  
  162.             <value>6</value>  
  163.             <description>一个task tracker能够同时运行的最多map task个数</description>  
  164.             </property>  
  165.   
  166.             <property>  
  167.             <name>mapreduce.tasktracker.reduce.tasks.maximum</name>  
  168.             <value>6</value>  
  169.             <description>一个task tracker能够同时运行的最多reduce task个数</description>  
  170.             </property>  
  171.   
  172.             <property>  
  173.             <name>mapred.child.java.opts</name>  
  174.             <value>-Xmx5000m</value>  
  175.             <descriptio>每个TT子进程所使用的虚拟机内存大小</descriptio>  
  176.             </property>  
  177.   
  178.             <property>  
  179.             <name>mapreduce.tasktracker.http.threads</name>  
  180.             <value>40</value>  
  181.             <description>TT用来跟踪task任务的http server的线程数</description>  
  182.             </property>  
  183.               
  184.             </configuration>  
  185.         2.6.slaves文件  
  186.             写入datanode的ip地址或者主机名即可  
  187.         2.7.yarn-env.sh文件  
  188.             export JAVA_HOME=/usr/java/jdk1.8.0  
  189.         2.8.yarn-site.xml文件  
  190.             <configuration>  
  191.   
  192.             <property>        
  193.             <name>yarn.resourcemanager.hostname</name>        
  194.             <value>192.168.60.98</value>    
  195.             <description>resourcemanager只有一个，设置它的主机位置</description>  
  196.             </property>    
  197.   
  198.             <property>    
  199.             <name>yarn.nodemanager.aux-services</name>    
  200.             <value>mapreduce_shuffle</value>    
  201.             </property>  
  202.                 
  203.             <property>    
  204.             <description>The class to use as the resource scheduler.</description>  
  205.             <name>yarn.resourcemanager.scheduler.class</name>  
  206.             <value>org.apache.hadoop.yarn.server.resourcemanager.scheduler.fair.FairScheduler</value>  
  207.             <description>设置hadoop集群能够并行运行多个程序</description>  
  208.             </property>  
  209.   
  210.             </configuration>  

7.Hbase0.98（部分主机）（hadoop用户）

[plain] view plaincopy
  1. 1.注意，Hbase常遇到的几种错误的解决方法：  
  2.         1.1.确保几台主机日期相差不多  
  3.         1.2.替换lib中的jar包  
  4.             hadoop-annotations-2.2.0.jar  
  5.             hadoop-auth-2.2.0.jar  
  6.             hadoop-common-2.2.0.jar  
  7.             hadoop-hdfs-2.2.0.jar  
  8.             hadoop-mapreduce-client-app-2.2.0.jar  
  9.             hadoop-mapreduce-client-common-2.2.0.jar  
  10.             hadoop-mapreduce-client-core-2.2.0.jar  
  11.             hadoop-mapreduce-client-jobclient-2.2.0.jar  
  12.             hadoop-mapreduce-client-shuffle-2.2.0.jar  
  13.             hadoop-yarn-api-2.2.0.jar  
  14.             hadoop-yarn-client-2.2.0.jar  
  15.             hadoop-yarn-common-2.2.0.jar  
  16.             hadoop-yarn-server-common-2.2.0.jar  
  17.             hadoop-yarn-server-nodemanager-2.2.0.jar  
  18.         1.3.复制hadoop配置文件hdfs-site.xml到conf中  
  19.         1.4.删除slf4j-log4j12-1.6.4.jar包  
  20.             rm -rf /home/hadoop/hadoop-2.2.0/hbase-0.98.0-hadoop2/lib/slf4j-log4j12-1.6.4.jar  
  21.         1.5.如果hbase第一次启动失败，以后重新启动前，删除Zookeeper中的hbase目录  
  22.             zkCli.sh  
  23.             rmr hbase  
  24.     2.配置文件  
  25.         2.1.hbase-env.sh文件  
  26.             export JAVA_HOME=/usr/java/jdk1.8.0/  
  27.             export HBASE_MANAGES_ZK=false   ##表示不使用自己的Zookeeper集群  
  28.             export HBASE_PID_DIR=/home/hadoop/hadoop-2.2.0/hbase-0.98/tmp  
  29.         2.2.hbase-site.xml文件  
  30.             <configuration>  
  31.             <property>  
  32.             <name>hbase.rootdir</name>  
  33.             <value>hdfs://cluster/hbase</value>  
  34.             </property>  
  35.   
  36.             <property>  
  37.             <name>hbase.cluster.distributed</name>  
  38.             <value>true</value>  
  39.             </property>  
  40.   
  41.             <property>  
  42.             <name>hbase.zookeeper.quorum</name>  
  43.             <value>192.168.60.92:2181,192.168.60.93:2181,192.168.60.94:2181</value>  
  44.             </property>  
  45.   
  46.             <property>  
  47.             <name>zookeeper.session.timeout</name>  
  48.             <value>60000</value>  
  49.             </property>  
  50.   
  51.             <property>  
  52.             <name>hbase.zookeeper.property.clientPort</name>  
  53.             <value>2181</value>  
  54.             </property>  
  55.   
  56.             <property>  
  57.             <name>hbase.tmp.dir</name>  
  58.             <value>/home/hadoop/hadoop-2.2.0/hbase-0.98/tmp</value>  
  59.             </property>  
  60.               
  61.             <property>  
  62.             <name>hbase.master.maxclockskew</name>  
  63.             <value>200000</value>  
  64.             <description>Time difference of regionserver from master</description>  
  65.             </property>  
  66.               
  67.             </configuration>  
  68.         2.3.regionservers文件  
  69.             写入相应的hbase主机，都是HRegionServer，HMaster是启动Hbase的那个节点。  

三、启动集群

[plain] view plaincopy
  1. 1.分发文件：  
  2.         将一台机器上的hadoop目录发给其余所有主机：  
  3.         scp -r /home/hadoop/hadoop-2.2.0 hadoop@192.168.60.92：/home/hadoop/  
  4.     2.启动Zookeeper集群  
  5.         2.1.修改myid  
  6.         2.2.启动Zookeeper集群（每台Zookeeper机器）  
  7.             zkServer.sh start  
  8.         2.3.查看状态：  
  9.              zkServer.sh status  
  10.         2.4.验证：  
  11.             主节点：zkCli.sh      
  12.                     ls /  
  13.         2.5.格式化集群  
  14.             在主节点：/home/hadoop/hadoop-2.2.0/bin/hdfs zkfc –formatZK  
  15.         2.6.验证  
  16.             ls / ##是否出现了hadoop-ha  
  17.     3.启动hadoop集群  
  18.       
  19.         3.1.启动journalnode（所有机器）  
  20.             每台主机分别执行：hadoop-daemon.sh start journalnode  
  21.         3.2.启动namenode（namennode）  
  22.             3.2.1.格式化namenode  
  23.                 第一个namenode上执行：hdfs namenode -format  
  24.             3.2.2.启动第一个namenode  
  25.                 hadoop-daemon.sh start namenode  
  26.             3.3.3.同步namenode数据：  
  27.                 第二个namenode上执行：hdfs namenode –bootstrapStandby  
  28.             3.3.4.启动第二个namenode  
  29.                 在第二台namenode上：hadoop-daemon.sh start namenode  
  30.         3.3.启动datanode（所有datanode）  
  31.             hadoop-daemons.sh start datanode  
  32.         3.4.启动yarn  
  33.             3.4.1.启动yarn（active namenode）  
  34.                 start-yarn.sh   
  35.             3.4.2.启动ZooKeeperFailoverController（两个namenode）  
  36.                 hadoop-daemon.sh start zkfc  
  37.     4.启动hbase（active namenode）  
  38.         start-hbase.sh  

四、总结

    这是一篇工作总结文档，不是教程，因为我没有实力和资格去写那些，我也仅仅是一个初学者。因此在写的时候我没有截图和加太多的说明，但是基本每步都会有注释和注意事项，这些全部是为我自己写的，等于是对自己工作的一个总结，同时告诉自己曾经学过这些东西。
    这篇文章里面难免会有很多的遗漏和不足，比如说我没有写某个步骤运行出来什么结果才算正确，而且可能一些配置项根据不同的集群也需要更改，而且很多配置我也没有设置，但是作为一个基本的hadoop集群，上面的操作步骤是可以成功实现了，这些基本上是很长一段时间的工作成功，算是一个菜鸟的学习经历吧。
                                             
        0        0           
	
				
		









 无标度网络的度分布
    		无标度网络的度分布



原创粉丝点击



		

热门IT博客


php开发工具推荐php开发工具推荐




nb iot 知乎nb iot 知乎




软件编程招聘




mac版keynote实例教程




笔记本连接网络机顶盒




keep健身软件ipad下载




360数据恢复大师收费吗




ubuntu桌面图标消失




网络怎么连接的




柠檬网络电视免费tv…




js confirm 样式




时空猎人汉风盗号软件




mac珊瑚色口红是几号




三国杀关索淘宝




淘宝招牌素材




日系和韩系护肤品知乎




以太坊 json rpc 接口




淘宝客服管理规范




试客系统整站源码




ubuntu jdk 1.8



		

热门问题
    老师的惩罚
    人脸识别
    我在镇武司摸鱼那些年
    重生之率土为王
    我在大康的咸鱼生活
    盘龙之生命进化
    天生仙种
    凡人之先天五行
    春回大明朝
    姑娘不必设防，我是瞎子
    千分尺怎么读数图解
    千分尺的读数方法图
    千分尺品牌排行榜
    壁厚千分尺
    千尺的吻
    千分尺的正确使用方法
    杠杆千分尺
    桃花流水深千尺
    深度千分尺
    数显千分尺的使用方法
    应折柔条过千尺
    千尺豪宅是多少平方
    千分尺校准方法图解
    桃花潭水深千尺下一句
    宏峰数显高度尺
    连峰去天不盈尺
    千层塔
    千层底
    千层底布鞋批发价格
    千层底老布鞋
    纯手工布鞋千层底价格
    千层底布鞋多少钱一双
    老北京千层底布鞋
    老北京千层底女布鞋
    千层底布鞋做法图解
    千层底布鞋前景
    千层底布鞋教程
    千层蛋糕装饰
    千层饼的作法
    超级科技文明 千层糕
    千层饼机多少钱一台
    芒果千层的做法
    芒果千层蛋糕
    千层蛋糕皮的做法
    千层蛋糕皮怎么做
    千层蛋糕的皮怎么做
    千层皮怎么做又薄又嫩
    千层蛋糕皮
    千层皮怎么做
    芒果千层皮的做法
    千层皮配方


	










程序博客网，程序员的互联网技术博客家园。csdn论坛精品 msdn技术资料都在这里