欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線(xiàn)實(shí)戰(zhàn)洞察。

基于Streamlit的汽車(chē)銷(xiāo)售分析系統(tǒng):從爬蟲(chóng)到可視化的完整大數(shù)據(jù)項(xiàng)目

基于Streamlit的汽車(chē)銷(xiāo)售分析系統(tǒng):從爬蟲(chóng)到可視化的完整大數(shù)據(jù)項(xiàng)目 每年畢業(yè)設(shè)計(jì)選題季總有同學(xué)在“大數(shù)據(jù)分析”這個(gè)方向上猶豫不決。選純算法方向擔(dān)心推公式講不透選Web開(kāi)發(fā)方向又覺(jué)得不夠有技術(shù)含量選爬蟲(chóng)方向又容易做出一個(gè)沒(méi)有任何分析價(jià)值的腳本集合。如果你正好處在這樣的糾結(jié)里基于 Streamlit 構(gòu)建一個(gè)國(guó)內(nèi)汽車(chē)銷(xiāo)售分析系統(tǒng)是一個(gè)值得認(rèn)真考慮的選項(xiàng)。這個(gè)選題最大的優(yōu)勢(shì)在于它把 Python 爬蟲(chóng)、Hadoop 存儲(chǔ)、Spark 數(shù)據(jù)處理、Streamlit 可視化完整串成了一條數(shù)據(jù)鏈路。你不僅能展示“我會(huì)用某個(gè)框架”還能向答辯老師講清楚“數(shù)據(jù)從哪里來(lái)、經(jīng)過(guò)什么處理、最終如何呈現(xiàn)”。這篇文章會(huì)從選題價(jià)值、系統(tǒng)架構(gòu)、核心代碼實(shí)現(xiàn)、驗(yàn)證方式到答辯避坑把這個(gè)畢業(yè)設(shè)計(jì)題目的完整開(kāi)發(fā)思路拆開(kāi)講清楚。1. 這篇文章真正要解決的問(wèn)題很多畢業(yè)生做大數(shù)據(jù)分析項(xiàng)目最常見(jiàn)的翻車(chē)現(xiàn)場(chǎng)是項(xiàng)目演示時(shí)只有幾張?zhí)崆爱?huà)好的圖表老師問(wèn)“數(shù)據(jù)怎么更新的”答不上來(lái)問(wèn)“數(shù)據(jù)處理邏輯在哪里”只能指著一個(gè) SQL 文件說(shuō)“這就是清洗”。這種項(xiàng)目本質(zhì)上只是一個(gè)“靜態(tài)可視化頁(yè)面”談不上大數(shù)據(jù)分析。而基于 Streamlit 的汽車(chē)銷(xiāo)售分析系統(tǒng)核心價(jià)值在于它不是一個(gè)“畫(huà)圖工具”而是一整套完整的數(shù)據(jù)管道。通過(guò)爬蟲(chóng)獲取汽車(chē)銷(xiāo)量相關(guān)數(shù)據(jù)。把原始數(shù)據(jù)寫(xiě)入 Hadoop HDFS 做分布式存儲(chǔ)。用 Spark 對(duì)海量銷(xiāo)售記錄做清洗和聚合統(tǒng)計(jì)。最后通過(guò) Streamlit 提供交互式可視化面板讓用戶(hù)能按品牌、價(jià)格區(qū)間、地區(qū)、時(shí)間等維度自由篩選分析。這個(gè)選題適合以下人群有一定 Python 基礎(chǔ)希望在畢業(yè)設(shè)計(jì)中體現(xiàn)大數(shù)據(jù)技術(shù)棧但不想在研究分布式原理上耗費(fèi)過(guò)多精力的同學(xué)。它不需要你精通 Hadoop 源碼也不需要你開(kāi)發(fā)復(fù)雜的機(jī)器學(xué)習(xí)模型但要求你能把這些開(kāi)源組件搭建起來(lái)、串聯(lián)起來(lái)、把業(yè)務(wù)問(wèn)題跑通。這種“全鏈路”能力恰恰是很多企業(yè)招聘時(shí)看重的。2. 核心技術(shù)棧拆解每個(gè)組件真正負(fù)責(zé)什么項(xiàng)目名字里出現(xiàn)的每個(gè)技術(shù)名詞在實(shí)際系統(tǒng)中都有明確的分工不能只是羅列在簡(jiǎn)歷上。2.1 Python 與爬蟲(chóng)負(fù)責(zé)數(shù)據(jù)采集。汽車(chē)銷(xiāo)量數(shù)據(jù)通常分布在垂直資訊網(wǎng)站、行業(yè)數(shù)據(jù)平臺(tái)或公開(kāi)榜單中。使用 Python 的requests、BeautifulSoup、json等庫(kù)可以定時(shí)從這些渠道抓取品牌、車(chē)型、銷(xiāo)量、價(jià)格區(qū)間等字段。爬蟲(chóng)是系統(tǒng)的數(shù)據(jù)入口也是整個(gè)鏈路里最容易出問(wèn)題的環(huán)節(jié)因?yàn)槟繕?biāo)網(wǎng)頁(yè)結(jié)構(gòu)變化、反爬機(jī)制、數(shù)據(jù)格式不一致都會(huì)導(dǎo)致采集失敗。2.2 Hadoop HDFS負(fù)責(zé)原始數(shù)據(jù)存儲(chǔ)。爬蟲(chóng)抓下來(lái)的數(shù)據(jù)是散亂的 JSON 或 CSV 文本如果直接交給 Spark 分析會(huì)有大量臟數(shù)據(jù)。HDFS 在這里扮演的是“數(shù)據(jù)湖泊”的角色先把原始文件統(tǒng)一上傳到 HDFS 指定目錄再做后續(xù)清洗。在畢業(yè)設(shè)計(jì)環(huán)境中通常使用 Hadoop 偽分布式模式單機(jī)就能模擬真實(shí) HDFS 的文件讀寫(xiě)和副本機(jī)制。2.3 Spark負(fù)責(zé)數(shù)據(jù)清洗、統(tǒng)計(jì)分析和離線(xiàn)計(jì)算。它從 HDFS 讀取數(shù)據(jù)完成去重、缺失值處理、格式統(tǒng)一然后按品牌、地區(qū)、時(shí)間等維度做聚合統(tǒng)計(jì)。相比直接用 Pandas 處理Spark 的優(yōu)勢(shì)在于當(dāng)數(shù)據(jù)量達(dá)到百萬(wàn)級(jí)以上時(shí)它能利用分布式計(jì)算能力同一個(gè)聚合邏輯可以平滑地從單機(jī)擴(kuò)展到集群。這在畢業(yè)設(shè)計(jì)答辯中是一個(gè)非常加分的“工程化設(shè)計(jì)點(diǎn)”。2.4 Streamlit負(fù)責(zé)交互式可視化。Streamlit 是一個(gè) Python 開(kāi)源框架能用純 Python 腳本快速構(gòu)建數(shù)據(jù)應(yīng)用。它的核心特點(diǎn)是你寫(xiě)一個(gè)st.bar_chart刷新頁(yè)面就是一個(gè)圖表控件寫(xiě)一個(gè)st.selectbox就能生成下拉篩選框。不需要掌握 HTML、CSS、JavaScript幾十行代碼就能做一個(gè)可交互的數(shù)據(jù)面板非常適合畢業(yè)設(shè)計(jì)這種需要快速交付演示系統(tǒng)的場(chǎng)景。2.5 各技術(shù)棧的分工對(duì)比組件核心職責(zé)輸入輸出Python 爬蟲(chóng)數(shù)據(jù)采集公開(kāi)網(wǎng)頁(yè)或 API原始 CSV/JSON 文件Hadoop HDFS分布式存儲(chǔ)原始文件HDFS 上的數(shù)據(jù)文件Spark數(shù)據(jù)清洗與聚合HDFS 上的文件統(tǒng)計(jì)結(jié)果表MySQL / SQLite結(jié)果存儲(chǔ)Spark 輸出結(jié)果結(jié)構(gòu)化結(jié)果數(shù)據(jù)Streamlit可視化交互結(jié)果數(shù)據(jù)瀏覽器訪(fǎng)問(wèn)的分析面板3. 系統(tǒng)架構(gòu)與模塊劃分整個(gè)系統(tǒng)的架構(gòu)可以分成五個(gè)層次每一層都有一個(gè)清晰的數(shù)據(jù)入口和出口。數(shù)據(jù)采集層Python 爬蟲(chóng)定時(shí)抓取生成原始數(shù)據(jù)文件 ↓ 數(shù)據(jù)存儲(chǔ)層原始文件上傳 Hadoop HDFS ↓ 數(shù)據(jù)處理層Spark 讀取 HDFS完成清洗和聚合統(tǒng)計(jì) ↓ 結(jié)果存儲(chǔ)層統(tǒng)計(jì)結(jié)果寫(xiě)入 MySQL 或 SQLite ↓ 可視化層Streamlit 讀取結(jié)果庫(kù)生成交互式 Dashboard在畢業(yè)設(shè)計(jì)論文中建議第一張架構(gòu)圖就畫(huà)這個(gè)五層模型。相比只畫(huà)一個(gè)流程圖這個(gè)分層模式能清楚展示你對(duì)系統(tǒng)整體性的把握同時(shí)也是后期寫(xiě)各章分工的骨架。系統(tǒng)內(nèi)部模塊建議按功能拆分幾個(gè)獨(dú)立的 Python 包c(diǎn)rawler/爬蟲(chóng)模塊負(fù)責(zé)數(shù)據(jù)采集和本地落盤(pán)。storage/負(fù)責(zé) HDFS 文件上傳和目錄管理。spark_jobs/Spark 統(tǒng)計(jì)任務(wù)一個(gè)任務(wù)對(duì)應(yīng)一個(gè)分析維度。dashboard/Streamlit 頁(yè)面腳本負(fù)責(zé)可視化查詢(xún)。config/存放數(shù)據(jù)庫(kù)連接、HDFS 地址、爬蟲(chóng)目標(biāo)等配置文件。這樣拆分的好處是答辯時(shí)老師問(wèn)“你這個(gè)系統(tǒng)哪些模塊是獨(dú)立可復(fù)用的”你可以直接回答每一個(gè)包都可以單獨(dú)運(yùn)行、單獨(dú)測(cè)試不是一個(gè)所有代碼堆在同一個(gè) py 文件里的低質(zhì)量項(xiàng)目。4. 環(huán)境準(zhǔn)備與開(kāi)發(fā)環(huán)境搭建在開(kāi)始編碼之前先把環(huán)境準(zhǔn)備好。下面是一套適合畢業(yè)設(shè)計(jì)演示的推薦環(huán)境版本號(hào)請(qǐng)以官方文檔和實(shí)際安裝為準(zhǔn)不要機(jī)械照搬。4.1 Python 環(huán)境建議使用 Python 3.9 到 3.12 之間的穩(wěn)定版本。Streamlit 對(duì) Python 版本有一定要求過(guò)老的 Python 版本可能無(wú)法安裝最新版 Streamlit。使用虛擬環(huán)境管理依賴(lài)避免多個(gè)項(xiàng)目依賴(lài)互相污染。# 創(chuàng)建并激活虛擬環(huán)境 python -m venv venv source venv/bin/activate # Windows 請(qǐng)使用 venv\Scripts\activate # 安裝核心依賴(lài) pip install streamlit pip install pandas pip install plotly pip install pyspark pip install requests pip install beautifulsoup4 pip install pymysql pip install apscheduler如果你需要同時(shí)連接 Hadoop HDFS在純 Python 項(xiàng)目中可以使用hdfs庫(kù)來(lái)調(diào)用 WebHDFS 接口這比自己實(shí)現(xiàn) Hadoop RPC 協(xié)議要簡(jiǎn)單得多。pip install hdfs4.2 Hadoop 環(huán)境畢業(yè)設(shè)計(jì)推薦使用 Hadoop 偽分布式模式。偽分布式是指在單臺(tái)服務(wù)器上以獨(dú)立進(jìn)程模擬 NameNode、DataNode、SecondaryNameNode 等角色既能展示 HDFS 的核心機(jī)制又不需要多臺(tái)物理機(jī)。啟動(dòng)流程# 格式化 NameNode僅第一次啟動(dòng)時(shí)執(zhí)行 hdfs namenode -format # 啟動(dòng) HDFS 服務(wù) start-dfs.sh # 驗(yàn)證是否啟動(dòng)成功 jpsjps命令輸出中如果看到NameNode、DataNode、SecondaryNameNode三個(gè)進(jìn)程說(shuō)明 HDFS 核心節(jié)點(diǎn)已經(jīng)正常啟動(dòng)。創(chuàng)建項(xiàng)目數(shù)據(jù)目錄hdfs dfs -mkdir -p /user/student/car_sales/raw hdfs dfs -mkdir -p /user/student/car_sales/clean4.3 Spark 環(huán)境Spark 建議使用 Local 模式完成開(kāi)發(fā)調(diào)試減少集群資源調(diào)度帶來(lái)的額外復(fù)雜度。在提交任務(wù)時(shí)--master local[*]表示使用本機(jī)所有可用 CPU 核心執(zhí)行任務(wù)這個(gè)參數(shù)對(duì)單機(jī)演示完全夠用。spark-submit \ --master local[*] \ --name CarSalesStatistics \ spark_jobs/sales_statistics.py4.4 數(shù)據(jù)庫(kù)環(huán)境統(tǒng)計(jì)結(jié)果存放于 MySQL 或 SQLite。MySQL 更適合展示工程化能力SQLite 更適合快速演示和打包提交。二選一即可重點(diǎn)在于表結(jié)構(gòu)設(shè)計(jì)清晰。下表是一個(gè)簡(jiǎn)易的汽車(chē)銷(xiāo)量統(tǒng)計(jì)結(jié)果表設(shè)計(jì)字段名類(lèi)型說(shuō)明idINT主鍵自增brandVARCHAR(50)品牌名稱(chēng)modelVARCHAR(100)車(chē)型名稱(chēng)sale_dateVARCHAR(20)銷(xiāo)售日期sales_volumeINT銷(xiāo)量price_rangeVARCHAR(20)價(jià)格區(qū)間regionVARCHAR(20)銷(xiāo)售地區(qū)5. 數(shù)據(jù)采集層用 Python 爬蟲(chóng)獲取汽車(chē)銷(xiāo)量數(shù)據(jù)爬蟲(chóng)是數(shù)據(jù)入口也是最容易被忽略工程質(zhì)量的部分。不少同學(xué)把目標(biāo)網(wǎng)頁(yè)復(fù)制成 HTML 文件然后寫(xiě)一個(gè)字符串解析腳本這種方式在答辯中很難自圓其說(shuō)。更穩(wěn)妥的做法是先確認(rèn)目標(biāo)數(shù)據(jù)源是否允許爬蟲(chóng)訪(fǎng)問(wèn)遵守robots.txt和網(wǎng)站服務(wù)條款在代碼中做好頻率控制和異常處理僅將數(shù)據(jù)用于學(xué)習(xí)和畢業(yè)設(shè)計(jì)研究。下面是一個(gè)簡(jiǎn)化版的采集流程結(jié)構(gòu)上先請(qǐng)求數(shù)據(jù)再解析字段最后保存到本地 CSV 文件。# 文件路徑crawler/car_sales_crawler.py import csv import json import random import time import requests # 演示用模擬接口地址實(shí)際項(xiàng)目需替換為確認(rèn)可合法訪(fǎng)問(wèn)的數(shù)據(jù)源 API_URL https://example-car-data-api.com/api/v1/sales def fetch_sales_page(page: int, page_size: int 100) - list: 拉取一頁(yè)銷(xiāo)售記錄。 實(shí)際采集前必須確認(rèn)目標(biāo)數(shù)據(jù)源的服務(wù)條款與 robots 規(guī)則。 params { page: page, page_size: page_size } headers { User-Agent: ( Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36 ) } # 注這里會(huì)進(jìn)行真實(shí)網(wǎng)絡(luò)請(qǐng)求本地不能訪(fǎng)問(wèn)外網(wǎng)時(shí) # 可以用下面的 mock_data() 返回演示數(shù)據(jù)。 resp requests.get(API_URL, paramsparams, headersheaders, timeout10) resp.raise_for_status() data resp.json() # 根據(jù)返回結(jié)構(gòu)解析記錄列表 records data.get(data, {}).get(records, []) return records def mock_data(): 僅用于本地功能演示構(gòu)造符合字段結(jié)構(gòu)的樣本數(shù)據(jù)。 brands [大眾, 豐田, 比亞迪, 本田, 長(zhǎng)安, 吉利] models { 大眾: [朗逸, 速騰, 帕薩特], 豐田: [卡羅拉, 凱美瑞, RAV4榮放], 比亞迪: [秦PLUS, 宋PLUS, 漢], 本田: [思域, 雅閣, CR-V], 長(zhǎng)安: [CS75 PLUS, 逸動(dòng), UNI-V], 吉利: [星越L, 帝豪, 博越L], } price_ranges [8-10萬(wàn), 10-15萬(wàn), 15-20萬(wàn), 20-30萬(wàn)] regions [華東, 華南, 華北, 西南, 東北] records [] for _ in range(20): brand random.choice(brands) model random.choice(models[brand]) records.append({ brand: brand, model: model, sale_date: f2024-{random.randint(1, 12):02d}-01, sales_volume: random.randint(1000, 40000), price_range: random.choice(price_ranges), region: random.choice(regions), }) return records def save_to_csv(records: list, file_path: str) - None: 將記錄列表寫(xiě)入 CSV 文件。 if not records: return fieldnames [brand, model, sale_date, sales_volume, price_range, region] with open(file_path, w, newline, encodingutf-8) as f: writer csv.DictWriter(f, fieldnamesfieldnames) writer.writeheader() writer.writerows(records) def main(): # 在線(xiàn)數(shù)據(jù)源不可用時(shí)切換為 mock_data() 構(gòu)造本地演示數(shù)據(jù) all_records [] for page in range(1, 6): try: records fetch_sales_page(page, page_size100) except Exception as e: print(f請(qǐng)求失敗使用模擬數(shù)據(jù)。錯(cuò)誤信息{e}) records mock_data() all_records.extend(records) # 控制采集頻率避免對(duì)目標(biāo)站點(diǎn)造成壓力 time.sleep(random.uniform(0.5, 1.5)) save_to_csv(all_records, data/raw_sales.csv) print(f采集完成共保存 {len(all_records)} 條記錄) if __name__ __main__: main()這段代碼中有幾個(gè)針對(duì)答辯的設(shè)計(jì)點(diǎn)要提前準(zhǔn)備第一采集必須帶User-Agent并在兩次請(qǐng)求之間隨機(jī)休眠這體現(xiàn)的是對(duì)目標(biāo)站點(diǎn)的禮貌訪(fǎng)問(wèn)也是爬蟲(chóng)的基本素養(yǎng)。第二try...except中切換為模擬數(shù)據(jù)既能保證代碼在離線(xiàn)環(huán)境下可運(yùn)行也能應(yīng)對(duì)真實(shí)接口訪(fǎng)問(wèn)失敗時(shí)系統(tǒng)不崩潰。第三字段名稱(chēng)統(tǒng)一采用英文蛇形命名方便后續(xù) Spark 和 Streamlit 直接讀取避免中文字段名在數(shù)據(jù)管道中引發(fā)編碼問(wèn)題。運(yùn)行方式python crawler/car_sales_crawler.py運(yùn)行完成后在data/目錄下會(huì)生成raw_sales.csv文件包含品牌、車(chē)型、銷(xiāo)量、日期、價(jià)格區(qū)間和地區(qū)字段。6. 數(shù)據(jù)存儲(chǔ)層Hadoop HDFS 上傳與目錄管理爬蟲(chóng)生成的 CSV 文件還在本地下一步需要上傳到 HDFS。這一步在系統(tǒng)里的意義是把“原始數(shù)據(jù)”與“分析數(shù)據(jù)”隔離存放避免后面反復(fù)讀取本地文件產(chǎn)生路徑混亂。HDFS 常用命令# 上傳本地文件到 HDFS hdfs dfs -put data/raw_sales.csv /user/student/car_sales/raw/ # 查看文件是否上傳成功 hdfs dfs -ls /user/student/car_sales/raw/ # 查看文件大小和分塊信息 hdfs dfs -du -h /user/student/car_sales/raw/如果你希望爬蟲(chóng)完成之后自動(dòng)上傳文件可以在 Python 中調(diào)用 WebHDFS 接口。這里給出一個(gè)最小實(shí)現(xiàn)把本地上傳邏輯封裝起來(lái)避免每次手動(dòng)執(zhí)行 HDFS 命令。# 文件路徑storage/hdfs_client.py from hdfs import InsecureClient # HDFS NameNode 地址根據(jù)實(shí)際部署環(huán)境修改 HDFS_HOST http://localhost:9870 HDFS_USER student client InsecureClient(HDFS_HOST, userHDFS_USER) def upload_to_hdfs(local_path: str, hdfs_path: str) - None: 將本地文件上傳到 HDFS 指定路徑。 local_path: data/raw_sales.csv hdfs_path: /user/student/car_sales/raw/raw_sales.csv client.upload(hdfs_path, local_path, overwriteTrue) print(f文件已上傳{local_path} - {hdfs_path}) def list_hdfs_dir(hdfs_dir: str) - list: 列出 HDFS 目錄下的文件信息。 return client.list(hdfs_dir, statusTrue) if __name__ __main__: upload_to_hdfs( data/raw_sales.csv, /user/student/car_sales/raw/raw_sales.csv ) print(list_hdfs_dir(/user/student/car_sales/raw))從教學(xué)角度看HDFS 部分不需要在論文里展開(kāi)講太多底層原理但要能回答三個(gè)問(wèn)題為什么用 HDFS 而不是直接放本地磁盤(pán)實(shí)際數(shù)據(jù)存儲(chǔ)在哪個(gè)節(jié)點(diǎn)文件的副本機(jī)制是什么能回答這三問(wèn)就足以證明你不是只知道命令的工具人。7. 數(shù)據(jù)分析層Spark 清洗與銷(xiāo)量統(tǒng)計(jì)實(shí)現(xiàn)Spark 是整個(gè)系統(tǒng)里最能體現(xiàn)“大數(shù)據(jù)分析”的部分。它承擔(dān)的任務(wù)有兩塊第一把 HDFS 上的原始數(shù)據(jù)讀進(jìn)來(lái)第二按品牌、時(shí)間、價(jià)格區(qū)間、地區(qū)等維度做聚合統(tǒng)計(jì)。下面是一個(gè)典型的統(tǒng)計(jì)任務(wù)腳本示例# 文件路徑spark_jobs/sales_statistics.py from pyspark.sql import SparkSession from pyspark.sql.functions import sum, col, to_date, year, month from pyspark.sql.window import Window from pyspark.sql.functions import row_number # 初始化 SparkSession本地模式運(yùn)行 spark SparkSession.builder \ .appName(CarSalesAnalysis) \ .master(local[*]) \ .config(spark.sql.shuffle.partitions, 4) \ .getOrCreate() # 從 HDFS 讀取原始銷(xiāo)售數(shù)據(jù) sales_df spark.read.csv( hdfs://localhost:9000/user/student/car_sales/raw/, headerTrue, inferSchemaTrue ) # 數(shù)據(jù)清洗去除銷(xiāo)量為空或小于 0 的記錄 clean_df sales_df.filter(col(sales_volume).isNotNull()) \ .filter(col(sales_volume) 0) \ .dropDuplicates([brand, model, sale_date]) # 增加年份和月份兩列便于時(shí)間維度分析 clean_df clean_df.withColumn(sale_date, to_date(col(sale_date), yyyy-MM-dd)) \ .withColumn(year, year(col(sale_date))) \ .withColumn(month, month(col(sale_date))) # 統(tǒng)計(jì)品牌總銷(xiāo)量 brand_sales clean_df.groupBy(brand) \ .agg(sum(sales_volume).alias(total_sales)) \ .orderBy(col(total_sales).desc()) # 統(tǒng)計(jì)價(jià)格區(qū)間銷(xiāo)量分布 price_sales clean_df.groupBy(price_range) \ .agg(sum(sales_volume).alias(total_sales)) \ .orderBy(col(total_sales).desc()) # 統(tǒng)計(jì)大區(qū)銷(xiāo)量排名 region_sales clean_df.groupBy(region) \ .agg(sum(sales_volume).alias(total_sales)) \ .orderBy(col(total_sales).desc()) # 查看結(jié)果方便調(diào)試時(shí)確認(rèn)數(shù)據(jù)是否正確 brand_sales.show(10) price_sales.show(10) region_sales.show(10) # 寫(xiě)入結(jié)果庫(kù)以 CSV 形式落盤(pán) brand_sales.write.mode(overwrite).csv(data/output/brand_sales) price_sales.write.mode(overwrite).csv(data/output/price_sales) region_sales.write.mode(overwrite).csv(data/output/region_sales) spark.stop()這段代碼的關(guān)鍵邏輯在于用dropDuplicates去除同一品牌、車(chē)型、日期下的重復(fù)記錄這是爬蟲(chóng)采集中最常見(jiàn)的臟數(shù)據(jù)問(wèn)題。用to_date把字符串日期轉(zhuǎn)成真正的日期類(lèi)型后續(xù)按年、月聚合才不容易出錯(cuò)。所有聚合結(jié)果都單獨(dú)導(dǎo)出到data/output/目錄方便 Streamlit 層讀取。Spark 是否真的有必要在這個(gè)畢業(yè)設(shè)計(jì)里答案是“有必要”因?yàn)樗x了系統(tǒng)的擴(kuò)展邊界。答辯時(shí)你可以這樣說(shuō)如果數(shù)據(jù)量從今天的幾千條增長(zhǎng)到千萬(wàn)條量級(jí)只需要把master從local[*]改成 YARN 集群的提交方式同一套聚合邏輯可以直接運(yùn)行在分布式環(huán)境。這種回答比任何背誦的八股文都有說(shuō)服力。注意如果從 HDFS 讀取文件時(shí)遇到網(wǎng)絡(luò)不通、權(quán)限不足可以先在本地用 CSV 路徑做開(kāi)發(fā)調(diào)試確認(rèn)邏輯正確后再切換回 HDFS 路徑。項(xiàng)目開(kāi)發(fā)要有“先跑通、再換環(huán)境”的階段拆分意識(shí)。8. 可視化層Streamlit 交互式儀表盤(pán)實(shí)現(xiàn)Streamlit 是這個(gè)項(xiàng)目里開(kāi)發(fā)效率最高的部分。你寫(xiě)一個(gè) Python 腳本保存后刷新頁(yè)面就能看到圖表和篩選器不需要配置任何前端工程。下面是一個(gè)完整的 Streamlit 應(yīng)用框架包含數(shù)據(jù)加載、側(cè)邊欄篩選、指標(biāo)卡片和三個(gè)分析頁(yè)簽。# 文件路徑dashboard/app.py import streamlit as st import pandas as pd import plotly.express as px # 頁(yè)面基礎(chǔ)配置 st.set_page_config( page_title國(guó)內(nèi)汽車(chē)銷(xiāo)售分析系統(tǒng), page_icon:car:, layoutwide ) st.title(國(guó)內(nèi)汽車(chē)銷(xiāo)售分析系統(tǒng)) st.markdown(本系統(tǒng)基于 Python 爬蟲(chóng)、Hadoop HDFS、Spark 與 Streamlit 構(gòu)建數(shù)據(jù)均為教學(xué)演示樣本。) st.cache_data def load_data(): 從 Spark 輸出的結(jié)果目錄加載數(shù)據(jù)。 如果是開(kāi)發(fā)階段也可以直接讀取 data/raw_sales.csv。 brand_df pd.read_csv(data/output/brand_sales/*.csv, headerNone, names[brand, total_sales]) price_df pd.read_csv(data/output/price_sales/*.csv, headerNone, names[price_range, total_sales]) region_df pd.read_csv(data/output/region_sales/*.csv, headerNone, names[region, total_sales]) return brand_df, price_df, region_df brand_df, price_df, region_df load_data() # 側(cè)邊欄篩選 st.sidebar.header(篩選條件) all_brands brand_df[brand].tolist() selected_brand st.sidebar.selectbox(選擇品牌, [全部] all_brands) all_regions region_df[region].tolist() selected_region st.sidebar.multiselect(選擇地區(qū), all_regions, defaultall_regions) # 核心指標(biāo)卡片 total_sales brand_df[total_sales].sum() brand_count brand_df.shape[0] avg_sales brand_df[total_sales].mean() col1, col2, col3 st.columns(3) col1.metric(總銷(xiāo)量, f{total_sales:,}) col2.metric(品牌數(shù)量, brand_count) col3.metric(品牌平均銷(xiāo)量, f{avg_sales:,.0f}) # 圖表區(qū) tab1, tab2, tab3 st.tabs([品牌銷(xiāo)量排行, 價(jià)格區(qū)間分布, 地區(qū)銷(xiāo)量對(duì)比]) with tab1: fig_brand px.bar( brand_df.head(10), xbrand, ytotal_sales, title品牌銷(xiāo)量 Top10, texttotal_sales ) st.plotly_chart(fig_brand, use_container_widthTrue) with tab2: fig_price px.pie( price_df, namesprice_range, valuestotal_sales, title價(jià)格區(qū)間銷(xiāo)量占比 ) st.plotly_chart(fig_price, use_container_widthTrue) with tab3: fig_region px.bar( region_df.loc[region_df[region].isin(selected_region)], xregion, ytotal_sales, title地區(qū)銷(xiāo)量對(duì)比, colorregion ) st.plotly_chart(fig_region, use_container_widthTrue) st.markdown(---) st.caption(數(shù)據(jù)說(shuō)明本頁(yè)面展示的統(tǒng)計(jì)結(jié)果由 Spark 離線(xiàn)計(jì)算生成數(shù)據(jù)文件來(lái)自教學(xué)演示樣本。)8.1 Streamlit 緩存機(jī)制st.cache_data是 Streamlit 中一個(gè)非常實(shí)用的裝飾器。默認(rèn)情況下Streamlit 腳本在每次交互時(shí)都會(huì)重新執(zhí)行如果每次都重新讀 CSV 或數(shù)據(jù)庫(kù)頁(yè)面會(huì)明顯卡頓。加上這個(gè)裝飾器后同樣的參數(shù)只會(huì)加載一次數(shù)據(jù)后續(xù)交互直接走緩存頁(yè)面響應(yīng)更快。答辯演示時(shí)這個(gè)細(xì)節(jié)體現(xiàn)的是你對(duì)數(shù)據(jù)加載性能的敏感度。8.2 多頁(yè)簽設(shè)計(jì)使用st.tabs可以把品牌、價(jià)格、地區(qū)三個(gè)分析視角放在同一個(gè)頁(yè)面里而不是像傳統(tǒng) Flask 項(xiàng)目那樣跳轉(zhuǎn)多個(gè)頁(yè)面。這種設(shè)計(jì)更符合數(shù)據(jù)分析師的日常使用習(xí)慣進(jìn)入系統(tǒng)后在一個(gè)頁(yè)面內(nèi)完成所有維度的探索。8.3 跑通一個(gè)最小可運(yùn)行版本如果 Spark 輸出文件還沒(méi)有生成可以先在load_data()里臨時(shí)改為讀取data/raw_sales.csv用原始數(shù)據(jù)做圖表保證 Streamlit 頁(yè)面先能跑起來(lái)。然后再切換回 Spark 結(jié)果文件形成完整的“數(shù)據(jù)生成到展示”閉環(huán)。9. 系統(tǒng)運(yùn)行效果與答辯演示要點(diǎn)整個(gè)系統(tǒng)開(kāi)發(fā)完成后的運(yùn)行命令分兩步先跑 Spark 統(tǒng)計(jì)任務(wù)再啟動(dòng) Streamlit 應(yīng)用。# 第一步執(zhí)行 Spark 統(tǒng)計(jì)任務(wù) python spark_jobs/sales_statistics.py # 第二步啟動(dòng) Streamlit 可視化服務(wù) streamlit run dashboard/app.py啟動(dòng)成功后終端會(huì)輸出本地訪(fǎng)問(wèn)地址默認(rèn)是http://localhost:8501。用瀏覽器打開(kāi)后預(yù)期看到以下內(nèi)容頂部標(biāo)題與系統(tǒng)簡(jiǎn)介。三個(gè)指標(biāo)卡片總銷(xiāo)量、品牌數(shù)量、品牌平均銷(xiāo)量。品牌銷(xiāo)量排行柱狀圖顯示銷(xiāo)量最高的前 10 個(gè)品牌。價(jià)格區(qū)間銷(xiāo)量占比餅圖。地區(qū)銷(xiāo)量對(duì)比條形圖并且可以通過(guò)側(cè)邊欄篩選地區(qū)。答辯演示時(shí)建議按以下節(jié)奏操作每一步都能對(duì)應(yīng)到系統(tǒng)功能打開(kāi) Streamlit 頁(yè)面先展示整體布局說(shuō)明每一塊區(qū)域的功能與對(duì)應(yīng)數(shù)據(jù)來(lái)源。在側(cè)邊欄切換品牌和地區(qū)展示圖表的實(shí)時(shí)聯(lián)動(dòng)效果證明系統(tǒng)具有交互分析能力。切換到終端窗口展示 Spark 任務(wù)執(zhí)行日志指出聚合計(jì)算的分區(qū)數(shù)量和完成耗時(shí)。打開(kāi) HDFS 目錄命令展示原始數(shù)據(jù)文件在分布式文件系統(tǒng)中的存儲(chǔ)位置。最后回到項(xiàng)目代碼用一兩頁(yè) PPT 重點(diǎn)展示數(shù)據(jù)管道五層模型。如果頁(yè)面出現(xiàn)空白或圖表不顯示優(yōu)先檢查data/output/目錄下 Spark 是否生成了 CSV 文件以及文件路徑是否與pd.read_csv中的模式匹配。10. 常見(jiàn)問(wèn)題與排查思路開(kāi)發(fā)過(guò)程中最容易踩的坑按出現(xiàn)頻率從高到低排列如下。問(wèn)題現(xiàn)象可能原因排查方式解決方案Streamlit 無(wú)法啟動(dòng)或端口被占用8501 端口已被其他進(jìn)程占用查看終端報(bào)錯(cuò)信息運(yùn)行netstat -ano | findstr 8501使用streamlit run app.py --server.port 8502更換端口pd.read_csv(data/output/brand_sales/*.csv)找不到文件Spark 輸出的文件不是單個(gè) CSV而是目錄下的多個(gè) part 文件用hdfs dfs -ls data/output查看目錄結(jié)構(gòu)用通配符*.csv匹配或調(diào)整 Spark 輸出為單文件模式Spark 任務(wù)運(yùn)行內(nèi)存不足本地 JVM 堆內(nèi)存設(shè)置過(guò)小查看 Spark 日志中的 OutOfMemory 信息在提交命令中添加--driver-memory 2gHDFS 上傳文件失敗NameNode 未啟動(dòng)或權(quán)限不足運(yùn)行hdfs dfs -ls /測(cè)試連接重新執(zhí)行start-dfs.sh檢查用戶(hù)權(quán)限CSV 中文讀取亂碼文件編碼與讀取編碼不一致用文本編輯器查看文件編碼格式pd.read_csv中指定encodingutf-8Streamlit 頁(yè)面圖表不聯(lián)動(dòng)篩選變量沒(méi)有傳給圖表數(shù)據(jù)源檢查側(cè)邊欄變量是否在px.bar中作為過(guò)濾條件在圖表繪制前增加篩選邏輯例如brand_df[brand_df[brand] selected_brand]這里單獨(dú)說(shuō)一下 Spark 輸出文件的問(wèn)題Spark 在分布式模式下寫(xiě)入數(shù)據(jù)時(shí)默認(rèn)會(huì)在輸出目錄下生成多個(gè)part-00000文件而不是一個(gè)單獨(dú)的result.csv。如果你希望在 Streamlit 中更方便地讀取可以在寫(xiě)入前調(diào)用coalesce(1)強(qiáng)制合并為一個(gè)分區(qū)輸出brand_sales.coalesce(1).write.mode(overwrite) \ .option(header, true) \ .csv(data/output/brand_sales)但要注意coalesce(1)會(huì)降低數(shù)據(jù)寫(xiě)入的并行度。真實(shí)項(xiàng)目中數(shù)據(jù)量大時(shí)不建議使用這個(gè)點(diǎn)也可以在答辯時(shí)主動(dòng)說(shuō)明展示你對(duì)性能與易用性之間權(quán)衡的理解。11. 畢業(yè)設(shè)計(jì)最佳實(shí)踐與避坑指南這個(gè)項(xiàng)目雖然技術(shù)棧清晰但如果不注意工程規(guī)范很容易在開(kāi)發(fā)過(guò)程中變得混亂。下面幾條建議來(lái)自真實(shí)開(kāi)發(fā)經(jīng)驗(yàn)?zāi)軒湍闵僮吆芏鄰澛贰?1.1 數(shù)據(jù)字段統(tǒng)一命名爬蟲(chóng)、Spark、Streamlit 三個(gè)環(huán)節(jié)共享同一套字段結(jié)構(gòu)。建議在項(xiàng)目根目錄維護(hù)一份README.md記錄每個(gè)字段的含義、類(lèi)型和取值范圍。比如sales_volume的單位是“輛”price_range只能是預(yù)定枚舉值。這份文檔既是開(kāi)發(fā)備忘也是撰寫(xiě)論文時(shí)“數(shù)據(jù)字典”章節(jié)的素材。11.2 分階段推進(jìn)不要一次做完建議按以下順序推進(jìn)項(xiàng)目第一階段用模擬數(shù)據(jù)跑通 Streamlit 頁(yè)面和圖表交互。 第二階段編寫(xiě) Spark 統(tǒng)計(jì)任務(wù)產(chǎn)出統(tǒng)計(jì)結(jié)果替換 Streamlit 的數(shù)據(jù)源。 第三階段實(shí)現(xiàn)爬蟲(chóng)采集真實(shí)或模擬接口數(shù)據(jù)。 第四階段接入 HDFS形成完整存儲(chǔ)鏈路。 第五階段加入定時(shí)調(diào)度讓系統(tǒng)能自動(dòng)更新數(shù)據(jù)。每個(gè)階段都有可交付、可驗(yàn)證的成果避免最后階段才發(fā)現(xiàn)鏈路不通、無(wú)從排查。11.3 結(jié)果數(shù)據(jù)落庫(kù)而不是反復(fù)計(jì)算Spark 計(jì)算完成后把聚合結(jié)果寫(xiě)入結(jié)果表或輸出文件。Streamlit 頁(yè)面只讀取結(jié)果不參與大數(shù)據(jù)計(jì)算。這樣設(shè)計(jì)的好處是頁(yè)面響應(yīng)速度與數(shù)據(jù)量解耦不會(huì)因?yàn)樵紨?shù)據(jù)增大而讓 Dashboard 變慢。11.4 善用定時(shí)任務(wù)讓數(shù)據(jù)自動(dòng)更新如果希望在答辯前展示系統(tǒng)的“數(shù)據(jù)更新能力”可以用APScheduler實(shí)現(xiàn)定時(shí)采集和定時(shí)分析# 文件路徑scheduler/update_task.py from apscheduler.schedulers.blocking import BlockingScheduler from crawler.car_sales_crawler import main as crawler_main from spark_jobs.sales_statistics import main as spark_main def daily_update(): # 先采集數(shù)據(jù) crawler_main() # 再將數(shù)據(jù)上傳 HDFS # 最后執(zhí)行 Spark 統(tǒng)計(jì)任務(wù) spark_main() if __name__ __main__: scheduler BlockingScheduler() # 每天凌晨 2 點(diǎn)執(zhí)行更新任務(wù) scheduler.add_job(daily_update, cron, hour2, minute0) scheduler.start()這個(gè)模塊放在系統(tǒng)中等于給項(xiàng)目增加了一個(gè)“定時(shí)數(shù)倉(cāng)更新”的場(chǎng)景答辯時(shí)是一個(gè)明顯的加分項(xiàng)。11.5 代碼注釋和日志規(guī)范化項(xiàng)目源碼中核心函數(shù)必須寫(xiě) docstring關(guān)鍵步驟要有日志輸出。建議使用 Python 的logging模塊把爬蟲(chóng)采集量、Spark 處理耗時(shí)、Streamlit 啟動(dòng)日志都記錄下來(lái)。這不僅是良好代碼習(xí)慣也方便你在論文里展示系統(tǒng)可觀(guān)測(cè)性。12. 總結(jié)與后續(xù)提升方向基于 Streamlit 的國(guó)內(nèi)汽車(chē)銷(xiāo)售分析系統(tǒng)本質(zhì)上是一個(gè)“大數(shù)據(jù)分析技術(shù)的完整落地案例”。它把 Python 爬蟲(chóng)、Hadoop HDFS、Spark、Streamlit 這些技術(shù)名詞串成了一條真實(shí)可運(yùn)行的數(shù)據(jù)管道既能作為畢業(yè)設(shè)計(jì)選題也是一份很好的大數(shù)據(jù)應(yīng)用開(kāi)發(fā)入門(mén)項(xiàng)目。后續(xù)如果還有時(shí)間可以從以下方向繼續(xù)擴(kuò)展把 Streamlit 部署到服務(wù)器通過(guò) Nginx 反向代理讓其他人可以通過(guò)公網(wǎng)地址訪(fǎng)問(wèn)系統(tǒng)接入更多維度的外部數(shù)據(jù)分析讓圖表更有業(yè)務(wù)意義將 Spark 計(jì)算從本地模式遷移到 YARN 集群驗(yàn)證分布式環(huán)境下的計(jì)算性能引入定時(shí)調(diào)度框架讓整個(gè)數(shù)據(jù)管道每天自動(dòng)運(yùn)行。技術(shù)路線(xiàn)沒(méi)有唯一答案。有人用 Flask 做可視化有人用 Hive 做數(shù)據(jù)倉(cāng)庫(kù)也有人用 ClickHouse 做實(shí)時(shí)查詢(xún)但核心思想是一致的數(shù)據(jù)采集、存儲(chǔ)、計(jì)算、展示必須是一套完整鏈路。你能把這條鏈路講透、跑通這就是一個(gè)高質(zhì)量的畢業(yè)設(shè)計(jì)。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
激情com| 99网| 五月丁香另类图片| 精品乱码久久久久| 五月婷婷深深爱爱| 亚洲无码影音| 婷婷五月激情丁香| 香蕉操亚洲| 99操免费视频| 丁香色色网| 欧洲综合视频| 亚洲国产精品五月天| 俺去也五月天| 亚洲性爱日韩无码| 亚洲九九99精品视频在线播放| 我要色综合五月婷婷| 亚洲操人| 精品人妻久久久| 亚洲乱码日产精品BD| 五月丁香在线视频观看| 人操综合| 97操碰碰无码视频| 五月色婷婷影视在线电影| 午夜成人片400| 6080av| 一本久久婷婷| aa久久| 久久久91| 日本V在线观看不卡视频网站| A久网| 在线超碰精品| 五月天桃色深爱网| 逼里香不卡| 97操碰在线视频| 99日本黄站| 99热这里只有精品26| XX色综合| 欧美精品99| 天天色综合天天| 婷婷丁香18| 夜夜骑操AV| 日日干夜夜干| 六月天丁婷婷| 99日韩| 久久怡红院| 99re久热只有精品6在线直播| 91av传媒高清在线视频网| 99热中文字幕久久| 久久五月天激情美女| 久久精品99国产精品日本| 五月激情六月宗合| 色色99色色| 一级片无码| 婷婷成人AV| 日韩一区二区在线播放| 超碰不卡在线| 丁香五月天堂婷婷| 岛国av网站| 色综合久久久久久久久五月| 激情婷婷色色| 91色色色视频| 99视频只有精品| 操逼棍操逼| 久久香蕉丁香| 美女久久天堂| 亚洲AV免费在线| 五月丁香六月情婷婷久久| 色综合色色色色| 五月婷久久| 亚洲欧美国产高清vA在线播放| 色五月丁香五月| 影音先锋男人女人| 色一情一乱一乱一区91Av| 天天干天天叉| 丁香六月婷婷缴情欧美| 青青艹b| 色婷婷婷婷| 色五月婷婷内射| 香蕉国产2013| 精品国产AV色一区二区深夜久久| 99操无码视频观看| 亚洲日韩欧美综合VA| 五月丁香狠狠爱| 久久久99精品免费观看| 五月婷婷婷婷| 午夜激情综合| 日本色爽| 五月丁香五月婷婷在线观看| 婷婷五月天熟妇| 91欧美| 五月丁香色停停啪啪啪| 久久视频在线视频| 色五月婷婷基地| 婷婷精品性视频| 色八月婷婷| 成人短视频免费观看| 荫道BBWBBB高潮潮喷| 99热这里| 丁香五月成人婷婷| 六月激情婷婷| 丁香色婷婷五月天| 婷婷五月激情在线视频| 极品五月天| 综合天天综合| www,五月天com| 91丨九色丨国产| 99精品在线观看| 色热久| 天天骑天天操| 六月份天丁香婷婷| www.婷婷,com| 99riAV国产精品视频| 婷婷日日夜夜| 久久久久久性爱视频| 思思热在线精品视频网站| 99色婷婷| 色播五月婷婷| 九九99九九99九九99视频网| 亚洲色人妻| 婷婷丁香www视频日本韩国| 婷婷五月欧美综合| 黄色AAAA韩国guochansanji| 丁香五月激情综合久久| 亚洲激情Av| 日韩成人不卡| 六月婷婷天堂| 日韩精品一区二区刘| 久热这里只有精品在线| 精品皮股午夜AV| 五月天 综合 在线| 99热这里只是精品| 思思国产99| 色爱终和网| 五月丁香六月色婷婷| 99热成人精品| 狠狠狠狠狠草| 色亭亭五月天丁香综合AV - 百度 - 百度| 停停五月丁香| 久久92| 亚洲成人av在线播放| 99无码精品| 久久人妻视频| 九九AV| 色五月六月| 色婷婷色99国产综合精品| 中文字幕在线免费观看视频| 五月激情综合网| 亚洲六月色| 天天色宗合| 色九网| 五月婷色色| 乱码操操| 欧洲MV日韩MV国产| 玖玖综合玖玖| 99久久婷婷国产综合精品青桔| 丁香综合婷婷开心激情网| 97啪啪| 99久久亚洲精品视频| 婷婷日本在线| 婷婷丁香六月| 天天天天操| 欧美日韩999| 色呦呦免费观看| 人人草公开操| 亚洲va欧美va国产综合久久久| 99精品22| 亚洲啪啪视频| 秋霞性爱AV| 五月天狠狠| 六月丁香五月婷婷| 91操在线| 久99热| 丁香久月婷| 色欲久久久久久综合网综合网| 亚洲六月色| 综合五月网| 婷婷情爱五月天6| 五月婷婷综合久久| 无码少妇高潮喷水A片免费| 久久婷婷六月综合国际| 久9热视频在线观看| a在线观看| 久久精品在线| 日本欧美成人片AAAA| 在线99热| 丁香五月大香蕉在线99| 亚洲综合婷婷五月| 色欲资源网| 九九99热| 2018夜夜草| 在线亚洲综合网| 五月丁香六月激情综合| www.婷婷,com| 超碰在线国产| 四季日韩AV无码综合| 色色免费网站| 五月伊人婷婷| 99这里只有精品| 婷婷五月天丁香久久| 中文无码婷婷| 日韩精品二三区| 91丨九色丨国产打屁股| jiuse91在线| www.色99| 99热这里是精品| 九九成人视频| 最新色色五月天| 六月色色婷婷| 婷婷五月婷婷| 另类激情四射| 亚洲日日操| 欧美激情综合| 五月间天堂综合| 日韩抽插操逼| 丁香五月激情啪啪| 五月激情综合性爱| 婷婷五月AV| 成人在线视频网| 国产精品电| 久久婷婷五月天激情四射| 精品国产va久久久久久久| 五月天六月色| 天天干夜夜想| 中国丰满熟女A片免费观| 六月丁香狠狠爱| 久久五月丁香六月婷| 六月婷婷久久| 五月Huangsewang| 色综合激情| 亚洲欧美国产高清vA在线播放| 欧美99热| site:hcxsz888.com| 色色热| 91蝌蚪窝视频在线| 亚洲AV激情五月综合网| 色无码| 婷婷色在线播放| 婷婷六月激情丁香| 少妇高潮呻吟A片免费看软件| 99日精品视频| 婷婷社区五月天| 色综合久久久综合久久网| 亚洲九九夜夜| 久久综合丁香激情五月| 激情伊人| 噜噜色婷婷| 婷婷激情小说| 色婷婷电影| 色五月婷婷老师| 九九爱精品网站| 夜夜操夜夜爽| 97人妻碰碰中文无码久热丝袜| 欧美天堂久久| 五月天综合久久| 香蕉伊人综合| 六月丁香中文字幕| 亚洲成人AV在线观看| 人人操av| 激情久久久久久久久久| 亚洲婷婷91丁香| 99se丁香| 国产精品久久久久久五月天加勒比| 五月丁香婷婷综合| 激情五月综合| 思思热在线视频精品| 精品成人久久久久久久_一二三四视| 人人播| 99啪啪骑| 99九九玖玖| 日噜噜色| 五月丁香婷婷深深爱| 色五月综合97| 玖玖爱综合网| 99久久久国产大片| 国产69久久久欧美黑人A片| 99热久只有| 97人人超| 色五月激情综合| 熟妇内谢69XXXXXA片| 99热这里只有精品亚洲| 中文字幕无码人妻少妇免费视频 | 26uuu亚洲欧美| 欧美经典片免费观看大全| 大香网伊人久久综合| 婷婷六月啪啪| 五月丁香六月婷婷免费| 久久九九热re6这里有精品| 伊人久久五月天| 8050一级网| 狠狠五月天婷婷激情网。| 亚洲深喉aV| 五月丁香婷婷啪啪综合网| aaa久久久| 天天撸天天干天天插| 97丁香视频| 五月婷在线| 久婷婷婷| 精品一二三区久久AAA片| www.婷婷网| 丰满少妇猛烈A片免费看观看 | 人人人va亚洲视频在线| 久操97| 激情五月综合网最新| 99re免费精品视频| 天天插天天插| 久久九九热视频| 久久婷婷丁香| 激情婷婷五月天| 色情免费视频播放| 久久色五月天| 深爱五月天| 蜜臀嫩草| 内射综合网| 丁香六月婷| www.色五月天.com| 人伦30P| 精品色色| 五月婷婷天| 色婷婷五月综合在线| 人人爱国产| 激情综合网,五月| 91九色白丝| 少妇搡BBBB搡BBB搡毛茸茸 | 婷婷五月天直播| 日韩青青| 综合激情五月天| 婷婷五月免费在线| 欧美久久婷婷| 人人操超碰| 久久久久激情| 永久地址 色| 操人精品| www.超碰97| 丁香六月激情综合| 五月丁香六月激情网| 伊人五月婷婷国产视频| 成人国产欧美大片一区| 4399在线日本A片| 日日干综合| 99碰在线视频| 欧美精品中文字幕亚洲专区| 激情五月天综合网| 色婷婷五月天小说网| 丁香花婷婷五月天| 风流少妇A片一区二区蜜桃| 欧美婷婷综合| 五月天小说激情| 草草影院爱爱| 99网| 色999;丁香五月| 五月婷久久在线| 色五月成人| 九九九干精品| 91中文在线| 第五色婷婷| 天天激情视频| 91美女被操| 1024欧美看片| 亚洲妇女熟BBW| 丁香 亚洲 久久| 6080av| 五月婷在线观看| 超级碰 久久9| 久久精品99| 最新va在线播放| 免费观看的AV| 一區四區歐美日韓| 99热九九这里只有精品| 人人操人人爽成人AV| 不卡在线视频| 成人无码髙潮喷水A片| 99操无码视频观看| 五月婷婷之综合激情| 99热久只有| 成人精品人妻| 偷偷操九九| 9久久狠狠的| 久久综合丁香激情五月| 中文字幕,综合,91| www.五月天社区| 六月婷婷视频| 婷婷久久欧美| 久热婷婷| 99热色婷婷| 国内熟女黄色系列| 亚洲春色奇米影视| 无码免费人妻A片AAA毛片西瓜| 91九色精品| 99热6这里只有精品| 婷婷激情欧美| 色小说五月婷婷| 六月婷婷五月丁香首页| 女人露出p毛视频www网站| 久久综合首页| 国产小网站| 色吧99| 午夜伊人大香蕉| 一本大道嫩草AV无码专区| 午夜丁香婷婷| 九九综合久久| 五月天久久婷婷| 天天干天天操天天拍| 99热成人在线| 久久国产高清| 免费观看日韩成人av| 久久久久久久久月丁| 无码激情AAAAA片-区区| AA片在线观看视频在线播放 | 天久综合91综合首页| 99色色| 九九热在线视频| 久久曰曰| 亚洲午夜AV| 色99视频| 韩国真做片在线观看| 色婷婷久久| 九九在线视频| 天天综合天综合久久网| 九九爱精品网站| 好叼操在线观看| 久久99人人| 亚洲精品无码一区二区| 色五月丁香com| 亚洲网在线观看| 性做久久久久久久免费看| 538在线精品| 亚洲精品无AMM毛片| 日本强伦片中文字幕免费看| 91干网站| 色欧美影院| 国产成人综合在线| 九九免费精品在线视频| 五月丁香 久久久| 人人操人av| 色五月婷婷亚洲| 五月婷婷日| 天天摸天天透天天舔| 丁香五月人妻| 五月天欧美 另类小说| www.minyis.com【JT】国内CDN落地页保证转化QQ2101460746 | 天天干天干| 激情五月天偷拍综合网| se99视频| 日韩青青| 超碰人人91| 色色色色色色色色色色色色色五月天| www.五月天色色.com| se99高清无码| 99视频热| 天天肏视频| 婷婷久久综合| 97碰碰叉| 超碰免费99| 99re在线视频精品,这里只有精品18,| 婷婷五月激情片| 色婷婷五月天在线| 曰曰久久| 亚洲电影在线观看| 天天色99| 99热99思午夜精品| www夜夜| 五月丁香久久| 丁香五月婷婷社区| 超碰人人干| 婷婷五月天伊人网在线观看视频| 丁香五月天网友自拍啪啪啪视频| 亚洲中文字幕AV| 日本人妻伦在线中文字幕| 激情五月天婷婷播播久久综合91| 色色爽爽天天| 久久久五月婷婷| 久碰视频| 五月丁香狠狠| 亚洲a色| 国产av第一专区| 久久久久久综合88| 午夜无码精品色综合久久| 97色操| 无码激情AAAAA片-区区| 黄色成人网站在线播放| 婷婷五月丁香久久| 五月天婷婷色综合| 婷婷成人在线| 很很干五月天| 99综合视频| 狠狠色婷婷丁香五月| 色色五月丁香| 日本熟女二区| 色五月情| 99re热精品在线视频| 激情5月天天天| 色五月婷婷久久| 99久久97| 欧美精品久久久久久视频观看| 欧美婷婷成人| 色五月婷婷777| 中文字幕黄色片| 五月丁香欧美在线| 99ri视频| 操97| 久久Xx| 丁香综合日产精品久久| 五月天国产成人| 99色色视频| 少妇搡BBBB搡BBB搡毛茸茸| 亚洲AV网址| 99精品视频在线| 久久丁香五月婷婷| 午夜五月天| 久草婷| 日本在线免费中文com.| 97热视频| 五月丁香自拍| 深爱激情网五月天| 青草青草视频2免费观看| 欧美性猛交99久久久99| 亚洲成人人人操| 国产美女无遮挡裸体毛片A片| 丁香六月激情| 日本WWW九九九| 123日本不卡在线| 热这里只有精| 婷婷综合在线| 色色五月天丁香婷婷| 亚洲国产精品综合色区| 国产做爰视频免费播放| 五月丁香999| 99热免费观看| 天天插天天玩天天干| 五月天伊人久久久久| 31色区视频免费看| 26uuu激情五月天| 三级三久久线久久99久目本WW| 色色色婷婷五月| www.色五月| 丁香五月久久社区| 婷婷涩涩五月天| 99久久婷婷国产综合精品| 五月激情视频网| 日本超碰在线| 超碰在线看| 激情另类综合| 亚洲成人在线播放| 五月婷婷,六月丁香| 久久五月天色婷婷| 激情综合网址| 99热这里是精品| 亚洲区,视频区,视频区免费| 激情小说视频图片| 综激情网| 日本高清久久| 色五月xxx| 五月丁香六月激情| 精品国产va久| 狠狠色噜噜狠| AV五月婷婷露脸| 五月丁香六月片| 久8色色| 国产免费一区二区三州老师F1…… | 四LLL少妇BBBB槡BBBB| 婷婷激情五月天天天开心| 九九热精品| 亚洲激情丁香五月天色| 国外亚洲成AV人片在线观看| 夜夜天天久久婷婷| 777影视理论片大全在线观看| 狠狠擼综合| 99自拍视频| 色亚洲色宗合| 成人视频免费观看高清完整版在线观看| 丁香六月五月婷婷| 在线资源av-超碰中文在线-成人AV| 国内外色色色色色成人视频| www.久久久.com| 五月丁香影视| 婷婷天天综合| 久久 中文 日本| 久久综合影院| 五月丁香综合啪啪啪啪啪| 被男人添B超爽视频| 天天干天天操天天上| 色99xx| 久色欧美| 超级碰91| 99re思思久久| 丁香五月激情啪啪啪| 日日噜狠狠色综合久久| 日韩xx在线| 五月停亭六月,六月停亭的英语 | 午夜微拍福利| 91人人操人人爱| 大香蕉五月天婷婷| 九九九九精品精| 五月丁香六月婷婷欧美综合| 色综合色五月| 日韩精品一区二区三区,四区,五区视频| 色狠久| 99九九99九九九视频精彩| 综合网天天| 丁香五月综合久久八| 亚洲国产精品二二三三区| 激情五月综合网最新| 丁香婷婷91在线观看视频| 欧美成人精品A片免费一区99| 影音先锋 婷婷| 91婷婷五月丁香碰| 99热这里只有精品中文字幕| 99亚洲色| www久久99| 变态 另类 在线 | 自拍视频在线观看9| 人人操99| 色婷婷影音| ...婷婷五月综合不卡,国产在线手机 | 六月五月丁香五月欧美| 成人VAV视频在线观看| 日本久热| 天天成人丁香美女AV| 丁香婷婷色色| 亚洲成人AV高清字幕| 婷婷五月视频| 丁香五月色色色色| www.婷婷五月天| 色五月无码| 又大又粗九一在线| 成人网在线视频| 伊人干练久| 婷婷六月激情| 一本久久婷婷| 婷婷亚洲综合| 日韩淑女人妻luan伦激情精品一区二| 五月天色婷婷小说| 99人妻碰碰碰久久久久禁片| 五月婷婷久久爱| 丁香六月激情综合| 丁香五月情| 开心五月婷婷99| 精品在线| 成人一级片| 韩国不卡AC视频| 99亚洲天堂| 操逼视频一区| 五月激情综合美女久久| 色综合五月在线| 九九九日本熟女| 99操网站| 亚州在线中文字幕| 五月丁香六月婷综合成人综合 | 五月丁香六月激情网| 日韩色五月| 91精品久| AV网在线| 婷婷色网| www.夜夜操.com| 香蕉人在线香蕉人在线 | 五月婷婷色情| 桃色激情婷婷伊人网| 丁香色五月 97干| 五月天久久激情| 色色色com| 五月激情六月丁香| 91九色国产| 野战毛片三一3| 俺去也在线www色官网| 五月久久噜噜| 丁香六月婷婷五月天| 久久精品4| 丁香五月天激情四射网络不好 | 99热这里只有精品3| 五月丁香六月婷婷婷婷| 六月五月久久丁香| 久青青久| 天天操夜夜啊| 热的五码久久精品| 人人操AV| 天天爽天天干| 少妇综合网| 婷婷五月电影院| 91凹凸在线| 欧美狠狠色| 这里只有精品99www| 婷婷成人综合免费视频| www久久五月com| 人人草公开操| 丁香五月天导航| 丁香五月1页| 大香蕉婷婷| 婷婷五月丁香综合亚洲 | 狠狠干天天日| 丁香五月综合| 色婷婷亚洲婷婷| 色婷久久| 99热欧美| 中文字幕按摩做爰| 丰满少妇猛烈A片免费看观看 | 婷婷五月天免费99| 激情丁香五月婷婷| 日本欧美成人片AAAA| 免费无码毛片一区二区A片| 99热综合| 91性交在线播放| 人操综合| 婷婷五月激情五月丁香五月| 久久色吧| 激情五月天综合网| 开心五月激情网| 丁香五月天在线视频| 丁香 婷婷 激情 综合 五月| 干亚洲天堂| 人人色AV| 色日本网| 久久性爱视频| 激情五月六月婷婷| 欧美激情五月天| j五月香在线| 久久久久久久,99精品视频| 极品九九九九九九| 欧美三级巜人妻互换| 97精品自拍视频| 99re免费精品视频| 性爱视频99| 成人无码精品1区2区3区免费看| 亚洲精品字幕| 午夜福利成人AV91| 91操片| 狠狠色婷婷7| 九九热这里只有精品一| www.99热| 婷婷97碰碰| 成人AV在线电影| 九九婷婷五月天| 亚洲在线播放| 色色五月天婷婷| 欧美va视频不用播放器的va视频网| 99色看| 婷婷成人五月天| 99久在线精品99re5热视频| 99热精品在线观看| 五月天激情色色| 国产操肏网站| 六月婷婷五月丁香首页| 欧美日韩aaaa| 综合色情网| 国产毛片精品一区二区色欲黄A片| 丁香婷婷激情四射五月| 激情五月天色色网| 丁香婷停五月激情综合深爱| 六月婷婷综合| 99操逼| 另类小说五月天| 99精品网址| 九九热这里只有精品23| 操日本人妻视频| 丁香六月婷婷久久综合| 免费看欧美成人A片无码| 亚洲成人无码免费| 天天看片日日夜夜| 毛片毛片毛片毛片| 色五月五月婷婷| 5月丁香综合图区| 97碰超级人人看| 天天综合永久| 色久九| 久久婷婷一级片| 久久香蕉影院| 五月天六月婷| 久久久久久天天日天天爱| 丁香激情婷婷网| 久/久精品99看9| 成人AV片播放| 快乐婷婷五月天| 婷婷六月天激情| 国产精品久久久久久久久久| 日韩黄色网络| WWW.色婷婷.COM| 日韩 中文 欧美| 五月婷婷av在线| 丁香五月激情六月欧亚激情综合导航| 怡红院视频| 久久精品99国产精品日本| 日本人人干| 欧美综合五月丁香六月婷| 九九九九毛片| 色九九一二| 99视频地址| 原琪琪色影院| 超爽内射| 九九一综合精品| 99久在线| 亚洲Av成人在线观看| 五月婷综合性中心| 天天狠狠夜夜狠狠2023| 秋霞AV美国| 婷婷五月天电影在线| 日韩视频99| 26uuu偷拍亚洲欧洲综合| 99er视频在线| 在线观看国产高清视频免费网站 | 大香蕉视频婷| 日日射天天射| 婷婷丁香久久| 人人干99| 久久天天| #NAME?| 天天爽曰日爽| 五夜婷婷| 亚洲啪啪网| 玖玖资源在线视频| 97操碰人免费| 色色色综合视频| 婷婷久久色| 国产 亚洲 在线| 五月亭亭性| 久久久国产精品黄毛片| 蜘蛛女免费观看完整版高清电影| 91婷婷丁香| 99性视频| 啪啪婷婷五月天激情| 桃色激情网| 久久婷婷网址| 夜夜爽天操| 草草色情综合网| 色五月xxx| 亚洲天堂色色| 九九热亚洲中文在线观看免费| 六月婷婷av| 五月婷婷天堂| 日韩高清成人| 日韩综合久久| 丁香六月天婷婷开心综合| 国产精品18久久久| 色五月涩涩婷婷蜜桃| 狠狠五月天| 91热爆在线| 久久婷婷视频| 激情综合五月婷| 久热这里只有精品6| 五月六月播婷婷| 婷婷五月天综合在线| 日木狠狠干| 五月天综合网| 九九热10| 五月婷婷AV| 啪啪99| 日韩成人网址| 五月天社区| 激情六月天| 人人草公开操| 成人做爰A片免费看网站找不到了| 99热99在线| 国产伦亲子伦亲子视频观看 | 久久久久久久久久91| 99热这里都是精品| 五月丁香色| 79精品视频在线观看,| 丁香五月天导航| 色婷婷激情| 丁香五月天无码| www99精品在线观看| 99久久er| 欧美一级毛卡片无码| 五月天伊人网| 男人天堂99| 九九婷婷网五月天| 五月婷婷色播网| 久久精彩视频18| 天天精品视频在线观看视频| 夫妻超碰在线| 久久九九爽| 亚洲色色在线| 亚洲国产精品二二三三区| 伊人五月人妻精品| 热久91| 精品人妻一区| 久久久激情| 99热在线观看免费精品| va婷婷在线| 国产九月婷婷| 日韩在线视频中文字幕| 日本99久久| 99热精品在线播放| 99re这里只有精品国产99| 青青久在线视频免费观看| 色婷婷五月中文字幕在线dvd| 九热久| 婷婷丁香五月亚洲| 色爱99| 五月婷婷 自拍| 婷婷丁香激情综合色情| 五月天伊人av| 日本欧美啪啪| 人妻内射视频| 久热A| www.91操| 天天干在线播放| 久久伦乱| 日日撸天天干| 日亚二欧美| 日日夜夜狠狠| 五月婷六月| 五月丁香色色综合| 9色免费网| 婷婷综合网| 色亚洲视频| 激情五月婷婷啪啪| 99性爱视频| 五月天激情子轮| 亚洲综合99| 99干免费视频| 777色色色| 米奇激情婷婷| 五月天激情久久| 97在线观视频免费观看 | 99精品免费视频| 亚洲激情淫网| 婷五月天| 99热| 五月丁香六月激情综合| 极品 少妇 内射| 夜夜爱伊人| 桃色五月婷婷| 亚洲高清在线| 久热这里只有精品视频免费观看| 99re热视频这里只有综合亚洲| 日噜噜色| 99色综合| 玖玖资源站中文| 婷婷五月激情基地| 色婷婷另类| 中文字幕无码人妻少妇免费视频| 婷婷亚洲色| 激情五月开心五月在线视频| 精品亚洲日韩99欧美片| 日韩AAAAA| 天天爽夜夜爽夜夜爽精品视频| 激情六| 色色综合五月| 777精品久无码人妻蜜桃| 超碰大香蕉网| 五月丁香婷婷六月| 婷婷五月天改成什么了| 五月丁香A片| 日日做A爰片久久毛片A片英语| WWW.婷婷五月天.COM| 伊人AV五月婷| 啄木鸟黑丝一区二区| 激情五月天的婷婷| 影音先锋 萱萱| 性一交一乱一交A片久久四色| 久久五月天色婷婷| 成功精品影院| 色亚洲欧洲| 天天夜夜爽| 99色播| 夜夜夜夜操| 色五月婷婷久久爱| 色丁香五月婷婷婷| 日本久久高清| 大香蕉九操| 久人操| 人人操人| 高清免费在线视频| 亚洲成人无码专区| 97色吧| 免费AV播放| 中文av网| 人妻22p| 91日日日| 噜噜狠狠色综无码久久合欧美| 狠狠插狠狠| 无码婷婷五月天| 六月丁香婷婷拍拍| 色综合色五月| 生活片五区| 97资源碰碰在线| 天天肏天天肏| 人操人| 狠狠干五月| 婷婷五月花| 国产成人精品123区免费视频| 丁香色色网| 99re这里只有| 99热精品观看| 99热1| 五月丁香六月激情综合| www.久久综合| 99九无网码| 九九色欲网| 久草五月婷婷| 97在线精品视频| 久久久久久久97| 五月丁香免费视频| 久久婷婷五月天激情四射| 1区2区视频| 开心婷婷五月| 狠狠操狠狠| 精品人妻伦一二三区久久| 丁香五月婷婷五月| 久久机热/这里只有精品| 五月激情综| 99re6久热只有精品6在线直播| A久久| 久久在线大香蕉| 国产成人综合在线| 五月丁香综合| 国产日比| 99原创自拍视频在线观看| 久久综合26p| 夜色.cnm| 伊人五月天97| 99这里有精品视频| 婷婷五月小说色综合| 精品视频99看在线视频| 丁香五月婷婷亚洲另类| 激情综合六月| 538在线精品| 久久这里只有精品热在99| 激情AV在线| 天天操天天操天天操天天操天天操 | 思思re视频在线| 99久久大片| 久久色亭亭五月天| 色五月综合网| 成人无码髙潮喷水A片| AⅤ网站在线看| 日韩婷久| www.91婷婷| 九九色中文| 99超在线| 17.c黄色| 亚洲婷婷丁香| 色色激情| 婷婷五月天国产性感美女演员久久久久| 五月天婷婷色色首页| 九九99九九99| 色情五月丁香婷婷网| 五月婷婷开心六月激情小说| 色五月婷婷小说亚洲中文字幕组 | 色色日韩| 日本五月丁香| 26UUU精品一区二区| 欧美人人操| 四LLL少妇BBBB槡BBBB| 久久日韩婷婷五月| 亚洲国产婷婷色五月| 久久A区B区| 大香蕉啪啪| 五月婷婷丁香91| 91精品国产日韩91久久久久久国模| 婷婷五月花免费视频在线| 大地资源色婷婷视频在线| 91色综合| 大香蕉在线99热| 亚州操操| 丁香五月第四色88| 色久女| 欧美色激情四射| 大香蕉99| 17.c黄色| 五月亭亭直播| 色欲色香综合网站| 开心丁五月| 天天狠狠夜夜狠狠2023| 五月天激情小说| 中文字幕亚洲-区久久99婷婷| 99这里只有精品视频在线| 婷婷五月激情视频在线| 丁香六月婷| 日亚二欧美| 好吊丝aV| 午夜婷婷| 综合激情九月婷婷,激情综合婷婷中文字| 九九热这里有精品视频| 直接看的AV| 亚洲欧洲中文日韩久久AV乱码| 五月婷婷|欧美| 人妻五月天激情开心网| 亚洲AV网站在线观看| 五月丁香花成人社区| 狠狠搞五月天| 欧洲亚洲精品| 男人的天堂婷婷色五月| 激情综合色婷婷啪啪六月天| Www.婷婷五月| 五月天丁香网| 97干在线观看| 99热这里只有精品最新| 五月丁香在线观看| 色九月欧美| 欧美性丁香色色五月天| 丁香五月影院| 久久在这里99| 激情综合丁香五月| 日韩黄色影院| 五月天激情综合在线| 98色花堂98t.R| 墨西哥毛片内射精| 丁香伊人激情| 丁香婷婷六月| www久久艹| 五月天亚洲色| 中字幕视频在线永久在线观看免费 | 另类综合激情| 热久精品| 久久大香蕉同僚| 99色视频在线| 久久婷综| 丁香色播五月天| 啪啪一区| 亚洲高清在线| 婷婷五月天堂| 亚洲AV另类| 久久66成人网站| 免费观看全黄做爰的视频| 久久精品99| 97性视频| 久久日九九| 亚洲欧美一区二区三区爱爱动图| 91日本在线观看| 这里只有精品视频222| 色婷婷久久综合| 九九99男女视频在线观看| 九九热99热| 人碰人人人玩91| 久久机只有这里精品| 欧美精品在线观看| 第四色色六月色综合| 六月色婷婷| 色色婷婷丁香| 五月丁香综合啪啪| 99热日韩| 九九色综合网| 香蕉国产2013| 99色色视频| 丁香六月婷婷综合啪啪| 色色色在线观看| av免费在线网站| 国产亚洲精品久久一区二区三区| 日韩黄色电影| 欧美激情VA永久在线播放| 亚洲色图81p| 播五月丁香三月婷婷| 91人人操人人看| 在线观看免费狠狠色丁香香综合| 狠狠综合区| www.色婷婷| 国产黄色一级片| 色情久久久| 在线中文av| 9久精品视频| 六月婷婷天天操夜夜爽视频| 天天射影院| 99惹| 久热一区| 五月开心激情网| 丁香六月亚洲| 99.N在线视频| 五月天操逼网| 色婷婷综合网| 欧美一级色| 九九热视频在线观看| 天天操天天日天天爽| 久久婷婷五月综合色丁香花| 午夜做爱影院| 久热99热| 97人人操人人干| 99爱免费在线观看| 丰满人妻妇伦又伦精品国产| 夜夜撸日日骑| 丁香五月停停基地| 亚洲av网站在线观看| 在线国产精品色| 热思思九九| 99热这里只有精品无码| 超碰成人AV| 五月伊人网| 久久在这里有精品| 狠狠色婷| www.五月天婷婷| 激情丁香社区| 久草热8精品视频在线观看| 激情久久天天| 男人的天堂97| 激情婷婷久久| 欧美在线视频99| 婷婷99狠狠躁天天久久久九九九| 99爱视频免费看| 中文字幕,综合,91| 激情小说五月天| 丁香激情六月天婷婷| 午夜日韩久久久网站| 97色碰| 97婷婷丁香五月天激情图片| 五月丁香六月婷婷激情四射| a久久| 国产日批视频| 亚洲国产另类av| 97操操操| 久久人人人人妻| 婷婷五月天网址| 日本丁香五月| 五月丁香婷爱在线| 婷婷五月丁香综合| 婷婷成人基地| 九九热精品视频在线观看| 开心 五月 综合| 91久久久久| www色色色com| 99色在线观看视频| 9久热在线视频精品| 99人人看| 五月婷婷六月综合| 99久久亚洲精品视频| 久久国产一区二区三区| 天天干天天干天天| 婷婷丁香久久五月综合| 亚洲图色五月天| 丁香六月综合激情| 婷婷狠狠干| 四色综合网| 五月色丁香婷婷综合| 色99色| 99这里只有精品99| 五月天天天综合| 激情综合九月| 色婷婷久久综合久色| bukadeavzaixian| 色99视频| 色99网站| 五月丁香少妇A| 9精品视频在线观看| AA片在线观看视频在线播放 | 久久色情| 色婷婷久久| 性小说五月天| 久久婷婷色情7777网站| 婷婷影视久久| www色色com| 99爱视频在线| 26uuu亚洲欧美另类| 9人人操人人看| 色综合视频在线| 99日韩| 色综合天天天天做夜夜| 婷婷综合另类小说| 婷婷五月天丁香激情| 99ER热精品视频| 大香蕉久| 婷婷深爱五月| 六月婷五月丁香| 久9热| 五月丁香六月婷婷久久| 超pen个人视频97| 99热这里只有精品5| 超碰不卡在线| 日撸夜撸日操| 婷婷五月天 偷拍| 新97人人上人人| 丁香五月ⅤA久久久| 六月成人网| 欧美日韩99| 丁香九月激情| 色五月激情| 欧美激情凹凸丁香网| 亚洲开心激情网| 99热婷婷|