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
五月丁香综缴情性爱| 中字幕视频在线永久在线观看免费| 人人性久久| 狠狠爱综合网| 五月婷婷真爱激情网| 91互操| 色婷婷激情| 91久久婷婷人人澡草 | 激情超碰网| 日韩另类| 青青操日本摸摸看看| 97色天堂| 色婷婷丁香五月天| 开心四月婷婷在线色播播| 97色操| 亚洲日本韩国| JAPANRCEP老熟妇乱子伦视频 | 99视频在线精品| 五月婷婷欲色| 天天日人人爽| 婷婷玉月丁香五月在线视频| 翔田千里aV中文字幕| 91日精品| 色综合99色| 亚洲五月婷| 六月丁香五月婷婷| 人妻久久久| 五月久久亚洲| 免费试看小视频 99| 综合久| 看逼中文字幕| 婷婷久久在线| 亚洲99在线| 五月天另类小说久久小说网| 国产,欧美,学生妹,视频| 成人国产综合| 欧美色婷婷| 9 1 A v久久久| 婷婷五月无码| 婷婷精品视频| 六月婷婷综合| 99热国品| 亚洲正能量欧美| 在线18av | 欧美大肥婆大肥BBBBB| 99热爱爱干干日| 影音先锋天天日| 99热在线观看精品| 天天插天天日| 91九色视频| 六月丁香av| 丁香五月婷婷大香蕉| 婷婷五月六月| 大香蕉久| 99色在线| 影院久久久| 久久婷婷综合五月| 色婷婷女优有码五月亭| 91成人看片| 狠干综合| 久久9精品| 99黄色性生活| 五月丁香AV、伊人业余、性色熟妇| 婷五月丁香| 激情婷婷五月天伊人在线观看| 婷婷六月激情小说网| 婷婷丁香五月综合| 天天色综合色| 亚洲va在线∨a天堂va欧美va| 99热这里有精力| 2015在线中文字幕| 色欲色香,www,com| 激情婷婷丁香五月天| 婷婷久久五月丁香| 亚洲色情激情丁香五月| 色色色色色色网站| 五月天色区| 婷婷五月综合激情| 久久香视频| 国产黄色av| 久操97| 超碰在线国产| 精品无码视频| 久久婷婷热| 五月色婷婷综合| 天天爽夜夜操| 九九99热久久精品66中文字幕| 青青草轻轻操| 5月婷婷性视频| 五月丁香六月停停| 九九色综合网| Blackedraw视频一区二区| 色99久草在线| 丁香婷婷激情综合五月激情| 中文字幕婷婷五月天在线观看| WWW.婷婷| 99在线精品免费视频| 青青草原亚洲久| 91 九色 入口| 五月婷久久| 五月天综合久久| 婷婷中文无码| 99在线精品免费视频| 九月丁香婷婷网| 天天狠天天叉| 欧美成人A片AAA片在线播放 | 婷婷成人综合五月| 2017狠狠干| 99热只有| 99视频在线观看网址| 婷婷欧美综合| 婷婷六月伊人| 婷婷99狠狠| 国外亚洲成AV人片在线观看| 久久婷婷五月综合精品蜜芽| 人人舔天天| 五月六月丁香激情| 国产美女无遮挡裸体毛片A片| 涩玖玖免费视频| 色欲天天综合网| 艾小青av| 婷婷欧美| 99精品高潮| 五月天激情站| 色婷婷婷婷| 亚洲无AV在线中文字幕| 成人在线视频网| 五月激情网络| 婷婷五月色| 最新久久99视频网站| 99ri视频在线播放| 99热久草| 五月综合久久| 91蜜桃婷婷狠狠久久综合9色| 26uuu亚洲色| 丁香五月影院| 99精品久| 九六五月天婷婷| 日韩 中文 欧美| 中文字幕丰满孑伦无码专区| 性视频久久| 天天拍天天操| 五月丁香婷婷综合在线| 97人人草| 五月丁香亚洲校园欧美| 亚洲AV永久无码影院黑人 | 99成人小视频| 婷婷综合婷婷| 激情婷婷五月色| 婷婷色在线| 99re久热| 五月婷婷丁香五月天| 日韩欧美不卡| www激情com| 99精品视频在线观看| 激情丁香九九五月综合网| 日韩操| 五月丁香大香蕉| 东京热免费视频| 婷婷五月AV| 91嫩草久久| 天天操天爱综合| 丁香六月婷婷基地| 五月丁香操亭亭网| 99亚洲精品视频| 99re热在线视频观看| 综合激情九月婷婷,激情综合婷婷中文字| 欧洲精品欧洲情| 99免费在线视频| 亚洲激情综合| 精品国产乱码久久久久久免费| 天天爽在线视频| 天天摸天天肏| 97色色色视屏| 日韩有码一区| 99亚洲视频| 91精品久久久久久久久久久久| 国内精品免费一区二区2009| 婷婷五点亚洲| 爆乳熟女一区二区三区爆乳| 六月综合婷婷开心伊人| 色五月婷婷丁香婷婷| BBWCUCKOLD精品熟妇| 伊人狠狠综合| 超碰人人91| 日本精品99网站| 亚洲综合激情五月久久| 人操综合| 国产精品久久..4399| 激情久久久| 五月叮香啪| 熟妇人妻中文字幕无码老熟妇 | 激情五月天综合| 国产一级片| 99热这里只有精品21| 九九在线视频| 久久五月激情| 五月天色色婷婷| 婷婷色色丁香五月天| 中文字幕97超级碰| 色综合久久久久| 五月婷婷六月丁香激情综合网| 99啪啪| 中文不卡一二三区| 五月 丁香 欧美| 丁香五月激情五月| 草五月| AV中文在线| WWW丁香五月| 国产精产国品一二三在观看| 色色色在线观看| 五月婷婷与六月丁香图片激情| 国产真实乱了老女人视频| 丁香五月精品| 亚洲性爱干干| 成人婷99最新| 色很久综合| 99久在线精品99re8热| 五月丁香色狠狠干大屄| 九九色精品| 99热精品在线| www狠狠| 色丁香久久久| 成人色站,在线视频,看片-SS1AV| 丁香婷婷五月综合影院| 人人操人| 亚洲成人AV高清字幕| 国产九九一区二区三区| 激情五月婷婷六月丁香| 天天综合天天玩夜夜玩天天玩夜夜玩 | 一起草性爱不卡视频| 婷婷五月天电影在线| 伊久久婷婷| 五月婷婷综合激情小说| 亚洲乱码日产精品BD在线观看| 色五月婷婷小说亚洲中文字幕组| 色婷婷五月天激情综合| 在线观看婷婷5月| 超色欲天天| 深爱激情五月网| 欧美成人网婷婷综合在线| 欧美日本99| 日本99视频| 爽tv | 色婷操逼| 99狠狠色| www.色综合.com| 99视频精品全部免费观看| 9精品视频在线观看| 国产精品18久久久| 玖玖婷婷五月天| www91色网站| 久久XX| 五月五婷婷| 欧美韩日AAA网站| 久久激情视频99| 91色色色18| 丁香五月色情av| 荡乳尤物3HP1V5| 久久ww| 色色婷婷丁香五月天| 另类激情五月| 婷婷五月骚厕所| 五月天婷婷自拍图片在线观看| 第四色激情网| 激情五月天婷婷免费观看| 99久久久免费| 综合另类视频| 五月丁香影院| 色婷婷小说网| 婷婷婷婷婷开心无码播放| 妻久久久久| 99视频在线播放大全| 亚洲五月综合色播| 亚洲99热| 97在线/亚洲| 欧美成人日韩| 欧美婷婷丁香五月社区| 久久丁香五月天| 欧美日韩91| 国产亚洲精品久久久久久郑州| 99热精品在线播放| 色色亚洲99com| 999热在线观看视频| 五月婷婷伊| 国产黄色大片| 欧美日韩成人免费在线| 日韩色色色99| 国产VA亚洲VA96| 色播五月婷婷五月| 色情久久久| 激情综合五月婷婷| 欲色人妻| 欧美在线视频免费播放| 色色婷婷丁香| 午夜精品人妻无码一区二区三区| 婷婷9月天| 97人人操人人拍| 综合一区二区三区| 婷婷综合五月天激情| 99精品在| 精品久久9| 99无码视频| 在线中文AV| 91九色无码内射| 激情久久久久久久久| av久热| 色播五月丁香婷婷| 日本九婷婷| 九九九九九九九九九九九九九国产精品| 亚洲综合激情五月久久| ..真实国产乱子伦对白在线_欧 | 五月丁香色| 欧美性爱5月天天天看| 9|无码久久久久久| 人人操Av| 另类专区在线观看| 九九久99免费视频| 欧美一级色| 天堂草在线观| 99精品久久| 99视频在线观看地址| www,久久久人人| 色热久资源| 五月婷婷五月天| 人妻久久久久久| 九热网站| 婷婷丁香五月天综合网| 五月婷婷六月丁香| 男人天堂 久久| www.激情.com.| 六月丁香社区| 国产美女无遮挡裸体毛片A片| 色天堂97| www.狠狠艹| 大香线蕉伊人| 香蕉大综综综合久久| 99爱这里只有精品| 日本91在线| 色婷婷丁香AV综合| 久色中文| 无码AV久久久久久久久| 99久久精彩视频。| 久久婷婷综合基地| 九九久久腿| 五月天婷基地| 亚洲激情综| YW无码| 色婷婷色五月丁香| 伊人久久婷婷| 激情婷婷五六月天| 久久9视频| 精品99在线看| 99资源在线视频| 五月停亭久久电影| 99思思热只有在这里看| 综合欧美五月婷婷| 色婷五月丁香久亚洲| 亭亭五月丁香五月天激情| 婷婷娌伦网| 99热这里只有精品搜| 国产亚洲精品AAAAAAA片| 激情久久久久久| 影音先锋777xfplay色资源网站| 99在线精品观看99| 天天综合亚洲综合网天天αⅴ| 黄色一级影片| 强伦轩人妻一区二区电影| 色欲色香伊人| www.刺激色网站www.| 天天xxxxxx天天日| 丁香五月婷婷www..com| 中文AV网站| 99久久色| 亚洲成人av在线| 五月丁香综合影院| 狠狠色狠狠| 九艹在线| 97婷婷久久丁香| 大香蕉伊在| 98色花堂98t.R| 五月情婷婷五月| www.夜夜操| 成人无码髙潮喷水A片| 日本啪啪天堂| 五月性色| 色综合99色| 色综合播放| 婷婷五月色激情欧美激情| 亚洲精品久久久久久久久久吃药| AV在线中文| 91久久婷婷人人澡草| 五月丁香啪啪啪| av在线不卡播放| 婷婷在线操| www.久久久.com| 丁香六月婷婷激情| 丁香五月综合在线播放 | 99热精品在线播放观看| 成人婷99最新| 五月丁香婷婷啪啪综合| 五月开心激情| 九九色黄色| 激情涩涩网| 丁香五月婷婷激情网| 综合久久五月| 久久思思精品| 黄色av网站在线免费播放| 99亚洲综合| 大香蕉手机视频| 婷婷色五月大香蕉在线观看| 丁香婷婷噜噜| 丁香婷婷综合影院| 婷婷五月丁香手机在线视频| 九九色情网五月天| 久热这里只有精品99re| 婷婷丁香黄色| 久色婷婷200| 95精品区一区二| 久久草大香蕉| 婷婷五月免费观看| 亚洲婷婷久久综合| 丁香花婷婷五月天| 五月网在线| 色婷网站| 五月天婷婷人妻| 2025神马午夜福利| 天天精品视频在线观看视频| 九久九精品| 六月婷婷影院| 亚洲国产成人AV在线 | 狠狠色网| 婷婷色啪| 久久这里只有精品久久| 午夜丁香婷婷| 日韩综合大黄| 人人操人人添人人摸97| 日亚二欧美| 性热视频99精品| 99热这里| 婷婷91| 97色碰| 少妇久久诱惑视频| 天堂va久久久噜噜噜久久Va| 播五月开心婷婷欧美综合| 五月天激情啪啪| 激情中文在线| WWW,激情五月天,COM| 性一交一乱一交A片久久四色| 少妇日麻屄| 综合五月天| 日夜夜久久| 丁香五月婷婷综合91| 中文字幕成人影视| 538在线| 日逼影音先锋男人AV资源站| 激情五月天小说|五月天开心激情网|亚洲精品国产自在现线|黄色五月天 | 国产精品久久久丁香五月八戒视频| 色www久视频| 综合激情网激情五月。| 黄色成人网站在线播放| 国产精品国产成人国产三级| 五月亚洲| 五月婷婷色| 99精品偷自拍| 99色色| 丁香六月啪啪| 国产性爱大片久久| 天天插天天插| 婷婷舔| yw.av| 亚洲最大在线| 中海油常州环保涂料有限公司| 亚洲亚洲人成综合网络| 欧美色九| 欧美色小说婷婷| 亚洲无码黄色| 天堂无码人妻精品AV一区| 色六月视频| 亚洲精品在线视频| 黄色热99| 亚洲激情av| 色欲天天综合| 久久色五月| 91人人妻人人操人人爽| 色久综合| 色五月婷婷在线| 五月花综合| 99久久超级| 九月丁香| 婷婷深爱五月丁香| 五月天激情国产综合AV| 亚洲欧美成人在线| 一区二区aV电影免费看| 欧美日韩99| 免费观看的婷婷五月视频在线| 丁香五月天在线观看视频| 日韩有码一区| 51精品国自产在线| 五月六月播婷婷| 伊人久久丁香五月91| 国产激情av| 色五月婷婷啪啪五月| 啪啪激情网| 99re视频在线精品| 成人av在线网| 大香蕉综合网| 99综合视频| 日日噜噜夜夜狠狠久久丁香六月| 婷婷久久六月天| 1024手机在线观看看片_日韩精品| www.ywav| 亚洲深喉aV| 99国产在线| 婷婷五月天基地| 开心色播色五月婷婷| www.天天色综合| 99九九热视频| 五月婷综合| 日本欧美成人片AAAA| 91精品久久久久久综合五月天| 丁香五月天影院| 99精品热| 九九热99热| 超碰爱爱爱| 亚洲精品午夜国产va久久成人| 欧美天天干五月丁香| 激情五月天色色网| 激情婷婷丁香五月天| 99日视频在线| 五月婷婷国产| 91人人爽人人操| 就爱日五月天| 婷婷五月丁香四射| 久久久久久婷| 色9999综合久久| 亚洲国产精品VA在线看黑人| 国产真人做爰视频免费| 熟女人妻一区二区三区免费看| 色色色免费视频| 婷婷综合五月| 亚洲这里只有精品| 色色色色色色网站| 少妇综合网| 色吧五月婷婷| 欧美激情综合色综合啪啪五月| 99黄色性生活| 丁香色婷婷| 丁香五月另类色婷婷麻豆| 婷婷久久丁香五月| 婷婷99狠狠躁天天躁| 亚洲激情综合网| 激情五月天色网站| 夜夜干 夜夜操| 色色色色色色网| 天天狠天天叉| 99热亚洲| 香蕉网婷婷| 色情终和网| 九九综合九| 五月婷三级片| 狠狠爱丁香婷| 久热丁香| 成人AV免费观看| 97碰人人操| 爱射综合| 五月丁香婷色| 五月六月婷婷| 精品成人在线观看| 五月丁香色| 五月婷婷五月天| 国产毛片欧美毛片久久久 | 婷婷丁香五月综合激情小说| 亚洲日日操| 丁香五月天婷婷中文字幕| 超碰二区| 国产伦亲子伦亲子视频观看| 大香蕉天堂色| 九九精品综合| 久久6这里只有精品| 亚洲色vA| 超碰二区| 丁香六月婷婷久久综合| 国产精品24r| 成人五月天丁香婷| 日本va欧美va精品发布视频| www,婷婷| 亚洲激情在线| 久久中文网| 色射7856五月天激情四射| 色噜噜夜夜夜综合网| 九九色逼| 婷婷五月天另类网站| 激情五月婷婷五月丁香五月开心五月| 久9热| 五月天电影网| 91疯狂操操操操| 这里只有精品偷拍| 五月天激情无码专区| 97久久久久| 双性美人被调教到喷水A片| 国产九月婷婷| 国产欧美日韩性爱| 婷婷六月激情在线视频| 九九热av| 国产AV成人精品| 久久xx| 人人摸人人干人人做| 久久婷婷五月综合色奶水99啪| 五月丁香六月激情| 五月婷婷六月丁香五月| 99色精品| 成人精品网站在线观看| 久久只有精| 久99热| www婷婷| 激情五月,深深爱五月| 五他月天啪啪啪| 99热99极品观看| 那里有AV网址| 啪啪九九色| 原琪琪色影院| 8区视频在线| 中字幕视频在线永久在线观看免费| 人人爽亚洲| 丁香婷婷六月天| 97碰碰碰免费公开在线视频| 激情五月天com| 婷婷久草| 婷婷五月激情视频网| 99热这里只有精品在线观看| 丁香五月六月婷婷殴美综合| www.色综合| 久久丁香综合精品综合| www.婷婷.com| 色五月综合在线| 五月激情丁香久久综合网| 九月停停| 亚洲激情网| 天天日综合| 色色色在线播放| 五月天婷婷色色首页| 婷婷五月丁香五月| 欧美丁香五月97色| 噜噜色com| Av狠狠色丁香婷| 中文字幕高清av| 久久人妻精品| 欧美性爱五月天| 久久杏爱视频| 97AV在线视频| 9视频1在线| 超碰在线caop| 五月天婷婷激情| 婷婷色五天| 人妻 性久久久久久| 久久99热免费| 97色婷婷| 99精品热视频| 日韩三及成人AV片| 精品九九久久| 五月天六月丁香| 97欧美在线| 丁香婷婷激情网站| 欧美成人AAA片一区国产精品| 91viP在线看| 天天做天天爱天天玩| 激情综合网婷婷久久| 婷婷五月天丁香久久| 欧美三级巜人妻互换| 五月开心激情| 99热在线播放| 91碰碰| 色五月婷婷色| 中文字幕综合网| 亚洲va综合va国产va中文| 五月好婷婷| 五月婷婷九月婷婷九月婷婷| 亚洲婷婷婷| 色噜噜狠狠色综合网| 色五月大| 操逼三区| www.99久| 五月香婷婷| 91九色精品女同系列| 成人在线不卡| 欧美精品99久久久| 开心五月婷婷五月| 色视频2025| 天天日夜夜B久久| 六月丁香五月婷婷首页| 色五月丁香激情视频| 六月伊人婷婷| 色综合日日| 思思 热 99| 亚洲第一精品成人999久久精品| 第一区久久网站| 97激情五月天| 99热这里只有免费精品| 欧美va在线观看| 久久精品系列| 色综合九九| 99性视频| 色级停停| 欧美操综合| 色吊丝永久访问网址| 91婷婷丁香| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 色区久久| 99思思热只有在这里看 | 免费无码毛片一区二区A片 | 久大香蕉| 热99视频精品| 亚洲国产色色| 26uuu国产| 超碰成人在线观看| 欧美交换配乱吟粗大25P| ..真实国产乱子伦毛片| 日韩婷久| 激情欧美婷婷| 色婷五月天激情| 激情99| 五月丁香六月| 97亚洲精品| 九九色综合网| www.狠狠操.con| 亚洲激情婷婷| 人妻av在线| 久久99草五月婷婷| 久久综合中文| 婷婷丁香五月,狠狠综合| 激情五月四色| 亚洲视频无| 久久机热这里只有精品免费视频| 五月激情久久综合网| 九九99免费视频| 99热在线观看| 97五月久久丁香婷婷| 亚洲 25P| 激情五月丁香六月综合AVXXXX| 丁香五月婷婷基地| 国产综合丁香五月天| 丁香亭亭久久| 丁香综合婷婷五月天| 婷婷色在线| 日韩av一区二区在线/日产精品久久久 | 婷婷五月成人社区| 青青草a在线| 婷婷久久丁香| 国产一二区爆乳_1国产日韩一区二区三-成人AV| www99xxxx五月丁| 免费日韩99| 色婷婷狠狠18| 综合五月草| 天天搞天天色综合| 久久38视频| 被男人添B超爽视频| 人人97碰| 五月天天久久香| 五月成人网天天| 色五月婷婷狠狠撸| 一起草Av| 伊人玖玖网| 99色综合| 色色色色色色综合网| 欧亚洲在线高清视频| 色色色色网站| 99热一本| 洗浴中心操B视频| 久久五月婷婷丁香| 麻豆123区| 婷婷伊人无码| 色欲婷婷夜夜| 这里只有精品视频222| 婷婷综合在线播放| 九九精品99久久久| www网站在线观看| 色操综合| 久久婷婷超碰| 不卡的AV网站| 精品一二三区久久AAA片| 91日韩在线| 99热精品免费| 免费亚洲婷婷| 狠狠搞狠狠操| 五月激情小说| 天天日天天插| 色人久久| 99色在线观看| 亚洲操操| 国产亚洲精品AAAAAAA片| 久久黄色片| 婷婷五月丁香综合人妻| 婷婷综合九色伊人| 亚洲国产精品综合色区| 91九色偷拍| 热成人网| 99精品女人天堂| 天天在线XXX| 99热99美国在线观看| 五月精品| 五月丁香婷婷色色色| 91精品久久久久久久| 色色丁香婷婷| 播播网色播播| 天天日狠狠| 久/久精品99看9| 九九热99精品| www.激情五月天.com| 91人人爽久久涩噜噜噜| 狠狠爱婷婷色| 六月婷婷啪啪| www.狠狠操.co m| 青青久在线视频免费观看| 天天拍夜夜爽日日| 草草色情综合网| 思思99热这里只有精品6| 4438全国最大视频成人网站在线观看| 亚洲五月花| 丁香五月婷婷偷拍| 日日夜夜天天| 色情五月天婷婷| 激情五月婷婷视频一区二区三区| 五月婷中文字幕| 大香蕉啪啪啪| 激情婷婷丁香| 伊人狠狠干| av国产精品偷| 狠狠狠狠狠| 色色色色色色色色色色色色色色,网站| 9色在线视频精品观看| 91婷婷| 五月色精品| 吊色AV男人的天堂| 激情六月天| 日本成人噜噜| wwwss在线观看| 六月丁花香啪啪激情欧美| 中文AV网站| 人妻狠狠操| 97色婷婷| 91精品婷婷国产综合久久| 热的国产,热的综合,热的有码| 九月丁香婷婷网| 丁香综合网| 五月天 另类图片| 色碰碰视频| 五月婷婷综合在线亚洲视频| 激情丁香六月| 丁香六月毛片| 色婷婷丁香五月| 殴美97色| 亚洲综合激情五月久久| 日日爽夜夜爽| 亚洲综合婷婷五月天| 秋霞成人毛片一级A片| 超碰日韩人妻在线| 欧美色婷婷| 俺也去在线视频| 狠色狠色狠狠色综合网| 永久免费一区二区三区| 亚洲乱码日产精品BD| 伊人久久大香网| 婷婷五月天激情网站| 九九99在线观看视频| 五月婷九九草| 激情五月天婷婷| 婷婷五月天综合网| 79色色| 思思视频这里是精品| 国产操肏网站| 婷婷丁香六月天| 操久久网| 婷婷五月天视频亚洲| www.狠狠操.com| 97碰久久| 欧美操我| 色yeye欧美| 青柠影视免费高清电视剧| 中美日韩成人在线| 天天爽天天摸天天爱| 久久久久久综合五月婷婷| 婷婷成人网五月天| 亚洲无码成人| 婷婷激情五月视频| 色噜噜狠狠狠狠色综合久欧美| 香蕉久久av一区二区三区| 丁香五月电影| 九九AV在线| 九九性爱网| 99热这里都是精品| 精a品a| 91色情播放| 思思久久青草热| 丁香五月天啪啪激情综合网| 亚洲色激婷| 五月天开心激情网色欲无码| 五月天婷婷基地| 久久久婷婷五月亚洲97号色| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 中文字幕综合| 久大香蕉| 色99热| 丁五月激情视频免费| av性爱网站| 99热无码| 五月婷婷真爱激情网| 99精品这里只有免费视频| 亚洲精99| 五月婷婷和六月| 丁香五月激情欧欧美| 亚洲综合视频天天精品| 久久五月网| 欧美黑人巨大猛烈cuckold| 五月丁香婷婷AV天堂| 精品一区二区三区四区五区六区介绍| 久久ER视频com| 丁香狠狠| 涩涩网五月天| 色婷婷六月天在线| 丁香婷婷色五月| 婷婷激情小说| 五月精品| 色婷婷久久| 九九99久久| 99久久99综合| 久热精彩视频98| 色色丁香五月天社区| 婷婷日韩| 国产成人av在线播放| 99精品视频偷拍| 国产va视频| 97人人爱人人操| 亚洲无线视频| 国产精品视频| 久久停停超碰| jiujiu热在线视频| 久久综合五月天| 五月丁香999| 激情内射人妻1区2区3区| 色五月婷婷在线视频| 婷婷五月情| 色情·com| 日日肏天天操| 国产婷婷五月色情综合| 五月丁香综合激情网| 天天干天天做| 丁香婷婷久久五月天| 成人五月天在线视频在线观看| 国内外色色色色色成人视频| 欧美99| 午夜激情综合| 成人必爱视| 久久人妻超碰一区| 天天日,天天插| 丁香六月激情国产| 色婷婷狠| 久热这里只有精品在线观看 | 精品国产乱码久久久久夜深人妻 | 开心五月婷婷激情网| 亚洲图色五月天| 国产午夜精品一区二区| 久久视屏这里只有久久| 免费看欧美成人A片无码| 久久A区B区| 婷婷内射视频在线| 婷婷五月影院| 亚洲欧美999| 亚洲成人av在线| 六月丁香啪啪| 色五月婷婷天天操夜夜操| 久久综合五月婷婷| 91 九色 熟女| 婷婷色亚洲| 激情九月婷婷九月| 5月丁香啪啪啪| 亚洲视频二区| 色欲五月丁香| 久久婷婷婷| 亚洲视频丁香网va| 9超碰在线| 深爱五月天| 六月丁香综合| 亚洲 综合中文| 青青999| 开心五月网 | 五月天色图| 激情综合激情五月一起草| 丁香九九九九| 久久精品国产一区二区三区四区| 噜噜狠狠色综无码久久合欧美| aⅤ79成人片| www.婷婷com| 色噜噜狠狠色综无码久久合欧美| 人人干天天舔| 伦乱人妻| 五月天久久久| 狠狠人妻色综合| 五月婷婷伊人久久| 天天久久狠狠色综合| 中文毛片无遮挡高潮免费| www.91在线观看| 天天综合色综合| 五月婷婷99热| 激情婷婷五月天丁香| 婷婷五月天丁香| 日日夜夜天天| 婷婷四色五月| 丁香色六月| 婷婷激情五月天小说| 婷婷成人五月天| 中文无码婷婷| 亚洲欧美999| 热的国产,热的综合,热的有码| 久久久久久久久久久44| 岛国AAAV| 99在线免费视频| www.色婷婷.com| 夜夜撸天天操| 亚洲五月婷婷在线| 国产精品成人AV在线| 高潮毛片又色又爽免费| 亚洲激情五月| 午夜爱爱网站| 激情五月,色播五月| 呦呦AV| ww亚洲ww在线观看| 国产免费av在线| 日本A片一区| 亚洲精品字幕| 91啪啪视频| 五月激情综合网| 亚洲乱码w在线观看| 热成人网| 天天拍夜夜爽日日| 99re思思在线视频| 色啪影院| 99re久热只有精品6在线直播.com| 奇米影视777在线_在线观看午夜_h小视频在线观看_岛国大片 | 99久在线| 最新av在线观看| 亚洲激情另类| 久久久精品色| 亚洲婷婷免费| 婷婷五月天另类网站| 天天摸,天天爽| 久久人人九九| 色五月天激情| 国产精品成人AV在线| avv在线| 加勒比日本一区二区三区| 丁香婷婷五月激情四射网| 亚洲无AV在线中文字幕| 九九99九九精品免费| 中国女人做爰A片| 九九RE视频在线精品| 超碰在线人人| 97色碰| 狠狠操综合| 九九AV在线| 日本五月婷婷| 色色色色色色色色网站| 国产精品成人在线| 婷婷五月天激情小说| 亚洲视频99| 婷婷激情综合| 婷婷爱五月| 九九色色| 精品夜夜澡人妻无码AV| 91久久精品国产91性色TV| 色噜噜狠狠色综无码久久合欧美| 丰满老熟妇BBBBB搡BBB| 精品国产AV色一区二区深夜久久| 国产熟妇的荡欲午夜视频| 性做爰1一7伦| 亚洲字幕AV一区二区三区四区| 日韩在线视频9色| www.夜夜爱.com| 亭亭丁香97| 久久久99免费视频| 婷婷四色五月| 婷婷五月深情丁香深爱日韩| 天天爱天天做天天舔| 亚洲五月综合色播| 婷婷深爱网| 囯产精品久久欠久久久久久九大| 色婷婷五月天| 91操熟女| 专区无日本视频高清8| 超碰狠狠干99| 91女人18毛片水多国产| 色玖玖玖| 色婷婷导航| 热99视频精品| 天天色综网| 超碰国产在线观看| 久久网日本| 大香蕉久操| 日本女色人人| 丁香五月婷婷激情中文| 日本婷久久| 99在线er热| 丁香五月在线视频黑人| 亚洲国产99| 九九色逼| 五月婷婷亚洲天堂激情在线| 色色影院aaaav| 人人做人人看人人摸| 久草五月天| 婷婷五月天AV| 麻豆WWWCOM内射软件| 国产91在线视频| 婷婷亚洲色| 午夜无码精品色综合久久| 婷婷99狠狠躁| 啪啪啪大香蕉| 中文中文在线| 99日在线观看视频| 五月花综合网| WWW,婷婷,COM| 激情AV在线| 国产做爰视频免费播放| 玖玖激情网| 超碰99热| 亚洲精品性色| 操逼三区| 国产人妻人伦精品一区二区| 99热99思午夜精品| 婷婷五月丁香基地在线视频官网| 99re这里有精品手机在线| 色综合久久天天综合网| 亚洲字幕AV一区二区三区四区| 丁香五月天社区婷婷| 综合激情五月四射婷婷| 26uuu欧美激情另类| 91久久精品无码一区二区三区| 伊人综合网站| 色五月婷婷激情基地| 熟女乱论网| 五月天激情网图片| 激情综合亚洲| 蜜乳人妻一区二区三区| 婷婷六月丁香久| 丁香婷婷色五月| 99热精品中文字幕| 欧美情色电影一区二区| 久久婷婷五月天| 欧美日韩五月婷婷| 日本五月丁香| 精品网站:999WWW| 韩国中文字幕91| 五月天婷婷黄色视频| 激情六月色| 99九九精品视频| 亚洲精级| 五月天色色激情综合| 国产婷婷五月色情综合| 国内外色色色色色成人视频| 五月丁香婷婷成人版| 久色五月| 国产超碰在线| 97色色婷婷五月天| 国产成人99久久亚洲综合精品| 久热久| 婷婷七月丁香色色| 激情五月天无人视频在线| 色丁香久久| 中文字幕综合| 激情五月婷婷色| 国产精品国产成人国产三级| 久久99久久99久久99人受| 五月婷婷六月丁香激情| 成人中文网| 另类五月婷婷| 久久精品视频99| www99精品日韩| www色婷婷久久综合久色| 欧洲亚洲免费视频9| 色婷婷91| 五月丁香激情欧洲啪啪| 91丨九色丨东北熟女| 婷色五月| 久久久久久久97| 国产jd1024基地手机看国产| 密臀久久| 婷婷俺去也| 91AV婷婷| 69色婷婷| 国内自拍97在线| 狠色狠色综合久久| 少妇人妻人伦A片| 色色日韩| 人妻人人操| 激情碰碰碰| 综合色综合| 热91久| 色五月天成人在线| av九九| 九九热自拍| WWW免费视频碰碰碰碰| 五月天婷婷激情网| 日欧大屏操| 偷偷操九九| 五月天婷婷人妻| 91人无码久久久久久| 色婷婷五月天天天干天天操天天爽 | 久久综合婷婷五月| 日韩精品一区二区刘| 26uuu亚洲欧美另类| 亚洲无码另类| 久久久激情视频| 久久六月综合| WWW,激情五月天,COM| 久草婷婷| 99爱视频精品| 亚洲激情久久| 五月综合婷婷网| 国产精品久久久久久喷浆| 丁香六月色情| 久久六月婷婷| 色婷婷视频综合| 免费啪啪啪网站| 久久五月丁香| 五月婷婷日| 99色婷婷视频| 99er这里只有精品视频| 丁香婷婷色情| 97香蕉碰碰人妻国产欧美| 五月成人网站| 玖玖色综合网| 99久久6| 六月丁香基地| 免费观看全黄做爰的视频| 无月播播激情在线观看视频| 色五月激情五月| 99成人免费视频| 五月丁香在线观看99| 午夜激情综合| 五月天色狠狠| 淫五月停停| 免费无码毛片一区二区A片| 色。 日日日| 亚洲成AV人片在线观看| 久久久久99精品成人片| 91久久18| 五月激情啪啪啪| 丁香五月综合久久八| 久久A极片| 夜夜操天天干| 夜夜资源站| 内射人妻视频国内| 岛国AV网站| 人妖色AV色综合| 久久九九网| 伊人丁香六月婷婷| 国产高潮白浆一区二区| 欧美在线视频免费播放| 久久久精品视频79| 内射干少妇亚洲69XXX| 久久综合五月| 婷婷丁香久久| 丁香婷婷深情五月亚洲| 狠狠干激情五月| 噜噜狠狠色综合久| 99国产精品白浆在线观看免费| 99re热免费观看视频精品|