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
丁香婷婷人妻| 五月婷婷福利| 色婷丁香五月| 色欲久久久久久综合网综合网| 婷婷欧美综合| 色婷婷成人| 伊人五月人妻精品| 26uuu国产色| 色色五月婷婷久久| 99热999| 四川BBB搡BBB爽爽视频| 色五月综合网| 另类激情综合| 九九热九九| 婷婷五月av| 丁香激情六月天婷婷| 天天舔天天插天天爱| 性色婷婷| 久久九九国产| 婷婷刺激综合| 久99精品视频| 精品九九婷婷| 激情丁香五月综合| 国产原创视频91九色| 日本不卡一区二区三区| 激情五月婷婷| 91九色精品熟女内射| 久久人人超| 婷婷五月六月| 五月丁香免费看| 婷激情五月| www。88热在线视频免费观看| 欧美日韩123| 五月丁香婷婷综合网色欲| 男人先锋久久| 五月丁香婷婷伊人| 91无码一区人妻A片蜜| 五月天六月婷| 一本伊人色婷| 色爱终和网| 日在线V视频在线播放| 五月丁香婷婷在线综合蜜桃| 美女va| 久久婷婷综合网| 在线观看亚洲AV| 色五月婷婷91在线| 激情九九九九| 欧美三级视频下载| 婷婷成人在线| www.yw色| 国产精品美女| 激情丁香六月| 色色色国产| 欧洲一区二区| 夜夜 操无码| 日韩99视频| 丁香六月天婷婷| 99热最新国内| 亚洲成人av在线观看| 九九热视频精品999| http:色情日本com| 性爱网五月婷婷| 亚洲第一成人无码A片| JAPANRCEP老熟妇乱子伦视频 | 日韩色色视频www| 五月丁香六月婷婷综合网| 婷久看人爽| 狠狠色五月激情| 国产中文亚洲欧美日韩性交| www色婷婷久久综合久色| 99在线观看视频免费| 婷婷色综合| 九月丁香| 亚洲第一色色色| 色婷婷色五月另类综合| 欧美色播综合在线观看| 丁香五月婷婷成人色区| 色五月婷婷DVD| 婷婷五月免费在线| 丁香婷婷激情网站| 99精品在线观看视频| 色五月中文网| 99久在线观看| 日本狠狠色| 色99在线| 99久久九九视频| 国产精品涩涩涩视频网站| 极品人妻VIDEOSSS人妻| 久久婷鲁| 久久综合色情网站| 婷婷性爱影院| 777久久精品| 色婷婷深爱五月| 337p午夜影院| 色丁香影院| 婷婷激情五月综合| 色吧婷婷| 欧美性爱五月天| 啪啪啪大香蕉| 婷婷操无码| 国产女生爱爱AA| 热99在线精品| 五月天社区| 五月色婷婷亚洲| 欧洲亚洲免费视频区| 2020久久婷婷五月| 天天色综合综合| 99视频在线精品免费观看2| 久久怕怕视频| 伊人久久婷| 天天日,天天插| 五月婷婷大香蕉| 久久99网站| 国外亚洲成AV人片在线观看| 97人人操人人操人人操人人| 國語久久婷| 五月婷婷丁香成人网| 五月丁香好婷婷姑娘综合网| 丁香婷婷视频一区二区| 五月天另类激情在线| www.久久久.com| 久机视频这只有精品| 玖玖在线视频| 啪啪九九色| 色青五月天| 日韩在线视频中文字幕| 日本在线免费中文com.| 久久人妻www| 影音先锋91| 99re8这里只有精品99re8热视频| 一级AV片| 人人操人人爽成人AV| 一区二区成人电影| 国熟女视频| 天天日天天干天天天| 五月天婷婷綜合院| 五月激情综合网| a免费在线| 99人人操| 欧日韩AV| 激情5月婷婷| 色呦呦美女| 成人婷99最新| 国产在线aaa片一区二区99| 久久99久久99www| 91综合在线视频| www.天天色综合| 欧美五月丁香在线观看| 亚洲操B| 97人人干| 嫩草免费视频| 九九精品99| 五月色导航| 丁香五月婷综合网| 五月丁香六月婷婷网| 精品夜夜澡人妻无码AV| 操逼巨乳91| 看婷婷五月天网| 一区二区三区四区无码| 97资源欧美日韩大香蕉超碰一区| 免费观看欧美成人AA片爱我多深| 综合五月丁香97| 婷婷综合久久| 99热这里只有精品最新| 色色婷| AA片在线观看视频在线播放| 4399人妻无码久久久| 色婷婷内射| 激情综合网,婷婷五月天| 五月天成人网在线观看| 久久综合九九| 最新日韩久热免费视频看看| 五月天激情网图片 - 百度| 久久九九热视频| 五月激情啪啪| 日本97人人| 在线99热| 综合五月丁香六月婷婷| 六月婷婷综合| 婷婷五月激情综合啪啪| 激情婷婷内射| 久色大| 国产乱人偷精品人妻A片| 色99免费视频中文| www.色窝| 影音先锋一区| 九九XX视频| 色99热| 26UUU欧美激情一区二区| 丁香五月综合激情性爱| 99热国品| 51成人| 九九热99精品在线| 色婷婷综合网站| 亚洲无码影音| 狠狠大香婷婷爱| 国产玖玖资源| 六月天婷婷| 啪色综合| 亚洲精品国产精品乱码不99| 丁香五月婷婷在线观看| 开心五月婷婷激情| 天天综合色丁香| 激情五月天无码| 综合性爱网| 亚洲视频在线网站| 六月丁香婷婷视频综合在线观看| 九九热只有精品| 99激情| 99热第一页| 国产精品五月丁香| 无码人妻电影| 91人无码久久久久久| 2014天天爽| www夜夜操| 亚洲精品视频在线| 丁香五月综合婷婷| 五月香蕉综合| 久99久在线观看| 嫩模草| 婷婷成人网五月天| 性高潮久久久久久-九九九九九九九九九九热-成人AV | 中字幕视频在线永久在线观看免费 | 久久99大全| 甈吧vv| 久热91| 婷婷九九色| 99久久婷婷| 无码人妻一区| 中文字幕婷婷9月天| 成人丁香五月| 色五月婷婷五月| 五月天久久色| 色情五月丁香婷婷网| h亚洲| 综合色五月亭亭| 亚洲色情久久| 99热爱爱干干日| 热婷婷av| 26UUU精品一区二区Com| 99热9| xxxx久| 久久久精品色色色| 五月天综合在线网| 五月婷婷狠天天色综合| 99热网站| 婷婷丁香激情综合色情| 玖玖婷婷五月天| 五月丁香六月片| 婷婷激情伍月网| 超碰国产在线观看| 综合 蜜月 婷婷| 玖操97| 五月开心网| 中文字幕综合| 丁香婷婷月| 久久曰9| 九九综合久久丁香婷婷,开心激情综合网| 色婷婷A| 加勒比久热| WWW.桔色成人.COM| 极品人妻XXXXOOOO| 色情·com| 久草狼人| 影音先锋91资源站| 久草五月天| 色五月亚洲| 婷婷丁香视频在线观看免费| 99热99干| 色噜噜狠狠色综合成人网| 亚洲五月色| 久久婷婷九月国产精品| 婷婷五月天色网久| 99国产精品久久久久久久久久久 | 米奇影视资源777狠狠色婷婷五月天激情网| 天堂草在线观看| 无码成人AAAAA毛片AI换脸| 99热最新精品| 九九热这里| 久久精典| 久久精典| 色域五月婷婷丁香| 日本一级一片免费视频| 综合狠狠干| 日日操夜夜撸| 日本三级网址| 中文av网| 五月间天堂综合| 亚洲第一精品成人999久久精品| 五月天色色无码| 亚洲综合网激情五月天| 97色在线| 亚洲激情免费久久| 欧美成人精品A片免费一区99| 精品五月视频婷婷在线观看| 丁香婷婷基地| 99免费成人网| 欧美在线干| 婷婷五月深情丁香深爱日韩| 99这里只有精品视频| 婷婷色网站| 狼人狠狠操| 91九色 婷婷| 女人天堂AV| 99丁香五月婷婷在线| 国产午夜精品久久久观看| 色五月丁香A欧美com| 婷婷六月久久| 亚洲电影在线观看| 只有久久精品免费| 任你搞免费视频观看| 婷婷丁香激情| 九色在线五月婷婷网址| 五月成人综合| 色婷狠狠| 五月天婷婷久久| 亚洲精品网址| 天堂中文国产| 成人 在线 日韩| 亚洲综合九九| 九九热这里只有精品7| 99超级碰免费视频| 激情小说五月天社区丁香| 五月天.com| 日韩色色色色色| 久久这里只有精品热在99| 黄色aa观看aaguochan| 五月六月激情| 岛国午夜视频| 日本九九网| 欧美VA视频| 久婷五月| 97在线综合| 久久98| 九九精品热| 五月天桃色深爱网| 丁香五月婷婷少妇| 色综合久久久无码中文字幕999| 丁香五月六月欧美| 99啪视频在线观看| 99超级碰碰| 欧美日韩成人在线网站| 免费黄色视频网址| 思思热思在线精品视频| 色五月婷婷777| 99思思热只有在这里看| 精品九九网| 久久视频婷婷| 激情五月天婷婷图| 粉嫩AV久久一区二区三区| 久久99久久99精品免视看婷婷| 玖玖99婷婷| 五月天,激情四射,婷婷频道| 色激情五月| 五月婷婷激情综合| 狠狠色性| 丁香六月综合| 久久色五月| 97在线精品| 五月天婷婷色| 久久久精品色色色| Www99热| 久久综合99| 99热在线网站| 丁香九九九九| 五月天伊人av| 色婷婷五月综合激情中文字幕| 性色视频| 九热精品| 国产精品VIDEOSSEX久久发布| 97好吊操| www.久久综合| 日本99视频| 天天综合亚洲综合| 色五月大| 思思热在线视频精品| 五月天a婷婷伊人| 91碰碰视频在线观看| 婷婷性爱五月天| 性色av大香综合| 国产99久久久| 天天噪夜夜爽| 97婷婷狠狠久久综合9色| 99热精品在线| 婷婷日日天天| 伊人碰碰婷婷| 六月丁香五月婷婷| 激情六月日韩| 超碰在线国产| 激情小说色五月| 五月天天久久香| 开心五月六月婷婷| 久久性都花花世界成人免费视频| www.色综合.com| 激情另类综合| 九九99九九精品视频| 久久精品系列| 婷婷五月天777| 天天操天天国产三级片处女学生妹| 色色狼人综合| 五月丁香婷婷激情久久| 操碰久| 色播五月天激情| 国语精品探花| 色综合激情| 久久人妻少妇嫩草AV| 人人视频人人干人人做| 高清无码.com| 色色综合五月| 99爱在线免费视频| 免费AAAAA网| 色五月婷婷7777| 婷婷综合五月| 激情5月婷婷狠狠干| 色婷婷色五月综合| 人妻中文在线| 五月丁香六月欧美综合网站| 激情四射五月天偷偷看婷婷| 日本三日本三级少妇三级66| 99热欧美| 婷婷九月丁香| 五月天无码视屏播放| 欧洲区自拍| 人妻久久久| 永久地址 色| 人人摸人人操人人爽| 先锋影音av色五月天资源站| 超碰在线免费| 日韩综合大黄| 色爱综合网| 丁香五月婷婷社区| 亚洲av综合网| 婷激情五月| 日日噜噜夜夜狠狠久久丁香六月| 日本www免费九九| 亚洲无线视频| 日日射天天射| 欧美日朝成人| 日韩熟女啪啪视频| 一级性爱视频| 色婷婷精品| 五月在线婷色| 亚洲AV无码一区二| 96自拍视频九色在线观看| 色综合久久88色综合天天看| 伊人日日干| 丁香婷婷五月色成人网站| 狠狠色 综合色区| 五月天堂色| 婷婷五月激情欧美大胆视频| 在线观看视频1区| 日韩成人综合网| 一级二级香港秋霞欧美欧美秋霞| 97色在线视频| 色婷婷成人久久| 久久激情网| www.久热| 亚洲五月天狠狠| 少妇高潮一区二区三区99欧美| 九色综合五月天婷五月| 99欧美| 日本狠狠色| 五月天久久成人| 丁香五月综合婷婷| 丁香六月青青草| 八戒青柠影视剧在线观看| www.99热在线| www.丁香五月| 久久久久综合激动五月天| 久久丝袜婷婷| 丁香五月伊人| 九九热在线视频| 99热成人| 激情婷婷五月天日本系列| 99热只有精品综合| 五月婷婷婷| 亚洲V国产V欧美V久久久久久| 成人在线网址| 色色色热| 激情综合六月| 777久久综合视频| 综合久久久| AV网址大全在| http://www.com久久久精品一区| 婷婷五月综合在线| 久久久激情视频| 五月丁香六月婷婷综合网缴情| 青青草搞屄视频网站| 欧美综合123区| 婷婷丁香五月天色色| 欧美大肥婆大肥BBBBB| 日良久久| 婷婷五月天激情小说| www,五月天激情| 国产在线6| 99精品国产热久久91色欲| 国产亚洲色婷婷久久99精品9j| av一级棒av| 思思热在线视频精品| 91丨九色丨熟女|老版| 丁香婷婷六月激情文学| 超碰人人91| 综合AV网| 国产毛多水多女人A片| 国产 码在线成人网站| 五月天偷拍| 开心五月激情婷婷| 久久网思思| 在线,国产,色,热视频| 久久久久9| 久9免费视频| 五月婷中文娱乐综合| 秋霞av吧| 亚洲视频在线观看| 五月婷婷影院| 日日干日日| 久久9视频| 婷婷五月亚洲一本在线丁香| 免费视频这里只有精品| 婷婷激情五月天亚洲综合| 丁香婷婷五月天网站| 婷婷五月花| 9l视频自拍9l九色9l成人| 五月天天综合网色婷婷| 大香蕉久久视频久久视频| 五月丁香综合| 九九热精品视频在线观看| 激情五月婷婷综合| 99久久综合网| 操97| 婷婷五月激情网| 天天日夜夜| 婷婷五月天播播| 丁香五月婷中字幕| 深爱婷婷丁香五月激情| 亚洲色色香蕉| 涩五月色婷婷| 久久这里有精品视频| 天天干天天操天天爱| 天天舔天天摸天天射| 色黑鬼导航| 都市激情久久| 国产乱码久久| 丁香六月色婷婷欧美| 婷婷五月丁香基地在线视频官网| 少妇人妻人伦A片| 26uuu国产| 丁香五月婷婷基地| 日日夜夜狠狠| 亚洲精品久久久久AV无码| 99热婷婷| 亚洲视频在线观看| 精品一二三区久久AAA片| 亚洲乱码日产精品BD| 欧洲第一无人区观看| 日本猛少妇色XXXXX猛叫| 国产激情久久久| 婷婷丁香97| 九九99九九99| 超碰九色| 99热官网| 日本猛少妇色XXXXX猛叫| 最近中文字幕大全免费版在线| 五月婷在线| 八戒青柠影视剧在线观看| 粉嫩AV久久一区二区三区| 日韩人妻无码专区| 午夜天堂一区人妻| 99在线精品免费视频| 少妇人妻丰满做爰XXX| 亚洲亚洲人成综合网络| 久9综合| 国产九月婷婷| 东北黄色一级| 99视频在线播放大全| 国产免费一区二区三区三州老师F1F1.CC| 超碰男人色| 99色网站| 欧亚色色| WWW.桔色成人.COM入口| tingtingzonghewang| 天天情色五月天| 五月婷婷网五月在线| 五月天激情亚洲| 久久久天天啊| 色色五月天网站| 精品成人久久久久久久_一二三四视| 色伊人婷婷| 亚洲天天| 日本爆乳片手机在线播放| 色玖玖导航| 久久五月天婷婷| 日韩一级片| 欧洲色| 在线成人va| ztEJj| 婷婷色一二三区波多野结衣| 欧美三级黄色片久久| 91色九| 久久99免费视屏| 99热99思午夜精品| 激情小说之五月| 色导航色婷婷五月天在线观看| 激情五月激情综合网| 99九色视频在线观看| 婷婷丁香六月天| 老美AA片| 色很久综合| Av九九| 综合五月草| 丁香五月亚洲无码| 色五月在线观看| 国产色网站| 97色婷婷| 开心五月激情网| 九九婷| 一起草aV| 亚洲综合视频在线| 亚洲色婷婷激情| 激情婷婷五月天日本系列| 五月婷婷视频| 99热这里只有精品66| 大地9中文在线观看免费高清 | 激情五月第四色| 五月丁香婷中文| 79精品视频在线观看,| 色色色婷婷五月天| 九九99精品| ..真实国产乱子伦对白在线_欧| 激情久久伊人| 九九亚洲无码| 久久五月天综合视频网站| 亚洲免费99| 亚洲综合另类| 99热在线播放| 大香人妻| 亞洲自怕| 一起草无码| 六月丁香基地| 激情五月丁香六月综合AVXXXX| 九九热自拍| 中文字幕按摩做爰| 九月婷婷综合在线| 97婷婷色| 国产在线另类五月婷婷| 激情五月婷黄版| 来吧亚洲综合网| 91九色超碰| 五月婷婷影| 婷婷色五月亚洲| 色婷婷丁香五月天| 亚洲免费看片| 综合久久十三| 亚洲最大在线| 99爱免费视频在线观看| 五月天婷婷网站888| 男女啪啪做爰高潮无遮挡| 92久操视频| 亚洲色情久久| 久热这里只有精品视频免费观看| 色色五月天激情| 色色色香蕉五月婷| 日本色99| 久久有码| 九九热视频在线观看| 国产超碰在线| 五月丁香人妻| 亚洲视频在线观看99| 婷婷色五月在线视频| 天天天天天天操| 婷婷五月天渟渟| 一级性感黄色内射视频| 久久婷婷欧美| 99自拍网| www.婷婷com| 91丨九色丨熟女|新版| 激情综合网激情五月欧美| 九九热99免费视频| 影音先锋男人女人| 色婷婷激情四射视频| 婷婷色五月亚洲| 久草大| A片试看120分钟做受视频红杏| 色狠狠综合入口| 色五月涩涩婷婷蜜桃| 日本五月天激情| 99热这里只有精品9| 久久久色情| 五月婷婷香蕉| 思思热高清在线观看| 天天干天天操天天射| 久久最新色| 26uuu亚洲欧美| 九九婷婷五月天| 99九九在线精品热动漫| 91丨九色丨43老版熟女| 国产婷婷色综合AV蜜臀AV| 九月婷婷综合在线| 日韩xx在线| 99熟女啪啪视频| 99人人干人人| 日本操片| 色444综合网| 中文字幕av网站| 色噜婷婷| 99视频在线观看视频| 99re思思精品在线观看| 色婷婷精品| 久99热| 激情亭亭五月| 天天添天天摸天天天天做| 五月婷婷偷拍| 久久久久综合激动五月天| 丁香久久| 啪啪啪综合网| 日韩黄色影院| 九九99香蕉在线视频播放| 99在线资源| 激情五月天视频| 第四色网婷婷| 丁香五月av在线| 五月婷婷综合网| 六月婷婷色色色| 狠婷婷五月| 大香蕉520| 99综合自拍| 五月丁香六月婷婷色| 九九色婷婷| 久草五月丁香婷婷综合| 99热一本久道| 久久人妻系列| 五月婷婷六月丁香| 啪啪激情网| 色婷婷亚洲五月天| 婷婷激情五月呦呦| 五月综合激情久久| 超碰成人在线观看| 在线伦子99热| 九月丁香五月婷婷| 内射干少妇亚洲69XXX| 色10月婷婷视频| 日韩在线视频网站| 超碰人人在线观看| 插插干干干色| 99精品无码| 国产在线黄色| 天天影院色| 99艹精品在线观看| 五月丁香婷婷人体| 成人午夜视频精品一区| www.久久久.com| 9九色首页| 激情五月天情色| 婷婷丁香激情| 黄桃AV无码免费一区二区三区 | 欧美久久婷婷| 99精品在线观看视频| 国产亚洲成AV人片在线| 亚洲婷婷乱乱丁香| 亚洲精品久久久久久久久久飞鱼| 就要爱综合| 亚洲性爱电影| 婷婷va| 激情五月,激情综合网| 色青青电影色五月| 熟女五月天久久综合| 久久大香蕉| 色婷婷五月天av在线| 97香蕉久久超级碰碰高清版 | 欧美五月丁香啪啪响视频| 九九热黄色| www.五月天婷婷| 亚洲操操操| 另类图片五月天激情| 丁香综合网| 操碰色一区就去操| 深爱激情网婷婷| 婷婷综合| 伊人春天av| 色婷婷丁香五月| 伊人久久大香蕉网| 婷婷亚洲五月丁香综合在线| 99热综合| 噜综合| 天天天天天天操| a网站免费观看| 69久久99精品久久久久婷婷| 久久hd| 免费观看的av| 99re在线免费视频| 久热网在线视频| 1024AV视频| 26uuu亚洲欧美| 色综合色香蕉网| 成年人99热| 狠狠色综合五月人人| 99热这里只有精品一| 男男野外做爰全过程69| 最新五月天婷婷影| 人人爽网| 97色色色色色色色色色色色色色| 无码人妻少妇色欲AV一区二区| 亚洲激情免费久久| 偷偷与邻居做爰完整视频| 色综合天天网| 婷婷91视频| 精品一区二区三区木瓜| 丁香五月影| 日日肏天天操| 亚洲AV无码电影| 99成人免费热视频| 九九热99在线视频| 亚洲热综合| 丁香五月激情综合婷综| 五月丁香激情综合啪啪| 狠狠爱婷婷爱| 色啪网| 天天插天天插天天操| 婷婷五月综合在线| 激情五月六月婷婷综合啪啪| 99精品国产在热久久| 六月婷婷色宗合| 色婷婷91激情小说| 激情五月婷婷五月丁香五月开心五月| 五月婷婷,狠狠操| 六月婷婷综合| 六月色播| 色色a| 日本天天综合| 婷婷久久色五月婷婷久久久| 色婷五月天综合网| 久久九⑨| 国产avapp 网| 99热婷婷| 99欧美| 色五月婷婷大| WWW.HENHENL.| 99精品网| 9 1超碰九色| 婷婷五月天色| 久久在线人妻| 欧美三级视频下载| 国产精品日日躁夜夜躁| 日本精品在线噜噜噜| 99精品免费| 久久婷婷五月综合色播| 91久久久久| 99热免费在线| 夜夜 操无码| www色色com| 99re这里只有精品首页| 国产色色小草视频| enecarbon-materials.comWu染请涟系Bao护@wip1688 | 狠狠色噜噜狠狠| 丁香九月久久| 在线,国产,色,热视频| 香蕉久操| 欧美va在线观看| -91九色大屁股| 日本久久网| 色综合综合色| 99热99思午夜精品| 色99在线视频| 六月丁香婷婷综合色播| 激情五月综合亚洲另类| 色五月开心开心五月激情五月| 99人人干人人操| 色九月婷婷综合| 久久五月丁香伊人青草| 伊人网色婷婷五月天| 99爱在线免费视频| 激情久久综合| 八戒青柠影视剧在线观看| 婷婷五月天成人综合网| 丁香五月婷婷偷拍| 六月激情网| 亚洲国产成人裸舞| 亚洲天堂无码| 天天色天天日| 丁香五月天婷婷中文| 久人人操| 五月天社区| 婷婷六月色情| 无码动漫av| www超碰| 日日撸日日操| 大香蕉99热| 婷婷丁香六月| 99精品在这里| 色婷婷丁香五月| 色婷婷综合久久| 天天做天天爱| 深爱五月月天| 97色精品视频| 五月综合丁香婷婷| oumeisesewang| 丁香五月成人自拍| 亚洲色啪| 内射激情在线| 91人操| 婷婷综合另类| 久久久精久人妻| ′久久99一| 五月婷婷六月色| 五月丁香六月欧美综合网站| 99ri在线观看视频| 9色婷婷| 夜夜爽天天爽| 色综合色婷婷色伊人| 婷婷WWW久久| 六月丁香啪啪| 国产乱妇乱子伦| 婷婷综合色| 777影视理论片大全在线观看| 九九99精品视频在线观看| 三级三久久线久久99久目本WW| 婷婷五月大香蕉| 天天插天天日天天爽| 婷婷色六月| 亚洲综合激情五月久久| 九九精品在线网| 超碰在线人人| 婷婷色色亚洲| 五月婷婷六月天| 九九热视频免费观看| 日本三久久| 粉嫩AV久久一区二区三区| 久狠狠狠| 五月婷婷六月丁香激情深爱| 99视频综合网| 婷婷丁香六月| 五月天最新网| 色色色视频| 99久久新视频| 国产美女无遮挡裸体毛片A片| 五月综合激情| 国产五月婷| 日韩高清成人| 七月婷婷色香综合网| 久久网日本| 呦呦视频无码播放| 大香蕉婷婷色| 九九中文色色| 丁香五月久久| 久久小视频| 亚洲无码成人性爰网| 99九九精品视频| 激情 久久 婷婷| 久9热| 丁香五月婷婷激情蜜桃| 第四色五月激情网| 日韩肏屄网| 综合六月久久| 中文无码婷婷| 思思re99视频在线观看| 第四色五月激情网| 色爱99| 超碰日韩人妻在线| 久久停停超碰| 久久精品亚洲一级牲爱综合| 操碰99| 91/九色黑人| 99视频在线| 婷婷少妇激情| 嫩草AV久久伊人妇女超级a| 天天操天天日天天爱| 97超碰99热99| 中文字幕按摩做爰| 色玖玖综合网| 五月天久久网站| va婷婷在线| 久久人人九九| 丁香九色不卡aaa| 欧美经典片免费观看大全| 日本色色网站| 五月天基地| 亚洲激情综合色站| 中文字幕激情综合| 99色综合久久| 激情丁香婷婷| 亚洲午夜一区二区| 国产成人va在线| 精a品a视a频| 色婷婷88| 婷婷狠狠爱| 极品少妇XXXX精品少妇偷拍| 日韩操人| 久久九九视频网站| 日本黄色精品| 夜夜嗨一区二区三区直播内容 | 97精品综合| 日本在线视频播放91| 99成人免费热视频| 人色五月天婷婷| 久久三级视频| 老妇操B| 久久婷婷一级片| 欧美99热| 五月婷婷基地| 人人草人人舔| 5月婷婷五月天| 久久狠狠色| 女人露出p毛视频www网站| 香蕉婷婷色五月| 五月色婷丁香| AV大片在线播放| 狠狠色噜噜狠狠狠狠综合| 97色永久免费视频| 深爱激情五月网| 久久机热思思热| 欧美日韩大黄| 丁香六月婷婷| 亚洲成人av在线| 操操熟女| 五月丁小婷婷激情四射| 少妇人妻人伦A片| 99热.com| 久色网址| 超碰人人99| www.henhengan| 色丁香久综合在线久综合在线观看| 99re这里只有精品国产99| 综合色播| 插逼综合网| 婷婷国产欧美97| 九一九九黄色| 久久婷婷五月天大香蕉| 蜜桃人妻无码AV天堂三区| 尔尔AV一区| 综合婷婷久久| 久久98热re| 婷婷五月色播| 无码人妻一区| 五月丁香AV在线| 色五月视频无码播放| se色99| 日日天天天| 九九热在线观看6| 國語久久婷| 99色五月| 激情五月综合久久| 国产44页| 五月丁香偷拍| 免费观看日韩成人av| 182.t午在线观看| 91麻豆国产三级精品福利在线观看| 国产特级毛片AAAAAAA高清| 久99视频| 五月丁香六月婷婷网| 综合色图区| 色五月天堂| 99在线视频精品| 欧美日比视频| 欧美激情综合色综合啪啪五月| 婷婷午夜天| 99热精品中文字幕| 欧洲第一久色| WWW.99热| 日日操,夜夜撸| 99在线国| 五月天激情开心网| 亚洲五月天婷婷综合| 蜜乳国产网站| 丁香五月亚洲综合| 丁香婷婷色五月合集| 99精品爱| 99色热综合| av免费人人| 这里只有精品在线免费视频| 日日夜夜小色哥| 五月天精品综合| 激情色视频| 婷婷色情小说| 色婷婷六月天在线| 久久免费视频62| 色五狠狠| 九九在线这里只有精品视频| 99热成人在线观看| 开心五月激情婷婷| 色婷婷色婷婷五月| 欧洲亚洲欧洲99久久| 国产美女最新VA在线免费观看| 精品一区二区三区木瓜| 午夜电影网VA内射| 激情五月综合网最新 | 免费成人va| 一区二区中文字幕| 激情五月婷婷色综合| 精品99爱免费视频在线观看| 99爱免费在线视频| 五月激情久久综合网| 色色色色色色色色综合网| 亚洲六月婷婷| 天天干天天操天天拍| 亚洲操操操| 操人久久| 亚洲九区| 色情成人五月天| 激情综合久久| 欧美精品中文字幕亚洲专区| 久久五月婷6 9| 97luluse| 丁香伊人五月色婷婷五十路| 99人妻碰碰碰久久久久视| 综合久久五月天| 久久婷婷热| 激情五月婷婷丁香六月| 色五月激情问网站| 黄页大全十八禁| 久久久久久丁香五月| 色婷婷五月天视频在线| 欧洲亚洲精品| 激情九九六月激情免费视频| 色婷婷www| 天天搞天天爽| 乱岳熟女50岁| 婷婷丁香色女人| 91av视频在线观看最新网址| 久久香蕉福利| 婷婷五月大| 五月婷婷六月丁香激情综合网| 久久er+| 五月丁香六月婷婷亚洲| 天天天久久人人人合| 五月丁香亭亭| 激情综合无码| 999热这里只有精品| 欧洲电影在线观看免费版英语版| 91大操| 人人看人人97| AV在线大香蕉| 69堂午夜视频最新地址| 99.色| 五月天婷婷在线播放| 激情丁香九九五月综合网| 五月丁香色婷婷| 少妇人妻偷人精品无码视频新浪| 婷婷丁香大香蕉| 碰久久精品w| 久婷婷色| 久草婷婷| 天天射射夜| 五月丁香六月婷婷欧美综合| www.91.com黄| 综合网色| 久久探花91swag| 超碰在线超碰| 色色日韩| 人妻VideOssS人妻| 99热在线观看免费精品| 91精品丝袜久久久久久| 99色视频| 五月婷婷之综合激情在线| www999日韩精品| 天天综合亚洲综合网天天αⅴ| 激情网第四色| 婷婷五月av| 97人人操人人爽| 少妇AB又爽又紧无码网站| 99热免费18| 亲子乱AV一区二区三区下载| 色五月开心五月激情五月| se影音资源在线观看| 草草操操| 99视频| 狠狠色网| 99这里是99在线视频| 色狠狠色狠狠| 夜色综合网| 九九在线精品| 精品视频网| 涩五月婷婷| 日逼免费视频 | 色国产五月| 久久久久思思热| 久9热| 五月婷婷 婷婷五月 一区二区 久久久 | 色综合天天| 超碰A V在线| 九九综合| 婷婷综合六| 九九婷婷综合| 免费无码毛片一区二区A片| 青青日韩| ri电影在线| 99热精品在线免费观看| 91久久婷婷| 久久久精品婷婷五月天| 任你日视频| 青青草深爱激情网| 五月丁香色婷婷综合| 激情五月天色爱| 中文av网| 色综合色色| www,setingting| 爱射综合| 久久A区B区| 久热伊人| 一本久久婷婷| 色欲丁香| 五月天婷婷五月| 九九色婷婷| 色色色色丁香| 成人 视频免费观看网站| 最新精品视频99| 久久Xx| 五月开心网| 久久精品夜色噜噜亚洲a∨| 深爱网深爱综合网| 五月天成人小说| 99色视频| 爆乳熟女一区二区三区爆乳| 成人小说 五月天 婷婷| www,天天干| 五月丁香久久| 久久 中文 日本| 婷婷久久夜| 天堂综合久| 人妻熟人中文字幕一区二区| 97丁香五月| 开心激情久久久久久久| 日韩人妻在线观看| 丁香五月天天久久综合小说| 国产免费一区二区三区三州老师F1F1.CC| 亚洲婷婷丁香五月亚洲| 久久hd| 亚州美女| 丁香五月婷婷AV| 五月丁香激情深爱婷婷| 99久久久99久久91熟女| 五月婷丁香久久综合| 120分钟婬片免费看| 婷婷伊人五月天| 久久久久9| 久久婷婷综合国产| 激情狠狠丁香月| 九九热黄色| 怡春院天天干| 亚洲在线激情婷婷五月| 国产精品国产| 五月激情四射网站| 日韩 中文 欧美| 另类视频丁香五月| 天天日日夜夜| 视频1区2区| 天天日夜夜操五月| 91狠狠综合久久久| 月丁香久久久| 春色激情第四色| 啪啪综合网| 另类亚洲电影| 日韩五月天婷婷| 丁香九月久久| 青青艹b| 亚洲乱码成人| 99这里有精品视频| 极品嫩草| 亚洲色情激情丁香五月| 91啪啪视频| 色九月综合网| 亚洲五月综合色播| 婷婷社区五月天| 大天天伊人| 99视频热| 一级黄色影片| 996er热|