这篇文章提供了有关如何使用以下方法为游戏行业用例构建可扩展分析解决方案的指南 Amazon Redshift 无服务器. 它涵盖了如何将概念性、逻辑架构用于一些最流行的游戏行业用例,例如事件分析、游戏内购买推荐、衡量玩家满意度、遥测数据分析等。 这篇文章还讨论了 AWS 服务中围绕流、机器学习 (ML)、数据共享和无服务器功能的更新创新的可能性艺术。
我们的游戏客户告诉我们,他们的主要业务目标包括以下内容:
- 增加应用内购买的收入
- 每个用户的平均收入和生命周期价值高
- 通过更好的游戏体验提高粘性
- 提高活动效率和高投资回报率
我们的游戏客户还告诉我们,在构建分析解决方案时,他们需要以下内容:
- 低代码或无代码模型 – 开箱即用的解决方案优于构建定制的解决方案。
- 解耦和可扩展 – 无服务器、自动扩展和完全托管的服务优于手动托管服务。 每个服务都应该很容易替换,增强时很少或没有依赖性。 解决方案应该灵活地扩大和缩小规模。
- 可移植到多个渠道 – 解决方案应与大多数端点渠道兼容,如 PC、移动和游戏平台。
- 灵活易用 – 解决方案应提供限制较少、易于访问且随时可用的数据。 它们还应该在低调或无调优的情况下提供最佳性能。
游戏组织的分析参考架构
在本节中,我们将讨论游戏组织如何使用数据中心架构来满足企业的分析需求,这需要具有多个粒度级别和不同格式的相同数据,并且经过标准化以加快消费速度。 A 数据中心 是构成数据存储库中心的数据交换中心,由数据工程、数据治理、安全和监控服务提供支持。
数据中心包含多个粒度级别的数据,并且通常未集成。 它与数据湖的不同之处在于提供经过预先验证和标准化的数据,从而使用户可以更轻松地使用。 数据中心和数据湖可以在一个组织中共存,相互补充。 数据中心更侧重于使企业能够快速、轻松地使用标准化数据。 数据湖更侧重于在一个地方存储和维护组织中的所有数据。 与主要是分析存储的数据仓库不同,数据中心是所有类型存储库的组合——分析、事务、操作、参考和数据 I/O 服务,以及治理流程。 数据仓库是数据中心的组件之一。
下图是概念分析数据中心参考架构。 这种架构类似于中心辐射型方法。 数据存储库代表中心。 外部进程是轮辐式的数据进出中心。 该参考架构部分结合了数据中心和数据湖,以支持全面的分析服务。
让我们更详细地了解架构的组件。
来源
数据可以从多个来源加载,例如记录系统、从应用程序生成的数据、运营数据存储、企业范围的参考数据和元数据、来自供应商和合作伙伴的数据、机器生成的数据、社交来源和网络来源。 源数据通常采用结构化或半结构化格式,分别是高度格式化和松散格式化。
入站数据
该部分包含用于处理多个来源的数据并将其加载到数据存储库中的组件。 它可以是批处理模式、连续模式、发布/订阅模式或任何其他模式
自定义集成。 ETL(提取、转换和加载)技术、流式服务、API 和数据交换接口是该支柱的核心组件。 与摄取过程不同,数据可以在加载之前根据业务规则进行转换。 您可以应用技术或业务数据质量规则并加载原始数据。 从本质上讲,它提供了以最可用的形式将数据放入存储库的灵活性。
数据存储库
本节由一组数据存储组成,其中包括数据仓库、事务或操作数据存储、参考数据存储、容纳专用业务视图的域数据存储和企业数据集(文件存储)。 文件存储组件通常是数据中心和数据湖之间的通用组件,以避免数据重复并提供全面性。 数据也可以在所有这些存储库之间共享,而无需使用数据共享和联合查询等功能进行物理移动。 但是,考虑到格式和延迟方面的各种消费需求,允许数据复制和复制。
出站数据
通常使用结构化查询来满足分析需求来使用数据。 此外,还可以访问数据集以满足 ML、数据导出和发布需求。 该部分由查询数据、导出、交换和 API 的组件组成。 在实现上,入站和出站可能使用相同的技术,但功能不同。 但是,并不强制要求使用相同的技术。 这些流程的转换并不繁重,因为数据已经标准化并且几乎可以使用。 重点是消费的便利性和与消费服务的集成。
消费
该支柱包括满足企业分析需求的各种消费渠道。 它包括商业智能 (BI) 用户、预制和交互式报告、仪表板、数据科学工作负载、物联网 (IoT)、Web 应用程序和第三方数据消费者。 许多组织中流行的消费实体是查询、报告和数据科学工作负载。 因为有多个数据存储以不同的粒度和格式维护数据以满足消费者的需求,所以这些消费组件依赖于数据目录来找到正确的来源。
数据治理
数据治理是数据中心参考架构成功的关键。 它构成了元数据管理、数据质量、沿袭、屏蔽和管理等组件,这些组件是数据中心有组织的维护所必需的。 元数据管理有助于组织技术和业务元数据目录,消费者可以参考此目录以了解哪些数据在哪个存储库中可用,以及粒度、格式、所有者、刷新频率等。 除了元数据管理之外,数据质量对于提高消费者的信心也很重要。 这包括数据清理、验证、一致性和数据控制。
安全和监控
应在多个级别控制用户和应用程序访问。 它从身份验证开始,然后授权访问谁和访问什么、策略管理、加密和应用数据合规性规则。 它还包括监视组件以记录活动以供审计和分析。
AWS 上的分析数据中心解决方案架构
以下参考架构为解决方案组件提供了一个 AWS 堆栈。
让我们再看看每个组件和相关的 AWS 服务。
数据入站服务
AWS胶水 和 亚马逊电子病历 服务是批处理的理想选择。 它们可自动扩展并能够处理大多数行业标准数据格式。 Amazon Kinesis数据流, 亚马逊 Kinesis 数据流水线及 适用于Apache Kafka的Amazon托管流 (Amazon MSK) 使您能够构建流处理应用程序。 这些流媒体服务与 亚马逊红移流 特征。 这有助于您处理实时来源、物联网数据和来自在线渠道的数据。 您还可以使用 Informatica、dbt 和 Matallion 等第三方工具获取数据。
您可以使用以下方法构建 RESTful API 和 WebSocket API Amazon API网关 和 AWS Lambda,这将实现与网络资源、社交和物联网资源的实时双向通信。 AWS数据交换 帮助订阅 AWS Marketplace 中的第三方数据。 数据订阅和访问完全由该服务管理。 有关详细信息,请参阅相应的服务文档。
数据存储服务
亚马逊Redshift 是推荐用于 OLAP(在线分析处理)工作负载的数据存储服务,例如云数据仓库、数据集市和其他分析数据存储。 此服务是 AWS 上此参考架构的核心,可以开箱即用地满足大多数分析需求。 您可以使用简单的 SQL 跨数据仓库、数据集市、运营数据库和数据湖分析结构化和半结构化数据,以提供任何规模的最佳性价比。 这 Amazon Redshift 数据共享 功能提供即时、精细和高性能的访问,无需在相同或不同 AWS 账户中以及跨区域的多个 Amazon Redshift 数据仓库之间进行数据复制和数据移动。
为了便于使用,Amazon Redshift 提供了无服务器选项。 Amazon Redshift 无服务器 自动配置和智能扩展数据仓库容量,即使是最苛刻和不可预测的工作负载也能提供快速性能,而且您只需为使用的部分付费。 只需加载您的数据并立即在 Amazon Redshift 查询编辑器或您最喜欢的 BI 工具中开始查询,然后在易于使用的零管理环境中继续享受最佳性价比和熟悉的 SQL 功能。
亚马逊关系数据库服务 (Amazon RDS) 是一种完全托管的服务,用于构建交易和运营数据存储。 您可以从许多流行的引擎中进行选择,例如 MySQL、PostgreSQL、MariaDB、Oracle 和 SQL Server。 使用 Amazon Redshift 联合查询 功能,您可以在不移动数据的情况下就地查询事务和操作数据。 联邦查询特性目前支持 适用于PostgreSQL的Amazon RDS, Amazon Aurora PostgreSQL 兼容版, 适用于MySQL的Amazon RDS及 Amazon Aurora MySQL 兼容版.
亚马逊简单存储服务 (Amazon S3) 是架构中多格式存储层的推荐服务。 它提供行业领先的可扩展性、数据可用性、安全性和性能。 组织通常使用开放文件格式将数据存储在 Amazon S3 中。 开放文件格式支持使用多个处理和消费层组件分析相同的 Amazon S3 数据。 可以使用 SQL 轻松查询 Amazon S3 中的数据 亚马逊红移频谱. 它可以帮助您从 Amazon S3 中的文件中查询和检索结构化和半结构化数据,而无需加载数据。 多个 Amazon Redshift 数据仓库可以同时查询 Amazon S3 中的相同数据集,而无需为每个数据仓库制作数据副本。
数据出站服务
Amazon Redshift 附带基于 Web 的分析工作台 查询编辑器 V2.0,它可以帮助您运行查询、探索数据、创建 SQL 笔记本,并通过一个通用界面与您的团队在 SQL 中协作处理数据。 AWS Transfer系列 帮助使用 SFTP、FTPS、FTP 和 AS2 协议安全地传输文件。 它支持数以千计的并发用户,是一种完全托管的低代码服务。 与入站流程类似,您可以利用 Amazon API网关 和 AWS Lambda 用于数据拉取使用 Amazon Redshift 数据 API。 和 AWS数据交换 帮助将您的数据发布给第三方以供通过 AWS Marketplace 使用。
消费服务
亚马逊QuickSight 是用于创建报告和仪表板的推荐服务。 它使您能够使用 ML 见解创建交互式仪表板、可视化和高级分析。 亚马逊SageMaker 是满足您所有数据科学工作负载需求的 ML 平台。 它可以帮助您构建、训练和部署使用数据中心存储库中的数据的模型。 您可以使用 亚马逊前端网络和移动 服务和 AWS物联网 用于构建 Web、移动和物联网端点应用程序以使用数据中心之外的数据的服务。
数据治理服务
AWS Glue数据目录 和 AWS湖形成 是 AWS 目前提供的核心数据治理服务。 这些服务有助于集中管理所有数据存储库的元数据并管理访问控制。 它们还有助于数据分类,并可以自动处理架构更改。 您可以使用 亚马逊数据区 通过内置的治理和访问控制跨组织边界发现和共享数据。 AWS 正在这个领域进行投资,以便为 AWS 服务提供更加统一的体验。 有许多合作伙伴产品,例如 Collibra、Alation、Amorphic、Informatica 等,您也可以将它们用于 AWS 服务的数据治理功能。
安全和监控服务
AWS身份和访问管理 (AWS IAM) 管理 AWS 服务和资源的身份。 您可以定义用户、组、角色和策略,以便对您的员工和工作负载进行细粒度的访问管理。 AWS密钥管理服务 (AWS KMS) 为您的应用程序管理 AWS 密钥或客户管理的密钥。 亚马逊CloudWatch 和 AWS 云跟踪 帮助提供监控和审计功能。 您可以收集指标和事件并对其进行分析以提高运营效率。
在本文中,我们讨论了各个解决方案组件最常用的 AWS 服务。 但是,您不仅限于这些服务。 对于特定用例,还有许多其他 AWS 服务可能比我们在此讨论的更适合您的需求。 您可以联系 AWS 分析解决方案架构师以获得适当的指导。
游戏用例的示例架构
在本节中,我们将讨论两个游戏用例的示例架构。
游戏事件分析
游戏内活动(也称为定时或现场活动)通过兴奋和期待鼓励玩家参与。 活动吸引玩家与游戏互动,提高玩家满意度和游戏内购买收入。 事件已经变得越来越重要,尤其是当游戏从静态的娱乐片转变为通过使用服务来提供动态和变化的内容时,这些服务使用信息来在玩游戏时做出关于玩游戏的决定。 这使得游戏能够随着玩家的玩而改变,并影响哪些有效,哪些无效,并赋予任何游戏潜在的无限生命周期。
游戏内活动在熟悉的框架内提供新鲜内容和活动的能力是您让玩家参与和玩数月甚至数年的方式。 玩家可以在他们逐渐喜爱的熟悉的框架或世界中享受新的体验和挑战。
以下示例展示了此类架构的外观,包括为支持流程的各个部分而进行的更改,例如将数据分解到单独的容器中以适应可伸缩性、费用分摊和所有权。
要充分了解玩家如何看待事件并就未来事件做出决策,需要有关最新事件实际执行情况的信息。 这意味着在玩家玩游戏时收集大量数据以构建关键绩效指标 (KPI),以衡量每个事件的有效性和玩家满意度。 这需要专门衡量每个事件并捕获、分析、报告和衡量每个事件的玩家体验的分析。 这些 KPI 包括以下内容:
- 初始用户流交互 – 用户在游戏中首次收到或下载事件更新后采取的行动。 是否有任何明显的下降点或瓶颈使人们对活动失去兴趣?
- 货币化 – 用户在活动中花钱的时间、内容和地点,无论是购买游戏内货币、回复广告、特价商品等等。
- 游戏经济 – 用户如何在活动期间使用游戏内货币、交易或易货来赚取和消费虚拟货币或商品。
- 游戏内活动 – 玩家获胜、失败、升级、比赛获胜或玩家在活动中取得的成就。
- 用户与用户的交互 – 活动期间的邀请、礼物、聊天(私人和群组)、挑战等。
这些只是一些 KPI 和指标,它们是在游戏吸引新玩家同时保持现有用户参与、参与和玩游戏时对事件进行预测建模的关键。
游戏内活动分析
游戏内活动分析本质上是着眼于玩家可能展示的任何有意义、有目的的活动,目的是试图了解采取了什么行动、时间安排和结果。 这包括有关玩家的情况信息,包括他们在哪里玩(地理和文化)、玩的频率、时长、每次登录时进行的操作以及其他活动。
下面的例子展示了这样一个架构可能是如何出现的,包括改变以支持流程的各个部分,比如将数据分解到单独的仓库中。 多集群仓库方法有助于独立扩展工作负载,为实施的收费模型提供灵活性,并支持分散的数据所有权。
该解决方案主要记录信息以帮助了解您的玩家的行为,这可以带来增加现有玩家保留率和获取新玩家的洞察力。 这可以提供执行以下操作的能力:
- 提供游戏内购买建议
- 衡量短期和一段时间内的玩家趋势
- 计划玩家将参与的活动
- 了解游戏的哪些部分最成功,哪些部分不太成功
您可以使用这种理解来决定未来的游戏更新,提出游戏内购买建议,确定何时以及如何平衡您的游戏经济,甚至允许玩家通过注入此改变他们的角色或随着游戏的进行进行游戏信息和伴随的决定回到游戏中。
结论
该参考架构虽然仅展示了几种分析类型的示例,但为启用游戏分析应用程序提供了更快的技术途径。 解耦的中心/辐射方法带来了敏捷性和灵活性,可以实施不同的方法来分析和理解游戏应用程序的性能。 此架构中描述的专门构建的 AWS 服务提供了全面的功能,可以轻松收集、存储、测量、分析和报告游戏和事件指标。 这有助于您高效地执行游戏内分析、事件分析、衡量玩家满意度并为游戏玩家提供量身定制的建议、高效地组织事件并提高保留率。
感谢您阅读这篇文章。 如果您有任何反馈或问题,请在评论中留下。
关于作者
萨特什·桑蒂 是亚特兰大的一名高级分析专家解决方案架构师,专门从事构建企业数据平台、数据仓库和分析解决方案。 他在为全球银行和保险客户构建数据资产和领导复杂数据平台程序方面拥有超过 16 年的经验。
蔡健雅罗德 是旧金山的一名高级解决方案架构师,专注于游戏客户,重点是游戏和支持系统的分析、扩展和性能增强。 她在企业和解决方案架构方面拥有超过 25 年的经验,擅长跨多个业务领域的超大型企业组织,包括游戏、银行、医疗保健、高等教育和州政府。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- 柏拉图区块链。 Web3 元宇宙智能。 知识放大。 访问这里。
- Sumber: https://aws.amazon.com/blogs/big-data/how-gaming-companies-can-use-amazon-redshift-serverless-to-build-scalable-analytical-applications-faster-and-easier/
- :是
- $UP
- 100
- a
- 对,能力--
- Able
- 关于
- ACCESS
- 访问管理
- 访问
- 容纳
- 账户
- 成就
- 收购
- 获得
- 横过
- 行动
- 活动
- 活动
- 通
- 地址
- 管理
- 广告
- 高级
- 后
- 所有类型
- 允许
- 已经
- Amazon
- 亚马逊RDS
- 其中
- 分析
- 分析
- 分析
- 分析
- 和
- 预期
- 阿帕奇
- API
- APIs
- 出现
- 应用领域
- 应用领域
- 使用
- 应用
- 的途径
- 方法
- 适当
- 应用
- 架构
- 保健
- 围绕
- 艺术
- AS
- 办公室文员:
- At
- 亚特兰大
- 审计
- Aurora
- 认证
- 汽车
- 自动
- 可用性
- 可使用
- 避免
- AWS
- AWS Marketplace
- 背部
- 银行业
- 基于
- BE
- 因为
- 成为
- before
- 作为
- 最佳
- 更好
- 之间
- 瓶颈
- 边界
- 盒子
- 破坏
- 带来
- 建立
- 建筑物
- 内建的
- 商业
- 商业智能
- 企业
- 买房
- by
- 被称为
- CAN
- 能力
- 容量
- 捕获
- 例
- 检索目录
- 目录
- Center
- 挑战
- 更改
- 更改
- 改变
- 通道
- 字符
- 分类
- 清除
- 客户
- 云端技术
- 合作
- 收集
- 组合
- 结合
- 注释
- 相当常见
- 沟通
- 公司
- 兼容
- 竞争
- 复杂
- 符合
- 元件
- 组件
- 全面
- 概念上的
- 并发
- 信心
- 考虑
- 消耗
- 消费
- 消费者
- 消费者
- 消费
- 集装箱
- 包含
- 内容
- 继续
- 连续
- 受控
- 控制
- 核心
- 占地面积
- 创建信息图
- 创造
- 文化
- 货币
- 目前
- 顾客
- 合作伙伴
- 定制
- data
- 数据分析
- 数据交换
- 数据湖
- 数据平台
- 数据质量
- 数据科学
- 数据共享
- 数据存储
- 数据仓库
- 数据仓库
- 数据库
- 数据库
- 数据集
- 分散
- 决定
- 交付
- 严格
- 依赖
- 部署
- 描述
- 细节
- 详情
- 确定
- 不同
- 通过各种方式找到
- 讨论
- 讨论
- 文件
- 不会
- 域
- 向下
- 下载
- ,我们将参加
- 动态
- 每
- 赚
- 使用方便
- 更容易
- 容易
- 易
- 易于使用
- 经济
- 编辑
- 教育
- 效用
- 效率
- 有效
- 或
- 重点
- enable
- 使
- 使
- 鼓励
- 加密
- 端点
- 从事
- 从事
- 订婚
- 工程师
- 引擎
- 增强
- 享受
- 企业
- 娱乐
- 实体
- 环境
- 特别
- 本质上
- 醚(ETH)
- 甚至
- 活动
- 事件
- 例子
- 例子
- 交换
- 激动
- 现有
- 体验
- 体验
- 探索
- 出口
- 外部
- 提取
- 熟悉
- 高效率
- 快
- 喜爱
- 专栏
- 特征
- 反馈
- 喂养
- 少数
- 文件
- 档
- 寻找
- 姓氏:
- 高度灵活
- 柔软
- 流
- 专注焦点
- 重点
- 以下
- 针对
- 对于消费者
- 申请
- 格式
- 骨架
- 旧金山
- 频率
- 新鲜
- 止
- 充分
- 功能
- 进一步
- 未来
- 未来的游戏
- 游戏
- Games
- 赌博
- 游戏行业
- 搜集
- 产生
- 地域
- 得到
- 给
- 地球
- 目标
- 货
- 治理
- 各国政府
- 团队
- 组的
- 长大的
- 指导
- 处理
- 有
- 有
- 医疗保健
- 重
- 帮助
- 帮助
- 此处
- 高
- 高性能
- 更高
- 高等教育
- 高度
- 住房
- 创新中心
- How To
- 但是
- HTML
- HTTPS
- 中心
- IAM
- 理想
- 身份
- 身分
- 实施
- 履行
- 实施
- 重要
- in
- 在游戏中
- 包括
- 包括
- 包含
- 增加
- 增加
- 独立地
- 指标
- 行业中的应用:
- 行业领先
- 影响
- 信息
- 创新
- 可行的洞见
- 即食类
- 保险
- 整合
- 集成
- 积分
- 房源搜索
- 相互作用
- 互动
- 接口
- 接口
- 网络
- 物联网
- 投资
- 参与
- 物联网
- IT
- 它的
- JPG
- 保持
- 保持
- 键
- 键
- 知道
- 湖泊
- 大
- 潜伏
- 最新
- 层
- 层
- 铅
- 领导
- 学习
- 离开
- 各级
- 寿命
- 一生
- 喜欢
- 有限
- 线
- 小
- 生活
- 现场活动
- 加载
- 装载
- 合乎逻辑的
- 长
- 看
- LOOKS
- 损失
- 占地
- 爱
- 低
- 机
- 机器学习
- 保养
- 使
- 管理
- 管理
- 颠覆性技术
- 管理
- 强制性
- 手动
- 许多
- 市场
- 有意义的
- 手段
- 衡量
- 测量
- 元数据
- 指标
- 可能
- ML
- 联络号码
- 时尚
- 模型
- 造型
- 模型
- 钱
- 监控
- 个月
- 更多
- 最先进的
- 最受欢迎的产品
- 运动
- 移动
- 多
- MySQL的
- 需求
- 需要
- 全新
- 笔记本电脑
- 目标
- of
- 提供
- 提供
- 优惠精选
- on
- 一
- 在线
- 打开
- 操作
- 最佳
- 附加选项
- 神谕
- 组织
- 组织
- 组织
- 举办
- 其他名称
- 业主
- 所有权
- 各方
- 合伙人
- 伙伴
- 部分
- 径
- PC
- 员工
- 演出
- 性能
- 物理
- 件
- 支柱
- 地方
- 平台
- 平台
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放
- 播放
- 播放机
- 球员
- 播放
- 请
- 点
- 政策
- 政策
- 热门
- 可能
- 帖子
- PostgreSQL的
- 可能
- 首选
- 车资
- 主要
- 私立
- 过程
- 过程
- 处理
- 生产率
- 热销产品
- 训练课程
- 协议
- 提供
- 提供
- 发布
- 出版
- 采购
- 购买
- 质量
- 有疑问吗?
- 很快
- 价格表
- 原
- 原始数据
- 达到
- 阅读
- 准备
- 实时的
- 接收
- 建议
- 建议
- 记录
- 地区
- 相应
- 报告
- 业务报告
- 知识库
- 代表
- 必须
- 需要
- 酷似
- 资源
- 那些
- 限制性
- 保留
- 收入
- 角色
- 定位、竞价/采购和分析/优化数字媒体采购,但算法只不过是解决问题的操作和规则。
- 运行
- 同
- 圣
- 旧金山
- 满意
- 可扩展性
- 可扩展性
- 鳞片
- 秤
- 缩放
- 科学
- 部分
- 部分
- 安全
- 保安
- 前辈
- 分开
- 无服务器
- 服务
- 特色服务
- Share
- 共用的,
- 共享
- 转移
- 短
- 应该
- 显示
- 作品
- 类似
- 简易
- So
- 社会
- 方案,
- 解决方案
- 一些
- 来源
- 来源
- 太空
- 专家
- 专门
- 专业
- 具体的
- 特别是
- 花
- 花费
- 花钱
- SQL
- 堆
- 标准
- 开始
- 启动
- 州/领地
- 管理
- 存储
- 商店
- 商店
- 流
- 流媒体服务
- 结构化
- 订阅
- 成功
- 成功
- 这样
- SUPPORT
- 支持
- 支持
- 支持
- 产品
- 服用
- 队
- 文案
- 技术
- 专业技术
- 条款
- 这
- 枢纽
- 其
- 他们
- 博曼
- 事
- 第三
- 第三者
- 第三方
- 数千
- 通过
- 时控
- 定时
- 至
- 工具
- 工具
- 行业
- 培训
- 交易
- 转让
- 改造
- 转型
- 转化
- 趋势
- 谈到
- 类型
- 一般
- 理解
- 理解
- 统一
- 变幻莫测
- 更新
- 最新动态
- us
- 使用
- 用户
- 用户
- 平时
- 利用
- 验证
- 各个
- 厂商
- 意见
- 在线会议
- 虚拟货币
- 仓库保管
- 仓储服务
- 卷筒纸
- 基于网络的
- 网络套接字
- 井
- 什么是
- 是否
- 这
- 而
- WHO
- 将
- 胜利
- 中
- 也完全不需要
- 劳动力
- 合作
- 世界
- 年
- 您一站式解决方案
- 和风网
- 零