日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

ARTICLE DETAIL

資訊詳情

深耕商務建站與企業(yè)官網(wǎng)運營的一線實戰(zhàn)洞察。

PySpark 升級遷移指南:從 1.x 到 4.3 的行為變更、棄用與兼容性選項全解析

PySpark 升級遷移指南:從 1.x 到 4.3 的行為變更、棄用與兼容性選項全解析 PySpark 升級遷移指南從 1.x 到 4.3 的行為變更、棄用與兼容性選項全解析【免費下載鏈接】sparkApache Spark - A unified analytics engine for large-scale data processing項目地址: https://gitcode.com/gh_mirrors/sp/sparkPySpark 每次大版本升級都伴隨著 Python 依賴版本門檻的提升、Arrow 列式優(yōu)化的逐步默認化以及 pandas API on Spark 與 Spark Connect 客戶端的一系列行為變更。本文以倉庫內 pyspark_upgrade.rst 為骨架逐版本梳理從 4.2→4.3 直至 1.3 的官方遷移要點并結合 SQLConf.scala 等源碼中的配置定義、錯誤條件定義與測試用例說明每個變更背后的實現(xiàn)細節(jié)、恢復舊行為的開關幫助你在升級前完成兼容性評估與回歸測試。一、升級總覽讀懂這篇指南的方式PySpark 的升級文檔按“從版本 X 升級到版本 Y”的粒度組織每一條變更通常屬于以下四類之一運行時依賴門檻變化Python、Pandas、PyArrow、NumPy 的最低支持版本被提高甚至某些解釋器如 PyPy不再被官方支持默認行為切換某個功能從默認關閉變?yōu)槟J開啟典型代表是 Arrow 列式數(shù)據(jù)交換與 Arrow 優(yōu)化的 UDF/UDTF同時保留顯式關閉的配置項API 移除或參數(shù)棄用pandas API on Spark 中大量對齊 pandas 新版本的 API 被移除或更名語義修正錯誤類型、類型映射、schema 推斷、空值處理等行為向 pandas/Arrow 標準靠攏需要業(yè)務代碼相應調整。絕大多數(shù)行為變更都提供了“恢復舊行為”的開關——要么是spark.*SQL 配置項要么是PYSPARK_*環(huán)境變量。這是升級時最重要的逃生通道。二、升級到 PySpark 4.3自 4.2本版本最直接的變更是運行時環(huán)境的收緊Python 3.10 支持被移除。PySpark 4.3 不再支持 Python 3.10請確保運行環(huán)境驅動與執(zhí)行器兩側的 Python 版本一致使用受支持的 Python 版本3.11 及以上具體以當前版本發(fā)布說明為準。這是 4.2 移除 Python 3.9、4.0 移除 Python 3.8 之后PySpark 持續(xù)清理老舊 Python 版本策略的延續(xù)。三、升級到 PySpark 4.2自 4.1Spark 4.2 是行為變更非常密集的一個版本核心關鍵詞是Arrow 全面默認化與Spark Connect 行為對齊。3.1 依賴門檻與平臺支持PyArrow 最低版本從 15.0.0 提升到 18.0.0PyPy 不再被官方支持。官方建議在 CPython 上運行 PySpark繼續(xù)使用 PyPy 可能遇到未經(jīng)驗證的問題。3.2 列式數(shù)據(jù)交換與 Arrow 優(yōu)化默認開啟PySpark 與 JVM 之間的列式數(shù)據(jù)交換默認使用 Apache Arrowspark.sql.execution.arrow.pyspark.enabled默認值變?yōu)閠rue。要恢復舊的非 Arrow行式數(shù)據(jù)交換將該配置設為false。該配置在源碼中定義于 SQLConf.scala其文檔明確指出該優(yōu)化作用于兩處pyspark.sql.DataFrame.toPandas以及輸入為 Pandas DataFrame 或 NumPyndarray時的SparkSession.createDataFrame同時標出不支持的數(shù)據(jù)類型為ArrayTypeofTimestampType。它還有一個 3.0 起已棄用的前身spark.sql.execution.arrow.enabled通過fallbackConf繼承其默認值true見同文件 L5081-L5086。在啟用 Arrow 時如需進一步降低內存占用可配合實驗性配置spark.sql.execution.arrow.pyspark.selfDestruct.enabledL5100-L5109使用 Arrow 的 self-destruct 與 split-blocks 選項以 CPU 時間換取內存。普通 Python UDF 默認使用 Arrow 優(yōu)化spark.sql.execution.pythonUDF.arrow.enabled默認值變?yōu)閠rue?;謴团f行為需顯式設為false。該配置定義于 SQLConf.scala自 3.4.0 引入說明中特別注明“僅當函數(shù)接收至少一個參數(shù)時該優(yōu)化才能啟用”。普通 Python UDTF 默認使用 Arrow 優(yōu)化spark.sql.execution.pythonUDTF.arrow.enabled默認值變?yōu)閠rue自 3.5.0 引入定義見 SQLConf.scala。3.3 Spark Connect 客戶端行為對齊DataFrame.__getattr__不再急切校驗列名。在 Spark Connect Python 客戶端中訪問不存在的列不再在取屬性時立即拋錯。如需恢復舊行為設置環(huán)境變量PYSPARK_VALIDATE_COLUMN_NAME_LEGACY1。該環(huán)境變量在 python/pyspark/sql/connect/dataframe.py 中被讀取當PYSPARK_VALIDATE_COLUMN_NAME_LEGACY為1或列名以__開頭時才執(zhí)行原校驗邏輯。DataFrame[Stream]Reader/Writer.option與.options過濾None值None現(xiàn)在被當作“未設置”處理不再像以前那樣把 Javanull轉發(fā)到 JVM從而與 Spark Connect Python 客戶端SPARK-49263及OptionUtils._set_opts行為一致。實操要點想把選項設為默認值直接省略或傳None想顯式設為空字符串則必須傳。pandas UDF 接收可空整型列時使用擴展 dtype當 pandas UDF 的輸入批次包含空值時可空整型列會以 pandas 可空整型擴展 dtypeInt8/Int16/Int32/Int64交付而不再是float64。依賴float64輸入假設的 UDF 代碼需要更新。相關配置spark.sql.execution.pythonUDF.pandas.preferIntExtensionDtype默認false見 SQLConf.scala可影響整型在 Pandas UDF 執(zhí)行時的 dtype 選擇。3.4 數(shù)據(jù)源與流式讀取的嚴格化校驗Python Data Source 返回的 Arrow 數(shù)據(jù)與聲明 schema 類型不匹配時報DATA_SOURCE_RETURN_SCHEMA_MISMATCH。此前只有列數(shù)與列名不匹配會報該錯4.2 起列類型不匹配同樣觸發(fā)。該錯誤條件登記在 python/pyspark/errors/error-conditions.json并由 python/pyspark/sql/worker/plan_data_source_read.py 在 worker 側校驗觸發(fā)對應測試見 python/pyspark/sql/tests/test_python_datasource.py。修復方式讓數(shù)據(jù)源返回的數(shù)據(jù)類型與聲明 schema 嚴格一致。SimpleDataSourceStreamReader.read()返回非空批次但 end offset 未推進時報SIMPLE_STREAM_READER_OFFSET_DID_NOT_ADVANCE不再無限重放同一批次并膨脹預取緩存。錯誤條件同樣登記在 error-conditions.json測試用例見 python/pyspark/sql/tests/test_python_streaming_datasource.py。修復方式確保返回的 end offset 至少推進到超過最后一條記錄。3.5 其他行為變更SparkSession.createDataFrame從 NumPyndarray創(chuàng)建時要求 PyArrow而非 pandas數(shù)據(jù)會直接轉換為 Arrow 而不是先經(jīng)過 pandas。使用前請安裝 PyArrow如果之前禁用 Arrow 且依賴基于 NumPy dtype 的 schema 推斷需要復核推斷結果——現(xiàn)在遵循 Arrow 的類型映射。pandas API on Spark 的DataFrame.drop與Series.drop語義對齊 pandas只要指定的標簽中有一個缺失就拋KeyError此前是全部缺失才拋。建議先確認標簽存在、先過濾出存在的標簽或傳入errorsignore。四、升級到 PySpark 4.1自 4.04.1 依賴門檻提升Python 3.9 支持被移除PyArrow 最低版本從 11.0.0 提升到 15.0.0Pandas 最低版本從 2.0.0 提升到 2.2.0。4.2 Arrow UDF 行為修正與還原開關DataFrame.__getitem__在 Spark Connect Python 客戶端中不再急切校驗列名恢復方式同樣是設置PYSPARK_VALIDATE_COLUMN_NAME_LEGACY1。Arrow 優(yōu)化的 Python UDF 現(xiàn)在支持 UDT用戶自定義類型輸入/輸出不再回退到普通 UDF。要恢復舊的回退行為設置spark.sql.execution.pythonUDF.arrow.legacy.fallbackOnUDTtrue。該內部配置定義于 SQLConf.scala默認false。移除不必要的 pandas 實例轉換當spark.sql.execution.pythonUDF.arrow.enabled啟用時JVM 與 Python worker 之間的反序列化不再做額外的 pandas 轉換導致“產(chǎn)出 schema 與聲明 schema 不一致”時的類型強制轉換type coercion行為發(fā)生變化?;謴团f行為需開啟內部配置spark.sql.legacy.execution.pythonUDF.pandas.conversion.enabled默認false見 SQLConf.scala。UDTF 有完全對應的spark.sql.legacy.execution.pythonUDTF.pandas.conversion.enabledL5596-L5605。spark.sql.execution.pandas.convertToArrowArraySafely默認開啟。啟用后PyArrow 會在整數(shù)溢出、浮點截斷、精度損失等不安全轉換時拋錯影響 Arrow 啟用的 UDF/pandas_udf 的返回序列化以及 PySpark DataFrame 的創(chuàng)建?;謴团f行為需設為false。該配置定義于 SQLConf.scala 附近。4.3 BinaryType 與 Python bytes 的統(tǒng)一映射BinaryType默認統(tǒng)一映射為 Pythonbytes。恢復舊行為需設置spark.sql.execution.pyspark.binaryAsBytesfalse定義見 SQLConf.scala默認true。4.1.0 之前各場景下BinaryType對應的 Python 類型如下表場景BinaryType對應的 Python 類型未啟用 Arrow 優(yōu)化的普通 UDF 與 UDTFbytearrayDataFrame APISpark Classic 與 Spark Connectbytearray數(shù)據(jù)源bytearray啟用 Arrow 優(yōu)化且?guī)?pandas 轉換的 UDF 與 UDTFbytes4.4 pandas API on Spark 的 ANSI 模式compute.ansi_mode_support默認True時pandas API on Spark 可在 ANSI 模式下工作原有的保護開關compute.fail_on_ansi_mode仍然保留但只在compute.ansi_mode_supportFalse時才生效。五、升級到 PySpark 4.0自 3.55.1 依賴門檻提升Python 3.8 支持被移除Pandas 最低版本從 1.0.5 提升到 2.0.0NumPy 最低版本從 1.15 提升到 1.21PyArrow 最低版本從 4.0.0 提升到 11.0.0。5.2 pandas API on Spark 的 API 移除與改名清單4.0 對 pandas API on Spark 做了一次大規(guī)模清理主要分三類整體移除改用替代 API移除項替代方案Int64Index、Float64Index直接使用IndexDataFrame.iteritems/Series.iteritemsDataFrame.items/Series.itemsDataFrame.append/Series.appendps.concatDataFrame.mad/Series.mad無Index.factorize/Series.factorize的na_sentinel參數(shù)改用use_na_sentinelDataFrame.koalasDataFrame.pandas_on_sparkDataFrame.to_koalas/DataFrame.to_pandas_on_sparkDataFrame.pandas_apipyspark.testing.assertPandasOnSparkEqualpyspark.pandas.testing.assert_frame_equalDataFrame.to_spark_ioDataFrame.spark.to_spark_ioIndex.asi8Index.astypeIndex.is_type_compatibleIndex.isinIndex.is_monotonic/Series.is_monotonicis_monotonic_increasing系列方法DataFrame.get_dtype_countsDataFrame.dtypes.value_counts()DataFrameGroupBy.backfill/.padDataFrameGroupBy.bfill/.ffillIndex.is_all_dates無DatatimeIndex.week/.weekofyear、Series.dt.week/.weekofyearDatetimeIndex.isocalendar().week/Series.dt.isocalendar().week參數(shù)移除DataFrame.between_time/Series.between_time移除include_start、include_end改用inclusiveSeries.betweeninclusive不再接受布爾值改用both/neitherDataFrame.plot/Series.plot移除sort_columnsps.read_csv/ps.read_excel移除squeezeDataFrame.info移除null_counts改用show_countsDataFrame.to_latex/Series.to_latex移除col_spaceDataFrame.to_excel/Series.to_excel移除encoding、verboseread_csv/read_excel移除mangle_dupe_colsread_excel另移除convert_floatCategorical.*與CategoricalIndex.*系列方法移除inplace參數(shù)ps.date_range移除closed參數(shù)。行為變化DatetimeIndex的day、month、year等日期屬性由int64變?yōu)閕nt32Series.str.replace的regex參數(shù)默認值由True改為False且當regexTrue時單個字符的pat被當作正則表達式而非字符串字面量value_counts的結果名稱固定為countnormalizeTrue時為proportion索引以原對象命名MultiIndex.append不再保留索引名DataFrameGroupBy.agg傳入列表時遵守as_indexFalseDataFrame.stack保證保留既有列順序不再按字典序排序對 decimal 類型對象應用astype時缺失值的轉換結果由False變?yōu)門rue日期時間別名Y、M、H、T、S被棄用改用YE、ME、h、min、s。5.3 schema 推斷、通配導入與 ANSI 模式map 列的 schema 推斷改為合并所有鍵值對的 schema。要恢復“僅從第一個非空鍵值對推斷”的舊行為設置spark.sql.pyspark.legacy.inferMapTypeFromFirstPair.enabledtrue內部配置定義見 SQLConf.scala。這與 3.4 引入的數(shù)組列推斷開關spark.sql.pyspark.legacy.inferArrayTypeFromFirstElement.enabledL7646-L7653是一對共同決定SparkSession.createDataFrame的集合類型推斷粒度。compute.ops_on_diff_frames默認開啟支持跨不同 DataFrame 的運算恢復舊行為需設為false。DataFrame.collect不再返回YearMonthIntervalType的底層整數(shù)恢復舊行為需設置環(huán)境變量PYSPARK_YM_INTERVAL_LEGACY1。from pyspark.sql.functions import *不再導入非函數(shù)對象。DataFrame、Column、StructType等需要分別從pyspark.sql、pyspark.sql.types等模塊顯式導入。ANSI 模式與 pandas API on Spark 的沖突處理Spark 4.0 默認啟用 ANSI 模式而 pandas API on Spark 在 ANSI 模式下無法正常工作并會拋異常。兩種處理方式顯式設置spark.sql.ansi.enabledfalse禁用 ANSI 模式或將 pandas-on-spark 選項compute.fail_on_ansi_mode設為False強制運行可能引發(fā)意外行為。六、更早版本升級要點3.5 及以前6.1 自 PySpark 3.3 升級到 3.4數(shù)組列的 schema 推斷改為合并所有元素的 schema恢復“僅從第一個元素推斷”需設置spark.sql.pyspark.legacy.inferArrayTypeFromFirstElement.enabledtrue內部配置默認false見 SQLConf.scala。Groupby.apply的func未指定返回類型且compute.shortcut_limit0時采樣行數(shù)固定為 2以保證 schema 推斷準確。Index.insert越界時拋IndexError信息形如index {} is out of bounds for axis 0 with size {}對齊 pandas 1.4。Series.mode保留 series 名稱Index.__setitem__先檢查value是否為Column類型避免is_list_like拋意外的ValueError。astype(category)會根據(jù)原始數(shù)據(jù) dtype 刷新categories.dtypeGroupBy.head/GroupBy.tail支持位置索引負數(shù)參數(shù)語義正確此前返回空 frame。groupby.apply的 schema 推斷會先推斷 pandas 類型以保證 dtype 精度Series.concat尊重sort參數(shù)DataFrame.__setitem__會復制并替換既有數(shù)組不再覆寫原數(shù)組。SparkSession.sql與 pandas API on Spark 的sql新增args參數(shù)支持具名參數(shù)綁定到 SQL 字面量。pandas API on Spark 全面跟隨 pandas 2.0相關 API 的棄用/移除詳見 pandas 官方 release notes。移除對collections.namedtuple的自定義 monkey-patch默認使用cloudpickle若遇到相關 pickling 問題設置環(huán)境變量PYSPARK_ENABLE_NAMEDTUPLE_PATCH1恢復舊行為。6.2 自 PySpark 3.2 升級到 3.3pyspark.pandas.sql方法遵循 Python 標準字符串格式化語法恢復舊行為需設置PYSPARK_PANDAS_SQL_LEGACY1。pandas API on Spark 的drop方法支持按 index 刪除行且默認改為按行刪除而非按列。Pandas 最低版本從 0.23.2 提升到 1.0.5。SQL 數(shù)據(jù)類型的repr返回值改為可通過eval還原出等價對象。6.3 自 PySpark 3.1 升級到 3.2sql、ml、spark_on_pandas模塊的方法在參數(shù)類型不匹配時拋TypeError而非ValueError。Python UDF、pandas UDF 與 pandas function API 的 traceback 默認簡化不再打印內部 Python worker 的堆?;謴团f行為需設置spark.sql.execution.pyspark.udf.simplifiedTraceback.enabledfalse。默認啟用 pinned thread 模式每個 Python 線程映射到對應的 JVM 線程避免多個 Python 線程共享一個 JVM 線程的 thread-local。建議配合pyspark.InheritableThread或pyspark.inheritable_thread_target使用以正確繼承 JVM 線程的可繼承屬性如 local properties并避免資源泄漏?;謴团f行為需設置PYSPARK_PIN_THREADfalse。6.4 自 PySpark 2.4 升級到 3.0使用 pandas 相關功能toPandas、從 pandas DataFrame 創(chuàng)建 DataFrame 等要求 Pandas ≥ 0.23.2使用 PyArrow 相關功能pandas_udf、toPandas、createDataFrame配合spark.sql.execution.arrow.enabledtrue等要求 PyArrow ≥ 0.12.1。SparkSession.builder.getOrCreate()不再嘗試用 builder 中的配置更新已存在的SparkContext與 Java/Scala API 自 2.3 起行為一致如需更新配置須在創(chuàng)建SparkSession之前完成。Arrow 優(yōu)化下PyArrow 0.11.0 時可通過spark.sql.execution.pandas.convertToArrowArraySafelytrue開啟安全類型轉換默認false。不同版本/配置下的行為PyArrow 版本整數(shù)溢出浮點截斷0.11.0 及以下拋錯靜默允許 0.11.0arrowSafeTypeConversionfalse靜默溢出靜默允許 0.11.0arrowSafeTypeConversiontrue拋錯拋錯createDataFrame(..., verifySchemaTrue)開始校驗LongType此前不校驗溢出時得到None可通過verifySchemaFalse關閉校驗。Row按命名參數(shù)構造時字段順序與輸入一致Python ≥ 3.6不再按字母序排序需要恢復排序時設置環(huán)境變量PYSPARK_ROW_FIELD_SORTING_ENABLEDtrue必須在所有 driver 與 executor 上保持一致否則可能引發(fā)失敗或錯誤結果。pyspark.ml.param.shared.Has*混入類不再提供set*(self, value)方法改用self.set(self.*, value)。6.5 更早期版本2.x 與 1.x2.3→2.4Arrow 優(yōu)化開啟時toPandas與從 Pandas DataFrame 創(chuàng)建 DataFrame 默認允許回退到非優(yōu)化路徑此前toPandas直接失敗可通過spark.sql.execution.arrow.fallback.enabled關閉回退。2.3.0→2.3.1Arrow 功能pandas_udf、toPandas/createDataFrame配合spark.sql.execution.arrow.enabledtrue被標記為實驗性不建議在生產(chǎn)使用。2.2→2.3pandas 相關功能要求 Pandas ≥ 0.19.2時間戳行為改為尊重會話時區(qū)恢復舊行為設spark.sql.execution.pandas.respectSessionTimeZonefalsena.fill()/fillna支持布爾值替換 nulldf.replace在to_replace不是字典時不允許省略value。1.4→1.5字符串解析列支持用點號.限定列名或訪問嵌套值如df[table.column.nestedField]但列名中含點號時必須用反引號轉義如table.column.with.dots.nestedwithColumn支持新增或替換同名列。1.0–1.2→1.3Python 中使用 DataTypes 時必須構造實例如StringType()不再引用單例。七、遷移開關速查表將全文涉及的恢復開關匯總如下便于升級排查時快速定位源碼定義見 SQLConf.scala類型鍵名影響的版本變更默認值SQL 配置spark.sql.execution.arrow.pyspark.enabled4.2 起默認啟用 Arrow 列式交換trueSQL 配置spark.sql.execution.pythonUDF.arrow.enabled4.2 起 UDF 默認 Arrow 優(yōu)化trueSQL 配置spark.sql.execution.pythonUDTF.arrow.enabled4.2 起 UDTF 默認 Arrow 優(yōu)化trueSQL 配置spark.sql.execution.pythonUDF.arrow.legacy.fallbackOnUDT4.1 UDT 回退舊行為falseSQL 配置spark.sql.legacy.execution.pythonUDF.pandas.conversion.enabled4.1 恢復 pandas 轉換falseSQL 配置spark.sql.legacy.execution.pythonUDTF.pandas.conversion.enabled4.1 恢復 pandas 轉換falseSQL 配置spark.sql.execution.pyspark.binaryAsBytes4.1BinaryType→bytes映射trueSQL 配置spark.sql.execution.pandas.convertToArrowArraySafely4.1 安全類型轉換trueSQL 配置spark.sql.pyspark.legacy.inferMapTypeFromFirstPair.enabled4.0 map schema 推斷falseSQL 配置spark.sql.pyspark.legacy.inferArrayTypeFromFirstElement.enabled3.4 array schema 推斷falseSQL 配置compute.ops_on_diff_frames4.0 跨 frame 運算trueSQL 配置spark.sql.ansi.enabled4.0 ANSI 模式trueSQL 配置spark.sql.execution.pyspark.udf.simplifiedTraceback.enabled3.2 簡化 tracebacktrue環(huán)境變量PYSPARK_VALIDATE_COLUMN_NAME_LEGACY4.1/4.2 列名急切校驗未設置環(huán)境變量PYSPARK_YM_INTERVAL_LEGACY4.0YearMonthIntervalType底層整數(shù)未設置環(huán)境變量PYSPARK_ENABLE_NAMEDTUPLE_PATCH3.4 namedtuple patch未設置環(huán)境變量PYSPARK_PANDAS_SQL_LEGACY3.3pyspark.pandas.sql格式化未設置環(huán)境變量PYSPARK_PIN_THREAD3.2 pinned thread未設置環(huán)境變量PYSPARK_ROW_FIELD_SORTING_ENABLED3.0Row字段排序未設置八、升級實踐建議先核對運行時版本確認 Python≥ 3.11自 4.3 起、PyArrow≥ 18.0.0自 4.2 起、Pandas≥ 2.2.0自 4.1 起、NumPy≥ 1.21自 4.0 起滿足目標版本門檻并統(tǒng)一 driver 與 executor 的 Python 環(huán)境。將 Arrow 作為第一公民對待4.2 起 Arrow 已是 PySpark 數(shù)據(jù)交換與 UDF/UDTF 執(zhí)行的默認路徑。升級前先用小規(guī)模任務驗證 Arrow 路徑下的類型映射尤其是BinaryType、可空整型 dtype、decimal 與時間類型再把spark.sql.execution.pandas.convertToArrowArraySafelytrue下的溢出報錯視為需要修復的數(shù)據(jù)問題而非可繞過的偶發(fā)異常。用“恢復開關”做灰度對存量作業(yè)可按上表在提交參數(shù)spark-submit --conf或spark-defaults.conf中臨時恢復舊行為逐項消除行為差異后再移除開關避免“一步到位”式升級導致的問題難以定位。重點回歸 pandas API on Spark4.0 的大規(guī)模 API 清理對依賴ps的代碼影響最大建議在升級前用pylint/靜態(tài)掃描找出已移除的 API 與參數(shù)并對照上文替換清單逐一改寫。關注 Spark Connect 客戶端差異__getattr__/__getitem__列名校驗放寬與option(s)的None過濾意味著依賴“取屬性即拋錯”或“傳None即寫 null”的代碼需要顯式調整。數(shù)據(jù)源與流式應用確保 Python Data Source 返回的 Arrow 數(shù)據(jù)類型與聲明 schema 一致、SimpleDataSourceStreamReader的 end offset 正確推進否則 4.2 起會以明確錯誤碼DATA_SOURCE_RETURN_SCHEMA_MISMATCH、SIMPLE_STREAM_READER_OFFSET_DID_NOT_ADVANCE失敗。這些錯誤碼統(tǒng)一定義在 python/pyspark/errors/error-conditions.json便于在文檔與日志中檢索?!久赓M下載鏈接】sparkApache Spark - A unified analytics engine for large-scale data processing項目地址: https://gitcode.com/gh_mirrors/sp/spark創(chuàng)作聲明:本文部分內容由AI輔助生成(AIGC),僅供參考
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
91丨国产丨白浆秘 洗澡动漫| 欧洲乱码一区二区| 久久黄黄| 欧美大香蕉97| 91美女视频电影| 国产精品96久久久久久| 在线有码中文字幕| 一区二区娱乐网站| 成人精品电影| 日韩av情韩国爱禁区av一区二区| 蜜臀久久久99久久久久 | 精品人妻中文字幕高清| 日韩免费在线视频观看| 色综合婷婷| 嗯啊免费视频| 少妇久久久免费| 欧美色九九| 亚洲一区日韩精品中文字幕| 国产熟女免费观看久久| 骚逼高潮久久精品| 美日韩在线不卡人妻| 91热| 国产91亚洲精品一区二区三区| 成 人片 黄色大片| 久久久18| 亚洲欧洲第二视频在线观看色图| 国产久久天堂资源| 日韩熟女乱伦中出| 亚洲激情网一二三四区| 久久久久久久久久久久欧美日| 国产嫩草精品A88AV| 蜜臀久久99精品久久久久久| 日韩美女操b| 91 在线亚洲| 好爽要喷了| 日韩一区二区精彩视频| 超碰99在线观看| 亚洲吊色| 欧美综合网| av天堂手机版追回| 丁香婷婷激情五月天无毒不卡 | 久久综合九九| 人妻少妇久久| 久久无码一区二区二三区性色| 天天躁日日躁AAAXX| 天天综合有色网| 国产97av| 国产精品自产拍在线观看社区| 在线视频一区二区传媒| 91精品国产一区三一| 亚洲偷拍自拍在线视频| 亚洲drav色图| 亚洲欧美一区二区网址| 女色视频社区| 色偷偷综合91久久噜噜| 免费超碰97在线观看| 超碰久久中文| 啊啊啊啊啊啊在线| 99久在线精品99re8热| 97热视频在线观看| ,成人免费啪啪视频| 懂色AV一区二区三区| 久久久无码精品人妻二区| 十八禁av无码免费网站APP| 激情六月天| 欧美大干日韩| 日本日皮视频逼| baiduhicn.com。| 美女被啪到深处抽搐视频| 欧美丰满熟妇XXXX性ppX人交| 四虎884a| 日韩AV无码网站| 中亚精品极乱| 91女色| 秋霞免费AV| 热久久国产精品视频大陆精品| 久久久蜜桃臀无码视频| www.99热| 操熟女91| 狠狠久久亚洲欧美专区| 91亚洲网站| 欧亚在线视频| 丰满欧美放荡少妇在线| 国产久久久久久久久一区二区| 欧美色日本| 青娱乐老司机视频| 色情婷婷久久五月天| 亚洲性爱乱操x| 亚洲综合113页| 国内偷拍精品一区二区| 日本免费不卡二区| 日韩欧美大片免费高清啪啪| 加勒比AV网| 日韩日本欧美在线观看| 国产激情视频一区区三区| 丝袜综合色图| WWW4虎| 国产精品一二三免费网站| 啪啪资源网| gogogo免费高清看中国国语| 国产综合久| 日本中文字幕熟妇| 青青草色情网站视频| 日韩亚洲美女一区久久| 精品成人无码| 久久久久久久久久黄色网| 很很很很操| 99色综合| 国产高清成人免费视频| 99999精品成人| 操我无码| 中亚精品极乱| 欧美综合站| 色官网在线| 亚洲αv一区二区三区| 四虎精品永久在线播放| wuyechaopeng| 每日更新AV| 久久亚洲天天做| 亚洲综合91| 久久久艹艹艹| 国产美女高潮叫床视频| 国产视频不卡在线观看| 国产伊人自拍| 亚州色国| 亚洲 欧美 第一页| 国产搭汕a级片| 色天天野狼综合社区| 成人色女网| 五月香婷婷| 中文字幕视频2区| 大香蕉人妻| 丁香五月偷拍| 97国产精选| 天堂种子在线www网资源| 色综合天天爱去电影网| 色偷偷色偷偷欧美日韩| 午夜男女爽爽爽在线视频| 青草一区二区| 精品美女久久一二三| 三四中文字幕| 国产精品爆乳懂色蜜乳| 国产成人99久久亚洲综合| 亚洲h片在线免费观看| 无码不卡八戒| 久草成人影片| 麻豆精品.欧美精品.日韩精品.| 91欧| 立川理惠被中出无码| 日韩综合无码一区久久92| 成人影院永久免费观看网址| 99操碰| 青青青国产| 97色97好| 丁香五月天视频| 91老女人| 国产精品电影推荐| 丁香五月成人| 午夜影美女日鸡鸡天天视频国产| 亚洲AV成人精品网站在AV| 亚洲国产精品久久久久婷婷老年| 在线 亚洲 网爆 自拍| 欧美性暴力猛交| 噜噜噜噜久久久精品免费| 亚洲综合欧美| 色色色天美视频| 亚洲天堂,男人| 狠狠五月天| 国产又大又粗又长视频在线| 97日韩欧美亚洲| a片久久久久久久久久久久 | 蜜臀久久在线视频| 欧美 色 亚洲| 2019天天干天天操| 欧美gv在线观看| 夜夜嗨一区二区三区直播内容| 超碰综合色| 黄页大片在线观看| 99碰碰| AV不卡在线| 麻豆视频国产一区二区| 麻豆天美在线| 国产女主播视频在线观看| 国产精品视频电影| 中文字幕成人| 五月激情视频| 亚洲AV无码乱码在线观看性色| 亚洲精品尤物yw在线影院| 人妻天堂网| 精品久久艹| 九九久久99| 欧美亚男人的天堂| 好吊色在线观看| 丁香九月激情| 激情综合五月| 爱射综合| 99精品九九九九九九| 人妻精品视频一区二区三区 | 色九久| 一区二区三区激情在线观看| 中文字幕97色| 小日子操bb在线看| nuu12国产麻豆精品| 亚洲毛片基地专区| 黑丝少妇| 日本色日夜干| 欧美欲色| 久久草草亚洲蜜桃臀| 999日韩中文精品观看视频。| 超碰 欧美| 日本天天操| 欧美青青视频| 色在线亚洲视频www| 天天看片麻豆| 成人免费福利在线观看| 青青草一区二区高清无码视频| 强歼乱伦资源网| 嫩草伊人久久精品| 第45页一区二区| 日日夜夜精品| 岛国在线一区二区三区| 性做久久久久久久| av资源在线观看少妇| 人人操人人大香蕉| 综合情欲网| 国模私拍一区二区三区神乳| 欧美熟女妇同| 最新国产精品久久精品| 少妇的嫩逼图片| 欧美亚洲玖玖玖| 久久久久久97| 国产大片精久久久久久| 可以在线观看的黄色网址| 超硑97精品| 日韩一999精品| 91狼人| 在线无码操| 欧美在线干| 婷婷日韩一区二区三区中文字幕在线| 欧美在线色图| 91/欧美| 欧美一二级| 久久久555| 精品人妻美妇91job| 97鸡把在线视频| 亚洲偷拍自拍在线视频| 精品无码秘 人妻一区二区| 久久草大香蕉| 日本精品网站在线中文| 中文字幕精品三级久久久| 午夜久久一区二区无码中出| 国产农村妇女精品一二区| 久久国产对白激情浪潮 | 欧美天天综合| 亚洲欧洲综合成人av一区| 青青草日逼视频| 国产白丝精品在线观看| 日韩精品国模| 试看60秒 爽| 国产不卡中文字幕免费avi| 日韩精品亚洲专区在线影视| 97爱爱| 色www精品视频在线观看| 色婷婷电影| 欧美色图第一页| 中文字幕78| 国产欧美日韩精品中文| 中文字幕97| 内射中国少妇高清视频免费视频 | 78精品在线| 午夜成人福利影视| 欧美激情总合网| 日韩专区数据列表-第3230页-精品国产一区二区三区香蕉 久久99熟女人妻中文字 | 亚洲精品黑丝| 久久只有精品一区二区三区| 婷婷五月天伊人| 九九久久一区二区伦理| 嫩呦国产一区二区三区AV| 俞拍久久国应视频| 啊啊啊啊,啊啊好多水 | 超碰人人在线| 亚洲性猛交| 精品一区二区成人动漫| 免费a v| 日韩青久久| 久久97资源 网| 亚洲综合另类| 天天精品| 91九九| 亚洲欧美在线观看2021| www.91人妻.com| 一级性爱网| 久久久偷拍| 天天综合网合集91| 破处bbq| 美美91成人国产精品欧美精品久久久久久久 | 粉嫩小泬久久久一区二区| 蜜桃午夜视频一区二区| 欧美91视频| 色97欧美| 亚洲情色综合网| 99在线无码精品秘 入口黑人| 人妻天堂网| 91少妇高潮| 安微少妇操BBB| 走光一区92下载| 性爱欧美五月| 老司机午夜精品福利视频一区二区 | 国产久久久久久| 婷婷10月天青娱乐| 香港久久久| 一卡二卡在线播放| 大香蕉日韩| 中文字幕加勒比海高清无码免费视频| 久超碰这里只有精品| 高清无码一区二区三区| 亚洲中文字幕熟女少妇一区二区| 美女t无毒不卡不卡| 亚洲天堂久久| 2026国产精品视频| 日本性爱不卡视频| 日本天堂在线播放| 亚洲国产成人高清在线| 无码精品啪啪啪一区二区三区三州| 男女做爰猛烈动高潮A片免费应用 少妇厨房愉情理伦片bd在线观看 不卡中文字幕aⅴ在线 | 欧美午夜精品久久久久久超碰| 97在线观看免费| 亚洲精品蜜桃久久久一区二区三区| 熟妇在线视频一区二区| 麻豆久久精品亚洲精品88| 欧美写真视频一区| AV乱伦国产| 精品人妻1区| 丁香六月东京热| 欧美亚洲激情小说| 国产肏逼网站| 国产无码成人无码| 国产亚洲色婷婷久久99精品91葵花宝典 | 久草久热| 综合网久久| 久久综合久色欧美综合狠狠| 精品女同一区二区三区| 91狠狠综合网| 亚洲成人色情五月天丁香花| 蜜臀无码一区二区| 欧美大的香蕉有线电视视频| 免费试看60秒| 久久精品国产亚洲AV嘿嘿| 国产97色在线| 青青久操| 2017大香蕉| 欧美日韩国产三级黄色| 五月开心网| 青青久草| 久久深夜无码| 老熟妇综合| 亚洲精品三区在线观看| 骚熟女AV网| 国产亚热在线久久| 99热在线观看| 亚州欧美色图| 久久超碰av在线| 欧美制服另类丝袜| 99热只有这里有精品| 欧中美三级一区二区三区| 高清孕妇孕交 交| 三级激情网站| 精品视频123区小说区| 亚洲国产蜜臀系列在线观看| 亚洲综合有码| 色翁荡息又大又硬又粗又爽| 久久亚洲一区女同性恋中文字幕| 97超碰人人模人人拍人人| 欧美日韩操操操| 国产精品老熟女一区二区| 亚欧美综合网。| 91精品国产91久久青草| 九九热精品| 中文字幕、久久精品国产2020、久久综合久久自在自线精品自、亚洲 | 91+欧美| 欧美十八禁网站| 成人性爱免费播放| 91色综合| 超碰在线一区二区| 美女t无毒不卡不卡| 日韩精品电影| 超碰97最新人妻| 99999久久久久9国产精品| a在线观看| 亚洲欧洲日韩天堂av| 丁香六月啪| 97精品网站| 99精品国产户外露出| 色99色| 国产精品在线网站| 亚洲无码?第一页| 9丨亚洲一区二区在线| 久久色情| 久久系列| 性爱综合网| 91精品国产乱码| 操逼逼无码| 天堂v无码免费视频| 职场同事知名国产国产精品久久欧美日韩 | 日韩啪啪视频| 国产一区二区精品在线视频| 99热这里只有精| 国产亚洲中文不卡二区| 亚洲乱色熟女一区| 色欲天天综合久久久无码网中文| 久久成年片色大黄全免费网站| 亚洲男人天堂AV| 九九九九亚洲| 先锋影音av先锋一区| a亚洲欧美色欲| a片偷拍视频| 国产精品女aA片爽爽视频| 少妇内射视频| 成人 日本A片无码8888| 色路综合| 又大又黄国产| 精品国产91内射久久| 欧美日韩国产男人| 手机在线人成免费视频| 亚洲激情深爱文学小说网站| 大白逼三四级| 91精品黄在线观看| 久久区| 中文字幕丝袜美腿| 国产精品区在线12p| 2026国产精品视频| 综合婷婷| 乱论91| 人妻另类 专区 欧美 制服| 97亚洲精品超碰| 四虎免费在线播放| 色哟哟av| AV中文字幕三四五| 日本ZZ高免费A级视频| 欧美性视频二区三区| 日本性爱欧美性爱| 免费一级视频特黄色大片| 天美一二三在线观看Av| 中文区中文字幕免费看| 亚洲天堂人妻熟妇视频| 97超碰色屌| 天天射日日干| 97摸视频| 国产亚洲欧美每日在线| 人人妻人人澡人人爽久久av| 日本新免费二区三区| 91人妻爽爽人人做人人澡| 欧美性爱日韩性爱| 少妇久久久| 丁香五月激情综合国产| 亚洲日本激情| 国产深夜福利| 亚洲日韩精品一区二区| 九九九国产| 欧美色乱| 日韩性爱小视频| 欧美一级黄色免费专区| 欧美91视频| 太久视频| 色色综合网站| 玖玖爱免费观看视频| 97一区二区蜜臀| 97在线亚洲| 中国国国产一级特黄毛片| 一区二区三区四区久久视1| 99久久国产精品免费高潮| 长长久久88视频| 欧美97av| 午夜男女爽爽爽在线视频| 久久亚洲天堂| 国产麻豆一级精品视频| 97超碰精品图片| 国产视频一区二区免费| ..日韩av毛片精品久久久| 欧美精品成人一区二区在线观看| 伊香蕉综合久久久久久久噜噜噜| 久久精品女同亚洲女同13| 老司机午夜福利视频一区二区| 精品国产污一区二区三区| 美女刺激久久国产欧美| 手机在线大香蕉| 中文字幕人妻丝袜乱一区三区| 熟妇一区,二区,三区。| …中文字幕亚洲乱,97人妻无码费视… | 久久一级无码精品毛片6| 日韩在线一区高清在线| 中国一级操逼视频| 美女极品一区二区三区| 夜夜影视四色| 久久色一区二区| 国产精品女aA片爽爽视频| 日少妇亚洲版| 韩国午夜理伦三级好看| 精品无码少妇| 欧美性爱一内片一区二区三区| 欧美中文字幕日韩在线| 精品无码产区一区二| 九月婷婷| 国产精品成人久久一区二区三区| 日本三级小说中文字幕| 91亚洲黑人| 99999精品成人| 熟妇高潮一区二| 久九9精品| 韩日欧亚a级| 国产精品国产精品国产| 欧美日韩午夜精品一区二区三区| 欲射影视| 中文字幕一二三av| 男人的天堂 在线一区| 日日操免费视频| 黄在线| 色婷婷丁香| 日韩性色b| av天天在线| 国产怡红院在线| 精品九九九九| 黄骗免费| 丝袜美腿欧美| 五月天我淫我色av| 天天超级碰碰碰| 天天弄欧美| 99re这里只有精品2| 久久日韩精品一区二区| 国产精品久久久久久久AV大片| 97色97好| 亚欧Av| 日本1区2区不卡视频| 欧美在线亚洲| 色哟哟av网址| 一起草av| 日韩中字av一区| 亚洲色图自拍| 日本性爱视频一级| 97最新在线播放视频| 800zy一区二区| 国产自啪精品视频网站黑丝| 亚洲无码 国产无码| 欧美成人性爱视频大全| 97色97好| 中文久久| 中日高清无码操逼视频| 天美传媒Av在线| 伊人加勒比| 亚洲免费人妻在| 日韩午夜国产| 日韩在线国产字幕| 五月婷婷性爱| 久草精品视频| 国产在线观看91精品一区| 天天做天天爱天天爽| 亚欧美综合网。| 亚洲精品国语在线播放| 久久精品人妻一区二区三区| 性饥渴少妇av无码毛片| 中文字幕乱妇免费视频| 超碰在线欧美性爱激情| 丁香五月激情综合国产| 日日干男人的天堂| 无码高清国产AV| 欧美色图偷拍另类| 91狠狠综合久久| 亚洲综合999| 97国产超湿| 欧美超碰97| 99国内精品| 国产高清成人免费视频| 男人兔费天堂| 丁香7月婷婷| 久久久久久国产无码精品| 久插综合| 亚洲AV无码秘 蜜桃臀国精产品| 91婷婷| 欧美色爱综合| 岛国成人av在线播放网址| 好吊爽好吊爽在线视频,中文字幕精品一区二区日本,国产良妇出轨视频在线观看, | 国产精品久久久久久久电影渣男| 久久人妻四季| 亚洲在线网站| 日夜久久久九九九久| 国产免费一区2区3区| 九九热免费国产视频婷婷伊人五月 | 静品嫩模一区二区| 亚洲欧美日韩不卡人妻| 欧美日韩情色一区二区| 1769一区| 日本超碰色精品| 中文字幕精品资源在线| 亚洲无码一区成人免费午夜| 欧美少妇熟女| 欧美草草高清日韩视频| 日日干日日| 久久免费少妇| www.高清无码诱惑一区.com| 日逼视频日本| 久久中文字幕人妻熟av女蜜柚| 人妻精品视频一区二区| 蜜臀99久| 九久9热| 精品毛片av一区二区| 青青草玖玖爱| 99热色精品| 久久性爱视频免费看| 国产精品视频播放| 日韩黄色一区二区三区| 亚洲久9| 中文字幕成人| a片自拍直播视频| 另类av综合久久| 亚洲综合精品国产一区| 日本色日夜干| 1204av韩国| 日本精品第一视频在'| 久久国产乱子伦精品免费女,网站| 久久久久久中文字幕中文字幕最新| 欧美性爱精品七区| 一级免费精品| 天天日日日射| 欧美一区二区亚洲天堂| 日本操逼无码| 一摸二插三插| 夜夜夜夜夜夜夜夜夜狠狠狠狠狠狠狠| 久久精品国产亚洲AV无码做| 理论久久婷婷网8| 射丝袜高跟鞋99| 蜜乳性色无码专日粉嫩骚逼AV| 日本大香蕉综合网红本杳社区| 在线天堂999| 欧亚乱色熟一区二区三四区| 国内偷自视频区视频综合| 插插综合网天天影视网| 久久精品亚洲成a人天堂| 婷婷涩嫩草鲁丝久久午夜精品| 天天舔天天日天天射| 首页亚洲国产高跟丝袜诱惑视频| 日韩激情毛片一级久久久| 日韩久射综合| 岛国999| 啊啊啊好湿国产一二| 激情啪啪拍91| 国产乱色国产精品免费视| 欧美在线中M| 丁香六月激情综合| 在线一道啪| www.大香| 91人妻熟女| 激情文学亚洲| 亚洲九九爱| 91中文精品日韩欧美在线 | AA特级绝黄| 亚洲无码超碰免费| 久久人| 久久精品一区一起草| 性性欧美| 久久夜嗨| 乱理日韩中文| 久操黄色视频| 啊啊啊操一区| 久久激情视频| 毛片电影一区二区三区| 国产女人操逼视频| 久久成人午夜精品影院| 操婢日韩| 亚洲av无码国产精品字幕| 天天综合-91入口| 成人一二三区| 淫淫综合网| 综合欧美日本三级| 日韩人妻一二三区视频| 日本熟女不卡视频| 青娱乐休闲视频在线观看| 加勒比海人人操超碰在线| 在线 欧美 亚洲| 亚洲素人网| 极品少妇99| 嗯啊免费视频| 久九干| 人人摸人人干| 好吊色一区| 啊啊啊啊二区好大| 1204av韩国| 青木玲在线不卡| 97精品久久久久中文字幕| 国产十八禁视频| 色九九综合AV| 97操97干| 一本久道久久综合狠狠爱一密臀精| 台湾佬大香蕉| 夜夜嗨视频| 欧亚无码视频| 2020中文在线一区二区三区| 日本操大逼| 手机看av网站在线看| 国产男女无套视频免费观看| 爱我干综合| 91狠| 欧色综合| 欧美青青草视频| 日本不卡免费二区| 99999国产精品| 黄色免费网| av在线免费一区二区| 亚洲女毛多水多21P| av九九| 国产精品国产自产拍高清AV| 久久久久久久久久久久黄色 | av网站免费看| 亚洲国产奇米影视久久| 精品国产久热在线观看| 久久黄黄| 9久精品视频在线观看| 尤物AV免费网站| 永久免费观看的毛片的网站| 国产毛片久久久久久久| 国模精品一区二区三区苹果色戒| 亚洲情色电影网| 伊人玖玖网| 91美女片在线| 素人一区二区三区日韩| 欧美性生活综合| 人妻精品4K4K4K4K4| 日本免费一区二区不卡| 亚洲精品九九九| 双插性欧美一二三区| 97福利视频| 国产肏屁眼视频| 大香蕉视频啪啪啪啪| 影音先锋日本乱伦| 色婷网| 久久一二三四五六七八九区区| 伊人网在线点播| 成人一级性爱| 中文高清一区二区的| 爱妻综合网| 久久综合九色综合欧洲98| 国产色呦呦| 97人亚洲综合字幕| 日韩国产十八禁| 一区二区不卡免费| 久久久久9999| 国产乱婷婷精品二区三区| 热久久无毒不卡| 天天干,夜夜爽| 91男女啊啊啊| 2026国产精品视频| 啊啊啊不要好爽日韩无码一区| 亚洲伊人久久精品影院| 日韩性爱啪啪视频| 色婷婷狠狠| 亚洲日韩黑丝| 久久久久久久久久久999| 欧美精品97| 久久精品色欧美aⅴ一区二区| 久久成年精品| 婷婷爽人人婷婷爽视频| 亚洲av无码成人精品国产| 加勒比海成人视频网| 新亚洲无码| 四虎AV在线观看| 久久天堂网| 3d成人精品一区二区| 国产精品91ai| 国产午夜福利专区综合| 天天日B狠狠操| 夜夜性| 九九黄色网| 中文字幕免费在线观看| 欧美日韩性爱无码| www.男人天堂| 黄色一区二区秘书性感| 丁香婷婷激情五月天无毒不卡 | 日日躁狠狠躁天天躁精品| 国产精品婬乱一级毛片彝族| 精品然女一区二区| 亚洲天堂五月天国产| 熟妇人妻一区二区| av亚欧| 人妻天天爽夜夜爽精品2| 狠狠超| 狼天天狼天天大香蕉| 日夜伊人网| 蜜臀久久99精品久久久老,,| 亚洲小说视频| 97电影院超碰| 国产99热| 国产精品电| 家庭乱伦国产| 920日本午夜免费| 在线看污网站| 中亚精品极乱| 五月丁香黄色网| 少妇500双飞99| 18禁中文字幕| 精品无码产区一区二| 亚洲黄网在哪免费看| 精品人妻一区二区蜜桃视频| 极品白嫩美女白浆成人福利在线看| 国产外初女出血视频| 熟女突然公开看18禁影片| 亚洲偷91色| 色播综合| aa片毛片| 国产精品视频播放| 特级毛片特黄久久免费看| 少好三P| 狠狠五月天| 立川理惠被中出无码| 欧美韩国你懂得在线| 亚洲最大AV网| 久久久人妻| 97精品视频网站| 亚洲精品无码少妇久久| 天天cao在线| 精品小视频在线| 日本日皮视频逼| 偷拍 亚洲 欧美| 啊啊啊快操我视频| 干婷婷综合网| 啊啊啊好想要| 色天欧美| 91无人区卡一卡二卡三乱码入口最新版:能让用户有更多选择的选择-经典说说-爱 | 精品无码一区二区三区色欲| 婷婷深爱五月| 欧美成人精品一区二区男人蜜臀| 91强热人妻| 免费国产视频| 精品一区96| 久精品无码av一区二免费国产在线观看 | 亚洲国产精品乱码在线观看| 中文字幕一区二区在线日韩精品| 日本布卡一区二三区| 婷婷五月天久久精品视频一区二区三区 | 久热精品在线| 极品内射| 东京热亚洲一区二区| 成年人三级黄色片视频| 久久国产精品m码| 97操在线| 99re这里只有精品中心播放 | 久久九色| 在线电影亚洲色图| 狠狠搞 亚洲91| 九月丁香| 老司机射| 蜜臀AV秘一区翔田千里| 亚洲骚逼少妇| 激情综合网一盗摄| 欧美在线色图| 嗯啊不要在线| 天天干人人看综合| 九九热精品| 9Ⅰ超碰| 欧美最婬乱婬爆婬性视频 | 亚洲欧美一区二区不卡视频播放| 欧美日韩99| 国产精品亚洲天堂网址| 免费一级视频特黄色大片| 熟妇一区二区三区| 欧美丝袜91| 中文字幕一区二区日韩网| 99热色精品| 五毛骚逼极品美女怕怕| 大JI巴好深好爽又大又粗视频| 伊人久操| 九九久久国产精品| 91亚洲人| 久草福利在线资源站| 日日干夜夜操视频h| 操一对老熟妇爽上天视频| 不卡av在线中文字幕| 久久黄黄| 欧美图片校园春色| 乱色老一区二区三区的观看方式| 精品黄色电影| 五月色网| 超碰日韩美妻| 亚洲熟女精品| 嗯~啊~快点 死我视频| 极品少妇久久久| 盗摄女人妻在线| 男女激情中文字幕| 国产精品熟女一区二区三区| 色爱三区| 日韩精品电影| 国产精品原创巨作?v网站| 偷拍伦理视频| 亚洲 欧美 第一页 | 色狠狠一区二区三区香蕉| 免费精品人妻一区二区三| 欧美性色综合网| 啊啊啊啊啊在线| 在线只有精品| 欧美日韩一二三| 国产精选三级在线观看| 熟妇激情| AV不卡在线| 一区二区视频你懂的| 日韩免费三级黄片电影| 性色avv| 国产精品视屏| 青青网三级视频| 午夜男人的天堂| 久久99久久99久久99人受| 久肏视频字幕| 青草av在线| 欧美视频一区二区三区| 亚洲精品美女久久久久久久久| 欧美中字不卡| 天天日B夜夜干B时时操B| 欧洲精品区| 日韩少妇一区二区三区| 伊人96在线| 久久精视频美日韩在线视频| 久久久久久久久久久久久女过产乱-少妇高潮一区二区三区喷水-成人AV | 超碰九九| 99热这里只有精品9| 清纯唯美激情| 精品久久視頻在线| 爱爱动态60秒| 刺激性视频黄页| 日韩精品在线放| 综合天天网| 国产无马视频| 九草九九九| 婷婷久久五月| 欧洲综合色图| 日本不卡高清免v欧美日韩在线观看| 加勒比伊人| 蜜桃臀 后入 一区 二区 三区 在线| 91福利网在线观看| 亚洲自拍欧美国产首页网曝| 一本久道在线综合视频| 色踪合AV| 久久99视频| 婷婷五月天激情四射| 国产精品情侣啪啪| 丁香九月 婷婷| 人妻无码视频一区二区三区久久| 99热只有这里有精品| 精品一区二区三区18| 情色AV电影| 色欲久久久久综合网| 国产小炒后入式| 欧美啪啪啪91| 久久久久久久久久久久久久久性生活视频 | 久久精品久| 日夜久久久九九九久| 日韩欧美国产一区二区三区四区| 91老熟女91老女人| 亚洲高潮少妇| 极品综合| 久久久天美| 日韩偷拍色图| 精品人体无圣光凹凸| 蜜汁欧美| 歐美一級亂黃99在綫精品| 岛国视频一二三区| 国产欧美另类久久久精品课程| 91n美女视频| 久久夜黄色无码A级大片| 久久久涩| 久久偷拍人| 国产精品久久久鸭无码的功能| 久草午夜| 欧美色图91p| 日本有码久久| 黄片com.| 清纯唯美亚洲| 99re在线视频国产| 日韩三级久久久| 乳欲人妻办公室奶水| 91第一页| 青娱乐手机日韩在线视频| 天天做天天爽| 伊人久久在线视频观看| 日本媚薬中文字幕在线| 久久伊人青青草| 婷婷五月天激情网| 日韩国产欧美伦理在线| 偷拍盗拍亚洲色图图片 | 嗯嗯啊啊啊啊轻点视频| 天堂九九九九九九九九九| 乱伦日本色图AⅤ| 秋霞怕怕片| 天天干人妻视频| 综合天天网| 夜夜一区二区| 懂色AV蜜臀无码精品APP| 日本伦乱九九九综合 | 老熟女阿 国产91| 国产欧美日韩臀| 人妻激情偷乱视频一区二区三区| 激情国产乱伦Av| 大JI巴好深好爽又大又粗视频| 欧美日韩97在线| 又粗又长又爽在线观看| 性91| 精品人妻一区二区蜜桃视频| 在线视频五十市| 国产欧美日韩女同性恋ww喷水精品| AA特级绝黄| 91亚洲色人| 亚洲男人天堂网| 这里只有97精品| 91黑丝操| 国产精品suv一区| 九九久久久久久爱| 丁香五月天视频| 免费看欧美美女黄色大片 | 亚洲色图伊人网| 日本日日色视频| 婷婷情色综合网| 深爱激情五月天| 久久人人爽人人爽人人片Ⅴ| 欧美日日操| 精品久久久久久AV无码| 精品视频一区二区| 四虎精品一区二区| 97伊人| 国产2.3.4区| 国产亚热在线久久| 91欧美性| 国产十八禁视频| 又摸又舔在线观看网站| 亚洲综合码| 天天摸夜夜摸| 97蜜桃综合| 北京专精特新企业招聘信息| 吻戏激情性巴克| 性吧在线视频| 丁香五月激情网| 激情开心五月天| 99无码视频| 九九在线视频| 9 9精品一区二区三区| 狠狠色综合网| 亚洲色婷婷| 丁香激情网| 精品久久一区二区三区四区五区| 99热超碰| 五月丁香激情综合| 综合熟女| 久久久精品日本一道| 中文伊人大香蕉视频| 麻豆天美国美国产| 91丝袜美腿网站| 亚洲中文字幕乱码无码一区二区| JULIA人妻风俗店中出电影| 国产视频一区二区在线| 97亚洲一区| 超碰碰97| 亚洲国内精品成人不卡| 97精品中文字幕| 亚洲极品| 亚洲中文字幕一区二区| 色妇综合网| 国产无码精品无码| 国产操伦| 五月天婷精品激情| 狠狠色婷婷7777久| 91亚洲黑人| 欧美激情另类一区二区| 精品一区二区综合熟妇| 无码少妇精品一区二区60岁老人| 久热婷婷| 国产丝袜美女诱惑| 一区二区三区四区久久视1| 国产视频大全| 亚洲中字慕不卡| 精品人妻av区天天看片| 在线毛片片免费观看| 性爱视频无打码在线观看| 国产无马视频| 任你草| 中文字幕日产av人| 亚熟hd视频在线| 亚洲成人AB| 东京热一区二区中文字幕| 乱伦一区二区三区‘| 8050午夜少妇无码| 免费夜夜爱黄色视频毛片| 亚洲色图 欧美热图 清纯唯美 另类自拍 | 青青青国产手线观看视频2| 日韩一级特黄av毛片| 色播五月丁香| 97 超碰 人人做 人人爱| 日本性一区| 97精品网| 久久夜黄色无码A级大片| 激情五月天婷婷| 人妻精品一区二区全免费| 97久久国产精品| 神马久久久久久| 两性色网| 精品国产乱码久久久久久久久1| 日韩ab网| 五月天婷婷社区| 欧美性爱日韩高清| 999岛国大片| 久久综合精品一区二区三区| 成人一级二级| 久久伊人最新网址视频| 国产亲戚伦亲在线| 北京专精特新企业招聘信息| 青青草久久| 国产色图乱伦| 殴美大黄片| 日韩人妻网站| 久热伊人| 中文字幕日韩人妻视频一区二区三区| 一区二区三区在线资源| 97精品国产精品免费观看| 亚洲在线a| 国语国产操逼伊人AV网| 香蕉99秘 精品一区丁香| 免费国产| 黄色香蕉视频网站一区| 91丨九色丨国产打屁股| 欧美少妇性乱| 九九九色| 天天色综合天天操| 天天天天天天天天综合| 亚洲 在线| 国产小u女在线观看| 99操| 99久久99久久免费精品蜜臀| 爱媛媛久久国产福利| 一区二区三区 丝袜高跟| 91狠狠综合网| 亚洲成人免费在线| 日本免费一区二区不卡| 精品小视频在线| 91综合站| 亚洲色诱惑| 欧美一品道| 小日子操bb在线看| 精品国产一区二区久久| 欧美色九九| 96久久精品一二三区色欲| 亚洲www91| a片在线播放| 国产精品青青草| 在线视频资源| 午夜国产成人福利视频| 91久久国产综合精品| 久久超碰国产一区二区三区| 七久久久| 揉揉揉夜夜| 久久精品国产72国产精品福利| 欧美A√综合网 | 天天综合欧美综合| 蜜臀av中文字幕| 欧美1区二区三区公司| 日本不卡高清免v欧美日韩在线观看| 亚洲欧美洲综合|