• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    異構(gòu)環(huán)境下基于雙重預(yù)取的Hadoop調(diào)度算法

    2016-11-17 08:56:20孫玉強王文聞李媛媛顧玉宛
    計算機測量與控制 2016年9期
    關(guān)鍵詞:異構(gòu)調(diào)度節(jié)點

    孫玉強,陸 勇,王文聞,李媛媛,顧玉宛

    (常州大學(xué) 信息科學(xué)與工程學(xué)院,江蘇 常州 213000)

    ?

    異構(gòu)環(huán)境下基于雙重預(yù)取的Hadoop調(diào)度算法

    孫玉強,陸 勇,王文聞,李媛媛,顧玉宛

    (常州大學(xué) 信息科學(xué)與工程學(xué)院,江蘇 常州 213000)

    Hadoop處理海量數(shù)據(jù)時,無論是Map任務(wù)還是Reduce任務(wù)都需要耗費大量的時間傳輸數(shù)據(jù),故提出一種基于雙重預(yù)取的調(diào)度算法;該算法通過估算節(jié)點上任務(wù)執(zhí)行的進度來預(yù)測Map任務(wù)的執(zhí)行節(jié)點,然后通知節(jié)點提前預(yù)取所需的數(shù)據(jù),并且在Map任務(wù)完成的數(shù)量達到預(yù)定值時,開始為Reduce任務(wù)預(yù)取部分數(shù)據(jù);由于在異構(gòu)的環(huán)境下集群中節(jié)點的性能各不相同,為此采取了改進的預(yù)測模型,以提高任務(wù)進度判斷的準(zhǔn)確性;實驗證明,本算法在作業(yè)響應(yīng)時間等方面優(yōu)于現(xiàn)有的調(diào)度算法。

    Hadoop;異構(gòu)環(huán)境;調(diào)度算法;雙重預(yù)取

    0 引言

    近年來,隨著計算機的普及和信息技術(shù)的快速發(fā)展,互聯(lián)網(wǎng)的使用也越來越廣泛。與此同時,互聯(lián)網(wǎng)上的數(shù)據(jù)也呈現(xiàn)出爆炸式的增長。例如,紐約證券交易所每天產(chǎn)生1TB的交易數(shù)據(jù)。FaceBook存儲著超過1億張照片,約1PB存儲容量。據(jù)預(yù)測,2015 年全球產(chǎn)生的數(shù)據(jù)量將達到近10 ZB,而2020年全球產(chǎn)生的數(shù)據(jù)量將達到40 ZB。我們已經(jīng)生活在一個大數(shù)據(jù)的時代,越來越多的公司需要面對大數(shù)據(jù)的處理問題。

    傳統(tǒng)的的解決方案存在著存儲量小、穩(wěn)定性差、耗時過長等缺點。當(dāng)前廣泛使用的大數(shù)據(jù)處理模型是由Google公司設(shè)計的MapReduce[1]編程模型。MapReduce作為并行分布式數(shù)據(jù)處理框架獲得了極大的成功。MapReduce把海量的數(shù)據(jù)計算劃分為許多小的任務(wù),并且讓它們在不同的節(jié)點上并行執(zhí)行。它隱藏了底層處理的細節(jié),為開發(fā)分布式應(yīng)用提供了簡單的編程接口。由于其具有良好的可擴展性、容錯性、可用性等特點,使得其成為近年來數(shù)據(jù)處理領(lǐng)域的研究熱點。Hadoop[2]平臺作為MapReduce的開源實現(xiàn),由于其良好的性能,已經(jīng)被Yahoo!、Amazon等公司采用。

    MapReduce的處理過程主要分為兩步。首先是執(zhí)行Map任務(wù),處理輸入數(shù)據(jù)并生成中間結(jié)果,將其存儲在本地節(jié)點。然后Reduce任務(wù)遠程讀取這些中間結(jié)果,經(jīng)過運算產(chǎn)生最終的輸出結(jié)果。任務(wù)的執(zhí)行需要調(diào)度器將用戶作業(yè)隊列中的任務(wù)分配給相應(yīng)的節(jié)點,調(diào)度算法的優(yōu)劣對于系統(tǒng)的性能起著至關(guān)重要的作用。為此,大量的學(xué)者對Hadoop的調(diào)度算法做了相關(guān)的研究。

    常見的Hadoop調(diào)度算法有FIFO[3]調(diào)度,HOD[4]調(diào)度,公平調(diào)度[5]等算法。陶永才等人提出基于動態(tài)負載均衡的Hadoop動態(tài)延遲調(diào)度機制[6],金嘉暉等人提出基于數(shù)據(jù)中心負載分析的自適應(yīng)延遲調(diào)度算法[7],兩種方法均提高了作業(yè)的響應(yīng)時間,但都沒有考慮節(jié)點的異構(gòu)性。M Zaharia等人針對異構(gòu)環(huán)境提出推測任務(wù)剩余時間的LATE[8]算法,李麗英等人基于LATE算法提出數(shù)據(jù)局部性改進的調(diào)度算法[9]。但上述算法都缺乏對數(shù)據(jù)預(yù)取方面的考慮。本文提出異構(gòu)環(huán)境下基于雙重預(yù)取的Hadoop調(diào)度算法,以提高作業(yè)的執(zhí)行效率。

    1 MapReduce框架分析及問題的提出

    如圖1所示,MapReduce中任務(wù)的執(zhí)行分為Map和Reduce兩個階段。在用戶提交了一個作業(yè)后,輸入數(shù)據(jù)被劃分為多個數(shù)據(jù)塊(默認為64 M),每個數(shù)據(jù)塊對應(yīng)一個Map任務(wù)。Map任務(wù)對輸入進行處理生成對作為中間結(jié)果。當(dāng)所有的Map任務(wù)執(zhí)行完成之后,Map輸出的中間結(jié)果交給Reduce任務(wù)執(zhí)行。Reduce任務(wù)可以分為三步。首先執(zhí)行Reduce任務(wù)的節(jié)點讀取中間結(jié)果,然后根據(jù)key進行排序,最后調(diào)用用戶編寫的Reduce函數(shù)執(zhí)行并輸出最終結(jié)果。

    圖1 MapReduce框架

    Hadoop集群中有一個JobTracker負責(zé)調(diào)度作業(yè)運行。當(dāng)JobTracker收到客戶端提交的作業(yè)后,就把它放在一個隊列中。調(diào)度器為其創(chuàng)建相應(yīng)的Map和Reduce任務(wù)。其余的節(jié)點作為TaskTracker負責(zé)具體任務(wù)的執(zhí)行并且通過心跳信號(heartbeat)與JobTracker進行通信。當(dāng)某個TaskTracker有空閑資源時,就會向JobTracker請求新的任務(wù),此時調(diào)度器會給這個節(jié)點分配一個Map或者Reduce任務(wù)。

    通過分析MapReduce的執(zhí)行流程可以發(fā)現(xiàn),Map任務(wù)執(zhí)行前如果沒有取到相應(yīng)的數(shù)據(jù),會先遠程讀取所需要的數(shù)據(jù)。如果數(shù)據(jù)量非常大,那么Map任務(wù)的數(shù)量也較多,并且它們分布在集群中不同的節(jié)點執(zhí)行,這將導(dǎo)致大量的數(shù)據(jù)傳輸開銷。另外,Reduce階段要等到所有的Map任務(wù)執(zhí)行結(jié)束后才開始,并且同樣需要傳輸大量數(shù)據(jù)。這些都會耗費大量的時間。

    針對以上問題,本文將采用改進的調(diào)度算法,通過雙重數(shù)據(jù)預(yù)取的方式來減少任務(wù)執(zhí)行時讀取數(shù)據(jù)的時間,提升Hadoop的執(zhí)行效率。

    2 改進的算法

    本文提出的改進算法從兩方面進行數(shù)據(jù)的預(yù)取。

    1)在節(jié)點分配Map任務(wù)之前,通過預(yù)測模型找出最快即將完成任務(wù)的節(jié)點,通知相應(yīng)的節(jié)點進行下次Map任務(wù)所需數(shù)據(jù)的預(yù)取。

    2)在所有Map任務(wù)完成之前,即將進行Reduce任務(wù)的節(jié)點對Map任務(wù)已經(jīng)生成的中間數(shù)據(jù)進行預(yù)取。

    2.1 Map任務(wù)的數(shù)據(jù)預(yù)取

    在MapReduce中,當(dāng)一個節(jié)點被分配Map任務(wù)后,首先要獲取任務(wù)所需要的輸入數(shù)據(jù)。在最好的情況下,運行的任務(wù)和需要的數(shù)據(jù)在同一個節(jié)點上,則稱其滿足數(shù)據(jù)本地性,否則需要從遠程節(jié)點進行讀取。為了減少數(shù)據(jù)讀取的時間,可采用數(shù)據(jù)預(yù)取的方式,使得當(dāng)前任務(wù)的執(zhí)行與下次任務(wù)數(shù)據(jù)的傳輸并行執(zhí)行。

    具體步驟如下:

    1)TaskTracker節(jié)點檢查其正在執(zhí)行的任務(wù),推測出任務(wù)結(jié)束還需要的剩余時間,并通知JobTracker節(jié)點。

    2)JobTracker節(jié)點生成一個預(yù)調(diào)度節(jié)點隊列PreNodes,并且設(shè)定一個閾值MapThreshold,把剩余時間低于閾值的節(jié)點加入隊列。時間越短的在隊列中的位置越靠前。

    3)JobTracker從任務(wù)隊列中取出即將調(diào)度的任務(wù),預(yù)先將其分配給隊列中最前面的節(jié)點,并且通知其預(yù)取相應(yīng)的數(shù)據(jù)。

    4)接收到預(yù)取數(shù)據(jù)任務(wù)的節(jié)點開始預(yù)取下一次Map任務(wù)的數(shù)據(jù)。

    首先,為了讓節(jié)點推測出任務(wù)執(zhí)行需要的剩余時間,就需要一個推測模型。Hadoop根據(jù)任務(wù)的執(zhí)行進度判斷任務(wù)執(zhí)行的快慢。但是在異構(gòu)的環(huán)境下,每個節(jié)點的CPU、內(nèi)存以及I/O性能都不一樣,因此上述方法并不適用于判斷任務(wù)的剩余完成時間。目前有一種針對異構(gòu)環(huán)境的LATE算法,其核心思想是通過執(zhí)行進度判斷任務(wù)的速率進而推算出任務(wù)的剩余完成時間,這正符合我們的目的。

    LATE算法的計算公式如下所示:

    (1)

    (2)

    其中:ProgressScore是任務(wù)執(zhí)行的進度,量化為百分比。T是任務(wù)已經(jīng)運行的時間,TimeRemain是任務(wù)完成需要的剩余時間。

    ProgressScore的值基于任務(wù)執(zhí)行的階段。在此處我們僅僅關(guān)注Map任務(wù),Map任務(wù)的執(zhí)行被劃分為兩個子階段:1)Map函數(shù)執(zhí)行,占2/3;2)sort和partition階段,占1/3。但是由于在異構(gòu)環(huán)境下節(jié)點差異較大,任務(wù)執(zhí)行的各階段比例也會有所不同,所以采用固定的劃分方式并不合理。為此,本算法在TaskTracker執(zhí)行Map任務(wù)時,把各階段的比例信息保存在磁盤中。下次執(zhí)行任務(wù)前,首先讀取應(yīng)用的歷史執(zhí)行信息,動態(tài)確定各階段的比例,使得每個節(jié)點都能得到更準(zhǔn)確的進度值。ProgressScore與運行時間T的比值則為當(dāng)前任務(wù)的速率ProgressRate,用任務(wù)剩余進度除以速率則可以估算出任務(wù)完成需要的時間。

    為了實現(xiàn)預(yù)取數(shù)據(jù)的保存,TaskTracker節(jié)點必須做相應(yīng)的改進。鑒于目前節(jié)點的內(nèi)存都比較大,可直接把數(shù)據(jù)預(yù)取到內(nèi)存中,加快Map任務(wù)的執(zhí)行速度。為此,把節(jié)點的內(nèi)存劃分為兩部分。一部分存放當(dāng)前任務(wù)的數(shù)據(jù),另一部分用于存放下次Map任務(wù)的數(shù)據(jù)。當(dāng)前任務(wù)結(jié)束后,其所使用的數(shù)據(jù)空間將用于下次任務(wù)預(yù)取數(shù)據(jù)的存儲,而當(dāng)前的預(yù)取數(shù)據(jù)將成為下次任務(wù)的輸入數(shù)據(jù)。這兩部分空間輪換使用,從而達到數(shù)據(jù)預(yù)取的目的。

    如圖2所示,當(dāng)JobTracker節(jié)點預(yù)判到map6這個任務(wù)即將在節(jié)點1執(zhí)行時,就會給節(jié)點1下達預(yù)取指令,于是節(jié)點1從節(jié)點2開始傳輸map6所需的輸入數(shù)據(jù)。

    圖2 數(shù)據(jù)預(yù)取模型

    該預(yù)取算法偽代碼描述如下:

    for each map in TaskTracker do

    TimeRemain = (1-ProgressScore)/ ProgressRate

    endfor

    sort(nodes)

    if nodes.TimeRemain < MapThreshold then

    queue.offer(nodes)

    end if

    for maps in job queue do

    nodes ← map //把map任務(wù)分配給node節(jié)點

    if nodes沒有map任務(wù)的數(shù)據(jù)then

    nodes begin data perfecting;

    endif

    end for

    2.2 Reduce任務(wù)的數(shù)據(jù)預(yù)取

    Reduce任務(wù)必須等到所有的Map任務(wù)執(zhí)行完成之后才開始執(zhí)行,第一步是從相應(yīng)的節(jié)點將Map生成的中間結(jié)果進行拷貝,一樣需要數(shù)據(jù)傳輸?shù)拈_銷。為此,同樣對Reduce任務(wù)進行數(shù)據(jù)的預(yù)取。

    Redecue任務(wù)的數(shù)據(jù)預(yù)取與Map任務(wù)的預(yù)取相似,但不同的是由于Reduce任務(wù)的輸入數(shù)據(jù)來源于Map任務(wù)的輸出,所以其數(shù)據(jù)預(yù)取不能依靠當(dāng)前節(jié)點Reduce任務(wù)的剩余時間。本算法采取的策略是,利用式(3)計算已完成任務(wù)的Map數(shù)量與Map任務(wù)的總數(shù)量之比。當(dāng)比值達到一個設(shè)定的閾值ReduceThreshold之后,即開始為Reduce任務(wù)進行預(yù)取。

    (3)

    其中:MapNumsfinished為已完成的Map任務(wù)數(shù),MapNumstotal為Map任務(wù)總數(shù)量。

    在為Reduce任務(wù)預(yù)取中間結(jié)果的時候,可能會出現(xiàn)多個節(jié)點同時從相同的輸出結(jié)果預(yù)取數(shù)據(jù),由此造成I/O資源的競爭,降低了預(yù)取的效率。為了解決這個問題,采用沖突檢測的方式來為Reduce任務(wù)預(yù)取數(shù)據(jù)。當(dāng)某個Reduce任務(wù)預(yù)取的數(shù)據(jù)所在節(jié)點已經(jīng)有其它任務(wù)正在預(yù)取時,則先跳過這部分數(shù)據(jù),轉(zhuǎn)而預(yù)取其他節(jié)點上的所需數(shù)據(jù)。如果所有的節(jié)點都被其他任務(wù)占用,則等待一段時間再發(fā)起預(yù)取請求。等待時間設(shè)定如下:

    (4)

    (5)

    式(4)中Datafinished是已經(jīng)預(yù)取的數(shù)據(jù),Datatotal是需要預(yù)取的數(shù)據(jù)總量,Ratedata則為任務(wù)的數(shù)據(jù)預(yù)取率。TIME是一個時間常數(shù),表示集群中傳輸一個數(shù)據(jù)塊所用時間。WaitingTime則是等待時間,與數(shù)據(jù)預(yù)取率成正比。數(shù)據(jù)預(yù)取率較高的,等待時間也較長,以保證各Reduce任務(wù)均衡預(yù)取。

    由于隨著時間的推移,Map任務(wù)完成的數(shù)量越來越多,所以需要循環(huán)地探測執(zhí)行Map任務(wù)的節(jié)點,獲取更多地數(shù)據(jù)。該過程算法偽代碼描述如下:

    whileRate

    Rate=MapNumsfinished/MapNumstotal

    endwhile

    while!(allmapshasfinashed)do

    foreachnodeinNodesWithReduceTaskdo

    iftaskneedsmoredatado

    prefectchingdata

    if預(yù)取沖突then

    WaitingTime=rate*TIME//等待

    endif

    endif

    endfor

    endwhile

    3 實驗

    本實驗采用虛擬機的方式搭建異構(gòu)環(huán)境,各PC機采用 100M的局域網(wǎng)互聯(lián)。虛擬機使用VMwareworkstation10.0安裝的CentOs6.5 32位系統(tǒng)。JDK版本為1.7.0_45,Hadoop版本為0.20.1。具體集群配置如表1所示。

    表1 Hadoop集群環(huán)境配置

    實驗中選取的任務(wù)是Sort和WordCount。因為這些任務(wù)涉及到大量數(shù)據(jù)的傳輸,有利于比較算法之間的差異。在HDFS中數(shù)據(jù)塊設(shè)為默認的64 M,且每個數(shù)據(jù)塊保存2個副本。圖3(a)和圖3(b)分別是Map任務(wù)和Reduce任務(wù)的數(shù)據(jù)本地性比較。

    圖3 任務(wù)數(shù)據(jù)本地性對比

    通過圖3可以看出,相比于傳統(tǒng)的無數(shù)據(jù)預(yù)取的FIFO算法,執(zhí)行數(shù)據(jù)預(yù)取之后的Map任務(wù)和Reduce任務(wù)的數(shù)據(jù)本地性都得到極大提高。當(dāng)然,對于作業(yè)執(zhí)行效率的分析最重要的是響應(yīng)時間。對上述任務(wù)設(shè)定不同的數(shù)據(jù)量多次執(zhí)行后得到圖4的響應(yīng)時間圖。從圖中可以推算出,通過雙重的數(shù)據(jù)預(yù)取后作業(yè)的響應(yīng)時間提升了大約18%。

    圖4 作業(yè)響應(yīng)時間對比

    4 總結(jié)

    針對Hadoop作業(yè)執(zhí)行時的數(shù)據(jù)本地性問題,本文提出基于雙重預(yù)取的調(diào)度算法。通過預(yù)測任務(wù)的執(zhí)行節(jié)點,為Map任務(wù)預(yù)取所需的數(shù)據(jù)。在Map任務(wù)完成了一定數(shù)量后,預(yù)先為Reduce任務(wù)拷貝Map已經(jīng)生成的中間結(jié)果,解決了Reduce任務(wù)的遠程調(diào)度問題。另外,算法充分考慮異構(gòu)環(huán)境下節(jié)點性能的差異,采用改進的LATE算法以便更準(zhǔn)確地判斷任務(wù)的執(zhí)行進度。實驗證明,使用數(shù)據(jù)預(yù)取有效提高了作業(yè)的響應(yīng)時間。

    [1] Dean J, Ghemawat S. MapReduce: simplified data processing on large clusters[J].Commun. ACM 51 (1) (2008) 107-113.

    [2] White T. Hadoop: The Definitive Guide[Z]. O’Reilly Media,Inc., 2009.

    [3] HADOOP-3759: Provide ability to run memory intensive jobs without affecting other running tasks on the nodes[EB/0L].https://issues.apache.org/jira/browse/HADOOP-3759.

    [4] Apache. Hadoop On Demand[DB/OL]. http://hadoop.apache.org/common/does/r0.17.2/hod. html, 2008,20(8).

    [5] Zaharia M,Borthakur D,Sarma J S,et al.Job Scheduling for Multi-user MapReduce Clusters[R].EECS-2009—55.April 2009.

    [6] 陶永才,李文潔,石 磊,等.基于負載均衡的Hadoop動態(tài)延遲調(diào)度機制[J].小型微型計算機系統(tǒng),2015,3(3):445-449.

    [7] 金嘉暉,羅軍舟,宋愛波,等.基于數(shù)據(jù)中心負載分析的自適應(yīng)延遲調(diào)度算法[J].通信學(xué)報,2011,32(7):47-56.

    [8] Zaharia M, Konwinski A, et al. Improving mapreduce performance in heterogeneous environments[A].Proc of USENIX conference on Operating systems design and implementation[C].Berkeley:USENIX Association,2008:29-42.

    [9] 李麗英,唐 卓,李仁發(fā).基于LATE的Hadoop數(shù)據(jù)局部性改進調(diào)度算法[J].計算機科學(xué),2011(11):67-70.

    Scheduling Algorithm Based on Double Prefetching in Heterogeneous Hadoop Clusters

    Sun Yuqiang, Lu Yong, Wang Wenwen, Li Yuanyuan, Gu Yuwan

    (School of Information Science & Engineering, Changzhou University, Changzhou 213000,China)

    When Hadoop processing huge amounts of data, both in the Map tasks and Reduce tasks requires a lot of time to transfer data. This paper presents a scheduling algorithm based on double prefetching, the algorithm predicts the node which will execute the Map task by estimating the progress of running tasks, so that the node can prefetch required data for Map tasks. Moreover, the system can also prefetch the data for Reduce tasks while Map tasks are running. Due to the performance of the cluster nodes in heterogeneous environment are not identical, the algorithm adopts an improved prediction model to improve the accuracy of the judgment of task progress. Experiments show that the algorithm is superior to the existing scheduling algorithm with less response time.

    Hadoop;heterogeneous;scheduling algotithm;double prefetching

    2016-02-29;

    2016-04-25。

    國家自然科學(xué)基金項目(11271057);江蘇省普通高校研究生科研創(chuàng)新計劃項目(SCZ1412800004)。

    孫玉強(1956-),男,博士,教授,主要從事并行計算、軟件工程方向的研究。

    顧玉宛,女,博士生,通訊聯(lián)系人,主要從事并行計算和圖像處理方向的研究。

    1671-4598(2016)09-0172-04

    10.16526/j.cnki.11-4762/tp.2016.09.048

    TP3

    A

    猜你喜歡
    異構(gòu)調(diào)度節(jié)點
    CM節(jié)點控制在船舶上的應(yīng)用
    試論同課異構(gòu)之“同”與“異”
    Analysis of the characteristics of electronic equipment usage distance for common users
    基于AutoCAD的門窗節(jié)點圖快速構(gòu)建
    《調(diào)度集中系統(tǒng)(CTC)/列車調(diào)度指揮系統(tǒng)(TDCS)維護手冊》正式出版
    一種基于負載均衡的Kubernetes調(diào)度改進算法
    虛擬機實時遷移調(diào)度算法
    overlay SDN實現(xiàn)異構(gòu)兼容的關(guān)鍵技術(shù)
    LTE異構(gòu)網(wǎng)技術(shù)與組網(wǎng)研究
    抓住人才培養(yǎng)的關(guān)鍵節(jié)點
    成年女人毛片免费观看观看9| 午夜激情av网站| 波多野结衣一区麻豆| 久久久久国产一级毛片高清牌| 精品卡一卡二卡四卡免费| 黄网站色视频无遮挡免费观看| 日韩精品免费视频一区二区三区| 亚洲精品中文字幕一二三四区| 精品一区二区三区四区五区乱码| 国产在线精品亚洲第一网站| 成人特级黄色片久久久久久久| 一区二区日韩欧美中文字幕| 69av精品久久久久久| 成人国语在线视频| 脱女人内裤的视频| 亚洲一区二区三区不卡视频| 精品国产一区二区久久| 国产不卡一卡二| 另类亚洲欧美激情| 亚洲av美国av| 19禁男女啪啪无遮挡网站| 中文字幕人妻丝袜一区二区| 宅男免费午夜| 国产一卡二卡三卡精品| videosex国产| 国产三级黄色录像| 亚洲第一青青草原| 久久亚洲精品不卡| 国产不卡一卡二| 日韩三级视频一区二区三区| 久久中文字幕一级| 麻豆av在线久日| 热99re8久久精品国产| 国产精品久久电影中文字幕| 黄色片一级片一级黄色片| 在线观看日韩欧美| 国产色视频综合| 午夜老司机福利片| 老司机午夜福利在线观看视频| 国产精品永久免费网站| 一级毛片精品| 亚洲自偷自拍图片 自拍| 久久香蕉精品热| 婷婷精品国产亚洲av在线| 亚洲精品久久成人aⅴ小说| 国产一区二区激情短视频| 欧美在线一区亚洲| 欧美日韩福利视频一区二区| 精品午夜福利视频在线观看一区| 人人妻人人添人人爽欧美一区卜| 日韩免费高清中文字幕av| 亚洲中文字幕日韩| 乱人伦中国视频| 精品久久久久久久久久免费视频 | aaaaa片日本免费| 欧美日韩视频精品一区| 日韩高清综合在线| 亚洲人成伊人成综合网2020| 日本三级黄在线观看| 中文字幕av电影在线播放| 9热在线视频观看99| 免费在线观看影片大全网站| 国产一区在线观看成人免费| 久久精品影院6| 亚洲国产精品一区二区三区在线| 欧美乱妇无乱码| 久久精品国产99精品国产亚洲性色 | 精品久久久久久,| 国产精品av久久久久免费| 操美女的视频在线观看| 手机成人av网站| 日本 av在线| 久久天躁狠狠躁夜夜2o2o| 在线播放国产精品三级| 成人特级黄色片久久久久久久| 99热只有精品国产| 欧美日韩福利视频一区二区| 欧美 亚洲 国产 日韩一| 成人三级黄色视频| 国产黄色免费在线视频| 窝窝影院91人妻| 男人舔女人的私密视频| 亚洲七黄色美女视频| 久久久久国产一级毛片高清牌| 欧美激情久久久久久爽电影 | 国产成人精品久久二区二区91| 精品久久蜜臀av无| 亚洲人成网站在线播放欧美日韩| 91精品三级在线观看| 欧美日韩福利视频一区二区| 在线观看舔阴道视频| 亚洲美女黄片视频| 最近最新免费中文字幕在线| 淫妇啪啪啪对白视频| 真人一进一出gif抽搐免费| 一级毛片精品| 丰满饥渴人妻一区二区三| 亚洲 国产 在线| 国产片内射在线| 日本撒尿小便嘘嘘汇集6| 久久影院123| 久久人妻av系列| 99久久99久久久精品蜜桃| 韩国av一区二区三区四区| 黄色成人免费大全| 18禁观看日本| 精品久久久久久,| 亚洲欧美一区二区三区黑人| 狂野欧美激情性xxxx| 一本大道久久a久久精品| 亚洲专区国产一区二区| 国产又色又爽无遮挡免费看| 国产一区在线观看成人免费| 成在线人永久免费视频| 日韩欧美免费精品| 精品熟女少妇八av免费久了| 正在播放国产对白刺激| 日韩免费高清中文字幕av| 国产在线观看jvid| 美女高潮到喷水免费观看| 黄色视频不卡| 99在线视频只有这里精品首页| 50天的宝宝边吃奶边哭怎么回事| 成人18禁高潮啪啪吃奶动态图| 亚洲成人免费电影在线观看| 神马国产精品三级电影在线观看 | 中文字幕人妻丝袜一区二区| 亚洲五月天丁香| aaaaa片日本免费| 欧美日韩一级在线毛片| 多毛熟女@视频| 又黄又粗又硬又大视频| 国产精品一区二区精品视频观看| 色哟哟哟哟哟哟| 久久国产精品影院| 欧美午夜高清在线| 精品国产乱码久久久久久男人| 精品久久久久久电影网| 国产精品一区二区在线不卡| 香蕉久久夜色| 亚洲成人久久性| 中文欧美无线码| 久9热在线精品视频| 我的亚洲天堂| 亚洲欧美日韩另类电影网站| 久久久久国产一级毛片高清牌| 亚洲av第一区精品v没综合| 嫁个100分男人电影在线观看| √禁漫天堂资源中文www| 日本 av在线| 久久99一区二区三区| 男人操女人黄网站| 国产精品秋霞免费鲁丝片| 一本大道久久a久久精品| 日韩精品免费视频一区二区三区| 一边摸一边抽搐一进一小说| 伦理电影免费视频| 亚洲中文字幕日韩| 热re99久久精品国产66热6| 午夜精品国产一区二区电影| 国产亚洲欧美在线一区二区| 麻豆国产av国片精品| 成人亚洲精品av一区二区 | 热99国产精品久久久久久7| 老汉色∧v一级毛片| avwww免费| 99国产综合亚洲精品| bbb黄色大片| 99精品在免费线老司机午夜| 成人特级黄色片久久久久久久| 国产又色又爽无遮挡免费看| 香蕉丝袜av| 亚洲人成伊人成综合网2020| 国产激情欧美一区二区| 亚洲精品中文字幕在线视频| 国产一卡二卡三卡精品| 久久天躁狠狠躁夜夜2o2o| 精品日产1卡2卡| 在线观看舔阴道视频| 黄色 视频免费看| 日韩欧美免费精品| 久久国产精品人妻蜜桃| 美女午夜性视频免费| 成年人黄色毛片网站| 日韩免费高清中文字幕av| 亚洲精品一二三| 美女 人体艺术 gogo| 欧美日韩av久久| 国产一区二区在线av高清观看| 久久久久国产一级毛片高清牌| 动漫黄色视频在线观看| 久久中文字幕人妻熟女| 免费在线观看日本一区| 亚洲国产看品久久| 久久这里只有精品19| 午夜激情av网站| 国产亚洲欧美在线一区二区| 丰满迷人的少妇在线观看| av天堂在线播放| 丝袜人妻中文字幕| 欧美 亚洲 国产 日韩一| 欧美黑人欧美精品刺激| 十分钟在线观看高清视频www| 精品少妇一区二区三区视频日本电影| 丝袜美腿诱惑在线| 久久 成人 亚洲| 午夜a级毛片| 精品熟女少妇八av免费久了| 亚洲三区欧美一区| 国产一区二区三区综合在线观看| 日本vs欧美在线观看视频| 曰老女人黄片| 91成年电影在线观看| 国产av一区在线观看免费| 国产深夜福利视频在线观看| 欧美精品一区二区免费开放| 午夜激情av网站| 久久精品人人爽人人爽视色| 50天的宝宝边吃奶边哭怎么回事| av视频免费观看在线观看| 国产成人一区二区三区免费视频网站| 妹子高潮喷水视频| 久久天躁狠狠躁夜夜2o2o| 9191精品国产免费久久| 19禁男女啪啪无遮挡网站| 多毛熟女@视频| 亚洲伊人色综图| 十八禁人妻一区二区| 91九色精品人成在线观看| 久久精品国产清高在天天线| 成人亚洲精品av一区二区 | 桃色一区二区三区在线观看| 三上悠亚av全集在线观看| 亚洲一码二码三码区别大吗| 搡老熟女国产l中国老女人| 国产精品免费一区二区三区在线| 一级片'在线观看视频| 午夜视频精品福利| 十八禁人妻一区二区| 老司机深夜福利视频在线观看| 国产精品二区激情视频| 亚洲精品国产色婷婷电影| 欧美日本亚洲视频在线播放| 无人区码免费观看不卡| 少妇 在线观看| 叶爱在线成人免费视频播放| 两个人看的免费小视频| 精品久久久久久,| 亚洲色图 男人天堂 中文字幕| 欧美 亚洲 国产 日韩一| 亚洲精品粉嫩美女一区| av天堂久久9| 搡老岳熟女国产| 一进一出抽搐动态| 日韩中文字幕欧美一区二区| 母亲3免费完整高清在线观看| 色综合婷婷激情| 美女高潮喷水抽搐中文字幕| 男女高潮啪啪啪动态图| 精品一区二区三卡| 在线av久久热| 人人妻,人人澡人人爽秒播| 嫁个100分男人电影在线观看| 热99国产精品久久久久久7| 亚洲中文av在线| 久久午夜综合久久蜜桃| 国产精品久久久人人做人人爽| 桃色一区二区三区在线观看| 中国美女看黄片| 日日夜夜操网爽| 一进一出好大好爽视频| 欧洲精品卡2卡3卡4卡5卡区| 黄色 视频免费看| 亚洲熟妇中文字幕五十中出 | 视频区欧美日本亚洲| 国产免费现黄频在线看| 亚洲五月婷婷丁香| 精品久久久久久久久久免费视频 | 日韩欧美一区二区三区在线观看| 久久久国产精品麻豆| 最近最新免费中文字幕在线| 一进一出抽搐动态| 午夜成年电影在线免费观看| 久久国产亚洲av麻豆专区| 精品福利观看| 亚洲av成人不卡在线观看播放网| 亚洲片人在线观看| 久久久久久久午夜电影 | 在线观看免费高清a一片| 亚洲全国av大片| 99国产综合亚洲精品| 亚洲第一欧美日韩一区二区三区| 成人特级黄色片久久久久久久| 亚洲精品美女久久av网站| 日本一区二区免费在线视频| 色老头精品视频在线观看| 日韩欧美一区二区三区在线观看| bbb黄色大片| 成人永久免费在线观看视频| 丰满的人妻完整版| bbb黄色大片| 无限看片的www在线观看| 男女下面进入的视频免费午夜 | 别揉我奶头~嗯~啊~动态视频| 精品久久蜜臀av无| 亚洲欧美精品综合一区二区三区| 久久精品影院6| 狂野欧美激情性xxxx| 国产伦一二天堂av在线观看| av视频免费观看在线观看| 波多野结衣一区麻豆| 国产1区2区3区精品| 久久久国产欧美日韩av| 久久久久久久精品吃奶| 夫妻午夜视频| 日韩中文字幕欧美一区二区| 国产精品日韩av在线免费观看 | 又大又爽又粗| 国产1区2区3区精品| 欧美在线黄色| 这个男人来自地球电影免费观看| 久久久久久久久免费视频了| 日本五十路高清| av超薄肉色丝袜交足视频| 高潮久久久久久久久久久不卡| av中文乱码字幕在线| 亚洲国产欧美一区二区综合| 91老司机精品| 亚洲伊人色综图| 欧美成狂野欧美在线观看| 久久国产精品影院| 日韩人妻精品一区2区三区| 欧美精品啪啪一区二区三区| 高清黄色对白视频在线免费看| 亚洲一区二区三区不卡视频| 欧美激情高清一区二区三区| 免费在线观看视频国产中文字幕亚洲| 国产三级黄色录像| 久久久国产一区二区| 老司机亚洲免费影院| 搡老岳熟女国产| a级毛片在线看网站| 制服人妻中文乱码| 亚洲专区中文字幕在线| 男女之事视频高清在线观看| av天堂久久9| 国产成人精品久久二区二区免费| 水蜜桃什么品种好| 成年人免费黄色播放视频| 亚洲免费av在线视频| 在线观看免费视频日本深夜| 欧美日韩中文字幕国产精品一区二区三区 | 91字幕亚洲| 免费搜索国产男女视频| 中文字幕av电影在线播放| 男女下面进入的视频免费午夜 | www日本在线高清视频| a级片在线免费高清观看视频| 丝袜人妻中文字幕| 国产免费现黄频在线看| 狂野欧美激情性xxxx| 一级a爱视频在线免费观看| 亚洲精品国产精品久久久不卡| 校园春色视频在线观看| 日本免费一区二区三区高清不卡 | 天天躁狠狠躁夜夜躁狠狠躁| 一边摸一边抽搐一进一小说| 窝窝影院91人妻| 18禁观看日本| 最近最新中文字幕大全免费视频| 成人18禁在线播放| 97碰自拍视频| 亚洲欧美一区二区三区黑人| 天堂影院成人在线观看| 神马国产精品三级电影在线观看 | www.精华液| 国产亚洲精品第一综合不卡| 日本vs欧美在线观看视频| 亚洲 国产 在线| 美女 人体艺术 gogo| 神马国产精品三级电影在线观看 | 日本 av在线| 日韩欧美在线二视频| 精品人妻在线不人妻| av网站在线播放免费| 在线观看一区二区三区| 免费av中文字幕在线| 一区二区日韩欧美中文字幕| 国产aⅴ精品一区二区三区波| 欧美午夜高清在线| xxx96com| 欧美激情极品国产一区二区三区| 国产精品野战在线观看 | 国产精品国产高清国产av| 在线看a的网站| 亚洲一区中文字幕在线| 麻豆av在线久日| 久久国产精品影院| 欧美成狂野欧美在线观看| 黄色 视频免费看| 精品熟女少妇八av免费久了| 久久久久久人人人人人| 又大又爽又粗| 搡老熟女国产l中国老女人| 每晚都被弄得嗷嗷叫到高潮| 国产成人精品久久二区二区免费| 最好的美女福利视频网| 亚洲国产精品一区二区三区在线| 国产精品一区二区免费欧美| 天天躁狠狠躁夜夜躁狠狠躁| 成人黄色视频免费在线看| 女性被躁到高潮视频| 国产精品日韩av在线免费观看 | 午夜老司机福利片| 黄网站色视频无遮挡免费观看| 亚洲欧美一区二区三区黑人| 看片在线看免费视频| 免费在线观看完整版高清| 精品欧美一区二区三区在线| 日韩精品青青久久久久久| 久久精品亚洲av国产电影网| 欧美不卡视频在线免费观看 | 国产精品永久免费网站| 欧美黑人欧美精品刺激| 热re99久久国产66热| 久久中文字幕一级| 国产乱人伦免费视频| 亚洲一区二区三区欧美精品| 黄色 视频免费看| 人人妻人人澡人人看| 精品人妻1区二区| 可以免费在线观看a视频的电影网站| 男女下面进入的视频免费午夜 | a在线观看视频网站| 身体一侧抽搐| 免费不卡黄色视频| 美女午夜性视频免费| 国产av一区在线观看免费| 亚洲成av片中文字幕在线观看| 一级毛片精品| 黄频高清免费视频| 国产视频一区二区在线看| 欧美成狂野欧美在线观看| 91字幕亚洲| 国产精品亚洲av一区麻豆| 国产真人三级小视频在线观看| 国产精品永久免费网站| 国产一区二区三区综合在线观看| av天堂在线播放| 男人操女人黄网站| 免费看a级黄色片| 老司机福利观看| 男女做爰动态图高潮gif福利片 | 国产熟女xx| 18禁美女被吸乳视频| 亚洲专区国产一区二区| 亚洲一卡2卡3卡4卡5卡精品中文| 国产男靠女视频免费网站| 精品欧美一区二区三区在线| 欧美老熟妇乱子伦牲交| 男男h啪啪无遮挡| 久久中文字幕一级| 一级黄色大片毛片| 国产欧美日韩综合在线一区二区| 国产在线观看jvid| 久久人妻av系列| 色综合站精品国产| 又黄又爽又免费观看的视频| 黄片大片在线免费观看| 欧美+亚洲+日韩+国产| 国产精品亚洲av一区麻豆| 婷婷六月久久综合丁香| av国产精品久久久久影院| 嫩草影院精品99| 欧美不卡视频在线免费观看 | 亚洲伊人色综图| 成人三级做爰电影| 99热只有精品国产| 久久国产亚洲av麻豆专区| 一夜夜www| 又紧又爽又黄一区二区| 一级作爱视频免费观看| 天天影视国产精品| 精品久久久久久久久久免费视频 | 91大片在线观看| 国产欧美日韩精品亚洲av| 国产日韩一区二区三区精品不卡| 精品国产美女av久久久久小说| √禁漫天堂资源中文www| 一级a爱片免费观看的视频| 在线av久久热| 大陆偷拍与自拍| 国产日韩一区二区三区精品不卡| 宅男免费午夜| 国产在线精品亚洲第一网站| 99精品欧美一区二区三区四区| 久久国产精品人妻蜜桃| 亚洲av美国av| 日韩大尺度精品在线看网址 | 亚洲狠狠婷婷综合久久图片| 亚洲午夜理论影院| 国产av精品麻豆| 国产亚洲精品一区二区www| 成在线人永久免费视频| 日韩免费高清中文字幕av| 中文字幕另类日韩欧美亚洲嫩草| 一本大道久久a久久精品| 欧美日韩乱码在线| 国产免费男女视频| 久久99一区二区三区| 美女国产高潮福利片在线看| 久久亚洲真实| 麻豆成人av在线观看| 日韩高清综合在线| 国产99白浆流出| 中文字幕人妻熟女乱码| 国产一区在线观看成人免费| 精品国内亚洲2022精品成人| 国产成人精品久久二区二区91| 欧美亚洲日本最大视频资源| 欧美一级毛片孕妇| 亚洲av成人av| 色老头精品视频在线观看| 69精品国产乱码久久久| 日韩 欧美 亚洲 中文字幕| 久久青草综合色| 满18在线观看网站| 久久久久久人人人人人| 国产精品久久电影中文字幕| 女性生殖器流出的白浆| 一级a爱视频在线免费观看| 热99re8久久精品国产| 国产不卡一卡二| 亚洲精品久久午夜乱码| 19禁男女啪啪无遮挡网站| 在线国产一区二区在线| 日韩欧美国产一区二区入口| 亚洲人成77777在线视频| 久久精品亚洲精品国产色婷小说| 精品福利永久在线观看| 久久香蕉精品热| 欧美色视频一区免费| 老汉色∧v一级毛片| 国产成人影院久久av| 久久婷婷成人综合色麻豆| 一进一出抽搐动态| 午夜免费成人在线视频| 色婷婷av一区二区三区视频| 国产成人系列免费观看| 法律面前人人平等表现在哪些方面| 男女做爰动态图高潮gif福利片 | 国产欧美日韩精品亚洲av| 国产在线精品亚洲第一网站| 免费高清视频大片| 可以在线观看毛片的网站| 国产精品野战在线观看 | 国产精品一区二区免费欧美| 亚洲久久久国产精品| 看免费av毛片| 午夜福利在线免费观看网站| 国产成+人综合+亚洲专区| 大型av网站在线播放| 又紧又爽又黄一区二区| 欧美成狂野欧美在线观看| 国产欧美日韩一区二区三区在线| aaaaa片日本免费| 日韩 欧美 亚洲 中文字幕| 国产人伦9x9x在线观看| 天堂√8在线中文| netflix在线观看网站| 18禁美女被吸乳视频| 黄色成人免费大全| 国产色视频综合| 久久精品亚洲熟妇少妇任你| 亚洲成人免费av在线播放| 女警被强在线播放| 18禁观看日本| 日本wwww免费看| 亚洲自拍偷在线| 亚洲男人的天堂狠狠| 黄片小视频在线播放| 日日夜夜操网爽| 欧美激情高清一区二区三区| 亚洲色图av天堂| 青草久久国产| 欧美+亚洲+日韩+国产| 久久草成人影院| 他把我摸到了高潮在线观看| 人妻丰满熟妇av一区二区三区| 91成年电影在线观看| 咕卡用的链子| 午夜福利在线免费观看网站| 亚洲色图综合在线观看| 88av欧美| 欧美久久黑人一区二区| 国产欧美日韩一区二区三| 美女扒开内裤让男人捅视频| 国产成人系列免费观看| 国产区一区二久久| 国产三级在线视频| 色婷婷av一区二区三区视频| 男人舔女人的私密视频| 真人一进一出gif抽搐免费| 丰满饥渴人妻一区二区三| 无人区码免费观看不卡| 嫩草影视91久久| 国产成人一区二区三区免费视频网站| 身体一侧抽搐| 一级作爱视频免费观看| 日韩免费av在线播放| 99在线视频只有这里精品首页| 免费在线观看影片大全网站| 麻豆国产av国片精品| 12—13女人毛片做爰片一| 99精品久久久久人妻精品|