• <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
    国产男女超爽视频在线观看| 少妇丰满av| 哪个播放器可以免费观看大片| 简卡轻食公司| 狂野欧美激情性xxxx在线观看| 国产不卡一卡二| 婷婷六月久久综合丁香| 国内少妇人妻偷人精品xxx网站| 不卡视频在线观看欧美| 欧美变态另类bdsm刘玥| 国产一区二区三区综合在线观看 | 熟妇人妻久久中文字幕3abv| 人妻少妇偷人精品九色| 人人妻人人澡欧美一区二区| 免费看不卡的av| 91在线精品国自产拍蜜月| 天美传媒精品一区二区| 亚洲精品色激情综合| 亚洲精品日韩在线中文字幕| 三级国产精品欧美在线观看| 最近中文字幕2019免费版| 人妻一区二区av| 久热久热在线精品观看| 精品久久久久久久人妻蜜臀av| 国产激情偷乱视频一区二区| 亚洲,欧美,日韩| 国产一区有黄有色的免费视频 | 久久久色成人| 国产人妻一区二区三区在| 久久久久网色| 亚洲精品成人av观看孕妇| 国产精品伦人一区二区| 高清在线视频一区二区三区| 国产又色又爽无遮挡免| www.av在线官网国产| 高清午夜精品一区二区三区| 国产永久视频网站| 国产不卡一卡二| 国产精品人妻久久久影院| 在线观看美女被高潮喷水网站| 青青草视频在线视频观看| 亚洲精品国产av成人精品| 麻豆乱淫一区二区| 内地一区二区视频在线| 成人欧美大片| 久久久久久久久久人人人人人人| 最新中文字幕久久久久| 国产精品久久视频播放| 国产亚洲av片在线观看秒播厂 | 国产成人福利小说| 免费黄色在线免费观看| 久久精品国产亚洲av涩爱| av播播在线观看一区| 国产高清国产精品国产三级 | 一个人免费在线观看电影| 国产视频内射| 国产成人午夜福利电影在线观看| 久久久午夜欧美精品| a级毛片免费高清观看在线播放| 欧美xxxx黑人xx丫x性爽| 别揉我奶头 嗯啊视频| 白带黄色成豆腐渣| 草草在线视频免费看| 丝袜美腿在线中文| videos熟女内射| 人体艺术视频欧美日本| 九色成人免费人妻av| 亚洲国产色片| 亚洲无线观看免费| 精品国产三级普通话版| 亚洲最大成人手机在线| 成人美女网站在线观看视频| 午夜日本视频在线| 久久97久久精品| 狠狠精品人妻久久久久久综合| 伦精品一区二区三区| 深夜a级毛片| 午夜亚洲福利在线播放| 久久精品国产鲁丝片午夜精品| 国产毛片a区久久久久| 国产一区二区在线观看日韩| 午夜福利视频1000在线观看| 久久这里有精品视频免费| 国内少妇人妻偷人精品xxx网站| 国产av不卡久久| 麻豆成人午夜福利视频| 99re6热这里在线精品视频| 91aial.com中文字幕在线观看| 激情 狠狠 欧美| 亚洲成人一二三区av| 九草在线视频观看| 亚洲av.av天堂| 亚洲精品国产av成人精品| 一级爰片在线观看| 国产精品福利在线免费观看| av卡一久久| 国产综合懂色| 亚洲av中文av极速乱| 99九九线精品视频在线观看视频| 午夜福利成人在线免费观看| 国产熟女欧美一区二区| 激情 狠狠 欧美| 男人狂女人下面高潮的视频| 九九在线视频观看精品| 久久久久久久午夜电影| 建设人人有责人人尽责人人享有的 | 最近中文字幕高清免费大全6| 国内精品一区二区在线观看| 国产成人freesex在线| 亚洲av日韩在线播放| 精品久久久久久久久亚洲| 夫妻午夜视频| 精品久久久久久久末码| 韩国高清视频一区二区三区| 亚洲三级黄色毛片| 日本免费在线观看一区| 久久久久久伊人网av| 视频中文字幕在线观看| 久久久久精品性色| 高清在线视频一区二区三区| 国产一区二区三区综合在线观看 | 国产一区二区三区av在线| 又粗又硬又长又爽又黄的视频| 男人和女人高潮做爰伦理| 联通29元200g的流量卡| 91av网一区二区| 午夜福利在线观看吧| 日本一本二区三区精品| 永久免费av网站大全| 91久久精品国产一区二区三区| 97精品久久久久久久久久精品| 免费av观看视频| 亚洲熟女精品中文字幕| 97热精品久久久久久| 青春草视频在线免费观看| 久久久午夜欧美精品| 日本爱情动作片www.在线观看| 成人亚洲精品av一区二区| 亚洲成人av在线免费| 亚洲国产欧美在线一区| 亚洲av不卡在线观看| 精品国产露脸久久av麻豆 | 中文字幕av在线有码专区| 只有这里有精品99| 欧美成人一区二区免费高清观看| 日韩电影二区| 少妇丰满av| 久久国内精品自在自线图片| 国产激情偷乱视频一区二区| 男女下面进入的视频免费午夜| 色播亚洲综合网| 乱码一卡2卡4卡精品| 国产免费福利视频在线观看| 久久久久久久午夜电影| 丝瓜视频免费看黄片| 麻豆久久精品国产亚洲av| 听说在线观看完整版免费高清| 人妻系列 视频| 天天一区二区日本电影三级| 最新中文字幕久久久久| 国产精品一区www在线观看| 久久久久久久久久成人| 国产精品久久久久久精品电影| 能在线免费看毛片的网站| 午夜精品一区二区三区免费看| 欧美精品一区二区大全| 久久6这里有精品| 又黄又爽又刺激的免费视频.| 免费观看av网站的网址| 69人妻影院| 亚洲天堂国产精品一区在线| av在线观看视频网站免费| 国产成人a∨麻豆精品| 免费观看精品视频网站| 婷婷色综合大香蕉| 水蜜桃什么品种好| 欧美不卡视频在线免费观看| 日韩强制内射视频| 精品久久久久久久久久久久久| 身体一侧抽搐| 国产精品久久久久久av不卡| 亚洲丝袜综合中文字幕| 菩萨蛮人人尽说江南好唐韦庄| 亚洲最大成人手机在线| 女人久久www免费人成看片| 国产成人精品婷婷| 国产v大片淫在线免费观看| av天堂中文字幕网| 99九九线精品视频在线观看视频| 国产乱人偷精品视频| 国产精品综合久久久久久久免费| 少妇裸体淫交视频免费看高清| 欧美成人精品欧美一级黄| 夜夜看夜夜爽夜夜摸| 最近视频中文字幕2019在线8| 91精品国产九色| 国产午夜福利久久久久久| 91久久精品国产一区二区三区| 国产精品国产三级国产专区5o| 人妻制服诱惑在线中文字幕| 国产视频首页在线观看| 免费少妇av软件| 久久国产乱子免费精品| 亚洲成人久久爱视频| 免费大片黄手机在线观看| 又粗又硬又长又爽又黄的视频| 人妻系列 视频| 最近中文字幕2019免费版| 噜噜噜噜噜久久久久久91| 欧美高清性xxxxhd video| 纵有疾风起免费观看全集完整版 | 日韩欧美国产在线观看| 国产黄频视频在线观看| 人妻少妇偷人精品九色| 欧美日韩一区二区视频在线观看视频在线 | 欧美日韩精品成人综合77777| 欧美成人一区二区免费高清观看| 联通29元200g的流量卡| 我的女老师完整版在线观看| 18禁动态无遮挡网站| 亚洲av日韩在线播放| 久久精品久久精品一区二区三区| 久久久久久久亚洲中文字幕| 亚洲欧美成人综合另类久久久| 亚洲va在线va天堂va国产| 色5月婷婷丁香| 国产精品国产三级国产av玫瑰| 少妇人妻精品综合一区二区| 免费观看av网站的网址| 免费观看性生交大片5| 免费人成在线观看视频色| 国产不卡一卡二| 亚洲欧美一区二区三区国产| av.在线天堂| 久久综合国产亚洲精品| a级一级毛片免费在线观看| 草草在线视频免费看| 国产中年淑女户外野战色| av天堂中文字幕网| 久久6这里有精品| 天堂av国产一区二区熟女人妻| 久久精品久久久久久噜噜老黄| 午夜精品在线福利| 在线a可以看的网站| 亚洲内射少妇av| 麻豆乱淫一区二区| 伦精品一区二区三区| 中文字幕av成人在线电影| 色综合亚洲欧美另类图片| 校园人妻丝袜中文字幕| 欧美3d第一页| 人妻一区二区av| 国产不卡一卡二| 午夜福利视频精品| 高清在线视频一区二区三区| 欧美三级亚洲精品| 国产精品人妻久久久影院| 亚洲国产精品成人久久小说| 秋霞伦理黄片| 亚洲精品亚洲一区二区| av在线天堂中文字幕| 婷婷色av中文字幕| 天天一区二区日本电影三级| 亚洲欧美成人综合另类久久久| av一本久久久久| 中文在线观看免费www的网站| 中文字幕av成人在线电影| 精品久久久精品久久久| 国产精品1区2区在线观看.| av在线天堂中文字幕| 大又大粗又爽又黄少妇毛片口| 亚洲成人中文字幕在线播放| 51国产日韩欧美| 全区人妻精品视频| 国产精品久久视频播放| 少妇高潮的动态图| 嫩草影院新地址| 小蜜桃在线观看免费完整版高清| 99热网站在线观看| 色尼玛亚洲综合影院| 亚洲真实伦在线观看| 久久久色成人| 午夜福利在线观看免费完整高清在| 亚洲最大成人av| 精品久久久噜噜| 亚洲国产av新网站| 亚洲久久久久久中文字幕| 国产黄频视频在线观看| 欧美xxxx性猛交bbbb| 一级毛片黄色毛片免费观看视频| av在线播放精品| 亚洲精华国产精华液的使用体验| 国产男人的电影天堂91| 日韩欧美国产在线观看| 久久99热这里只有精品18| 婷婷色av中文字幕| 国产成人午夜福利电影在线观看| 国产精品一及| 别揉我奶头 嗯啊视频| 亚洲熟女精品中文字幕| 亚洲精品中文字幕在线视频 | 久久99热这里只频精品6学生| 国产免费又黄又爽又色| 美女黄网站色视频| 国产在视频线在精品| 日韩中字成人| 国产69精品久久久久777片| 天天躁夜夜躁狠狠久久av| 午夜老司机福利剧场| 黄色配什么色好看| 亚洲欧美日韩卡通动漫| 十八禁网站网址无遮挡 | 一级毛片aaaaaa免费看小| 国产精品一及| videos熟女内射| 婷婷六月久久综合丁香| 99久久人妻综合| 黄片wwwwww| 青春草国产在线视频| 中文字幕av成人在线电影| 好男人在线观看高清免费视频| 看十八女毛片水多多多| 男女视频在线观看网站免费| 人人妻人人澡人人爽人人夜夜 | 青春草视频在线免费观看| 免费电影在线观看免费观看| 国产大屁股一区二区在线视频| 精品人妻视频免费看| 日韩一区二区三区影片| 日本与韩国留学比较| 日韩 亚洲 欧美在线| 两个人的视频大全免费| 男人和女人高潮做爰伦理| 国产熟女欧美一区二区| 高清欧美精品videossex| 久久久久久久久久人人人人人人| 国产精品久久久久久av不卡| 欧美最新免费一区二区三区| 一个人观看的视频www高清免费观看| 精品久久久久久久人妻蜜臀av| av免费在线看不卡| 真实男女啪啪啪动态图| 亚洲av男天堂| 老师上课跳d突然被开到最大视频| 2021天堂中文幕一二区在线观| 男人爽女人下面视频在线观看| h日本视频在线播放| 日本爱情动作片www.在线观看| 80岁老熟妇乱子伦牲交| 搡老乐熟女国产| 久久久久久久久中文| 高清av免费在线| 亚洲人成网站高清观看| 美女黄网站色视频| 亚洲av成人精品一区久久| 国产精品国产三级国产av玫瑰| 午夜精品国产一区二区电影 | 精品久久久久久久久亚洲| 男人狂女人下面高潮的视频| 黄片wwwwww| 日本免费a在线| 男女下面进入的视频免费午夜| 国产黄片视频在线免费观看| 男女国产视频网站| 又黄又爽又刺激的免费视频.| 日韩欧美一区视频在线观看 | 久久精品国产亚洲网站| 高清午夜精品一区二区三区| 亚洲最大成人av| videos熟女内射| 久久99热这里只有精品18| 亚洲一区高清亚洲精品| av播播在线观看一区| 狂野欧美白嫩少妇大欣赏| 永久免费av网站大全| 最近手机中文字幕大全| av黄色大香蕉| 波野结衣二区三区在线| 国产精品综合久久久久久久免费| 毛片女人毛片| 听说在线观看完整版免费高清| 熟女电影av网| 亚洲真实伦在线观看| 日韩大片免费观看网站| 国产 一区精品| 亚洲av成人av| 久久国内精品自在自线图片| videos熟女内射| 22中文网久久字幕| 久久久久久国产a免费观看| 国产美女午夜福利| 中文资源天堂在线| 男人舔女人下体高潮全视频| 欧美xxxx黑人xx丫x性爽| 成人美女网站在线观看视频| 久久热精品热| 亚洲av电影在线观看一区二区三区 | 免费av观看视频| 97在线视频观看| 大又大粗又爽又黄少妇毛片口| 26uuu在线亚洲综合色| 晚上一个人看的免费电影| 免费看a级黄色片| 麻豆乱淫一区二区| 国产精品无大码| 又爽又黄无遮挡网站| 亚洲真实伦在线观看| 久久99热6这里只有精品| 国产精品国产三级专区第一集| 亚洲av免费高清在线观看| 成年女人看的毛片在线观看| 五月天丁香电影| 大话2 男鬼变身卡| 简卡轻食公司| 亚洲av中文av极速乱| 2018国产大陆天天弄谢| 观看美女的网站| 日韩精品有码人妻一区| 久久人人爽人人爽人人片va| 日韩,欧美,国产一区二区三区| 午夜福利在线在线| 亚洲av一区综合| 久久久久久久亚洲中文字幕| 一个人看的www免费观看视频| 久久99热这里只有精品18| 三级毛片av免费| 国产高清不卡午夜福利| 亚洲av福利一区| 日韩av在线大香蕉| 国产麻豆成人av免费视频| 久久精品夜色国产| 一级爰片在线观看| 国产日韩欧美在线精品| 性插视频无遮挡在线免费观看| 亚洲18禁久久av| 舔av片在线| 毛片女人毛片| 极品教师在线视频| 欧美最新免费一区二区三区| 日韩不卡一区二区三区视频在线| 午夜激情久久久久久久| 极品少妇高潮喷水抽搐| 亚洲av福利一区| 天堂av国产一区二区熟女人妻| 国产一区二区在线观看日韩| 色尼玛亚洲综合影院| 亚洲av.av天堂| 国产免费又黄又爽又色| 国产黄a三级三级三级人| 日韩一区二区视频免费看| 色综合站精品国产| 国产伦在线观看视频一区| 日本爱情动作片www.在线观看| 亚洲,欧美,日韩| 免费观看性生交大片5| 岛国毛片在线播放| 午夜老司机福利剧场| 九九在线视频观看精品| 国产美女午夜福利| 97人妻精品一区二区三区麻豆| 久久精品久久久久久久性| 免费观看a级毛片全部| 亚洲人成网站在线播| www.色视频.com| 日本一本二区三区精品| 麻豆国产97在线/欧美| 久久久欧美国产精品| 有码 亚洲区| 18+在线观看网站| 日本免费a在线| 亚洲av二区三区四区| 午夜福利在线观看吧| 亚洲第一区二区三区不卡| 午夜爱爱视频在线播放| av播播在线观看一区| 亚洲美女搞黄在线观看| 亚洲精品色激情综合| 联通29元200g的流量卡| 最近视频中文字幕2019在线8| 亚洲欧美成人精品一区二区| 国产高清有码在线观看视频| 最近中文字幕2019免费版| 精品欧美国产一区二区三| 久久热精品热| 欧美日韩亚洲高清精品| 国产精品一及| 99久久精品一区二区三区| 成人漫画全彩无遮挡| www.av在线官网国产| 午夜老司机福利剧场| av网站免费在线观看视频 | 最近2019中文字幕mv第一页| 国内少妇人妻偷人精品xxx网站| 简卡轻食公司| 深夜a级毛片| 又爽又黄a免费视频| 一级a做视频免费观看| 国产精品99久久久久久久久| 毛片一级片免费看久久久久| 亚洲欧美一区二区三区黑人 | 人妻夜夜爽99麻豆av| 最近的中文字幕免费完整| 欧美日韩在线观看h| 丝瓜视频免费看黄片| 五月玫瑰六月丁香| 午夜免费男女啪啪视频观看| 久久97久久精品| 高清视频免费观看一区二区 | 我要看日韩黄色一级片| 国产一区亚洲一区在线观看| 日韩av在线大香蕉| 亚洲av不卡在线观看| av专区在线播放| 国产精品久久久久久久电影| 在线免费观看的www视频| 禁无遮挡网站| 国产午夜精品一二区理论片| 在线观看一区二区三区| 久久国内精品自在自线图片| 国产伦精品一区二区三区四那| 亚洲精品视频女| 嫩草影院入口| 日韩在线高清观看一区二区三区| 亚洲精品成人久久久久久| 国产精品熟女久久久久浪| 麻豆成人av视频| 国产不卡一卡二| 国产色爽女视频免费观看| 高清av免费在线| 特级一级黄色大片| 禁无遮挡网站| 欧美日韩在线观看h| 亚洲精品乱码久久久v下载方式| 日韩大片免费观看网站| 中文资源天堂在线| 成人无遮挡网站| 免费观看av网站的网址| 99久国产av精品国产电影| 亚洲av国产av综合av卡| 国产v大片淫在线免费观看| 亚洲自偷自拍三级| 十八禁网站网址无遮挡 | 青春草视频在线免费观看| 99九九线精品视频在线观看视频| 岛国毛片在线播放| 国产人妻一区二区三区在| 97人妻精品一区二区三区麻豆| 亚洲精品第二区| 亚洲欧洲国产日韩| 中文字幕久久专区| 日韩成人av中文字幕在线观看| 亚洲国产日韩欧美精品在线观看| 国产综合精华液| 亚洲欧美一区二区三区黑人 | 夫妻性生交免费视频一级片| 乱系列少妇在线播放| 免费观看a级毛片全部| 亚洲图色成人| 日韩人妻高清精品专区| 久久久精品欧美日韩精品| 免费不卡的大黄色大毛片视频在线观看 | 午夜精品在线福利| 亚洲成人av在线免费| 免费观看的影片在线观看| 天堂中文最新版在线下载 | 日本猛色少妇xxxxx猛交久久| 成人美女网站在线观看视频| 97在线视频观看| 高清视频免费观看一区二区 | 国产精品99久久久久久久久| 亚洲国产精品成人综合色| 最近中文字幕2019免费版| 久久久色成人| 日韩一本色道免费dvd| 亚洲成人一二三区av| 男女下面进入的视频免费午夜| 亚洲精品456在线播放app| 婷婷六月久久综合丁香| 国产精品麻豆人妻色哟哟久久 | 欧美高清性xxxxhd video| 高清日韩中文字幕在线| 成人综合一区亚洲| 国产综合精华液| 成年女人看的毛片在线观看| 亚洲国产成人一精品久久久| a级毛片免费高清观看在线播放| 成人高潮视频无遮挡免费网站| 日本一二三区视频观看| av免费观看日本| 国产在线男女| 卡戴珊不雅视频在线播放| 国产av在哪里看| 男女那种视频在线观看| 亚洲aⅴ乱码一区二区在线播放| 亚洲av日韩在线播放| 高清毛片免费看| 深爱激情五月婷婷| 午夜福利网站1000一区二区三区| 国产亚洲一区二区精品| 少妇的逼好多水| 久久久久久久久久久免费av| 少妇熟女欧美另类| 国产精品国产三级国产av玫瑰| 亚洲欧美成人精品一区二区| 国产精品嫩草影院av在线观看| 国产午夜精品久久久久久一区二区三区| 久久精品国产鲁丝片午夜精品| 狂野欧美激情性xxxx在线观看| 三级经典国产精品| 久久久久性生活片| 免费不卡的大黄色大毛片视频在线观看 | 色吧在线观看| 黄色配什么色好看| 人妻系列 视频| 亚洲av成人av|