• <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 ?

    基于Hadoop的民航日志分析系統(tǒng)及應(yīng)用

    2017-03-06 00:10:08李建曾新勵
    軟件導(dǎo)刊 2017年1期
    關(guān)鍵詞:并行計算

    李建+曾新勵

    摘要摘要:民航信息系統(tǒng)日志包含大量信息,但由于日志數(shù)據(jù)非結(jié)構(gòu)化,不易被讀取且數(shù)據(jù)量巨大,難以通過人工分析得出有價值信息。Hadoop分布式計算技術(shù)恰好可以很好地解決這個問題。設(shè)計了基于Hadoop的民航日志分析系統(tǒng),系統(tǒng)結(jié)合數(shù)據(jù)挖掘領(lǐng)域經(jīng)典的KNN分類算法,對算法進行了并行化改進,給出算法在Hadoop平臺的MapReduce編程模型上的執(zhí)行流程。對系統(tǒng)進行單機和集群測試,集群系統(tǒng)在處理較大規(guī)模數(shù)據(jù)時更高效。實驗結(jié)果證明,系統(tǒng)具有較高的執(zhí)行效率和可擴展性,對民航日志分析具有較高的實用價值。

    關(guān)鍵詞關(guān)鍵詞:日志分析;Hadoop;KNN算法;并行計算;MapReduce

    DOIDOI:10.11907/rjdk.162386

    中圖分類號:TP319文獻標識碼:A文章編號文章編號:16727800(2017)001010004

    引言

    隨著民航信息化建設(shè)的深入,民航信息系統(tǒng)越來越多,復(fù)雜度越來越高。系統(tǒng)每天產(chǎn)生大量日志數(shù)據(jù),這些數(shù)據(jù)記錄著系統(tǒng)的運行狀態(tài)。目前民航系統(tǒng)日志數(shù)據(jù)分為兩部分:①過去運行生成的大文件,約56GB;②每天生成的文件,大約是200-300MB。日志是apache common格式,分析系統(tǒng)產(chǎn)生的日志數(shù)據(jù)成為了解系統(tǒng)安全與可擴展性的重要途徑,相關(guān)業(yè)務(wù)指標可供運營決策者使用。

    由于日志信息不易讀懂且數(shù)據(jù)量不斷增長,利用人工或傳統(tǒng)分析技術(shù)難以發(fā)掘出有效信息。Hadoop提供的分布式計算技術(shù)為解決此問題提供了思路。Hadoop平臺提供的分布式文件存儲和并行計算能力,充分利用了集群高速運算和存儲的優(yōu)點,用戶可在不了解分布式底層細節(jié)的情況下,利用Hadoop所提供的MapReduce并行計算框架,開發(fā)一個高度可擴展的分布式處理系統(tǒng),進行大數(shù)據(jù)分類工作。

    數(shù)據(jù)分類作為數(shù)據(jù)挖掘領(lǐng)域的重要分支,是數(shù)據(jù)挖掘非常重要的研究方向[1],其中KNN分類算法是數(shù)據(jù)挖掘領(lǐng)域的經(jīng)典算法[2]。該算法是一種基于實例的學(xué)習(xí)算法,其核心是根據(jù)已知對象與未知對象之間相似度的比較來對未知對象進行分類。當給定一個未知實例時,KNN 分類算法根據(jù)與該實例最近的k個實例進行分類。

    本文基于Hadoop平臺下的MapReduce并行技術(shù),研究并實現(xiàn)民航日志分析系統(tǒng)。利用Hadoop提供的分布式存儲來存放日志數(shù)據(jù),結(jié)合KNN數(shù)據(jù)挖掘算法對數(shù)據(jù)進行更深層次的分析,提高數(shù)據(jù)利用價值。算法整體分為數(shù)據(jù)預(yù)處理、訓(xùn)練、分類3個階段。KNN分類算法進行MapReduce并行化的基本思路是:首先將訓(xùn)練樣本和測試樣本數(shù)據(jù)預(yù)處理并上傳到Hadoop的文件系統(tǒng)中,然后將計算量很大的數(shù)據(jù)預(yù)處理階段和訓(xùn)練階段作業(yè)內(nèi)容交由Map計算過程處理,完成測試樣本與訓(xùn)練樣本的歐式距離計算,再將Map計算結(jié)果提交到Reduce進行數(shù)據(jù)分類,最終得到測試樣本分類結(jié)果。

    實驗選取系統(tǒng)產(chǎn)生的幾組日志數(shù)據(jù)在Hadoop集群上測試,并與單機環(huán)境比對。實驗結(jié)果證明,集群系統(tǒng)具有較高的執(zhí)行效率、良好的加速比和擴展性。

    1相關(guān)工作

    1.1Hadoop平臺

    Hadoop是Apache軟件基金會的開源項目,也是并行處理大規(guī)模數(shù)據(jù)的代表性產(chǎn)品。用戶可以在不了解分布式底層細節(jié)的情況下,利用Hadoop提供的分布式系統(tǒng)基礎(chǔ)架構(gòu)開發(fā)分布式應(yīng)用,將集群存儲資源、網(wǎng)絡(luò)資源和計算資源統(tǒng)一起來,實現(xiàn)海量數(shù)據(jù)的高速運算和存儲。Hadoop層次結(jié)構(gòu)如圖1所示。

    Hadoop框架最核心的設(shè)計是HDFS和MapReduce。HDFS是一個分布式文件系統(tǒng),具有高容錯性特點,可以部署在廉價硬件上,由一個名稱節(jié)點(NameNode)和N個數(shù)據(jù)節(jié)點(DataNode)組成。 NameNode節(jié)點是整個文件系統(tǒng)的管理節(jié)點,它維護著整個文件系統(tǒng)的目錄樹,文件根目錄的元信息和每個文件對應(yīng)的數(shù)據(jù)塊列表,接收用戶的操作請求,以及數(shù)據(jù)塊列表到具體存儲數(shù)據(jù)DataNode節(jié)點的映射。集群中的DataNode節(jié)點在NameNode節(jié)點的統(tǒng)一調(diào)度下提供數(shù)據(jù)文件的存儲服務(wù),并且提供數(shù)據(jù)塊的創(chuàng)建、刪除和復(fù)制功能[4]。

    1.2MapReduce分布式計算框架

    MapReduce是一種并行編程模型,基于HDFS基礎(chǔ)上實現(xiàn),主要針對大規(guī)模數(shù)據(jù)集的并行計算。MapReduce編程模型原理:JobTracker主節(jié)點負責(zé)接收用戶提交的作業(yè),負責(zé)啟動、跟蹤任務(wù)執(zhí)行,對大數(shù)據(jù)集按塊進行分割,然后將數(shù)據(jù)塊分發(fā)到若干個TaskTracker節(jié)點上。TaskTracker節(jié)點負責(zé)執(zhí)行用戶自定義的MapReduce任務(wù),并將執(zhí)行完成得到的結(jié)果返回JobTracker主節(jié)點。整個計算過程中,數(shù)據(jù)的輸入輸出均采用鍵值對形式。MapReduce執(zhí)行流程如圖2所示。

    1.3KNN分類算法

    KNN分類算法是一種基于實例的學(xué)習(xí)算法,其原理簡單、易于實現(xiàn)。算法原理是將訓(xùn)練實例和測試實例看作n維空間內(nèi)的點,給定一條測試實例,搜索n維空間,找出與測試實例最相近的k個點,最后取這k個點中的多數(shù)類作為測試實例類別。相似度的度量方法采用空間內(nèi)兩個點的距離來衡量。兩點間距離越大,表示兩個點越不相似。選擇歐幾里得距離作為度量方法。由于KNN分類算法需要多次掃描數(shù)據(jù)集,前后之間沒有計算順序上的相關(guān)性,每個待分類的樣本都可以獨立進行KNN分類,因此可以用并行化方法來實現(xiàn)KNN算法。

    2日志分析系統(tǒng)設(shè)計

    2.1系統(tǒng)架構(gòu)

    系統(tǒng)日志處理流程:①日志采集;②存儲;③日志清洗;④分析;⑤顯示,結(jié)構(gòu)如圖3所示。日志采集階段負責(zé)將日志服務(wù)器中指定的日志數(shù)據(jù)上傳到Hadoop集群中的HDFS文件系統(tǒng)。由于日志記錄中往往包含噪聲,需先進行必要的數(shù)據(jù)清洗,將清洗后存放在HDFS上的數(shù)據(jù)作為分析階段的數(shù)據(jù)輸入。分析階段KNN算法結(jié)合MapReduce編程模型,整體分為訓(xùn)練和分類兩個部分。KNN分類算法進行MapReduce并行化的基本思路:首先JobTracker主節(jié)點接受用戶請求,啟動TaskTracker節(jié)點執(zhí)行Map計算開始樣本訓(xùn)練,完成測試樣本與訓(xùn)練樣本的歐式距離計算;然后在執(zhí)行Map計算的節(jié)點執(zhí)行Combine函數(shù)對數(shù)據(jù)進行規(guī)約處理,以減少提交到Reduce節(jié)點的數(shù)據(jù)量;當Reduce節(jié)點收到中間計算結(jié)果后進入分類階段,對測試樣本進行分類處理。分析結(jié)果仍然存儲在HDFS文件系統(tǒng)中,最后經(jīng)過頁面展示以可視化形式顯示給用戶。

    2.2日志采集階段

    日志采集階段使用flume技術(shù)。flume是一個分布式數(shù)據(jù)收集系統(tǒng),也是Hadoop生態(tài)系統(tǒng)的重要組件之一,具有高可靠、高可用、事務(wù)管理、失敗重啟等功能。flume啟動通過后臺腳本定時執(zhí)行,數(shù)據(jù)處理速度快[5]。flume核心是agent,agent是一個java進程,運行在日志收集端Web服務(wù)器中,通過agent收集每一個前端Web服務(wù)器中產(chǎn)生的日志數(shù)據(jù),然后暫存起來,再發(fā)送到目的地HDFS存儲系統(tǒng)。

    2.3數(shù)據(jù)預(yù)處理階段

    使用flume把日志數(shù)據(jù)導(dǎo)入到HDFS中,再使用MapReduce對HDFS中的原始數(shù)據(jù)進行清洗,將Web日志數(shù)據(jù)向量化表示。一條Web日志記錄往往不完整或者包含噪聲,實際使用時并無用處,需要預(yù)先處理[6]。例如請求一個URL頁面時,與頁面相關(guān)的js或樣式文件圖片等信息也會記錄在日志中,需要在預(yù)處理中刪除后綴為jpg等圖片格式、js等相關(guān)記錄行,只保留用戶IP地址、請求時間、請求方法、請求內(nèi)容、請求前的跳轉(zhuǎn)地址、瀏覽器類型及操作系統(tǒng)類型、服務(wù)器返回狀態(tài)相關(guān)內(nèi)容。實際情況中用戶可能使用代理或本地緩存,不同用戶可能使用相同IP地址訪問同一URL。對用戶進行個體識別有3種方法:如果用戶使用不同IP訪問同一URL則視為不同用戶;如果使用相同IP但瀏覽器和操作系統(tǒng)不同則視為不同用戶;如果用戶的請求頁面與之前的跳轉(zhuǎn)頁面沒有超鏈接關(guān)系也視為不同用戶[7]。識別出用戶后就可以用戶為單位識別單個用戶所訪問的所有頁面,用戶訪問網(wǎng)站時所瀏覽的所有頁面組成一個用戶記錄,然后根據(jù)訪問內(nèi)容將用戶分為不同用戶群。得到清洗后的數(shù)據(jù)仍然存儲在HDFS中,保留可計算的屬性值,最后剩下的屬性值用空格分開,減輕后期數(shù)據(jù)處理壓力,然后將訓(xùn)練數(shù)據(jù)上傳到HDFS指定目錄下,將測試數(shù)據(jù)上傳到指定待處理路徑下,作為分析階段的輸入數(shù)據(jù)。

    2.4訓(xùn)練階段

    訓(xùn)練階段主要任務(wù)是讀取包含用戶記錄的訓(xùn)練樣本與測試樣本,分別計算測試樣本與每個訓(xùn)練樣本的歐式距離,此任務(wù)交由Map函數(shù)執(zhí)行。Map函數(shù)對訓(xùn)練樣本按行讀取,把讀取到的數(shù)據(jù)以鍵值對的形式作為函數(shù)的輸入數(shù)據(jù),其中key為行號,value為訓(xùn)練樣本每行的樣本數(shù)據(jù)及樣本類別,輸入數(shù)據(jù)形式為<行號,樣本>。然后計算訓(xùn)練樣本與測試樣本的相似度,即它們之間的歐式距離,并記錄訓(xùn)練樣本類別,最后將結(jié)果以對的形式存入context集合中。其中輸出數(shù)據(jù)對的形式為<測試樣本行號,向量集合<相似度值,訓(xùn)練樣本類別>>。Map函數(shù)偽代碼如下:

    3.1實驗環(huán)境及數(shù)據(jù)選取

    為驗證基于Hadoop的民航日志分析系統(tǒng)性能和有效性,本實驗選取7臺服務(wù)器,1個主節(jié)點和5個從節(jié)點,前者主要配置為HDFS元數(shù)據(jù)節(jié)點,負責(zé)管理分布式數(shù)據(jù)和分解任務(wù)的執(zhí)行,后者配置為數(shù)據(jù)節(jié)點,負責(zé)分布式數(shù)據(jù)存儲以及任務(wù)的執(zhí)行。剩下的一臺作為與集群對比的單機。本實驗的輸入數(shù)據(jù)為民航系統(tǒng)產(chǎn)生的幾組日志數(shù)據(jù)。數(shù)據(jù)集具有52維,共計692 012個樣本,其中訓(xùn)練樣本為498 542個,測試樣本為193 470個,數(shù)據(jù)集大小3 000MB。

    3.2單機處理比較實驗

    本實驗分別在Hadoop集群和單機環(huán)境下處理數(shù)據(jù)規(guī)模逐漸增大的數(shù)據(jù)集,分別統(tǒng)計系統(tǒng)運行耗時長短,對結(jié)果進行對比分析。對比結(jié)果如表1所示。

    3.3集群性能實驗

    本實驗內(nèi)容為:運行KNN分類算法的一臺計算機與運行改進后并行算法的Hadoop集群在處理相同規(guī)模數(shù)據(jù)時,從數(shù)據(jù)讀入到處理完成所需要的時間。對比實驗中,測試元組及樣本數(shù)據(jù)量相同,Hadoop集群中節(jié)點數(shù)目逐步增加,實驗結(jié)果如圖4所示,橫坐標為節(jié)點數(shù),縱坐標為作業(yè)完成時間,單位為毫秒。

    圖4中虛線表示單機處理所用時間,基本保持在6 000ms不變。實線表示Hadoop集群處理所用時間,曲線變化較為明顯。剛開始集群只有單個節(jié)點時任務(wù)執(zhí)行所需時間要遠高于單機所需時間,集群節(jié)點達到兩個時任務(wù)執(zhí)行時間比單機所花時間略長。隨著Hadoop集群節(jié)點數(shù)增加,任務(wù)執(zhí)行所需的時間逐步減少,特別是當節(jié)點數(shù)超過3個時,集群優(yōu)勢開始顯現(xiàn),當節(jié)點數(shù)達到7個時,時間節(jié)省非常明顯,體現(xiàn)出當擴大Hadoop集群規(guī)模時,實施KNN并行算法有助于減少任務(wù)執(zhí)行所需時間。當節(jié)點數(shù)目少于2個時,效率卻遠低于單機,集群優(yōu)勢無法體現(xiàn)。因為Hadoop集群任務(wù)的分發(fā)和任務(wù)的啟動需要消耗一定的計算資源,集群之間數(shù)據(jù)的交互需要通過網(wǎng)絡(luò)傳輸,數(shù)據(jù)的讀取依賴于網(wǎng)絡(luò)的傳輸速度,尤其是實際計算任務(wù)時間在總時間中所占比例較小時,集群優(yōu)勢難以體現(xiàn)。相對于單機執(zhí)行而言,數(shù)據(jù)只需在本地處理一次性讀入內(nèi)存,因此處理速度相對較快。由此可知,隨著節(jié)點數(shù)的增加,Hadoop集群的執(zhí)行效率要優(yōu)于單機上的執(zhí)行效率,且隨著數(shù)據(jù)量的逐漸增大,優(yōu)勢越加明顯。

    4結(jié)語

    民航系統(tǒng)日志分析與管理是民航系統(tǒng)日常管理的重要保障。本文基于Hadoop平臺使用MapReduce編程模型結(jié)合KNN算法,設(shè)計了民航日志分析系統(tǒng)。利用Hadoop集群在大數(shù)據(jù)處理上的優(yōu)勢,高效地進行日志數(shù)據(jù)分析與挖掘,具有很高的實用價值,實驗達到了預(yù)期目標。相關(guān)實驗結(jié)果表明,在Hadoop平臺上處理大規(guī)模數(shù)據(jù)集時,在數(shù)據(jù)規(guī)模相同的情況下,算法的執(zhí)行效率與集群規(guī)模有明顯關(guān)系。當集群規(guī)模逐步擴大,節(jié)點越多,加速比越明顯。下一步將嘗試將更多的算法移植到Hadoop集群中,進行更深入的研究。

    參考文獻:

    [1]JIAWEI HAN,MICHELINE,KAMBER.數(shù)據(jù)挖掘概念與技術(shù)[M].北京:機械工業(yè)出版社,2007:2031.

    [2]COVER T,P HART.Nearest neighbor pattern classification[J].IEEE Trans on Information Theory,1967,13(1):2127.

    [3]陸嘉恒.Hadoop實戰(zhàn)[M].北京:機械工業(yè)出版社,2011:180203.

    [4]金松昌.基于HDFS的多用戶并行文件IO的設(shè)計與實現(xiàn)[D].長沙:國防科學(xué)技術(shù)大學(xué),2010:13.

    [5]高洪,楊慶平,黃展江.基于Hadoop平臺的大數(shù)據(jù)分析關(guān)鍵技術(shù)標準化探討[J].信息技術(shù)與標準化,2013(5):2324.

    [6]朱鶴樣.Web日志挖掘中數(shù)據(jù)預(yù)處理算法的研究[D].大連:大連交通大學(xué),2010.

    [7]趙瑩瑩,韓元杰.Web日志數(shù)據(jù)挖掘中數(shù)據(jù)預(yù)處理模型的研究與建立[J].現(xiàn)代電子技術(shù),2007(4):103105.

    猜你喜歡
    并行計算
    云計算中MapReduce分布式并行處理框架的研究與搭建
    矩陣向量相乘的并行算法分析
    并行硬件簡介
    基于Matlab的遙感圖像IHS小波融合算法的并行化設(shè)計
    科技視界(2016年11期)2016-05-23 08:13:35
    日本av免费视频播放| 日韩一区二区三区影片| 一级爰片在线观看| 久久久久久久久久人人人人人人| 99热国产这里只有精品6| 色哟哟·www| 性色avwww在线观看| 91精品国产九色| 小蜜桃在线观看免费完整版高清| 亚洲av中文av极速乱| 亚洲一级一片aⅴ在线观看| 国产高清有码在线观看视频| 国产精品久久久久成人av| 精品国产露脸久久av麻豆| 97精品久久久久久久久久精品| 精品国产三级普通话版| 成人影院久久| 丰满人妻一区二区三区视频av| 精品久久国产蜜桃| 久久韩国三级中文字幕| 51国产日韩欧美| 欧美极品一区二区三区四区| av线在线观看网站| 精品少妇黑人巨大在线播放| 91久久精品电影网| 亚洲精品久久久久久婷婷小说| 一区二区三区精品91| 26uuu在线亚洲综合色| 国产一区二区三区av在线| 观看av在线不卡| 国产精品福利在线免费观看| 少妇被粗大猛烈的视频| 看非洲黑人一级黄片| 国产成人91sexporn| 精品午夜福利在线看| 亚洲精品久久午夜乱码| a 毛片基地| 欧美成人精品欧美一级黄| 国产毛片在线视频| 看非洲黑人一级黄片| 一区二区三区四区激情视频| av线在线观看网站| 日本黄大片高清| 一本色道久久久久久精品综合| 一区二区三区免费毛片| 一级爰片在线观看| 午夜日本视频在线| 黄色怎么调成土黄色| 国产无遮挡羞羞视频在线观看| 蜜桃在线观看..| 亚洲精品视频女| 97在线视频观看| 亚洲欧美一区二区三区国产| 日韩成人伦理影院| 国产精品成人在线| 啦啦啦中文免费视频观看日本| 国产一级毛片在线| 少妇高潮的动态图| 亚洲一级一片aⅴ在线观看| 日本一二三区视频观看| 欧美97在线视频| 我的老师免费观看完整版| 亚洲国产欧美在线一区| 少妇 在线观看| 午夜视频国产福利| 免费观看a级毛片全部| 最近中文字幕高清免费大全6| 国产精品伦人一区二区| 老司机影院毛片| 精品一区二区免费观看| 色婷婷久久久亚洲欧美| 久热这里只有精品99| 国内少妇人妻偷人精品xxx网站| 九色成人免费人妻av| 久久久久精品性色| 亚洲无线观看免费| 99久久精品热视频| 中文乱码字字幕精品一区二区三区| 男人添女人高潮全过程视频| 欧美精品人与动牲交sv欧美| 一级毛片久久久久久久久女| 高清毛片免费看| 夫妻性生交免费视频一级片| 欧美精品国产亚洲| 三级国产精品片| 麻豆成人av视频| 深夜a级毛片| 久久青草综合色| 亚洲国产成人一精品久久久| 波野结衣二区三区在线| 在线观看三级黄色| 黄色视频在线播放观看不卡| 欧美人与善性xxx| 国产精品偷伦视频观看了| 国产精品女同一区二区软件| 国产久久久一区二区三区| 亚洲成人av在线免费| 七月丁香在线播放| 亚洲精品第二区| 日韩成人伦理影院| 久久久成人免费电影| 毛片女人毛片| 99久久精品一区二区三区| 我要看黄色一级片免费的| 一级爰片在线观看| 国产精品成人在线| 欧美成人a在线观看| av黄色大香蕉| 国产免费一级a男人的天堂| 精品久久国产蜜桃| 中文字幕制服av| 一个人看的www免费观看视频| 99热网站在线观看| 久久久久国产精品人妻一区二区| 少妇的逼水好多| 欧美亚洲 丝袜 人妻 在线| 日韩成人av中文字幕在线观看| 久久久久久久大尺度免费视频| 国产白丝娇喘喷水9色精品| 国产成人91sexporn| 日韩亚洲欧美综合| 国产精品国产av在线观看| 国产黄频视频在线观看| 国产高清有码在线观看视频| 黄色欧美视频在线观看| 欧美日韩在线观看h| 日日摸夜夜添夜夜爱| 精品亚洲乱码少妇综合久久| 成人毛片60女人毛片免费| 日韩强制内射视频| 九九爱精品视频在线观看| 你懂的网址亚洲精品在线观看| 大片电影免费在线观看免费| 亚洲精品中文字幕在线视频 | 97在线人人人人妻| 亚洲精品日韩在线中文字幕| 天天躁日日操中文字幕| 一级爰片在线观看| av免费观看日本| 日韩欧美精品免费久久| 欧美变态另类bdsm刘玥| 日本wwww免费看| 国产精品久久久久成人av| av视频免费观看在线观看| 国产精品无大码| 嫩草影院入口| 小蜜桃在线观看免费完整版高清| 菩萨蛮人人尽说江南好唐韦庄| 99久国产av精品国产电影| 欧美变态另类bdsm刘玥| 久久久久久伊人网av| 男人爽女人下面视频在线观看| 熟女av电影| 视频区图区小说| 午夜福利影视在线免费观看| 欧美人与善性xxx| 久久久久久伊人网av| 乱系列少妇在线播放| 久久精品国产亚洲av涩爱| 亚洲av成人精品一二三区| 老司机影院成人| 中国美白少妇内射xxxbb| 亚洲国产av新网站| 麻豆乱淫一区二区| 精品国产露脸久久av麻豆| 多毛熟女@视频| 欧美 日韩 精品 国产| 九九在线视频观看精品| 欧美一区二区亚洲| 免费少妇av软件| 国产精品偷伦视频观看了| 男男h啪啪无遮挡| 在线观看一区二区三区激情| 一区在线观看完整版| 婷婷色综合www| 另类亚洲欧美激情| 免费在线观看黄色视频的| 夜夜骑夜夜射夜夜干| 1024香蕉在线观看| 中文字幕色久视频| 另类精品久久| 中文字幕另类日韩欧美亚洲嫩草| 激情五月婷婷亚洲| videos熟女内射| 丝袜人妻中文字幕| 热99国产精品久久久久久7| 尾随美女入室| 国产男女内射视频| 亚洲图色成人| 久久九九热精品免费| 久久精品国产综合久久久| 两个人免费观看高清视频| 男人操女人黄网站| 亚洲欧美一区二区三区国产| 最近中文字幕2019免费版| 男女国产视频网站| 午夜影院在线不卡| 国产成人av教育| 手机成人av网站| 欧美激情极品国产一区二区三区| 亚洲精品国产色婷婷电影| 丝瓜视频免费看黄片| 国产成人精品无人区| 人人妻人人添人人爽欧美一区卜| 久久亚洲精品不卡| 亚洲av男天堂| 女人被躁到高潮嗷嗷叫费观| 1024视频免费在线观看| 女人爽到高潮嗷嗷叫在线视频| 国产一卡二卡三卡精品| 首页视频小说图片口味搜索 | 老司机午夜十八禁免费视频| 丝袜在线中文字幕| 亚洲黑人精品在线| 一级毛片我不卡| kizo精华| 99热网站在线观看| 午夜精品国产一区二区电影| 久久精品亚洲av国产电影网| 99国产精品一区二区三区| 亚洲av美国av| 欧美另类一区| 精品亚洲乱码少妇综合久久| 久久精品亚洲av国产电影网| 丝袜脚勾引网站| 国产亚洲欧美在线一区二区| 国产高清videossex| 亚洲av在线观看美女高潮| 男女边摸边吃奶| 精品国产国语对白av| 久久亚洲国产成人精品v| 十分钟在线观看高清视频www| 黄网站色视频无遮挡免费观看| 久久中文字幕一级| 国产免费视频播放在线视频| 亚洲,欧美精品.| 十分钟在线观看高清视频www| 在线观看www视频免费| 51午夜福利影视在线观看| 亚洲 欧美一区二区三区| 久久精品熟女亚洲av麻豆精品| 99热国产这里只有精品6| 亚洲精品一卡2卡三卡4卡5卡 | av网站免费在线观看视频| 91精品伊人久久大香线蕉| kizo精华| 一级毛片电影观看| 搡老岳熟女国产| 精品国产乱码久久久久久小说| 久热爱精品视频在线9| 久久国产精品大桥未久av| 欧美大码av| 国产精品久久久av美女十八| 老司机午夜十八禁免费视频| 999久久久国产精品视频| 男女边摸边吃奶| 性色av一级| 男女之事视频高清在线观看 | kizo精华| 欧美少妇被猛烈插入视频| 国产亚洲av片在线观看秒播厂| 中文欧美无线码| www日本在线高清视频| 看十八女毛片水多多多| 亚洲,一卡二卡三卡| 欧美黑人精品巨大| 大片电影免费在线观看免费| 日本91视频免费播放| 别揉我奶头~嗯~啊~动态视频 | 亚洲国产看品久久| 最新在线观看一区二区三区 | 欧美日韩成人在线一区二区| 一二三四在线观看免费中文在| 国产亚洲精品久久久久5区| 亚洲色图综合在线观看| 亚洲,欧美,日韩| av网站在线播放免费| 97在线人人人人妻| 精品久久久久久电影网| 成年av动漫网址| 婷婷色麻豆天堂久久| 2021少妇久久久久久久久久久| 亚洲中文av在线| 亚洲情色 制服丝袜| 午夜免费观看性视频| e午夜精品久久久久久久| 女人被躁到高潮嗷嗷叫费观| 亚洲熟女精品中文字幕| 亚洲av综合色区一区| 亚洲激情五月婷婷啪啪| 国产精品一区二区精品视频观看| 国产成人精品久久二区二区91| 国产免费一区二区三区四区乱码| 看十八女毛片水多多多| 精品国产一区二区三区四区第35| 亚洲免费av在线视频| 久久久久久人人人人人| 日本av免费视频播放| 97精品久久久久久久久久精品| 日本a在线网址| 9191精品国产免费久久| 亚洲人成77777在线视频| 亚洲欧美日韩高清在线视频 | 国产真人三级小视频在线观看| 亚洲伊人久久精品综合| 国产深夜福利视频在线观看| 99精品久久久久人妻精品| 亚洲熟女毛片儿| 久久人妻熟女aⅴ| 亚洲国产精品一区三区| 欧美另类一区| av一本久久久久| 国产黄色视频一区二区在线观看| 黄色视频在线播放观看不卡| 国产在线一区二区三区精| 美女午夜性视频免费| 国产免费福利视频在线观看| 视频在线观看一区二区三区| 超色免费av| 91国产中文字幕| 中文字幕色久视频| 国产高清国产精品国产三级| 天堂8中文在线网| 高潮久久久久久久久久久不卡| 国产1区2区3区精品| 欧美成人午夜精品| 久热这里只有精品99| 视频在线观看一区二区三区| 免费在线观看日本一区| 亚洲伊人色综图| 亚洲av欧美aⅴ国产| 久久热在线av| 亚洲伊人色综图| 久久免费观看电影| 亚洲国产精品一区三区| 自线自在国产av| 欧美精品一区二区大全| 色视频在线一区二区三区| 国产在线一区二区三区精| 精品福利永久在线观看| av国产精品久久久久影院| 亚洲少妇的诱惑av| 亚洲激情五月婷婷啪啪| 日日夜夜操网爽| 欧美av亚洲av综合av国产av| 久久99精品国语久久久| 黄片播放在线免费| 精品少妇黑人巨大在线播放| 啦啦啦在线免费观看视频4| 捣出白浆h1v1| 啦啦啦视频在线资源免费观看| 久久鲁丝午夜福利片| 精品一区二区三区av网在线观看 | 国产一区二区在线观看av| 高清欧美精品videossex| 啦啦啦啦在线视频资源| 天天躁狠狠躁夜夜躁狠狠躁| 国产精品麻豆人妻色哟哟久久| 天天添夜夜摸| 日韩大码丰满熟妇| 日韩大片免费观看网站| 婷婷色综合大香蕉| 日韩制服骚丝袜av| 大片电影免费在线观看免费| 两个人看的免费小视频| 高清欧美精品videossex| 999精品在线视频| 亚洲国产精品999| 夫妻性生交免费视频一级片| 国产精品秋霞免费鲁丝片| 女人爽到高潮嗷嗷叫在线视频| 久久精品熟女亚洲av麻豆精品| 如日韩欧美国产精品一区二区三区| 国产成人精品久久二区二区免费| 天天影视国产精品| 如日韩欧美国产精品一区二区三区| 午夜福利视频精品| 国产午夜精品一二区理论片| 麻豆国产av国片精品| 老司机影院成人| 黄色视频不卡| 欧美日韩亚洲国产一区二区在线观看 | 一级,二级,三级黄色视频| 国产黄色视频一区二区在线观看| 嫁个100分男人电影在线观看 | 亚洲国产av新网站| 一个人免费看片子| 国产男女内射视频| 欧美老熟妇乱子伦牲交| 啦啦啦中文免费视频观看日本| 九草在线视频观看| 91九色精品人成在线观看| 久久中文字幕一级| 中文乱码字字幕精品一区二区三区| 天天操日日干夜夜撸| 一边摸一边抽搐一进一出视频| 男女下面插进去视频免费观看| 亚洲欧美中文字幕日韩二区| 久久免费观看电影| 九色亚洲精品在线播放| 国产成人av教育| 日日夜夜操网爽| 三上悠亚av全集在线观看| 一二三四社区在线视频社区8| 久久精品成人免费网站| 一级毛片 在线播放| 中文字幕高清在线视频| 久久久久久人人人人人| 亚洲男人天堂网一区| 欧美xxⅹ黑人| 亚洲伊人久久精品综合| 咕卡用的链子| 久久精品aⅴ一区二区三区四区| 国产免费福利视频在线观看| 精品一区二区三区av网在线观看 | 一区二区三区精品91| 我要看黄色一级片免费的| 欧美日本中文国产一区发布| 自拍欧美九色日韩亚洲蝌蚪91| 午夜视频精品福利| 日韩人妻精品一区2区三区| av国产久精品久网站免费入址| 久久亚洲国产成人精品v| 可以免费在线观看a视频的电影网站| 丝袜在线中文字幕| 99国产精品一区二区蜜桃av | 欧美日韩亚洲高清精品| 日韩av不卡免费在线播放| 黄色a级毛片大全视频| 亚洲 欧美一区二区三区| 日本欧美视频一区| 亚洲一卡2卡3卡4卡5卡精品中文| 精品福利观看| 男女免费视频国产| 欧美乱码精品一区二区三区| 亚洲,欧美,日韩| 国产精品人妻久久久影院| 久久精品久久久久久久性| 亚洲一码二码三码区别大吗| 高清不卡的av网站| 亚洲成人国产一区在线观看 | 一区二区三区激情视频| 欧美精品人与动牲交sv欧美| 我要看黄色一级片免费的| 欧美 日韩 精品 国产| 成人亚洲精品一区在线观看| 黄色怎么调成土黄色| 91麻豆精品激情在线观看国产 | 精品视频人人做人人爽| 亚洲成国产人片在线观看| 国产精品久久久久久精品电影小说| 成在线人永久免费视频| 人人妻人人添人人爽欧美一区卜| av欧美777| 日韩大片免费观看网站| 久久人人97超碰香蕉20202| 国产精品偷伦视频观看了| 久久精品亚洲熟妇少妇任你| 90打野战视频偷拍视频| 国产成人av激情在线播放| 另类亚洲欧美激情| 大码成人一级视频| 亚洲国产精品国产精品| 日本av免费视频播放| 一级黄色大片毛片| 国产福利在线免费观看视频| 精品少妇内射三级| 黄色一级大片看看| 久久久久久久久免费视频了| 亚洲人成网站在线观看播放| 免费久久久久久久精品成人欧美视频| 大香蕉久久成人网| 97精品久久久久久久久久精品| 欧美日韩视频精品一区| 午夜福利视频在线观看免费| www.熟女人妻精品国产| 五月开心婷婷网| 2021少妇久久久久久久久久久| 中国美女看黄片| 国产高清视频在线播放一区 | av不卡在线播放| 亚洲激情五月婷婷啪啪| 亚洲 国产 在线| 色综合欧美亚洲国产小说| 黄片小视频在线播放| 丝袜美足系列| 久久久亚洲精品成人影院| 国产成人欧美| 大码成人一级视频| 人妻一区二区av| 久久精品国产综合久久久| 国产精品 国内视频| 少妇粗大呻吟视频| 亚洲精品乱久久久久久| 国产91精品成人一区二区三区 | 亚洲欧美日韩高清在线视频 | 90打野战视频偷拍视频| 777久久人妻少妇嫩草av网站| 欧美精品一区二区免费开放| 在线观看人妻少妇| 国产人伦9x9x在线观看| 日韩熟女老妇一区二区性免费视频| www日本在线高清视频| 91国产中文字幕| 97在线人人人人妻| 中文字幕最新亚洲高清| 精品久久久久久久毛片微露脸 | 亚洲精品国产av蜜桃| 亚洲综合色网址| www.999成人在线观看| 最近手机中文字幕大全| 99精国产麻豆久久婷婷| 人妻人人澡人人爽人人| 欧美黑人精品巨大| 国产免费现黄频在线看| 欧美日韩视频高清一区二区三区二| avwww免费| 极品人妻少妇av视频| 另类精品久久| 日韩大码丰满熟妇| 久久久久网色| cao死你这个sao货| 精品卡一卡二卡四卡免费| 捣出白浆h1v1| 亚洲av电影在线观看一区二区三区| 免费黄频网站在线观看国产| 99精品久久久久人妻精品| 久久人人爽人人片av| 亚洲国产精品一区二区三区在线| 最近手机中文字幕大全| 欧美激情极品国产一区二区三区| av天堂久久9| 久久亚洲精品不卡| 国产一区亚洲一区在线观看| 午夜免费成人在线视频| 69精品国产乱码久久久| 国产精品免费视频内射| 精品免费久久久久久久清纯 | 色播在线永久视频| av在线app专区| 操美女的视频在线观看| 波多野结衣av一区二区av| 成人三级做爰电影| 成人午夜精彩视频在线观看| 国产高清videossex| 久久av网站| 成人影院久久| 精品少妇黑人巨大在线播放| 91精品国产国语对白视频| 成人亚洲欧美一区二区av| 我要看黄色一级片免费的| 纵有疾风起免费观看全集完整版| 日韩 亚洲 欧美在线| 91国产中文字幕| 亚洲国产成人一精品久久久| 18禁黄网站禁片午夜丰满| 91成人精品电影| 精品一区二区三区av网在线观看 | 日韩精品免费视频一区二区三区| 久久 成人 亚洲| 亚洲国产欧美一区二区综合| 午夜免费成人在线视频| 久久久久久久久免费视频了| 久久99一区二区三区| 亚洲专区中文字幕在线| 国产高清videossex| 精品国产乱码久久久久久男人| 在线观看www视频免费| 777米奇影视久久| 国产精品九九99| 久久国产精品影院| 色婷婷av一区二区三区视频| 亚洲,欧美,日韩| 久久久久网色| 亚洲国产av影院在线观看| 亚洲,欧美精品.| 在现免费观看毛片| 亚洲欧洲国产日韩| 亚洲,欧美精品.| 五月天丁香电影| 少妇人妻 视频| 黄片小视频在线播放| 五月天丁香电影| 日本wwww免费看| 免费少妇av软件| 国产人伦9x9x在线观看| 蜜桃在线观看..| 人人妻人人添人人爽欧美一区卜| 女性生殖器流出的白浆| 日日摸夜夜添夜夜爱| 90打野战视频偷拍视频| 亚洲欧美清纯卡通| 男女免费视频国产| 国产视频一区二区在线看| 精品国产乱码久久久久久小说| 国产一区有黄有色的免费视频| 久久久久国产一级毛片高清牌| 久久精品熟女亚洲av麻豆精品| 男女边吃奶边做爰视频| 亚洲人成网站在线观看播放| 9色porny在线观看| 捣出白浆h1v1| 亚洲国产欧美网| 成年美女黄网站色视频大全免费| 亚洲一区中文字幕在线| 国产黄色免费在线视频| 蜜桃国产av成人99| 视频区图区小说| 无遮挡黄片免费观看| 免费久久久久久久精品成人欧美视频| 午夜福利一区二区在线看| 欧美日韩视频高清一区二区三区二| 岛国毛片在线播放| 一本综合久久免费| 一级片免费观看大全|