• <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 ?

    基于深度學(xué)習(xí)的Spring Cloud負(fù)載均衡優(yōu)化研究

    2022-05-30 15:43:24吳嵐若
    電腦知識(shí)與技術(shù) 2022年10期
    關(guān)鍵詞:負(fù)載均衡微服務(wù)

    摘要:針對(duì)微服務(wù)框架Spring Cloud中內(nèi)置負(fù)載均衡算法不能全面反映負(fù)載與負(fù)載滯后的不足,文章提出一種基于深度學(xué)習(xí)負(fù)載預(yù)測的負(fù)載均衡算法,以更全面的負(fù)載模型衡量微服務(wù)節(jié)點(diǎn)的負(fù)載,并使用GRU神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)載預(yù)測,根據(jù)負(fù)載預(yù)測值動(dòng)態(tài)調(diào)整微服務(wù)節(jié)點(diǎn)的權(quán)重,再基于加權(quán)輪詢算法進(jìn)行負(fù)載均衡,進(jìn)一步地提升微服務(wù)應(yīng)用系統(tǒng)的響應(yīng)速度與資源利用率。實(shí)驗(yàn)采用Jmeter進(jìn)行仿真測試,并將本文提出的算法與Spring Cloud的內(nèi)置算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,在線程并發(fā)數(shù)較多的情況下,該算法能更有效地在使用Spring Cloud搭建的微服務(wù)應(yīng)用系統(tǒng)中實(shí)現(xiàn)負(fù)載均衡。

    關(guān)鍵詞:微服務(wù);Spring Cloud;負(fù)載均衡;GRU網(wǎng)絡(luò);負(fù)載預(yù)測

    中圖分類號(hào):TP311? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A

    文章編號(hào):1009-3044(2022)10-0080-04

    隨著互聯(lián)網(wǎng)技術(shù)與云計(jì)算的發(fā)展,單體架構(gòu)已經(jīng)越來越不適應(yīng)于日新月異的應(yīng)用需求。在單體架構(gòu)中,應(yīng)用程序通常被構(gòu)建為一個(gè)不可分割的整體[1],隨著項(xiàng)目的擴(kuò)展,單體架構(gòu)應(yīng)用的開發(fā)、部署、維護(hù)會(huì)越來越困難[2],因此,微服務(wù)架構(gòu)逐漸興起。微服務(wù)架構(gòu)是旨在將軟件系統(tǒng)分解為一組獨(dú)立的微小服務(wù)的云原生架構(gòu)[3],這組微小服務(wù)可以獨(dú)立部署在不同平臺(tái),也可以使用不同的技術(shù)棧。微服務(wù)架構(gòu)可以克服單體架構(gòu)的缺點(diǎn),增強(qiáng)系統(tǒng)的可擴(kuò)展性、高并發(fā)性、高可用性[4],因此被越來越多的企業(yè)與研究機(jī)構(gòu)使用。

    在各種微服務(wù)框架中,Spring Cloud是較為流行的一種。據(jù)云原生產(chǎn)業(yè)聯(lián)盟發(fā)布的《中國云原生用戶調(diào)研報(bào)告(2020年) 》[5]顯示,Spring Cloud是微服務(wù)架構(gòu)的用戶首選。由于微服務(wù)架構(gòu)將軟件系統(tǒng)分解為了粒度較小的微服務(wù),故服務(wù)治理技術(shù)也更加復(fù)雜。在服務(wù)治理技術(shù)中,負(fù)載均衡技術(shù)十分關(guān)鍵,通過優(yōu)化微服務(wù)架構(gòu)中的負(fù)載均衡技術(shù)可以有效減少請(qǐng)求延遲,提高微服務(wù)架構(gòu)的可靠性和資源利用率[6]。

    Spring Cloud Ribbon是Spring Cloud的負(fù)載均衡組件,其內(nèi)置負(fù)載均衡算法存在負(fù)載衡量不全面與負(fù)載滯后的缺點(diǎn)。如果能較為全面地計(jì)算負(fù)載值,并掌握負(fù)載變化的未來趨勢,對(duì)負(fù)載值進(jìn)行預(yù)測,則能更好地提升負(fù)載均衡算法的性能。本文針對(duì)Spring Cloud Ribbon中存在的問題,提出了一種基于深度學(xué)習(xí)負(fù)載預(yù)測的負(fù)載均衡算法,該算法提出了一種更全面的模型衡量負(fù)載,并對(duì)負(fù)載進(jìn)行預(yù)測,進(jìn)一步提升了微服務(wù)應(yīng)用系統(tǒng)的響應(yīng)速度與資源利用率。

    1 負(fù)載預(yù)測

    1.1 微服務(wù)節(jié)點(diǎn)負(fù)載模型

    微服務(wù)節(jié)點(diǎn)的負(fù)載能反映微服務(wù)節(jié)點(diǎn)的處理性能。選取適當(dāng)?shù)呢?fù)載評(píng)價(jià)指標(biāo)對(duì)負(fù)載進(jìn)行計(jì)算得到綜合負(fù)載值,再基于綜合負(fù)載值進(jìn)行請(qǐng)求分配,可以進(jìn)一步提升負(fù)載均衡算法的準(zhǔn)確性。

    本文選取了CPU利用率、內(nèi)存利用率、網(wǎng)絡(luò)利用率、IO利用率四個(gè)負(fù)載評(píng)價(jià)指標(biāo)衡量節(jié)點(diǎn)的動(dòng)態(tài)負(fù)載。由于節(jié)點(diǎn)本身的服務(wù)器配置也會(huì)影響到節(jié)點(diǎn)的性能,并且配置信息一般不會(huì)改變,因此本文將服務(wù)器的配置信息也加入負(fù)載的衡量中。

    為了更準(zhǔn)確地表示微服務(wù)節(jié)點(diǎn)的負(fù)載,引入以下定義:

    定義1:靜態(tài)性能

    微服務(wù)節(jié)點(diǎn)的配置信息可以反映節(jié)點(diǎn)的基礎(chǔ)性能,本文采用的配置信息有CPU核心數(shù)、內(nèi)存容量與網(wǎng)絡(luò)帶寬。節(jié)點(diǎn)[ ? ]的靜態(tài)性能(Static Capacity)記為[SCi],計(jì)算如公式(1) 所示:

    通過上述計(jì)算得出本文構(gòu)造的判斷矩陣[A]通過一致性檢驗(yàn),故可將歸一化特征向量作為權(quán)向量。

    1.2 GRU神經(jīng)網(wǎng)絡(luò)模型

    負(fù)載具有實(shí)時(shí)性,而動(dòng)態(tài)負(fù)載均衡算法中使用的負(fù)載數(shù)據(jù)往往具有滯后性。在Spring Cloud中,負(fù)載信息的采集周期,服務(wù)消費(fèi)者將負(fù)載數(shù)據(jù)更新到注冊中心的續(xù)約周期,以及服務(wù)消費(fèi)者從服務(wù)注冊中心拉取服務(wù)注冊表的周期都導(dǎo)致了負(fù)載數(shù)據(jù)的滯后。如果能掌握負(fù)載的變化趨勢,對(duì)負(fù)載進(jìn)行預(yù)測,以負(fù)載預(yù)測值作為請(qǐng)求分配的依據(jù)運(yùn)用在負(fù)載均衡算法中,則能提升系統(tǒng)負(fù)載均衡的性能。本文提出了一種基于深度學(xué)習(xí)的負(fù)載預(yù)測模型,該模型使用GRU神經(jīng)網(wǎng)絡(luò)對(duì)負(fù)載進(jìn)行預(yù)測,降低負(fù)載數(shù)據(jù)的時(shí)延,提升負(fù)載均衡算法的準(zhǔn)確性。

    深度學(xué)習(xí)的概念源于人工神經(jīng)網(wǎng)絡(luò)的研究,主要使用深度神經(jīng)網(wǎng)絡(luò)作為工具解決問題。當(dāng)深度學(xué)習(xí)用于時(shí)序數(shù)據(jù)預(yù)測時(shí),網(wǎng)絡(luò)結(jié)構(gòu)主要使用循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN) 。RNN是一類用于處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò),包括雙向RNN、門控RNN等。其中門控RNN,如LSTM和GRU,有效優(yōu)化了RNN中梯度爆炸和梯度消失問題。本文使用GRU神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)載預(yù)測,相比LSTM[8],GRU簡化了門結(jié)構(gòu),能有效加快訓(xùn)練速度,提高計(jì)算效率[9]。

    本文設(shè)計(jì)的GRU神經(jīng)網(wǎng)絡(luò)模型包含輸入層、隱藏層、輸入層三個(gè)模塊。定期采集的負(fù)載指標(biāo)信息通過上文提出的負(fù)載模型計(jì)算后得到原始負(fù)載數(shù)據(jù);原始負(fù)載數(shù)據(jù)經(jīng)過處理后從輸入層輸入;隱藏層使用GRU神經(jīng)元對(duì)輸入數(shù)據(jù)進(jìn)行計(jì)算;輸出層最終輸出結(jié)果,結(jié)構(gòu)如圖2所示。

    1.3 網(wǎng)絡(luò)訓(xùn)練

    使用GRU網(wǎng)絡(luò)進(jìn)行負(fù)載預(yù)測的訓(xùn)練步驟如下:

    (1) 網(wǎng)絡(luò)搭建

    本文使用TensorFlow框架搭建GRU網(wǎng)絡(luò)模型。使用Keras和Keras提供的容器Sequential構(gòu)建網(wǎng)絡(luò)。

    (2) 網(wǎng)絡(luò)訓(xùn)練

    本文選擇adam優(yōu)化器更新權(quán)重,損失函數(shù)使用MSE(Mean Squared Error) 如公式(9) 所示:

    [Loss=1ni=1nyi-yi2] (9)

    其中[n ]為樣本數(shù)量,[yi]與[yi]分別為真實(shí)負(fù)載與預(yù)測負(fù)載值。

    (3) 超參數(shù)選取

    為了提高預(yù)測的精度,本文通過實(shí)驗(yàn)對(duì)一些超參數(shù)進(jìn)行選取。需要實(shí)驗(yàn)選取的超參數(shù)包括歷史數(shù)據(jù)的長度、隱藏層的層數(shù)以及隱藏層的單元數(shù)量。本文使用交叉驗(yàn)證的方式,網(wǎng)絡(luò)搜索進(jìn)行參數(shù)選取。網(wǎng)格搜索定義一個(gè)三維方格,每格對(duì)應(yīng)一種超參數(shù)組合。

    (4) 模型評(píng)價(jià)

    使用MAPE和RMSE對(duì)模型進(jìn)行評(píng)價(jià),如公式(10)(11) 所示:

    [MAPE=100%ni=1nyi-yiyi] (10)

    [RMSE=1ni=1nyi-yi2] (11)

    其中[n ]為樣本數(shù)量,[yi]與[yi]分別為真實(shí)負(fù)載與預(yù)測負(fù)載值。

    2 基于深度學(xué)習(xí)負(fù)載預(yù)測的負(fù)載均衡算法

    服務(wù)提供者的負(fù)載預(yù)測值將通過Spring Cloud的續(xù)約機(jī)制更新到服務(wù)注冊中心,并作為微服務(wù)元數(shù)據(jù)寫入服務(wù)注冊表,最終被服務(wù)消費(fèi)者拉取。Spring Cloud的續(xù)約周期與服務(wù)消費(fèi)者拉取服務(wù)注冊表的周期均會(huì)導(dǎo)致負(fù)載數(shù)據(jù)的滯后性。本文根據(jù)負(fù)載預(yù)測值計(jì)算各微服務(wù)節(jié)點(diǎn)權(quán)重,基于加權(quán)輪詢算法進(jìn)行請(qǐng)求分配,對(duì)未來負(fù)載變化趨勢不同的微服務(wù)節(jié)點(diǎn)進(jìn)行動(dòng)態(tài)權(quán)重調(diào)整,從而有效避免負(fù)載滯后問題。

    2.1 權(quán)重計(jì)算

    (1) 初始權(quán)重:

    記微服務(wù)節(jié)點(diǎn)[? ]的初始權(quán)重為[W'i],計(jì)算如公式(12) :

    [W'i=CLoadi] (12)

    其中[C ]為權(quán)重常量調(diào)節(jié)因子,[Load(i) ]為該節(jié)點(diǎn)的負(fù)載值。在初始未獲取微服務(wù)節(jié)點(diǎn)的動(dòng)態(tài)負(fù)載時(shí),[Load(i)]由微服務(wù)節(jié)點(diǎn)的靜態(tài)性能決定。

    (2) 權(quán)重動(dòng)態(tài)調(diào)整

    為了更準(zhǔn)確地調(diào)整微服務(wù)節(jié)點(diǎn)權(quán)重,本文設(shè)定了三個(gè)閾值[Loadl]、[Loadh]、[Loadm],并根據(jù)這三個(gè)閾值對(duì)微服務(wù)健康等級(jí)進(jìn)行分級(jí)。當(dāng)微服務(wù)負(fù)載值屬于[(0,Loadl)]時(shí),其處于低負(fù)載狀態(tài),健康等級(jí)記為[LLoad];當(dāng)負(fù)載值屬于[(Loadl,Loadh)]時(shí),其處于正常負(fù)載狀態(tài),健康等級(jí)記為[NLoad];當(dāng)負(fù)載值屬于[(Loadh,Loadm)]時(shí),其處于高負(fù)載狀態(tài),健康等級(jí)記為[HLoad];當(dāng)負(fù)載值屬于[(Loadm,1)]時(shí),其不可用,健康等級(jí)記為[Down]。

    引入權(quán)重修正因子[β],計(jì)算如公式(13) :

    [β=LoadiAvgLoadi ] (13)

    其中[ AvgLoad(i) ]為該微服務(wù)所有實(shí)例的負(fù)載平均值。當(dāng)微服務(wù)實(shí)例健康等級(jí)為[LLoad],說明實(shí)例較空閑,剩余性能較好,應(yīng)當(dāng)增大其權(quán)重;健康等級(jí)為[NLoad],說明該實(shí)例處于正常狀態(tài),無需調(diào)整權(quán)重;健康等級(jí)為[HLoad],說明該實(shí)例負(fù)載較重,應(yīng)當(dāng)減少其權(quán)重;不可用實(shí)例權(quán)重為0。權(quán)重調(diào)整公式如公式(14) 所示。

    [Wi=CWi+β,LLoadWi,NLoadWi-β,HLoad0, Down] (14)

    根據(jù)動(dòng)態(tài)調(diào)整后的權(quán)重進(jìn)行請(qǐng)求分配,可以有效優(yōu)化負(fù)載不均的情況,提升系統(tǒng)的資源利用率。

    2.2 算法運(yùn)行流程

    考慮到當(dāng)系統(tǒng)整體負(fù)載較小時(shí),采用本文算法造成的資源消耗可能會(huì)影響負(fù)載均衡效果,故當(dāng)總平均響應(yīng)時(shí)間低于設(shè)定的閾值時(shí),本文采取Spring Cloud Ribbon內(nèi)置的WeightedResponseTimeRule。WeightedResponseTimeRule會(huì)根據(jù)響應(yīng)時(shí)間進(jìn)行權(quán)重計(jì)算,微服務(wù)節(jié)點(diǎn)的響應(yīng)時(shí)間越長,被選擇的概率就越小。

    當(dāng)請(qǐng)求到達(dá)時(shí),服務(wù)消費(fèi)者節(jié)點(diǎn)會(huì)遍歷該請(qǐng)求需調(diào)用的微服務(wù)對(duì)應(yīng)的所有實(shí)例,計(jì)算所有實(shí)例的平均響應(yīng)時(shí)間[Tavg],若[Tavg]小于閾值[T],則說明目前系統(tǒng)中負(fù)載較小,采取Spring Cloud Ribbon內(nèi)置的WeightedResponseTimeRule進(jìn)行負(fù)載均衡。

    若[Tavg]大于閾值[T],則采取基于深度學(xué)習(xí)負(fù)載預(yù)測的負(fù)載均衡算法。算法設(shè)計(jì)如算法1所示:

    算法1 基于深度學(xué)習(xí)負(fù)載預(yù)測的負(fù)載均衡算法

    輸入:需調(diào)用微服務(wù)對(duì)應(yīng)的所有實(shí)例集合[I];

    輸出:權(quán)重最大的微服務(wù)實(shí)例[ Ik]。

    1.? for each [ Ii∈ I] do

    2.? ? [Load(i)] [← ]getPredictLoad([ Ii)];

    3.? ? if [Load(i)] [∈(Loadm,1)] then

    4.? ? ? Weight([ Ii])[ ← ]0

    5.? ? else if [Load(i)] [∈(Load0,Loadl)] or [Load(i)] [∈(Loadh,Loadm)] then

    6.? ? ? Weight([ Ii])[ ← ]adjustWeight([ Ii])

    7.? ? else

    8.? ? ? continue

    9.? ? end if

    10.? end for

    11.? return getBiggestWeight([I])

    算法1遍歷所有微服務(wù)實(shí)例,獲取各實(shí)例的負(fù)載預(yù)測值,判斷其是否需要調(diào)整權(quán)重,為負(fù)載較高或較低的微服務(wù)調(diào)整權(quán)重,不可用的微服務(wù)節(jié)點(diǎn)權(quán)重設(shè)置為0。重復(fù)上述過程,直到遍歷完畢,最終輸出權(quán)重最大的微服務(wù)實(shí)例,選擇該實(shí)例分配請(qǐng)求。

    3 算法性能分析

    本文使用基于Spring Cloud搭建的微服務(wù)應(yīng)用系統(tǒng)進(jìn)行測試。選取平均響應(yīng)時(shí)間與吞吐量這兩個(gè)評(píng)價(jià)指標(biāo),使用Jmeter模擬用戶并發(fā)請(qǐng)求,驗(yàn)證本文對(duì)Spring Cloud負(fù)載均衡性能的提升。

    將本文提出的算法與Spring CloudRibbon內(nèi)置的BestAvailableRule、WeightedResponseTimeRule進(jìn)行實(shí)驗(yàn)對(duì)比,測試結(jié)果如下,平均響應(yīng)時(shí)間見圖3,吞吐量見圖4。

    從圖3與圖4的實(shí)驗(yàn)結(jié)果可以看出,當(dāng)并發(fā)線程數(shù)較少時(shí),本文算法與Ribbon內(nèi)置算法對(duì)比沒有明顯優(yōu)勢。這是由于在并發(fā)量較小的情況下,平均響應(yīng)時(shí)間與吞吐量主要取決于算法本身的復(fù)雜度,本文在負(fù)載較輕時(shí)會(huì)采取 Ribbon 內(nèi)置的 WeightedResponseTimeRule。但當(dāng)并發(fā)線程數(shù)在1000及以上時(shí),應(yīng)用本文提出的算法明顯增加了系統(tǒng)的吞吐量,減少了平均響應(yīng)時(shí)間,提升了系統(tǒng)的負(fù)載均衡效果。因此可以得出本文提出的算法,在并發(fā)量比較高的情況下要優(yōu)于Ribbon的內(nèi)置算法。

    4 結(jié)束語

    本文針對(duì)微服務(wù)框架Spring Cloud中內(nèi)置負(fù)載均衡算法負(fù)載衡量不全面與負(fù)載滯后的缺點(diǎn),提出了一種基于深度學(xué)習(xí)負(fù)載預(yù)測的負(fù)載均衡算法。該算法定期采集微服務(wù)節(jié)點(diǎn)的負(fù)載信息,通過一種較全面的負(fù)載模型進(jìn)行負(fù)載計(jì)算,并使用GRU神經(jīng)網(wǎng)絡(luò)對(duì)負(fù)載值進(jìn)行預(yù)測,根據(jù)負(fù)載預(yù)測結(jié)果進(jìn)行權(quán)重計(jì)算,微服務(wù)節(jié)點(diǎn)的權(quán)重能根據(jù)負(fù)載的變化趨勢進(jìn)行動(dòng)態(tài)調(diào)整,使客戶端請(qǐng)求分配更加合理。實(shí)驗(yàn)結(jié)果表明,該算法與Spring Cloud Ribbon中的內(nèi)置算法相比,在并發(fā)線程數(shù)較多的情況下,有效地優(yōu)化了負(fù)載均衡性能,進(jìn)一步提升了微服務(wù)應(yīng)用系統(tǒng)的響應(yīng)速度與資源利用率。

    參考文獻(xiàn):

    [1] SHABANII,BERISHAB,BIBAT,et al.Designof Modern Distributed Systems based on Microservices Architecture[J].International Journal of Advanced Computer Science and Applications,2021,12(2):153-159.

    [2] Villamizar M,Garcés O,Ochoa L,et al.Cost comparison of running web applications in the cloud using monolithic,microservice,and AWS Lambda architectures[J].Service Oriented Computing and Applications,2017,11(2):233-247.

    [3] Balalaie A,Heydarnoori A,Jamshidi P.Microservices architecture enables DevOps:migration to a cloud-native architecture[J].IEEE Software,2016,33(3):42-52.

    [4] Liu G Z,Huang B,Liang Z H,et al.Microservices:architecture,container,and challenges[C]//2020 IEEE 20th International Conference on Software Quality,Reliability and Security Companion.December 11-14,2020,Macao,China.IEEE,2020:629-635.

    [5] 云原生產(chǎn)業(yè)聯(lián)盟.中國云原生用戶調(diào)研報(bào)告(2020年):云原生熱點(diǎn)技術(shù)使用現(xiàn)狀全披露[EB/OL].[2022-2-21].https://www.sohu.com/a/426326675_753085.

    [6] Wang H,Wang Y,Liang G Y,et al.Research on load balancing technology for microservice architecture[J].MATEC Web of Conferences,2021,336:8002.

    [7] DANNER M,GERBERA.Patient Involvement in Health Technology Assessment[M].Gewerbestrasse:Springer,2017.

    [8] Song B B,Yu Y,Zhou Y,et al.Host load prediction with long short-term memory in cloud computing[J].The Journal of Supercomputing,2018,74(12):6554-6568.

    [9] Yamak P T,Li Y J,Gadosey P K.A comparison between ARIMA,LSTM,and GRU for time series forecasting[C]//ACAI 2019:Proceedings of the 2019 2nd International Conference on Algorithms,Computing and Artificial Intelligence.2019:49-55.

    【通聯(lián)編輯:唐一東】

    收稿日期:2021-12-15

    作者簡介:吳嵐若(1997—) ,女,安徽銅陵人,碩士,研究方向?yàn)檐浖こ獭?/p>

    猜你喜歡
    負(fù)載均衡微服務(wù)
    微信公眾平臺(tái)在醫(yī)院圖書館的應(yīng)用現(xiàn)狀調(diào)查
    異構(gòu)環(huán)境下改進(jìn)的LATE調(diào)度算法
    基于微信企業(yè)號(hào)的校園移動(dòng)服務(wù)
    微服務(wù)視角下高職圖書館數(shù)字資源使用分析
    中文信息(2016年10期)2016-12-12 10:09:57
    從單一模式系統(tǒng)架構(gòu)往微服務(wù)架構(gòu)遷移轉(zhuǎn)化技術(shù)研究
    基于負(fù)載均衡的云資源調(diào)度策略研究
    多站點(diǎn)同步更新系統(tǒng)的設(shè)計(jì)
    科技視界(2016年3期)2016-02-26 20:16:57
    模糊理論在Ad hoc網(wǎng)絡(luò)通信領(lǐng)域的應(yīng)用
    科技視界(2015年25期)2015-09-01 16:07:00
    国产欧美日韩综合在线一区二区| 一级毛片 在线播放| 久久精品aⅴ一区二区三区四区| 97精品久久久久久久久久精品| 天天躁日日躁夜夜躁夜夜| 最近最新中文字幕免费大全7| 久久这里只有精品19| 国产成人精品无人区| 国产成人午夜福利电影在线观看| av女优亚洲男人天堂| 侵犯人妻中文字幕一二三四区| 国产精品99久久99久久久不卡 | 天天躁日日躁夜夜躁夜夜| 啦啦啦视频在线资源免费观看| 国产99久久九九免费精品| 别揉我奶头~嗯~啊~动态视频 | 91成人精品电影| 九九爱精品视频在线观看| 在线亚洲精品国产二区图片欧美| 青春草国产在线视频| 热re99久久精品国产66热6| 国产精品一二三区在线看| 久热爱精品视频在线9| 亚洲精品日本国产第一区| 国产1区2区3区精品| 91老司机精品| 国产精品 欧美亚洲| 国产精品一区二区在线不卡| 色综合欧美亚洲国产小说| 香蕉国产在线看| 别揉我奶头~嗯~啊~动态视频 | 两性夫妻黄色片| 黄色视频不卡| 国产乱人偷精品视频| 久久久久精品国产欧美久久久 | 精品少妇黑人巨大在线播放| 免费看av在线观看网站| 色播在线永久视频| 丁香六月欧美| 国产高清国产精品国产三级| 日韩伦理黄色片| 欧美亚洲 丝袜 人妻 在线| 中文字幕另类日韩欧美亚洲嫩草| 久久精品人人爽人人爽视色| 国产一区二区三区综合在线观看| 亚洲精品久久久久久婷婷小说| 久久久久视频综合| 国产精品久久久久成人av| 狂野欧美激情性bbbbbb| 一边摸一边做爽爽视频免费| 美女福利国产在线| 国产av国产精品国产| 中国三级夫妇交换| 国产国语露脸激情在线看| 美女主播在线视频| 欧美精品一区二区免费开放| 国产精品秋霞免费鲁丝片| 久久ye,这里只有精品| 好男人视频免费观看在线| 国产在视频线精品| 欧美日韩亚洲国产一区二区在线观看 | 香蕉丝袜av| 中文字幕人妻丝袜制服| 肉色欧美久久久久久久蜜桃| 男女之事视频高清在线观看 | 日日啪夜夜爽| 久久精品国产a三级三级三级| 久久久国产欧美日韩av| videos熟女内射| 国产深夜福利视频在线观看| 晚上一个人看的免费电影| 秋霞在线观看毛片| 亚洲欧美日韩另类电影网站| 女的被弄到高潮叫床怎么办| 久久天堂一区二区三区四区| a级毛片在线看网站| 大片电影免费在线观看免费| 国产 精品1| 高清在线视频一区二区三区| www.av在线官网国产| 十八禁人妻一区二区| 欧美成人午夜精品| 一本大道久久a久久精品| 乱人伦中国视频| 国产精品久久久av美女十八| 亚洲精品一二三| 久久国产精品男人的天堂亚洲| 日韩 欧美 亚洲 中文字幕| h视频一区二区三区| 男女无遮挡免费网站观看| 女人高潮潮喷娇喘18禁视频| 欧美在线黄色| 国产伦理片在线播放av一区| 亚洲第一av免费看| 欧美成人精品欧美一级黄| 高清在线视频一区二区三区| 精品人妻在线不人妻| 伊人久久国产一区二区| 国产精品久久久久久精品古装| 美国免费a级毛片| 啦啦啦啦在线视频资源| 美女中出高潮动态图| 精品国产一区二区三区四区第35| 亚洲国产日韩一区二区| 女性生殖器流出的白浆| 亚洲欧美色中文字幕在线| 亚洲精品美女久久久久99蜜臀 | 久久久精品区二区三区| 日韩 欧美 亚洲 中文字幕| 少妇精品久久久久久久| 国产淫语在线视频| 久久久久久人人人人人| 国产一级毛片在线| 麻豆精品久久久久久蜜桃| 免费黄网站久久成人精品| 日本欧美视频一区| 韩国精品一区二区三区| 中文字幕人妻熟女乱码| 超色免费av| 国产有黄有色有爽视频| 亚洲国产精品一区二区三区在线| 香蕉国产在线看| 精品午夜福利在线看| 中国国产av一级| 丰满少妇做爰视频| 韩国高清视频一区二区三区| 老熟女久久久| 少妇猛男粗大的猛烈进出视频| 久久99热这里只频精品6学生| 91精品伊人久久大香线蕉| 中文乱码字字幕精品一区二区三区| 一区二区三区激情视频| 亚洲av成人不卡在线观看播放网 | 亚洲av电影在线进入| 成年美女黄网站色视频大全免费| 99精品久久久久人妻精品| 日韩大片免费观看网站| 人人澡人人妻人| 久久精品亚洲熟妇少妇任你| 婷婷色av中文字幕| 成年av动漫网址| 男女无遮挡免费网站观看| 国产av一区二区精品久久| kizo精华| 欧美最新免费一区二区三区| 黄频高清免费视频| 免费观看a级毛片全部| 夫妻午夜视频| 91精品国产国语对白视频| 黄色视频在线播放观看不卡| 亚洲精品中文字幕在线视频| 九九爱精品视频在线观看| 国产免费又黄又爽又色| 中文字幕制服av| 久久这里只有精品19| 啦啦啦 在线观看视频| 国产av一区二区精品久久| 欧美97在线视频| 成人午夜精彩视频在线观看| 日本黄色日本黄色录像| 精品酒店卫生间| 国产福利在线免费观看视频| 中国国产av一级| 黄色 视频免费看| 亚洲av日韩精品久久久久久密 | 久久99一区二区三区| 欧美另类一区| 狠狠精品人妻久久久久久综合| 久久久久久久久久久免费av| svipshipincom国产片| 黄网站色视频无遮挡免费观看| 国产精品二区激情视频| 一级毛片 在线播放| 男人爽女人下面视频在线观看| 精品人妻在线不人妻| 亚洲精品,欧美精品| 久久99热这里只频精品6学生| 999久久久国产精品视频| 久久久国产精品麻豆| 国产97色在线日韩免费| 麻豆乱淫一区二区| 天天添夜夜摸| 国产人伦9x9x在线观看| 女人被躁到高潮嗷嗷叫费观| 天天操日日干夜夜撸| 欧美精品av麻豆av| 乱人伦中国视频| 黑人猛操日本美女一级片| 成人18禁高潮啪啪吃奶动态图| 久久久久久久大尺度免费视频| 精品国产一区二区三区久久久樱花| 成人国语在线视频| 国产精品免费视频内射| 国产av一区二区精品久久| 久久人妻熟女aⅴ| 亚洲,欧美,日韩| av在线老鸭窝| 看十八女毛片水多多多| 久久99精品国语久久久| 国产97色在线日韩免费| 午夜免费鲁丝| 9热在线视频观看99| 悠悠久久av| 国产xxxxx性猛交| 成年人免费黄色播放视频| 五月开心婷婷网| 伊人亚洲综合成人网| 在线观看三级黄色| 亚洲欧美清纯卡通| 新久久久久国产一级毛片| 久久精品人人爽人人爽视色| 操出白浆在线播放| 黄片播放在线免费| 国产黄色视频一区二区在线观看| 丁香六月天网| 国产男女超爽视频在线观看| 最近最新中文字幕大全免费视频 | 不卡视频在线观看欧美| 人成视频在线观看免费观看| 欧美日韩成人在线一区二区| 午夜久久久在线观看| 国产成人av激情在线播放| 热99国产精品久久久久久7| 免费黄网站久久成人精品| 男女午夜视频在线观看| 久久精品aⅴ一区二区三区四区| 国产一区二区三区综合在线观看| 成年美女黄网站色视频大全免费| 亚洲美女黄色视频免费看| 亚洲国产av影院在线观看| 丰满乱子伦码专区| 欧美人与性动交α欧美软件| 纯流量卡能插随身wifi吗| 久久人妻熟女aⅴ| 亚洲av电影在线观看一区二区三区| 国产深夜福利视频在线观看| 一区二区三区精品91| 在线观看免费高清a一片| 国产淫语在线视频| 日本vs欧美在线观看视频| 不卡av一区二区三区| h视频一区二区三区| 成年动漫av网址| 国产在视频线精品| 国产精品国产三级国产专区5o| 韩国av在线不卡| 国产淫语在线视频| 考比视频在线观看| 午夜福利在线免费观看网站| 日韩一本色道免费dvd| 日本wwww免费看| 免费观看性生交大片5| 亚洲国产成人一精品久久久| 一级,二级,三级黄色视频| 中文字幕av电影在线播放| 一级爰片在线观看| 两性夫妻黄色片| 欧美 亚洲 国产 日韩一| 亚洲第一青青草原| 国产男女内射视频| 亚洲国产精品国产精品| 街头女战士在线观看网站| 无限看片的www在线观看| 久久婷婷青草| 一级,二级,三级黄色视频| 国产精品三级大全| 日韩伦理黄色片| 午夜福利在线免费观看网站| videosex国产| 亚洲精品在线美女| 国产深夜福利视频在线观看| 天天躁夜夜躁狠狠躁躁| 国产成人一区二区在线| 天天躁夜夜躁狠狠久久av| av片东京热男人的天堂| 99九九在线精品视频| 久久久久久人人人人人| 日韩大码丰满熟妇| 下体分泌物呈黄色| 亚洲第一区二区三区不卡| 我的亚洲天堂| 80岁老熟妇乱子伦牲交| 一本—道久久a久久精品蜜桃钙片| 国产乱来视频区| 最近中文字幕2019免费版| 久久午夜综合久久蜜桃| 欧美黑人精品巨大| 精品久久久久久电影网| 国产精品免费视频内射| 免费在线观看完整版高清| 亚洲精品,欧美精品| 国产成人免费无遮挡视频| 亚洲国产毛片av蜜桃av| 丝袜人妻中文字幕| 中文字幕精品免费在线观看视频| 日本黄色日本黄色录像| 久久热在线av| 欧美黑人精品巨大| 爱豆传媒免费全集在线观看| 日韩制服丝袜自拍偷拍| 免费人妻精品一区二区三区视频| 最近2019中文字幕mv第一页| 天堂中文最新版在线下载| 日本爱情动作片www.在线观看| 日韩 欧美 亚洲 中文字幕| 亚洲美女视频黄频| 亚洲精品在线美女| a级毛片在线看网站| netflix在线观看网站| 欧美黄色片欧美黄色片| svipshipincom国产片| 国产亚洲av片在线观看秒播厂| 十八禁人妻一区二区| 国产精品嫩草影院av在线观看| 黄色一级大片看看| 黑人欧美特级aaaaaa片| 久久久精品免费免费高清| 国产97色在线日韩免费| 伊人久久国产一区二区| av福利片在线| 国产不卡av网站在线观看| 在线观看免费午夜福利视频| 建设人人有责人人尽责人人享有的| 色网站视频免费| 久久午夜综合久久蜜桃| 亚洲人成网站在线观看播放| 亚洲av福利一区| 天天躁夜夜躁狠狠躁躁| 欧美日韩一级在线毛片| 久久久久久免费高清国产稀缺| 精品福利永久在线观看| 国产片特级美女逼逼视频| 欧美日韩综合久久久久久| 看免费av毛片| 久久亚洲国产成人精品v| 大码成人一级视频| 丁香六月天网| 国产麻豆69| 飞空精品影院首页| 最新的欧美精品一区二区| 又黄又粗又硬又大视频| 一级毛片黄色毛片免费观看视频| 好男人视频免费观看在线| 国产在线视频一区二区| 久久青草综合色| 成年动漫av网址| 免费高清在线观看视频在线观看| 日韩av免费高清视频| 青草久久国产| 亚洲国产精品一区三区| 国产一级毛片在线| 国产av码专区亚洲av| 制服人妻中文乱码| 亚洲精品国产区一区二| 在线精品无人区一区二区三| 国产国语露脸激情在线看| 又黄又粗又硬又大视频| 国产成人系列免费观看| 久久久亚洲精品成人影院| 国产亚洲午夜精品一区二区久久| 欧美人与性动交α欧美软件| 欧美97在线视频| 日韩一本色道免费dvd| 校园人妻丝袜中文字幕| 少妇精品久久久久久久| 国产在线免费精品| 欧美老熟妇乱子伦牲交| 日韩一本色道免费dvd| 国精品久久久久久国模美| 久久精品aⅴ一区二区三区四区| 欧美人与性动交α欧美精品济南到| 最近手机中文字幕大全| 巨乳人妻的诱惑在线观看| 天堂中文最新版在线下载| 国产片内射在线| 国产日韩欧美视频二区| 99re6热这里在线精品视频| 又大又黄又爽视频免费| 亚洲精品av麻豆狂野| 新久久久久国产一级毛片| 国产欧美亚洲国产| av网站在线播放免费| 少妇精品久久久久久久| 爱豆传媒免费全集在线观看| 亚洲第一av免费看| 菩萨蛮人人尽说江南好唐韦庄| 亚洲欧美一区二区三区国产| 亚洲精品乱久久久久久| 亚洲国产最新在线播放| 女人高潮潮喷娇喘18禁视频| 欧美日韩亚洲综合一区二区三区_| 可以免费在线观看a视频的电影网站 | 搡老乐熟女国产| 亚洲av在线观看美女高潮| 国产欧美日韩综合在线一区二区| 亚洲国产欧美日韩在线播放| 国产欧美日韩综合在线一区二区| 亚洲美女搞黄在线观看| 久久久精品国产亚洲av高清涩受| 国产日韩欧美亚洲二区| 可以免费在线观看a视频的电影网站 | 国产一区二区三区av在线| 热re99久久精品国产66热6| 国产精品偷伦视频观看了| 韩国高清视频一区二区三区| 久久天躁狠狠躁夜夜2o2o | 免费少妇av软件| av又黄又爽大尺度在线免费看| 女人高潮潮喷娇喘18禁视频| 桃花免费在线播放| 丝袜喷水一区| 精品久久久久久电影网| 国产精品一区二区精品视频观看| 亚洲成人国产一区在线观看 | 婷婷色综合www| 国产精品一二三区在线看| 人妻 亚洲 视频| 黄片无遮挡物在线观看| 中文字幕精品免费在线观看视频| 国产精品99久久99久久久不卡 | 免费黄网站久久成人精品| 午夜福利乱码中文字幕| 久久久亚洲精品成人影院| 日本爱情动作片www.在线观看| videos熟女内射| 亚洲精品日韩在线中文字幕| av在线播放精品| 精品人妻在线不人妻| 男女高潮啪啪啪动态图| 亚洲第一青青草原| 啦啦啦在线免费观看视频4| 看十八女毛片水多多多| 婷婷色综合www| 大话2 男鬼变身卡| 少妇人妻精品综合一区二区| 两性夫妻黄色片| 中文字幕制服av| 国产一区二区在线观看av| 乱人伦中国视频| 18禁裸乳无遮挡动漫免费视频| 亚洲美女视频黄频| 亚洲少妇的诱惑av| 亚洲伊人久久精品综合| 日本欧美视频一区| 亚洲欧洲精品一区二区精品久久久 | 黑丝袜美女国产一区| 99久久99久久久精品蜜桃| 老司机影院毛片| 好男人视频免费观看在线| 久久鲁丝午夜福利片| 性少妇av在线| 精品久久蜜臀av无| 亚洲精品在线美女| 久久99一区二区三区| 亚洲色图综合在线观看| 男人添女人高潮全过程视频| 少妇被粗大猛烈的视频| 黄色视频在线播放观看不卡| 天堂中文最新版在线下载| 丁香六月欧美| 国产av一区二区精品久久| 国产成人91sexporn| 午夜日韩欧美国产| 99re6热这里在线精品视频| 亚洲欧洲精品一区二区精品久久久 | 亚洲欧美一区二区三区国产| www.av在线官网国产| 日本色播在线视频| 又大又爽又粗| 91精品三级在线观看| 日韩伦理黄色片| 老司机深夜福利视频在线观看 | 国产伦人伦偷精品视频| 亚洲国产欧美在线一区| 一级a爱视频在线免费观看| 国产成人午夜福利电影在线观看| 少妇被粗大猛烈的视频| 国产精品嫩草影院av在线观看| 欧美黄色片欧美黄色片| 最近最新中文字幕免费大全7| 夜夜骑夜夜射夜夜干| 日韩一区二区视频免费看| 国产精品偷伦视频观看了| 热re99久久国产66热| 青春草视频在线免费观看| 欧美亚洲 丝袜 人妻 在线| 免费观看性生交大片5| 午夜福利视频在线观看免费| 久久免费观看电影| 亚洲精品久久午夜乱码| 精品亚洲成a人片在线观看| 精品福利永久在线观看| 精品第一国产精品| 三上悠亚av全集在线观看| 久久久国产精品麻豆| 人人妻人人澡人人看| 一区二区三区乱码不卡18| 日韩精品免费视频一区二区三区| 在线观看免费日韩欧美大片| 精品卡一卡二卡四卡免费| 国产又爽黄色视频| 99热网站在线观看| 亚洲精品久久成人aⅴ小说| 欧美日韩视频高清一区二区三区二| 黄色视频不卡| 无限看片的www在线观看| 亚洲激情五月婷婷啪啪| 狠狠精品人妻久久久久久综合| 亚洲精品乱久久久久久| 1024香蕉在线观看| 啦啦啦中文免费视频观看日本| 国产有黄有色有爽视频| 久久人人爽人人片av| 国产欧美日韩综合在线一区二区| 国产又爽黄色视频| 精品一区二区三区av网在线观看 | 色综合欧美亚洲国产小说| 热99久久久久精品小说推荐| 久久韩国三级中文字幕| 精品福利永久在线观看| 欧美成人精品欧美一级黄| 十分钟在线观看高清视频www| 亚洲人成网站在线观看播放| 久久韩国三级中文字幕| 国产精品久久久久久人妻精品电影 | 蜜桃在线观看..| 免费观看性生交大片5| 免费女性裸体啪啪无遮挡网站| 一边摸一边做爽爽视频免费| 久久久久精品久久久久真实原创| 午夜影院在线不卡| 国产成人av激情在线播放| 夫妻性生交免费视频一级片| 亚洲欧美精品综合一区二区三区| 99热国产这里只有精品6| 国产亚洲av片在线观看秒播厂| 国产视频首页在线观看| 亚洲av电影在线进入| 国产黄色视频一区二区在线观看| 国产极品粉嫩免费观看在线| 在线观看免费视频网站a站| 亚洲 欧美一区二区三区| 一级毛片黄色毛片免费观看视频| 一级黄片播放器| 亚洲国产av影院在线观看| 久久久精品免费免费高清| 卡戴珊不雅视频在线播放| 在线看a的网站| 韩国高清视频一区二区三区| 十分钟在线观看高清视频www| 1024香蕉在线观看| 欧美乱码精品一区二区三区| 十八禁人妻一区二区| 极品少妇高潮喷水抽搐| 青春草亚洲视频在线观看| 90打野战视频偷拍视频| 97精品久久久久久久久久精品| 午夜老司机福利片| 欧美黑人精品巨大| 热re99久久国产66热| 一级,二级,三级黄色视频| 国产深夜福利视频在线观看| 国产成人啪精品午夜网站| 伦理电影大哥的女人| 9191精品国产免费久久| 日韩av在线免费看完整版不卡| 韩国精品一区二区三区| 亚洲精品国产色婷婷电影| 女性生殖器流出的白浆| 老司机在亚洲福利影院| 色精品久久人妻99蜜桃| 国产精品国产三级国产专区5o| 日本色播在线视频| 午夜精品国产一区二区电影| 成人毛片60女人毛片免费| 又大又黄又爽视频免费| 欧美 日韩 精品 国产| 欧美亚洲 丝袜 人妻 在线| 亚洲欧美激情在线| 视频在线观看一区二区三区| 亚洲三区欧美一区| 大香蕉久久成人网| 热re99久久精品国产66热6| 一区在线观看完整版| 国产精品久久久久久久久免| 又大又黄又爽视频免费| 国产乱人偷精品视频| 爱豆传媒免费全集在线观看| 青春草视频在线免费观看| 久久久久精品国产欧美久久久 | 日韩人妻精品一区2区三区| 97精品久久久久久久久久精品| av在线观看视频网站免费| 一边摸一边做爽爽视频免费| 香蕉国产在线看| 天天躁夜夜躁狠狠躁躁| 一级毛片 在线播放| avwww免费| 亚洲欧洲日产国产| 18禁国产床啪视频网站| 国产成人免费无遮挡视频| 女人久久www免费人成看片| 亚洲,一卡二卡三卡| 天天操日日干夜夜撸| 亚洲图色成人| 黑人猛操日本美女一级片| 亚洲成色77777| 激情视频va一区二区三区| 中文精品一卡2卡3卡4更新| 欧美日本中文国产一区发布| 久久精品亚洲熟妇少妇任你| 国产极品粉嫩免费观看在线| 亚洲精华国产精华液的使用体验| av在线播放精品| 大陆偷拍与自拍|